In Breve
- Quanto ha raccolto Pangram?
- Pangram ha raccolto 9 milioni di dollari.
- Quali nuovi strumenti ha lanciato Pangram?
- Pangram ha lanciato il modello Pangram 4 e Pangram Image.
- Qual è l'accuratezza del nuovo modello testuale?
- Il nuovo modello testuale supera il 99% di accuratezza.
La startup newyorkese Pangram ha recentemente annunciato di aver chiuso un round di finanziamento da 9 milioni di dollari, guidato da Menlo Ventures e supportato da investitori come Haystack, ScOp, Script Capital e Cadenza. Contestualmente, l’azienda ha lanciato il modello di rilevamento testuale Pangram 4 e un nuovo strumento per il rilevamento di immagini, denominato Pangram Image.
Fondata due anni fa da Max Spero e Bradley Emi, Pangram si propone di fornire strumenti avanzati per distinguere i contenuti generati o assistiti dall’intelligenza artificiale da quelli scritti interamente da esseri umani. Questa iniziativa si colloca in un contesto in cui l’uso di testi e immagini AI è in costante crescita, con potenziali rischi reputazionali e disciplinari legati all’uso improprio di tali contenuti.
Pangram sostiene che il suo nuovo modello testuale raggiunge un’accuratezza superiore al 99% nell’individuare testi assistiti da AI e contenuti misti umano-AI, riuscendo a rilevare con maggiore facilità i programmi definiti “humanizer”. Il rilevatore di immagini, attualmente disponibile in anteprima, sarà lanciato in modo più ampio nelle prossime settimane.
La tecnologia di Pangram si basa su un modello di machine learning addestrato su decine di milioni di documenti umani e su “specchi sintetici” generati da modelli di linguaggio di ultima generazione. Questo approccio mira a far apprendere le differenze stilistiche e le scelte ricorrenti degli algoritmi, senza fare affidamento su metadati o watermark nascosti.
Inoltre, Pangram si propone di distinguere i livelli di assistenza forniti dall’AI, riconoscendo interventi di editing o pulizia del testo. L’azienda sostiene che l’uso dell’AI può essere accettabile se dichiarato esplicitamente dall’autore.
Tra le funzionalità offerte agli utenti, Pangram propone un abbonamento web al costo di 20 dollari al mese, un’estensione per Chrome che etichetta in tempo reale i post su piattaforme come X, LinkedIn, Substack, Reddit e Medium, e un “feed health score” che mostra la percentuale di contenuti umani rispetto a quelli generati da AI. La tecnologia è disponibile anche tramite API e risulta integrata su diverse piattaforme, tra cui Substack. Altri clienti delle API includono Quora, istituzioni accademiche, editori, agenti e società di recruiting.
Il mercato del rilevamento dei contenuti AI è competitivo, con altri attori come Winston AI, Originality.ai, Copyleaks e GPTZero. Test interni e prove pratiche hanno mostrato prestazioni solide ma non perfette: Pangram riporta un tasso di falsi positivi di circa 1 su 10.000 documenti umani. Durante i test, il modello ha dimostrato di individuare articoli scritti interamente da AI e ha resistito a tentativi di elusione tramite editing. Tuttavia, ha anche segnalato come AI alcune frasi riscritte da umani e, in alcuni casi, ha classificato erroneamente delle immagini.
Max Spero ha sottolineato l’importanza di sviluppare meccanismi per contrastare la diffusione di contenuti AI di bassa qualità, avvertendo però che la tecnologia non deve trasformarsi in uno strumento di caccia alle streghe.
