In Breve
- Cosa ha raccolto Pangram?
- Pangram ha raccolto 9 milioni di dollari in un round di finanziamento.
- Quali strumenti ha lanciato Pangram?
- Pangram ha lanciato il modello di rilevamento testuale Pangram 4 e Pangram Image.
- Qual è l'accuratezza del nuovo modello testuale?
- Il nuovo modello testuale supera il 99% di accuratezza nell'individuare contenuti assistiti da AI.
La startup newyorkese Pangram ha recentemente concluso un round di finanziamento da 9 milioni di dollari, guidato da Menlo Ventures e supportato da Haystack, ScOp, Script Capital e Cadenza. Questo investimento arriva in un momento cruciale, poiché l’azienda ha presentato il nuovo modello di rilevamento testuale Pangram 4 e un innovativo rilevatore di immagini, Pangram Image.
Fondata due anni fa da Max Spero e Bradley Emi, Pangram si propone di fornire strumenti capaci di distinguere i contenuti generati o assistiti dall’intelligenza artificiale da quelli scritti interamente da esseri umani. Questo è particolarmente rilevante in un contesto in cui la diffusione di testi e immagini AI solleva preoccupazioni riguardo all’uso improprio e alle sue conseguenze reputazionali.
Pangram sostiene che il suo nuovo modello testuale raggiunge un’accuratezza superiore al 99% nell’individuare contenuti assistiti da AI e misti umano-AI, e riesce a rilevare più facilmente i programmi di “humanizer”. Il rilevatore di immagini, attualmente in fase di anteprima, sarà disponibile per un rilascio 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 LLM di frontiera. Questo approccio permette di apprendere le differenze stilistiche e le scelte ricorrenti degli algoritmi, senza fare affidamento su metadati o watermark nascosti.
Tra le funzionalità offerte, l’azienda propone un abbonamento web da 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 integrata in diverse piattaforme, tra cui Substack.
Nonostante i risultati promettenti, Pangram ammette che ci sono margini di miglioramento, con un tasso di falsi positivi di circa 1 su 10.000 documenti umani. Max Spero ha sottolineato l’importanza di avere un meccanismo per contrastare la diffusione di contenuti AI di bassa qualità, evitando al contempo che la tecnologia diventi uno strumento di persecuzione.
