Pangram raccoglie 9 milioni di dollari e lancia nuovi strumenti per il rilevamento di contenuti AI

La startup newyorkese Pangram ha recentemente annunciato la chiusura di un round di finanziamento da 9 milioni di dollari, guidato da Menlo Ventures e supportato da altri investitori come Haystack, ScOp, Script Capital e Cadenza. Questo importante traguardo coincide con il lancio del modello di rilevamento testuale Pangram 4 e di 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 affrontare una delle sfide più attuali nel mondo digitale: la distinzione tra contenuti generati o assistiti dall’intelligenza artificiale e quelli scritti interamente da esseri umani. In un contesto in cui l’uso di testi e immagini AI è in costante aumento, la startup mira a fornire soluzioni per prevenire l’uso improprio di tali contenuti, che può avere conseguenze reputazionali e disciplinari significative.

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. Inoltre, il rilevatore di immagini è attualmente disponibile in anteprima per la ricerca, con un rilascio più ampio previsto nelle prossime settimane. La tecnologia alla base di questi strumenti 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, permettendo così di apprendere le differenze stilistiche e le scelte ricorrenti degli algoritmi, senza fare affidamento su metadati o watermark nascosti.

Un aspetto innovativo della tecnologia di Pangram è la capacità 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, a patto che venga dichiarato dall’autore. Tra le funzionalità offerte agli utenti, Pangram 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 fornisce la percentuale di contenuti umani rispetto a quelli generati da AI.

La tecnologia di Pangram è disponibile anche tramite API ed è già integrata su alcune piattaforme, tra cui Substack. Tra i clienti API figurano Quora, istituzioni accademiche, editori, agenti e società di recruiting. Tuttavia, il mercato non è privo di concorrenti: altre aziende come Winston AI, Originality.ai, Copyleaks e GPTZero sono attive nel settore.

I test interni e le prove pratiche condotte da Pangram hanno mostrato prestazioni solide, sebbene non perfette. Attualmente, l’azienda indica un tasso di falsi positivi di circa 1 su 10.000 documenti umani. Durante i test, il modello ha dimostrato di essere in grado di identificare articoli scritti interamente da AI e ha resistito a tentativi di elusione tramite editing. Tuttavia, ha anche segnalato come AI alcune frasi riscritte da un umano 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, evitando però che la tecnologia venga utilizzata come uno strumento di caccia alle streghe. Con l’aumento della produzione di contenuti generati da AI, la necessità di strumenti affidabili per la loro identificazione diventa sempre più cruciale.