ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ AI ಪದವೀಧರರಾದ ಮ್ಯಾಕ್ಸ್ ಸ್ಪೆರೊ ಮತ್ತು ಬ್ರಾಡ್ಲಿ ಎಮಿ ಅವರು ಸ್ಥಾಪಿಸಿದ ನ್ಯೂಯಾರ್ಕ್ ಸ್ಟಾರ್ಟ್‌ಅಪ್ Pangram, Menlo Ventures ನೇತೃತ್ವದಲ್ಲಿ ನಡೆದ $9 ಮಿಲಿಯನ್ ಸೀರೀಸ್ ಎ (Series A) ಸುತ್ತವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದೆ. ಈ ಹಣಕಾಸಿನ ನೆರವು ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳಿಗಾಗಿ ಒಂದು API ಮತ್ತು ತಿಂಗಳಿಗೆ $20 ವೆಚ್ಚದ Chrome extension ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಬಳಕೆಯಾಗಲಿದೆ. ಇದು 99 ಪ್ರತಿಶತ ನಿಖರತೆಯೊಂದಿಗೆ AI-ಸಹಾಯ ಪಡೆದ ಪಠ್ಯವನ್ನು ಗುರುತಿಸುವ ಮೂಲಕ ಪತ್ರಕರ್ತರು, ವಿದ್ವಾಂಸರು ಮತ್ತು ನೇಮಕಾತಿದಾರರು ಸತ್ಯಾಸತ್ಯತೆಯನ್ನು ಪರಿಶೀಲಿಸುವ ವಿಧಾನವನ್ನೇ ಬದಲಾಯಿಸಬಹುದು ಎಂಬ ವಾದವನ್ನು ಮಂಡಿಸಿದೆ.

AI-ಸೃಷ್ಟಿತ “slop” (ಕಳಪೆ ಗುಣಮಟ್ಟದ ಕಂಟೆಂಟ್) ಹೆಚ್ಚಳ

ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು (Large Language Models) ಈಗ ಲೇಖನಗಳು, ಸೋಶಿಯಲ್ ಮೀಡಿಯಾ ಪೋಸ್ಟ್‌ಗಳು ಮತ್ತು ಕಾನೂನು ಉಲ್ಲೇಖಗಳನ್ನು ಸಹ ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ಸೃಷ್ಟಿಸುತ್ತಿವೆ. ಇದರ ಪರಿಣಾಮವಾಗಿ: ಕಳಪೆ ಗುಣಮಟ್ಟದ SEO ಸ್ಪ್ಯಾಮ್, ಸಂಘಟಿತ ಸುಳ್ಳು ಮಾಹಿತಿ ಪ್ರಚಾರ ಮತ್ತು ಮಾನವರು AI ಸೃಷ್ಟಿತ ಕರಡುಗಳನ್ನು ತಿದ್ದುವ ಒಂದು ಅಸ್ಪಷ್ಟ ವಲಯ ನಿರ್ಮಾಣವಾಗಿದೆ. ಸಂಸ್ಥೆಗಳು ಈಗಾಗಲೇ ಇದಕ್ಕೆ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತಿವೆ. ಪ್ರಿ-ಪ್ರಿಂಟ್ ಸರ್ವರ್ arXiv, ಪರಿಶೀಲಿಸದ LLM ಔಟ್‌ಪುಟ್ ಸಲ್ಲಿಸುವ ಲೇಖಕರಿಗೆ ಒಂದು ವರ್ಷದ ನಿಷೇಧ ಎದುರಾಗಬಹುದು ಎಂದು ಎಚ್ಚರಿಸಿದೆ ಮತ್ತು AI ಸೃಷ್ಟಿಸಿದ ಸುಳ್ಳು ಉಲ್ಲೇಖಗಳನ್ನು ಬಳಸುವ ವಕೀಲರ ಮೇಲೆ ನ್ಯಾಯಾಲಯಗಳು ದಂಡ ವಿಧಿಸಲು ಪ್ರಾರಂಭಿಸಿವೆ. ಮಾನವ ಮತ್ತು ಯಂತ್ರದ ಔಟ್‌ಪುಟ್ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸುವ ಒತ್ತಡ ಹೆಚ್ಚಾಗುತ್ತಿದೆ ಮತ್ತು Pangram ತನ್ನ ತಂತ್ರಜ್ಞಾನವು ಡಿಜಿಟಲ್ ಪರಿಶೀಲನೆಯಲ್ಲಿ ಪ್ರಮುಖ ಪಾತ್ರ ವಹಿಸುತ್ತದೆ ಎಂದು ನಂಬಿದೆ.

ಸಿಂಥೆಟಿಕ್ ಮಿರರಿಂಗ್ (Synthetic mirroring): ಪ್ರತಿ ದಾಖಲೆಯ ಅವಳಿ ಮೇಲೆ ತರಬೇತಿ

Pangram ನ ಪ್ರಮುಖ ಮಾದರಿಯಾದ Pangram 4, ಕಂಪನಿಯು “synthetic mirroring” ಎಂದು ಕರೆಯುವ ವಿಧಾನವನ್ನು ಬಳಸುತ್ತದೆ. ತನ್ನ ತರಬೇತಿ ಸೆಟ್‌ನಲ್ಲಿರುವ ಪ್ರತಿ ಮಾನವ-ಬರೆದ ದಾಖಲೆಗಾಗಿ (ಕೋಟಿಗಟ್ಟಲೆ ಪರಿಶೀಲಿಸಿದ ಲೇಖನಗಳು), ತಂಡವು ಅತ್ಯಾಧುನಿಕ LLM ಮೂಲಕ ಅದಕ್ಕೆ ಸಮಾನವಾದ ಮತ್ತೊಂದು ದಾಖಲೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಈ ಸಿಂಥೆಟಿಕ್ ಅವಳಿ (synthetic twin) ವಿಷಯ, ಉದ್ದ ಮತ್ತು ಧಾಟಿಯಲ್ಲಿ ಮೂಲ ದಾಖಲೆಗೆ ಹೋಲಿಕೆಯಾಗುತ್ತದೆ ಆದರೆ ಅದನ್ನು AI ಸೃಷ್ಟಿಸುತ್ತದೆ. ಎರಡೂ ಆವೃತ್ತಿಗಳನ್ನು ಒಂದೇ ನ್ಯೂರಲ್ ನೆಟ್ (neural net) ಗೆ ಒದಗಿಸುವ ಮೂಲಕ, ಲೇಖಕರು ಯಂತ್ರದ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮರೆಮಾಚಲು ಬಳಸುವ “AI humanizer” ಪರಿಕರಗಳನ್ನು ಬಳಸಿದರೂ ಸಹ, AI-ಸೃಷ್ಟಿತ ಪಠ್ಯದಲ್ಲಿ ಉಳಿಯುವ ಸೂಕ್ಷ್ಮ ಅಂಕಿಅಂಶಗಳ ಗುರುತುಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು Pangram ತನ್ನ ಮಾದರಿಗೆ ಕಲಿಸುತ್ತದೆ.

ಸ್ಪರ್ಧಿಗಳು ಮೆಟಾಡೇಟಾ ಅಥವಾ ಅತೃಪ್ತ ವಾಟರ್‌ಮಾರ್ಕ್‌ಗಳನ್ನು ಅವಲಂಬಿಸಿದ್ದಾರೆ, ಇವುಗಳನ್ನು ತೆಗೆದುಹಾಕಬಹುದು ಅಥವಾ ನಿರ್ಲಕ್ಷಿಸಬಹುದು. ಬದಲಾಗಿ Pangram ಶೈಲಿಯ ವಿಶ್ಲೇಷಣೆಯ ಮೇಲೆ ಗಮನ ಹರಿಸುತ್ತದೆ: ಪದಗಳ ಆಯ್ಕೆ, ವಾಕ್ಯದ ಲಯ ಮತ್ತು ಟೋಕನ್ ವಿತರಣೆಯಲ್ಲಿನ ಮಾದರಿಗಳು, ಇವು ಮಾದರಿಯ ಔಟ್‌ಪುಟ್‌ನಲ್ಲಿ ಸ್ಥಿರವಾಗಿರುತ್ತವೆ. ಕಂಪನಿಯ ಪ್ರಕಟಣೆಯ ಪ್ರಕಾರ, ಆಂತರಿಕ ಪರೀಕ್ಷೆಗಳಲ್ಲಿ ಈ ವ್ಯವಸ್ಥೆಯು AI-ಸಹಾಯ ಪಡೆದ ಬರಹಗಳನ್ನು 99 ಪ್ರತಿಶತ ನಿಖರತೆಯೊಂದಿಗೆ ಗುರುತಿಸಿದೆ.

APIಗಳಿಂದ ಬ್ರೌಸರ್‌ಗಳವರೆಗೆ: ತಂತ್ರಜ್ಞಾನದ ವ್ಯಾಪ್ತಿ

Pangram ತನ್ನನ್ನು ಕೇವಲ ಒಂದು ಉದ್ದೇಶದ ಆಪ್ ಆಗಿ ಅಲ್ಲದೆ, ಮೂಲಸೌಕರ್ಯವಾಗಿ (infrastructure) ರೂಪಿಸಿಕೊಳ್ಳುತ್ತಿದೆ. ಇದರ API ಈಗಾಗಲೇ Substack ನೊಂದಿಗೆ ಸಂಯೋಜಿತವಾಗಿದೆ, ಅಲ್ಲಿ ನ್ಯೂಸ್‌ಲೆಟರ್‌ಗಳು AI-ಸೃಷ್ಟಿತ ವಿಷಯದ ಪ್ರಮಾಣವನ್ನು ಸೂಚಿಸುವ ಲೇಬಲ್ ಅನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತವೆ. Quora ನಂತಹ ಪ್ರಶ್ನೋತ್ತರ ವೇದಿಕೆಗಳು, ಹಲವಾರು ವಿಶ್ವವಿದ್ಯಾಲಯದ ಬರವಣಿಗೆ ಕೇಂದ್ರಗಳು ಮತ್ತು ಅಭ್ಯರ್ಥಿಗಳ ಸಲ್ಲಿಕೆಗಳ ಮೂಲತತ್ವವನ್ನು ಪರಿಶೀಲಿಸಬೇಕಾದ ನೇಮಕಾತಿ ಏಜೆನ್ಸಿಗಳು ಕೂಡ ಇದರ ಆರಂಭಿಕ ಬಳಕೆದಾರರಾಗಿದ್ದಾರೆ.

ವೈಯಕ್ತಿಕ ಬಳಕೆದಾರರಿಗಾಗಿ, ಈ ಸ್ಟಾರ್ಟ್‌ಅಪ್ X, LinkedIn, Reddit ಮತ್ತು Medium ನಂತಹ ಸೈಟ್‌ಗಳಲ್ಲಿ “feed health score” ಅನ್ನು ತೋರಿಸುವ Chrome extension ಅನ್ನು ನೀಡುತ್ತದೆ. ಈ ಸ್ಕೋರ್ ಪಠ್ಯವು ಮಾನವ ಅಥವಾ AI ಸೃಷ್ಟಿತವಾಗಿದೆಯೇ ಎಂಬ ಶೇಕಡಾವಾರು ಪ್ರಮಾಣವನ್ನು ವಿವರಿಸುತ್ತದೆ. ಚಂದಾದಾರರು ನೈಜ-ಸಮಯದ ಲೇಬಲಿಂಗ್ ಮತ್ತು ಅನುಮಾನಾಸ್ಪದ ಭಾಗಗಳನ್ನು ಪರಿಶೀಲನೆಗಾಗಿ ಗುರುತಿಸಲು ತಿಂಗಳಿಗೆ $20 ಪಾವತಿಸುತ್ತಾರೆ.

ಸಂಶಯಾತ್ಮಕ ದೃಷ್ಟಿಕೋನ

ನಿಖರತೆಯ ಹಕ್ಕುಗಳು ಅನಿವಾರ್ಯವಾಗಿ ತನಿಖೆಗೆ ಒಳಗಾಗುತ್ತವೆ. “ಅಸ್ಪಷ್ಟ ವಲಯದಲ್ಲಿ” (gray area) — ಅಂದರೆ ಲೇಖಕರು ಮಾದರಿಯಿಂದ ಸೃಷ್ಟಿಸಿದ ಕರಡನ್ನು ತಿದ್ದುವಾಗ — AI ಸಹಾಯವನ್ನು ಪತ್ತೆಹಚ್ಚುವುದು ಸವಾಲಿನ ಕೆಲಸವಾಗಿದೆ. ಜನರೇಟಿವ್ ಮಾದರಿಗಳು ಸುಧಾರಿಸುತ್ತಿದ್ದಂತೆ, Pangram ಅವಲಂಬಿಸಿರುವ ಶೈಲಿಯ ವ್ಯತ್ಯಾಸವು ಕಡಿಮೆಯಾಗಬಹುದು, ಇದು ಪತ್ತೆಹಚ್ಚುವಿಕೆ ಮತ್ತು ತಪ್ಪಿಸಿಕೊಳ್ಳುವ ತಂತ್ರಗಳ ನಡುವೆ ಒಂದು ಸ್ಪರ್ಧಾತ್ಮಕ ಓಟವನ್ನು ಉಂಟುಮಾಡಬಹುದು. ತಪ್ಪು ಪಾಸಿಟಿವ್‌ಗಳ (false positives) ಬಗ್ಗೆಯೂ ವಿಮರ್ಶಕರು ಎಚ್ಚರಿಸುತ್ತಾರೆ: ಕಾನೂನು ಅಥವಾ ಶೈಕ್ಷಣಿಕ ಸಂದರ್ಭಗಳಲ್ಲಿ ಮಾನವನ ಬರಹವನ್ನು AI-ಸೃಷ್ಟಿತ ಎಂದು ತಪ್ಪಾಗಿ ಲೇಬಲ್ ಮಾಡುವುದು ವ್ಯಕ್ತಿಗಳ ಘನತೆಗೆ ಹಾನಿ ಮಾಡಬಹುದು.

Pangram ಈ ಸವಾಲನ್ನು ಒಪ್ಪಿಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಹೊಸ LLMಗಳು ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತಿದ್ದಂತೆ ತನ್ನ ಮಾದರಿಯನ್ನು ನಿರಂತರವಾಗಿ ಹೊಸ ಸಿಂಥೆಟಿಕ್ ಮಿರರ್‌ಗಳ ಮೇಲೆ ಮರುತರಬೇತಿಗೊಳಿಸುತ್ತಿದೆ ಎಂದು ತಿಳಿಸಿದೆ. ಆದಾಗ್ಯೂ, ಕಂಪನಿಯು ತನ್ನ ಆಂತರಿಕ ಪರೀಕ್ಷೆಗಿಂತ ಹೆಚ್ಚಿನ ಸ್ವತಂತ್ರ ಬೆಂಚ್‌ಮಾರ್ಕ್ ಫಲಿತಾಂಶಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಿಲ್ಲ, ಇದು 99 ಪ್ರತಿಶತದ ಅಂಕಿಅಂಶವನ್ನು ಪರಿಶೀಲಿಸಲು ಸಮುದಾಯಕ್ಕೆ ಬಿಟ್ಟಿದೆ.

ಗಮನಿಸಬೇಕಾದ ಅಂಶಗಳು

ಮುಂದಿನ ಕೆಲವು ತಿಂಗಳುಗಳು Pangram ಪೈಲಟ್ ಸಂಯೋಜನೆಗಳಿಂದ ಹೊರಬಂದು ವ್ಯಾಪಕ ವೇದಿಕೆಗಳ ಅಳವಡಿಕೆಗೆ ಸಾಗುತ್ತದೆಯೇ ಎಂಬುದನ್ನು ತಿಳಿಸಲಿವೆ. ಪ್ರಮುಖ ಸೂಚಕಗಳು ಇಲ್ಲಿವೆ:

  • ಪ್ರಸ್ತುತ ಆರಂಭಿಕ ಪಾಲುದಾರರ ಪಟ್ಟಿಗಿಂತ ಹೆಚ್ಚಿನ API ಒಪ್ಪಂದಗಳ ವಿಸ್ತರಣೆ.
  • ತಪ್ಪು ಪಾಸಿಟಿವ್ ದರಗಳು ಮತ್ತು ಸಂಪಾದಕೀಯ ಕಾರ್ಯಪ್ರವೃತ್ತಿಗಳ ಮೇಲೆ ಸಂಸ್ಥೆಯ ಬಳಕೆದಾರರಿಂದ ಪ್ರತಿಕ್ರಿಯೆ.
  • ಮಾನವ ಶೈಲಿಯನ್ನು ಹೆಚ್ಚು ನಿಕಟವಾಗಿ ಅನುಕರಿಸುವ ಉದ್ದೇಶದಿಂದ ಮಾದರಿ ಅಪ್‌ಡೇಟ್‌ಗಳೊಂದಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುವ ಸಂಭವವಿರುವ LLM ಡೆವಲಪರ್‌ಗಳ ಪ್ರತಿಕ್ರಿಯೆಗಳು.
  • ಕೆಲವು ಪ್ರಕಟಣೆಗಳು ಅಥವಾ ಶೈಕ್ಷಣಿಕ ಸಲ್ಲಿಕೆಗಳಿಗೆ AI-ಪತ್ತೆಹಚ್ಚುವ ಸಾಧನಗಳನ್ನು ಕಡ್ಡಾಯಗೊಳಿಸಬಹುದಾದ ನಿಯಂತ್ರಕ ಬೆಳವಣಿಗೆಗಳು.

ಸ್ಟಾರ್ಟ್‌ಅಪ್ ತನ್ನ ಪತ್ತೆಹಚ್ಚುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಉಳಿಸಿಕೊಳ್ಳುತ್ತಾ ಕಡಿಮೆ ದೋಷದ ದರವನ್ನು ಕಾಪಾಡಿಕೊಂಡರೆ, ಇದು ಡಿಜಿಟಲ್ ಸತ್ಯಾಸತ್ಯತೆಯನ್ನು ಪರಿಶೀಲಿಸುವ ಒಂದು ವಾಸ್ತವಿಕ ಮಾನದಂಡವಾಗಬಹುದು (de-facto standard). ಇಲ್ಲದಿದ್ದರೆ, ಮಾರುಕಟ್ಟೆಯು ವಿಭಿನ್ನ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿರುವ ಸ್ಪರ್ಧಾತ್ಮಕ ಸಾಧನಗಳಾಗಿ ವಿಭಜನೆಯಾಗಬಹುದು.

ಅಂತಿಮ ತೀರ್ಮಾನ

Pangram ಸಂಸ್ಥೆಗೆ ಲಭಿಸಿದ $9 ಮಿಲಿಯನ್ ಹೂಡಿಕೆಯು, AI-ಸಹಾಯದ ಬಳಕೆಯನ್ನು ಬಹುತೇಕ ನಿಖರವಾಗಿ ಪತ್ತೆಹಚ್ಚುವ ಗುರಿಯೊಂದಿಗೆ 'ಟ್ವಿನ್-ಡಾಕ್ಯುಮೆಂಟ್' ತರಬೇತಿ ವಿಧಾನವನ್ನು ಅವಲಂಬಿಸಿರುವ ಪತ್ತೆಹಚ್ಚುವ ತಂತ್ರಗಾರಿಕೆಗೆ ಶಕ್ತಿ ತುಂಬುತ್ತದೆ. ಈ ವಿಧಾನವು ವಿಕಸನಗೊಳ್ಳುತ್ತಿರುವ ಭಾಷಾ ಮಾದರಿಗಳೊಂದಿಗೆ (language models) ಹೊಂದಾಣಿಕೆಯಾಗುತ್ತದೆಯೇ ಮತ್ತು ಇದನ್ನು ಅತ್ಯಂತ ಅಗತ್ಯವಿರುವ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳು ಹಾಗೂ ಸಂಸ್ಥೆಗಳ ನಂಬಿಕೆಯನ್ನು ಗಳಿಸುತ್ತದೆಯೇ ಎಂಬುದರ ಮೇಲೆ ಇದರ ಯಶಸ್ಸು ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ.