స్టాన్‌ఫోర్డ్ AI పూర్వ విద్యార్థులు (alumni) మాక్స్ స్పెరో మరియు బ్రాడ్లీ ఎమి స్థాపించిన న్యూయార్క్ స్టార్టప్ Pangram, Menlo Ventures నేతృత్వంలో $9 మిలియన్ల Series A రౌండ్‌ను పూర్తి చేసింది. ఈ నిధులు ప్లాట్‌ఫారమ్‌ల కోసం ఒక APIని మరియు నెలకు $20 చొప్పున లభించే Chrome extensionను అభివృద్ధి చేయడానికి ఉపయోగపడతాయి. ఇది AI సహాయంతో రాసిన వచనాన్ని (text) 99 శాతం ఖచ్చితత్వంతో గుర్తించగలదని పేర్కొంటోంది—ఈ ప్రకటన జర్నలిస్టులు, పండితులు మరియు రిక్రూటర్లు ప్రామాణికతను (authenticity) ఎలా ధృవీకరించాలనే విధానాన్ని మార్చివేసే అవకాశం ఉంది.

AI-జనరేటెడ్ “slop” పెరుగుదల

లార్జ్ లాంగ్వేజ్ మోడల్స్ (LLMs) ఇప్పుడు భారీ స్థాయిలో వ్యాసాలు, సోషల్ మీడియా పోస్ట్‌లు మరియు చట్టపరమైన ఉల్లేఖనాలను (legal citations) కూడా సృష్టిస్తున్నాయి. దీని ఫలితంగా: తక్కువ నాణ్యత గల SEO స్పామ్, సమన్వయంతో కూడిన తప్పుడు సమాచార ప్రచారాలు (disinformation campaigns), మరియు మనుషులు AI-జనరేటెడ్ డ్రాఫ్ట్‌లను మెరుగుపరిచే ఒక గ్రే జోన్ ఏర్పడుతోంది. సంస్థలు ఇప్పటికే దీనిపై స్పందిస్తున్నాయి. సమీక్షించని LLM అవుట్‌పుట్‌ను సమర్పించే రచయితలు ఏడాది కాలం పాటు నిషేధానికి గురయ్యే అవకాశం ఉందని pre-print సర్వర్ arXiv హెచ్చరించింది, అలాగే AI ద్వారా సృష్టించబడిన కల్పిత ఉల్లేఖనాలపై ఆధారపడే న్యాయవాదులపై కోర్టులు చర్యలు తీసుకోవడం ప్రారంభించాయి. మానవ మరియు యంత్ర అవుట్‌పుట్‌లను వేరు చేయాలనే ఒత్తిడి పెరుగుతోంది, మరియు Pangram తన సాంకేతికత డిఫాల్ట్ వెరిఫికేషన్ లేయర్‌గా మారుతుందని నమ్ముతోంది.

సింథటిక్ మిర్రరింగ్: ప్రతి పత్రం యొక్క 'ట్విన్' పై శిక్షణ

Pangram యొక్క ఫ్లాగ్‌షిప్ మోడల్, Pangram 4, కంపెనీ "synthetic mirroring" అని పిలిచే పద్ధతిని ఉపయోగిస్తుంది. దాని ట్రైనింగ్ సెట్‌లో ఉన్న ప్రతి మానవ-రచిత పత్రం కోసం—కోట్లాది ధృవీకరించబడిన అంశాల కోసం—బృందం ఒక ఫ్రాంటియర్ LLM ద్వారా దానికి సమానమైన మరొక పత్రాన్ని సృష్టించింది. ఈ సింథటిక్ ట్విన్ (synthetic twin) అంశం, పొడవు మరియు శైలిలో అసలు పత్రంతో సరిపోలుతుంది, కానీ ఇది AI ద్వారా ఉత్పత్తి చేయబడింది. ఈ రెండు వెర్షన్లను ఒకే న్యూరల్ నెట్‌లోకి పంపడం ద్వారా, రచయితలు మెషిన్ అవుట్‌పుట్‌ను దాచడానికి రూపొందించిన “AI humanizer” టూల్స్‌ను ఉపయోగించినప్పటికీ, AI-జనరేటెడ్ టెక్స్ట్‌లో ఉండే సూక్ష్మమైన గణాంక వేలిముద్రలను (statistical fingerprints) గుర్తించేలా Pangram తన మోడల్‌కు నేర్పిస్తుంది.

పోటీదారులు మెటాడేటా లేదా కనిపించని వాటర్‌మార్క్‌లపై ఆధారపడతారు, వీటిని తొలగించవచ్చు లేదా విస్మరించవచ్చు. దానికి బదులుగా Pangram శైలి విశ్లేషణ (stylistic analysis) పై దృష్టి పెడుతుంది: అంటే పదాల ఎంపిక, వాక్యాల లయ (rhythm) మరియు టోకెన్ పంపిణీలో ఉండే నమూనాలు (patterns), ఇవి మోడల్ అవుట్‌పుట్‌లో స్థిరంగా ఉంటాయి. కంపెనీ విడుదల చేసిన సమాచారం ప్రకారం, అంతర్గత పరీక్షలలో ఈ సిస్టమ్ AI-సహాయంతో రాసిన వచనాన్ని 99 శాతం ఖచ్చితత్వంతో గుర్తించింది.

APIs నుండి బ్రౌజర్‌ల వరకు: ఈ సాంకేతికత ఎక్కడ ఉపయోగపడుతుంది

Pangram తనను తాను ఒక సింగిల్-పర్పస్ యాప్‌గా కాకుండా, ఒక ఇన్‌ఫ్రాస్ట్రక్చర్‌గా నిలబెట్టుకుంటోంది. దీని API ఇప్పటికే Substackతో అనుసంధానించబడింది, అక్కడ న్యూస్‌లెటర్లు AI-జనరేటెడ్ కంటెంట్ ఎంత శాతం ఉందో తెలిపే లేబుల్‌ను ప్రదర్శిస్తాయి. Q&A ప్లాట్‌ఫారమ్ Quora, పలు విశ్వవిద్యాలయ రైటింగ్ సెంటర్లు మరియు అభ్యర్థుల సమర్పణల (submissions) అసలైనతను ధృవీకరించాల్సిన రిక్రూట్‌మెంట్ ఏజెన్సీలు కూడా దీనిని ప్రారంభంలోనే స్వీకరించాయి.

వ్యక్తిగత వినియోగదారుల కోసం, ఈ స్టార్టప్ X, LinkedIn, Reddit మరియు Medium వంటి సైట్‌లలో “feed health score”ను చూపే Chrome extensionను అందిస్తుంది. ఈ స్కోరు మోడల్ దృష్టిలో వచనం ఎంత శాతం మానవ నిర్మితం మరియు ఎంత శాతం AI నిర్మితమో వివరిస్తుంది. రియల్-టైమ్ లేబులింగ్ మరియు అనుమానాస్పద పేజీలను తదుపరి సమీక్ష కోసం ఫ్లాగ్ చేసే సౌకర్యం కోసం సబ్‌స్క్రైబర్లు నెలకు $20 చెల్లిస్తారు.

సందేహాస్పద దృక్పథం

ఖచ్చితత్వానికి సంబంధించిన వాదనలు తప్పనిసరిగా విమర్శలకు గురవుతాయి. “గ్రే ఏరియా”లో—అంటే ఒక రచయిత మోడల్ రూపొందించిన డ్రాఫ్ట్‌ను ఎడిట్ చేసినప్పుడు—AI సహాయాన్ని గుర్తించడం అనేది ఒక సవాలుతో కూడుకున్న పని. జనరేటివ్ మోడల్స్ మెరుగుపడుతున్న కొద్దీ, Pangram ఆధారపడిన శైలి వ్యత్యాసం (stylistic gap) తగ్గే అవకాశం ఉంది, ఇది గుర్తింపు (detection) మరియు తప్పించుకునే (evasion) పద్ధతుల మధ్య ఒక పోరాటాన్ని ప్రేరేపించవచ్చు. అలాగే, 'ఫాల్స్ పాజిటివ్స్' (false positives) గురించి కూడా విమర్శకులు హెచ్చరిస్తున్నారు: ఒక అసలైన మానవ రచనను AI-జనరేటెడ్ అని లేబుల్ చేయడం వల్ల ప్రతిష్టలు దెబ్బతినవచ్చు, ముఖ్యంగా విద్యా లేదా చట్టపరమైన రంగాలలో దీని ప్రభావం ఎక్కువగా ఉంటుంది.

కొత్త LLMలు వస్తున్న కొద్దీ, తాము నిరంతరం కొత్త సింథటిక్ మిర్రర్‌లపై తమ మోడల్‌ను రీట్రైన్ చేస్తున్నామని Pangram ఈ సవాలును అంగీకరిస్తోంది. అయితే, కంపెనీ తన అంతర్గత పరీక్షల వెలుపల స్వతంత్ర బెంచ్‌మార్క్ ఫలితాలను వెల్లడించలేదు, దీనివల్ల ఆ 99 శాతం గణాంకాన్ని ధృవీకరించే బాధ్యత విస్తృత సమాజంపైనే ఉంది.

గమనించాల్సిన అంశాలు

వచ్చే కొన్ని నెలలు Pangram తన పైలట్ ఇంటిగ్రేషన్ల నుండి విస్తృత ప్లాట్‌ఫారమ్ అడాప్షన్‌కు మారుతుందో లేదో తెలియజేస్తాయి. కీలక సూచికలు:

  • API ఒప్పందాల విస్తరణ: ప్రస్తుత ప్రారంభ భాగస్వాముల జాబితా కంటే ఎక్కువ మందికి విస్తరించడం.
  • సంస్థాగత వినియోగదారుల నుండి ఫీడ్‌బ్యాక్: ఫాల్స్-పాజిటివ్ రేట్లు మరియు ఎడిటోరియల్ వర్క్‌ఫ్లోలపై వాటి ప్రభావం గురించి అభిప్రాయాలు.
  • LLM డెవలపర్ల స్పందనలు: మానవ శైలిని మరింత దగ్గరగా అనుకరించేలా మోడల్ అప్‌డేట్‌లతో వారు స్పందించవచ్చు.
  • నియంత్రణల అభివృద్ధి (Regulatory developments): కొన్ని ప్రచురణలు లేదా విద్యా సమర్పణల కోసం AI-డిటెక్షన్ టూల్స్‌ను తప్పనిసరి చేసే నిబంధనలు రావచ్చు.

ఈ స్టార్టప్ తక్కువ లోపపు రేటును (error rates) కొనసాగిస్తూ, తన గుర్తింపు సామర్థ్యాన్ని నిలుపుకుంటే, అది డిజిటల్ ప్రామాణికతకు (digital authenticity) ఒక డీ-ఫాక్టో ప్రమాణంగా మారవచ్చు. లేకపోతే, మార్కెట్ వివిధ రకాల పోటీ టూల్స్‌గా విడిపోవచ్చు, వాటిలో ఒక్కొక్కటి దాని స్వంత లాభనష్టాలను కలిగి ఉంటుంది.

ముగింపు

Pangram యొక్క $9 మిలియన్ల పెట్టుబడి, దాదాపు పరిపూర్ణమైన AI-సహాయకత గుర్తింపును (AI-assistance spotting) సాధించేందుకు 'ట్విన్-డాక్యుమెంట్ ట్రైనింగ్ రిజీమ్' (twin-document training regime) పై ఆధారపడిన ఒక గుర్తింపు వ్యూహానికి ఊతమిస్తోంది. ఈ పద్ధతి అభివృద్ధి చెందుతున్న లాంగ్వేజ్ మోడల్స్ (language models) అంతటా ఎంతవరకు విస్తరించగలదు మరియు దీనిని అత్యధికంగా అవసరమయ్యే ప్లాట్‌ఫారమ్‌లు మరియు సంస్థల నమ్మకాన్ని ఇది ఎలా పొందుతుంది అనే అంశాలపైనే దీని విజయం ఆధారపడి ఉంటుంది.