À medida que a adoção da IA aumenta, cada vez mais pessoas colaboram na redação de textos com a IA. Da mesma forma, muitos utilizadores de detetores de IA querem saber em que medida a IA esteve envolvida na produção do texto. Será que alguém utilizou a IA para aperfeiçoar as suas próprias palavras, ou pediu à IA para gerar um ensaio completo a partir do zero?
O Pangram 3.0 é o nosso mais recente modelo de deteção. É capaz de classificar texto nas seguintes categorias:
À semelhança do Pangram 2.0, o algoritmo de deteção irá dividir documentos mais longos em segmentos e classificar cada um deles no contexto do documento completo. Isso significa que, se a primeira metade de um documento for escrita por uma pessoa e a segunda metade for assistida por IA, o Pangram poderá indicar-lhe isso. Veja o nosso vídeo explicativo:
Um texto totalmente escrito por humanos é aquele que foi redigido sem qualquer assistência significativa da IA. Embora o Pangram não consiga determinar a origem de uma ideia, ele deteta sinais estilísticos que a IA utiliza na escolha de palavras. A melhor forma de escrever um texto que seja identificado como totalmente escrito por humanos é não recorrer à IA no processo de redação.
A assistência leve da IA geralmente implica alterações superficiais que não afetam as ideias subjacentes, a estrutura ou o conteúdo do texto. A assistência leve inclui correções ortográficas e gramaticais, reformulação de frases, tradução e alterações para melhorar a legibilidade.
A assistência moderada da IA indica, normalmente, alterações em que a IA pode ter reescrito partes significativas do texto ou adicionado conteúdo próprio. A assistência moderada inclui alterações como a adição de detalhes ou esclarecimentos adicionais, ajustes no tom, reestruturação do texto ou a reescrita do texto num estilo ou tom diferente.
O texto classificado como totalmente gerado por IA provém normalmente diretamente de um modelo de IA, como o ChatGPT. Esta categoria inclui também texto gerado principalmente por IA ou texto que foi inicialmente gerado por IA.
Em suma, treinamos o nosso modelo com uma grande variedade de textos escritos em coautoria, solicitando aos modelos de IA que façam edições de vários graus em textos originalmente escritos por humanos. Para uma análise técnica mais aprofundada, não hesite em consultar a nossa publicação no blogue técnico, que descreve os fundamentos científicos por trás do modelo.
Pode continuar a contar com a mesma precisão de sempre da Pangram: 99,98 % de precisão na deteção de texto gerado por IA, com taxas de falsos positivos praticamente nulas para a classificação «gerado por IA».
| Ensaios escritos por humanos classificados como | Taxa |
|---|---|
| Totalmente escrito por pessoas | 99.84% |
| Com um leve apoio da IA | 0,14% (1 em 700) |
| Com assistência moderada da IA | 0,013% (1 em cada 7.500) |
| Totalmente gerado por IA | 0,0064% (1 em 15.000) |
Se for assinante do Pangram, a deteção de assistência por IA está ativada por predefinição. Os utilizadores gratuitos podem experimentar a assistência por IA do Pangram por um período limitado, subscrevendo um período de teste gratuito de 7 dias, que desbloqueará todas as funcionalidades pagas do Pangram, incluindo limites de utilização alargados, deteção de assistência por IA e deteção de plágio.
Os utilizadores da versão gratuita também verão os resultados do Pangram 3.0, mas a deteção de assistência por IA estará desativada por predefinição. Na prática, isto significa que os utilizadores da versão gratuita verão os textos com assistência mínima da IA como «Humanos» e os textos com assistência moderada da IA como «Gerados por IA».
Embora os textos inteiramente gerados por humanos e os inteiramente gerados por IA sejam categorias concretas com definições claras, grande parte do texto produzido atualmente não se enquadra em nenhuma dessas categorias. Qual é o limiar exato entre a assistência de IA «leve» e «média»? Quanta informação pode um humano fornecer a um LLM numa solicitação antes que a influência do humano no resultado seja maior do que a da IA?
Em última análise, tentamos responder a estas questões fazendo corresponder, tanto quanto possível, os resultados do Pangram às nossas próprias interpretações de cada categoria, mas compreendemos que a coautoria é um espectro e que definir a linha exata entre estas categorias é mais uma arte do que uma ciência.

O Max é um engenheiro experiente na área do aprendizado de máquina. Mais recentemente, trabalhou no setor de veículos autónomos na Nuro, liderando a iniciativa de aprendizado ativo da empresa. Tem um longo historial de implementação de produtos de aprendizado de máquina de sucesso na Google, na Two Sigma e na Yelp.
O Max é licenciado em Ciência da Computação Teórica e mestre em Inteligência Artificial pela Universidade de Stanford. Para além da sua paixão pela construção, é também um membro ativo da comunidade de cubos de Magic: The Gathering.






