Trajectory zebrała 45 mln dolarów. Chce, by modele AI uczyły się z pracy użytkowników
Modele sztucznej inteligencji potrafią wykonywać coraz bardziej złożone zadania, ale po wdrożeniu nie uczą się automatycznie na własnych pomyłkach. Startup Trajectory chce zmienić ten model pracy. Firma zebrała 45 mln dolarów w rundzie Series A, a jej wycena sięgnęła 300 mln dolarów.
Rundę poprowadziła Sequoia, a w finansowaniu uczestniczyły także Nvidia, Bessemer Venture Partners i Bain Capital Ventures. Założona około rok temu przez trzech absolwentów Stanfordu spółka zatrudnia 18 osób. Jej zespół tworzą między innymi byli pracownicy Google DeepMind i Apple.
AI ma poprawiać się po wdrożeniu
Trajectory buduje platformę do tak zwanego continual learning, czyli ciągłego uczenia. Klient podłącza do niej własną aplikację i model, a system zbiera sygnały z rzeczywistego użycia: informacje zwrotne, poprawki, ponowienia zapytań oraz wyniki wykonanych zadań. Na tej podstawie można przygotować kolejne treningi i sprawdzać, czy model rzeczywiście działa lepiej.
To ważna różnica względem klasycznego dostrajania modelu, które zwykle wymaga osobnego zespołu badawczego albo kosztownego wsparcia inżynierów pracujących bezpośrednio z klientem. W założeniu Trajectory prawnik, lekarz czy analityk może sam określić, jak wygląda dobra odpowiedź, a platforma przełoży te oceny na ulepszenia modelu.
Rozwiązanie jest już wykorzystywane przez firmy takie jak Harvey i Rogo do post-treningu modeli open source. Przykładowe zastosowania obejmują analizę określonego typu umów lub wycenę spółek według konkretnej metodologii. Wśród klientów Trajectory wymienia również Decagon, Mercor i Nvidię, a platforma została udostępniona publicznie.
Człowiek pozostaje w pętli
Pomysł przypomina częściowo rekurencyjne samodoskonalenie, ale Trajectory podkreśla rolę człowieka w procesie. Użytkownik decyduje, jakie wyniki są dobre dla jego organizacji, a każda aktualizacja modelu może przejść przez zestaw ewaluacyjny i proces akceptacji przed wdrożeniem. Takie podejście ma ograniczać ryzyko, że system zacznie optymalizować niewłaściwy cel bez nadzoru.
Trajectory konkuruje między innymi z Tinkerem rozwijanym przez Thinking Machines Lab, Applied Compute i Prime Intellect. Firma chce wyróżnić się także interfejsem, który ma przybliżyć post-trening osobom bez specjalistycznego przygotowania technicznego. Jeśli ten kierunek się sprawdzi, dostosowanie modelu do konkretnej branży może stać się szybsze i tańsze niż budowanie całego zespołu AI od podstaw.
Źródła
Autor Artykułu
Kamil Rogowski
Kamil Rogowski - to pasjonat technologii i sprzętu komputerowego, który od lat śledzi rozwój PC, podzespołów i gamingu. Na pcarena.pl dzieli się testami, opiniami oraz praktycznymi poradami, pomagając czytelnikom wybrać najlepszy sprzęt do pracy i rozrywki. Jego artykuły łączą wiedzę techniczną z lekkim, przystępnym stylem.