استارتاپ Trajectory با جذب سرمایه ۴۵ میلیون دلاری به دنبال آموزش آسان‌تر مدل‌های هوش مصنوعی است

مدل‌های فعلی هوش مصنوعی، چه توسط شرکت‌هایی مانند OpenAI و Anthropic توسعه یافته باشند و چه بر پایه منابع متن‌باز ساخته شده باشند، یک محدودیت حیاتی دارند: آن‌ها بدون آموزش بیشتر از اشتباهات خود درس نمی‌گیرند. کسب‌وکارهایی که این مدل‌ها را برای حوزه‌های تخصصی مانند حقوق و مالی تطبیق می‌دهند، معمولاً با استخدام تیم‌های تحقیقاتی داخلی یا استفاده از مشاوران گران‌قیمت این مشکل را دور می‌زنند.

استارتاپ Trajectory که حدود یک سال پیش توسط سه هم‌دانشگاهی در استنفورد با سابقه کار در گوگل دیپ‌مایند و اپل تأسیس شده، می‌خواهد این روند را خودکار کند. این شرکت ۱۸ نفره اعلام کرد که در یک راند سرمایه‌گذاری سری A موفق به جذب ۴۵ میلیون دلار سرمایه با ارزش‌گذاری ۳۰۰ میلیون دلاری شده است. این راند توسط صندوق Sequoia و با مشارکت Nvidia، Bessemer Venture Partners و Bain Capital Ventures هدایت شد.

روناک م الده، یکی از بنیان‌گذاران Trajectory، مدل‌های پایه را به دانشجوی بسیار باهوشی تشبیه می‌کند که همیشه تازه کار خود را شروع کرده است. این استارتاپ قصد دارد از طریق رویکردی به نام یادگیری مستمر این مشکل را حل کند. کسب‌وکارها می‌توانند با یک مدل متن‌باز هوش مصنوعی شروع کرده و پلتفرم را به برنامه‌های خود متصل کنند تا بازخورد عملکرد مدل جمع‌آوری شود. Trajectory سپس از این اطلاعات برای آموزش مجدد مدل استفاده می‌کند.

به گفته م الده، با این پلتفرم وکلا، پزشکان و سایر متخصصان می‌توانند مدل‌ها را به صورت خودکار بهبود ببخشند. شرکت‌هایی مانند Harvey و Rogo هم‌اکنون از این پلتفرم برای آموزش مدل‌های متن‌باز استفاده می‌کنند تا عملکردی شبیه به متخصصان باسابقه داشته باشند. با وجود شباهت‌هایی به خودبهبودی بازگشتی، مایکل العبد، دیگر بنیان‌گذار شرکت، تأکید می‌کند که حفظ حضور انسان در فرآیند آموزش، رویکرد Trajectory را امن‌تر نگه می‌دارد.