Trajectory zdobywa 45 mln USD na demokratyzację trenowania modeli AI dla użytkowników nietechnicznych

Image: TechCrunch · Source

Trajectory pozyskał 45 milionów dolarów, aby umożliwić firmom ciągłe ulepszanie modeli AI bez konieczności posiadania wiedzy technicznej, korzystając z platformy automatyzującej retrening oparty na informacji zwrotnej. Celem jest udostępnienie specjalistycznej sztucznej inteligencji w sposób przystępny i niedrogi.

Trajectory, roczny startup AI założony przez byłych badaczy z Google DeepMind i Apple, niedawno ogłosił rundę finansowania serii A o wartości 45 milionów dolarów, wyceniając firmę na 300 milionów dolarów. Rundę prowadził Sequoia Capital, a udział w niej wzięły firmy Nvidia, Bessemer Venture Partners oraz Bain Capital Ventures. Trajectory dąży do zmiany sposobu, w jaki firmy dostosowują modele AI do specjalistycznych zadań, upraszczając proces ich retreningu dla użytkowników nietechnicznych.

Obecne modele AI bazowe, takie jak te opracowane przez OpenAI i Anthropic lub alternatywy open source, zazwyczaj nie uczą się na błędach bez dalszego treningu. Firmy często polegają na drogich, wyspecjalizowanych inżynierach lub wewnętrznych zespołach badawczych, aby dostroić te modele do konkretnych dziedzin, na przykład prawa i finansów. Platforma Trajectory automatyzuje ciągłe uczenie — metodę pozwalającą modelom AI na poprawę w czasie poprzez naukę z ciągłej informacji zwrotnej zbieranej bezpośrednio z aplikacji użytkowników.

Łącząc istniejący model AI open source z platformą Trajectory, firmy mogą zbierać dane o wydajności i umożliwić systemowi iteracyjne retreningowanie modelu. Podejście to pomaga specjalistom w różnych dziedzinach, w tym prawnikom i lekarzom, samodzielnie poprawiać wydajność modeli AI w zadaniach specyficznych dla ich dziedziny, zmniejszając potrzebę zatrudniania wysoko wyspecjalizowanego personelu technicznego i przyspieszając wdrożenia.

Klienci tacy jak Harvey i Rogo już wykorzystali technologię Trajectory do post-treningu modeli AI, co pozwala im działać bardziej jak doświadczeni profesjonaliści, ucząc się na podstawie konkretnych zadań, takich jak przeglądanie ustandaryzowanych umów prawnych czy stosowanie branżowych metod wyceny. Inni klienci to Decagon, Mercor i Nvidia. Trajectory niedawno udostępnił swoją platformę post-treningową publicznie.

Założyciele firmy podkreślają znaczenie ludzkiego udziału w pętli treningowej, aby zachować bezpieczeństwo i kontrolę, odróżniając swoją pracę od autonomicznych podejść rekursywnej samodoskonalenia, które mogą nieprzewidywalnie zmieniać zachowanie AI. Zespół założycielski łączy głęboką wiedzę techniczną z silnym naciskiem na przyjazny design, by zniwelować różnicę między zaawansowanymi technikami trenowania AI a praktycznymi zastosowaniami biznesowymi.

Trajectory konkuruje z rozwijającymi się startupami takimi jak Thinking Machines Lab, Tinker, Applied Compute i Prime Intellect, które skupiają się na automatyzacji lub uproszczeniu specjalizacji i trenowania modeli AI. Doświadczenie liderów, wiedza pochodząca z czołowych laboratoriów AI oraz nacisk na dostępność i design stanowią kluczowe wyróżniki firmy na tym rozwijającym się rynku.

Ten rozwój stanowi znaczny krok w kierunku demokratyzacji dostosowywania AI, pozwalając organizacjom bez rozbudowanych zasobów technicznych skutecznie wykorzystać i personalizować możliwości AI do swoich unikalnych potrzeb operacyjnych, co może mieć wpływ na przyszły kształt wdrażania AI w różnych branżach.