Trajectory säkrar 45 miljoner dollar för att demokratisera AI-modellträning för icke-tekniska användare

Bild: TechCrunch · Källa

Trajectory har samlat in 45 miljoner dollar för att möjliggöra för företag att kontinuerligt förbättra AI-modeller utan teknisk expertis, med hjälp av en plattform som automatiserar feedbackbaserad återträning, med målet att göra specialiserad AI tillgänglig och prisvärd.

Trajectory, en AI-startup som är ett år gammal och grundades av tidigare forskare från Google DeepMind och Apple, tillkännagav nyligen en investeringsrunda på 45 miljoner dollar i serie A där företaget värderas till 300 miljoner dollar. Rundan leddes av Sequoia Capital och inkluderade deltagande från Nvidia, Bessemer Venture Partners och Bain Capital Ventures. Trajectory syftar till att förändra hur företag anpassar AI-modeller för specialiserade uppgifter genom att förenkla återträningsprocessen för icke-tekniska användare.

Nuvarande AI-basismodeller, såsom de utvecklade av OpenAI och Anthropic eller open source-alternativ, lär sig vanligtvis inte av sina misstag utan vidare träning. Företag är ofta beroende av kostsamma, specialiserade ingenjörer eller interna forskningsteam för att finslipa dessa modeller för specifika områden som juridik och finans. Trajectory’s plattform automatiserar kontinuerligt lärande—en metod som tillåter AI-modeller att förbättras över tid genom att lära från löpande feedback som samlas in direkt från användarnas applikationer.

Genom att koppla en befintlig open source AI-modell till Trajectory’s plattform kan företag samla in prestationsdata och möjliggöra att systemet återtränar modellen iterativt. Detta tillvägagångssätt hjälper experter inom olika områden, inklusive jurister och läkare, att förbättra AI-modellens prestanda på domänspecifika uppgifter självständigt, vilket minskar behovet av mycket specialiserad teknisk personal och påskyndar implementeringen.

Kunder som Harvey och Rogo har redan använt Trajectory’s teknik för att efterträna AI-modeller, vilket gör att de kan agera mer som erfarna yrkespersoner genom att lära från specifika uppgifter, som att granska standardiserade juridiska kontrakt eller tillämpa branschspecifika värderingsmetoder. Andra kunder inkluderar Decagon, Mercor och Nvidia. Trajectory har nyligen gjort sin plattform för efterträning tillgänglig för allmänheten.

Företagets grundare lyfter fram vikten av mänskligt engagemang i träningsloopen för att upprätthålla säkerhet och kontroll, vilket skiljer deras arbete från autonoma rekursiva självförbättringsmetoder som kan förändra AI-beteendet oförutsägbart. Grundarlaget kombinerar djup teknisk expertis med en stark betoning på användarvänlig design för att överbrygga klyftan mellan avancerade AI-träningstekniker och praktiska affärsapplikationer.

Trajectory konkurrerar med nya startups som Thinking Machines Lab, Tinker, Applied Compute och Prime Intellect, som alla fokuserar på att automatisera eller förenkla specialisering och träning av AI-modeller. Företagets ledarskap, erfarenhet från topp AI-forskningslaboratorier och fokus på tillgänglighet och design betraktas som avgörande differentieringsfaktorer på denna växande marknad.

Denna utveckling representerar ett betydande steg mot att demokratisera AI-anpassning och gör det möjligt för organisationer utan omfattande tekniska resurser att effektivt utnyttja och personalisera AI-kapaciteter för sina unika operativa behov, vilket potentiellt kan forma framtiden för AI-distribution inom olika branscher.