Trajectory: Άντληση 45 εκατ. δολαρίων για να καταστήσει την εκπαίδευση μοντέλων AI προσιτή σε μη τεχνικούς επαγγελματίες

Σε έναν τεχνολογικό τομέα όπου τα θεμελιώδη μοντέλα τεχνητής νοημοσύνης συχνά αδυνατούν να διδαχθούν αυτόματα από τα λάθη τους, η νεοφυής επιχείρηση Trajectory φιλοδοξεί να δώσει τη λύση. Η startup, που ιδρύθηκε πριν από περίπου έναν χρόνο από τρεις συμφοιτητές του Πανεπιστημίου Στάνφορντ με προϋπηρεσία στις Google DeepMind και Apple, ανακοίνωσε την επιτυχή άντληση 45 εκατομμυρίων δολαρίων στον γύρο χρηματοδότησης Series A, φτάνοντας την αποτίμησή της στα 300 εκατομμύρια δολάρια.

Του γύρου ηγήθηκε η Sequoia, με την υποστήριξη κολοσσών όπως η Nvidia, η Bessemer Venture Partners και η Bain Capital Ventures. Το κεφάλαιο αυτό στοχεύει στην επιτάχυνση της ανάπτυξης μιας πλατφόρμας που επιτρέπει σε επαγγελματίες χωρίς προγραμματιστικές γνώσεις να βελτιώνουν και να επανεκπαιδεύουν εξειδικευμένα μοντέλα AI.

Η πρόκληση της συνεχούς μάθησης και το πρόβλημα των γενικών μοντέλων

Είτε πρόκειται για λύσεις ανεπτυγμένες από την OpenAI και την Anthropic είτε για συστήματα ανοιχτού κώδικα, τα περισσότερα μοντέλα απαιτούν επίπονο fine-tuning για να προσαρμοστούν σε απαιτητικούς τομείς, όπως η νομική επιστήμη ή τα χρηματοοικονομικά. Μέχρι σήμερα, οι επιχειρήσεις ήταν υποχρεωμένες είτε να διατηρούν εσωτερικές ομάδες ερευνητών είτε να προσλαμβάνουν εξαιρετικά ακριβούς εξωτερικούς συμβούλους μηχανικούς (FDEs).

Ο συνιδρυτής της Trajectory, Ρόνακ Μάλντε, παρομοιάζει τα σημερινά θεμελιώδη μοντέλα με έναν εξαιρετικά ευφυή απόφοιτο διδακτορικού που ξεκινά συνεχώς από την αρχή σε μια νέα θέση εργασίας. «Ωστόσο, αυτό που πραγματικά έχει αξία στην οικονομία είναι κάποιος που εργάζεται στην ίδια δουλειά για 30 χρόνια», εξήγησε, θέτοντας τον στόχο της ουσιαστικής εμπειρικής μάθησης.

Η Trajectory προσεγγίζει το ζήτημα μέσω της «συνεχούς μάθησης» (continual learning). Οι εταιρείες συνδέουν την πλατφόρμα με τις εφαρμογές τους, συλλέγουν ανατροφοδότηση (feedback) σχετικά με την απόδοση του μοντέλου και στη συνέχεια το λογισμικό της Trajectory αναλαμβάνει την αυτόματη επανεκπαίδευση βάσει αυτών των δεδομένων.

Ασφάλεια μέσω της ανθρώπινης παρέμβασης και εφαρμογές στην αγορά

Σε αντίθεση με τη θεωρία της ανεξέλεγκτης αυτοβελτίωσης των μηχανών (recursive self-improvement), ο συνιδρυτής Μάικλ Ελάμπντ υπογραμμίζει πως η διατήρηση του ανθρώπινου παράγοντα στη διαδικασία εκπαίδευσης καθιστά τη διαδικασία ασφαλέστερη και απαλλαγμένη από απρόβλεπτα αποτελέσματα. Με αυτόν τον τρόπο, δικηγόροι, ιατροί και οικονομικοί αναλυτές ορίζουν οι ίδιοι τι συνιστά επιτυχημένο αποτέλεσμα για τον οργανισμό τους.

Η πλατφόρμα, η οποία πλέον ανοίγει στο ευρύ κοινό, χρησιμοποιείται ήδη από εξειδικευμένες εταιρείες όπως η Harvey και η Rogo, καθώς και από οργανισμούς όπως οι Decagon, Mercor και Nvidia. Μέσω της λύσης αυτής, τα μοντέλα μαθαίνουν να ελέγχουν εξειδικευμένα νομικά συμβόλαια ή να εκτελούν αποτιμήσεις με συγκεκριμένες μεθοδολογίες, ακριβώς όπως ένας έμπειρος επαγγελματίας.

Η δυναμική ομάδα και το ανταγωνιστικό τοπίο

Η ομάδα των 18 ατόμων περιλαμβάνει ταλέντα με σημαντική εμπειρία. Ο Ρόνακ Μάλντε και ο Μάικλ Ελάμπντ προέρχονται από την Google DeepMind, ενώ ο τρίτος συνιδρυτής, Άρτζουν Καράναμ, εργαζόταν στα παραγωγικά θεμελιώδη μοντέλα της Apple. Παράλληλα, η εταιρεία έχει προσελκύσει στελέχη από την OpenAI, τη Stripe και το Netflix, δίνοντας ιδιαίτερη έμφαση στον σχεδιασμό διεπαφής (UI/UX) ώστε το post-training να είναι απόλυτα φιλικό για μη τεχνικούς χρήστες.

Ο ανταγωνισμός στον τομέα του αυτοματοποιημένου post-training κλιμακώνεται ραγδαία. Ανάμεσα στους βασικούς αντιπάλους συγκαταλέγονται η Thinking Machines Lab της πρώην CTO της OpenAI, Μίρα Μουράτι, η Applied Compute, καθώς και η Prime Intellect, σε μια κούρσα που αναμένεται να καθορίσει το μέλλον της παραγωγικής τεχνητής νοημοσύνης στις επιχειρήσεις.