Trajectory-მ $45 მილიონი მოიზიდა: AI მოდელების წვრთნა არატექნიკური ექსპერტებისთვის ხელმისაწვდომი ხდება

OpenAI-ის, Anthropic-ის თუ ღია კოდის მქონე ალტერნატივების მიერ შექმნილ თანამედროვე ხელოვნური ინტელექტის (AI) მოდელებს ერთი კრიტიკული ნაკლი აქვთ: ისინი დამატებითი წვრთნის გარეშე საკუთარ შეცდომებზე ვერ სწავლობენ. კომპანიები, რომლებიც ამ მოდელებს ისეთ სპეციალიზებულ სფეროებში იყენებენ, როგორიცაა სამართალი და ფინანსები, ამ პრობლემას ზოგადი მოდელების „დახვეწით“ (fine-tuning) ჭრიან. თუმცა, ეს პროცესი ხშირად შიდა კვლევითი გუნდების დაქირავებას ან ძვირადღირებულ კონსულტანტებთან, ე.წ. Forward-Deployed Engineers (FDE)-ებთან თანამშრომლობას მოითხოვს.

სტარტაპი Trajectory, რომელიც დაახლოებით ერთი წლის წინ სტენფორდის სამმა კურსდამთავრებულმა (Google DeepMind-ისა და Apple-ის გამოცდილებით) დააფუძნა, სწორედ ამ პროცესის ავტომატიზებას ისახავს მიზნად. პლატფორმა საშუალებას აძლევს AI მოდელებს, მიიღონ უკუკავშირი და მუდმივად გაუმჯობესდნენ სპეციალიზებული ამოცანების შესრულებისას. 18-წევრიანმა გუნდმა ახლახან გამოაცხადა A სერიის რაუნდში $45 მილიონის მოზიდვის შესახებ, რის შედეგადაც კომპანიის ღირებულება $300 მილიონად შეფასდა. ინვესტიციას Sequoia ხელმძღვანელობდა, მასში ასევე მონაწილეობდნენ Nvidia, Bessemer Venture Partners და Bain Capital Ventures.

უწყვეტი სწავლება: PhD სტუდენტიდან გამოცდილ პროფესიონალამდე

Trajectory-ის თანადამფუძნებელმა, რონაკ მალდემ, საბაზისო მოდელები ძალიან ჭკვიან PhD სტუდენტს შეადარა, რომელიც ყოველთვის ახალ სამსახურს იწყებს. „თუმცა, ეკონომიკისთვის ღირებული ის ადამიანია, რომელსაც ამ პოზიციაზე მუშაობის 30-წლიანი გამოცდილება აქვს“, — განუცხადა მან TechCrunch-ს. სტარტაპი ამ პრობლემის გადაჭრას „უწყვეტი სწავლების“ (continual learning) მიდგომით ცდილობს.

ბიზნესებს, რომლებიც Trajectory-ს იყენებენ, შეუძლიათ მუშაობა ღია კოდის მქონე AI მოდელით დაიწყონ და პლატფორმა საკუთარ აპლიკაციებს დაუკავშირონ. ეს საშუალებას იძლევა, შეგროვდეს ინფორმაცია იმის შესახებ, თუ როგორ ართმევს თავს მოდელი დაკისრებულ მოვალეობებს. მიღებულ მონაცემებს Trajectory მოდელის ხელახალი წვრთნისთვის იყენებს, რაც დროთა განმავლობაში მის სპეციალიზებულ უნარებს აუმჯობესებს.

მალდეს თქმით, Trajectory-ის დახმარებით იურისტებს, ექიმებსა და სხვა დარგის სპეციალისტებს შეუძლიათ მოდელები თითქმის ავტომატურად, დამოუკიდებლად გააუმჯობესონ. ეს შესაძლებლობა სპეციალიზებული AI-ის დანერგვას უფრო სწრაფს და იაფს ხდის. ისეთი კომპანიები, როგორიცაა Harvey და Rogo, უკვე იყენებენ ამ პლატფორმას ღია კოდის მოდელების შემდგომი წვრთნისთვის (post-training). ეს ეხმარება მოდელებს, მოიქცნენ როგორც გამოცდილი იურისტები ან ფინანსური ანალიტიკოსები — მაგალითად, კონკრეტული ტიპის იურიდიული ხელშეკრულებების განხილვისას ან კომპანიის შეფასებისას სპეციფიკური მეთოდოლოგიით.

უსაფრთხოება და კონკურენცია

Trajectory-ის სხვა კლიენტებს შორის არიან Decagon, Mercor და Nvidia. სტარტაპი ახლა თავის პოსტ-ტრენინგ პლატფორმას საჯაროდ ხელმისაწვდომს ხდის. მომხმარებლები თავად წყვეტენ, „რა არის კარგი შედეგი მათი ორგანიზაციისთვის“ და ამას საკუთარი მოდელის გასაუმჯობესებლად იყენებენ.

კომპანიის მიდგომა გარკვეულწილად ჰგავს რეკურსიულ თვითგაუმჯობესებას (RSI) — იდეას, რომ AI სისტემებს საკუთარი შესაძლებლობების დამოუკიდებლად გაზრდა შეუძლიათ. თუმცა, თანადამფუძნებელი მაიკლ ელაბდი ამტკიცებს, რომ წვრთნის პროცესში ადამიანის ჩართულობა Trajectory-ის მიდგომას უფრო უსაფრთხოს ხდის. მისი თქმით, ავტონომიურმა თვითგაუმჯობესებამ შესაძლოა გაუთვალისწინებელ ან სახიფათო შედეგებამდე მიგვიყვანოს.

Trajectory არ არის ერთადერთი სტარტაპი, რომელიც პოსტ-ტრენინგის ავტომატიზაციაზე მუშაობს. ამ ბაზარზე სხვა მოთამაშეებიც არიან:

• Thinking Machines Lab: დაფუძნებულია OpenAI-ის ყოფილი ტექნოლოგიური დირექტორის, მირა მურატის მიერ.
• Applied Compute: პლატფორმა Tinker-ის შემქმნელი, რომლის ღირებულებაც გასულ თვეში $3.25 მილიარდად შეფასდა.
• Prime Intellect: პლატფორმა, რომელიც კომპანიებს საკუთარი AI აგენტების შექმნასა და წვრთნაში ეხმარება.

გუნდი და დიზაინის მნიშვნელობა

მალდეს მიაჩნია, რომ სტარტაპის ყველაზე დიდი უპირატესობა მისი გუნდია. ის ერთ-ერთი იყო იმ მკვლევართა შორის, რომლებიც Google DeepMind-მა Windsurf-იდან გადმოიბირა. ელაბდი ასევე მუშაობდა DeepMind-ში, ხოლო მესამე თანადამფუძნებელი, არჯუნ კარანამი, Apple-ში გენერაციულ საბაზისო მოდელებზე მუშაობდა. სტარტაპმა ასევე დაიქირავა მკვლევრები და პროდუქტის დიზაინერები OpenAI-დან, Stripe-იდან და Netflix-იდან.

რატომ არის დიზაინი ასეთი მნიშვნელოვანი AI წვრთნაზე ორიენტირებული კომპანიისთვის? კარანამის თქმით, სტარტაპმა შექმნა ინტერფეისი, რომელიც პოსტ-ტრენინგის პროცესს არატექნიკური მომხმარებლებისთვის ბევრად უფრო მარტივს და გასაგებს ხდის.