بغض النظر عن مصدر النموذج، سواء كان من OpenAI أو Anthropic أو تم تعديله بناءً على حلول مفتوحة المصدر، فإن تقنيات الذكاء الاصطناعي الحالية تشترك في عيب مشترك: عدم القدرة على التعلم من أخطائها دون تدريب إضافي. إذا كانت الشركات ترغب في تطبيق نماذج عامة في مجالات متخصصة مثل القانون أو المالية، فإنها عادة ما تحتاج إلى ضبط دقيق، مما يعني غالبًا الحاجة إلى تشكيل فرق بحث داخلية أو توظيف مهندسين متخصصين بأسعار مرتفعة.
تسعى شركة Trajectory الناشئة، التي تأسست منذ حوالي عام، إلى أتمتة هذه العملية. مؤسسو الشركة الثلاثة هم زملاء من جامعة ستانفورد، وقد عملوا سابقًا في Google وDeepMind وApple. أعلنت الشركة مؤخرًا عن إكمال جولة تمويل A بقيمة 45 مليون دولار أمريكي (حوالي 320 مليون يوان صيني)، مع تقييم بقيمة 300 مليون دولار أمريكي (حوالي 2.13 مليار يوان صيني)، بقيادة Sequoia Capital، بمشاركة NVIDIA وBessemer وBain Capital Ventures. حاليًا، يتكون فريق الشركة من 18 شخصًا فقط.
Trajectory تقدم حلول ضبط نماذج الذكاء الاصطناعي بشكل آلي
تتبنى Trajectory نهج التعلم المستمر: يمكن للشركات البدء من نموذج مفتوح المصدر، وتوصيل المنصة بتطبيقاتها الخاصة، مما يسمح للنظام بجمع ردود الفعل حول أداء النموذج باستمرار، ثم استخدام هذه المعلومات لإعادة تدريب النموذج، مما يجعله أفضل في المهام المحددة. وصف المؤسس المشارك رونك مالدي النموذج الأساسي بأنه مثل طالب دكتوراه ذكي للغاية ولكنه دائم التغيير في الوظائف، "بينما ما تراه الاقتصاد هو الشخص الذي عمل في نفس الوظيفة لمدة 30 عامًا".
وفقًا لما قاله مالدي، مع وجود Trajectory، يمكن للمحامين والأطباء وغيرهم من المتخصصين ضبط النموذج بأنفسهم، دون الاعتماد على فرق الخوارزميات، مما يجعل نشر الذكاء الاصطناعي المتخصص أسرع وأرخص. تستخدم كل من Harvey وRogo هذه المنصة لإعادة تدريب النماذج المفتوحة المصدر، لتصبح أكثر شبهًا بالمحامين أو محللي المالية ذوي الخبرة، مثل تعلم مراجعة نوع معين من العقود أو تقييم الشركات بطرق محددة. تشمل العملاء الآخرين Decagon وMercor وNVIDIA، وقد تم فتح المنصة للجمهور.
تشبه هذه الطريقة "التحسين الذاتي التكراري"، لكن المؤسس المشارك مايكل إيرابيد يعتقد أن إشراك البشر في عملية التدريب يجعل Trajectory أكثر أمانًا، حيث أن التحسين الذاتي التام قد يؤدي إلى نتائج غير متوقعة أو حتى خطيرة. هناك العديد من المنافسين في هذا المجال، بما في ذلك منصة Tinker التابعة لـ Thinking Machines Lab، وApplied Compute التي تم تقييمها الشهر الماضي بقيمة 3.25 مليار دولار أمريكي (حوالي 23.1 مليار يوان صيني)، وPrime Intellect التي تساعد الشركات في إدارة الوكالات الذكية التي أنشأتها، والتي تعتبرها منافسين مباشرين.
يعتبر مالدي أن الفريق هو أكبر ميزة: هو نفسه كان أحد الباحثين الذين تم تجنيدهم من Windsurf إلى Google DeepMind، وإيرابيد أيضًا من DeepMind، بينما كانت المؤسس المشارك آرجون كالانان تعمل سابقًا في Apple على نماذج أساسية توليدية. كما قامت الشركة بتوظيف باحثين ومصممي منتجات من OpenAI وStripe وNetflix. وأشار كالانان إلى أنهم صمموا واجهة خاصة تجعل من السهل على العملاء غير التقنيين البدء في عملية إعادة التدريب.