Trajectory גייסה 45 מיליון דולר כדי שעורכי דין ורופאים יוכלו לשפר מודלי AI בעצמם
הסטארט-אפ Trajectory, שהוקם לפני כשנה בידי שלושה בוגרי סטנפורד, גייס 45 מיליון דולר בסבב A לפי שווי של 300 מיליון דולר. Sequoia הובילה את הסבב. החברה מפתחת פלטפורמה שבה מודלי AI משתפרים כל הזמן לפי משוב של אנשי מקצוע, גם כשאינם מתכנתים.
סטארט-אפ ה-AI Trajectory הודיע שגייס 45 מיליון דולר בסבב Series A לפי שווי של 300 מיליון דולר. את הסבב הובילה קרן Sequoia, ולצידה השתתפו אנבידיה, Bessemer Venture Partners ו-Bain Capital Ventures. בחברה עובדים 18 אנשים בסך הכול. היא הוקמה לפני כשנה בידי שלושה חברים ללימודים בסטנפורד, שעבדו בעבר ב-Google DeepMind ובאפל. המטרה שלה: לאפשר לאנשי מקצוע כמו עורכי דין ורופאים לשפר מודלי AI בעצמם, בלי לכתוב שורת קוד.
הבעיה: מודל חכם שלא לומד מהעבודה
המודלים של OpenAI, של אנתרופיק או מודלי open source (קוד פתוח) סובלים כולם מאותה מגבלה: הם לא לומדים מהטעויות שלהם בלי סבב אימון נוסף. חברות שרוצות להתאים מודל כללי לתחום מקצועי, למשל משפטים או פיננסים, עושות בדרך כלל fine-tuning, כלומר אימון המשך של המודל על נתונים מהתחום. לפי TechCrunch, התהליך הזה מחייב בדרך כלל צוות מחקר פנימי או יועצים יקרים שמכונים forward-deployed engineers (FDEs).
רונק מלדה (Ronak Malde), אחד המייסדים, משווה את המודלים של היום לדוקטורנט מבריק שמתחיל כל פעם עבודה חדשה. "אבל מה שהכלכלה מעריכה זה מישהו שעבד בתפקיד 30 שנה", אמר ל-TechCrunch.
איך זה עובד
הגישה של Trajectory נקראת continual learning, או למידה מתמשכת. הלקוחות מתחילים ממודל open source ומחברים את הפלטפורמה לאפליקציות שלהם. משם הפלטפורמה אוספת משוב על הביצועים של המודל, ו-Trajectory משתמשת בו כדי לאמן אותו מחדש. כך המודל משתפר עם הזמן במשימות מתמחות. לדברי מלדה, המשתמשים קובעים "איך נראית עבודה טובה בארגון שלהם" והופכים את זה לשיפורים במודל.
בין הלקוחות כבר נמצאות Harvey, חברת AI למשפטנים, ו-Rogo, שפועלת בתחום הפיננסים. שתיהן משתמשות בפלטפורמה כדי לבצע post-training (אימון אחרי שלב האימון הראשי) למודלי open source. המטרה היא שהמודלים יעבדו יותר כמו עורכי דין או אנליסטים מנוסים, אחרי שלמדו ממשימות קודמות כמו בדיקה של סוג מסוים של חוזה או הערכת שווי של חברה בשיטה מסוימת. לקוחות נוספים הם Decagon, Mercor ואנבידיה עצמה. עכשיו החברה פותחת את הפלטפורמה לקהל הרחב.
בטיחות: האדם נשאר בתהליך
הרעיון דומה במידה מסוימת ל-recursive self-improvement (RSI), כלומר מערכת AI שמשפרת את היכולות של עצמה. מייקל אלעבד (Michael Elabd), מייסד שותף, טוען שהגישה של Trajectory בטוחה יותר כי בני אדם מעורבים באימון. לדבריו, שיפור עצמי אוטונומי עלול להוביל לתוצאות לא מכוונות ואפילו מסוכנות.
תחרות צפופה
Trajectory היא לא היחידה שמנסה להפוך את ה-post-training לאוטומטי. החברה רואה כמתחרה ישירה את Thinking Machines Lab, שהקימה מירה מוראטי, לשעבר CTO ב-OpenAI, ושעומדת מאחורי פלטפורמת ה-fine-tuning Tinker. ברשימה נמצאות גם Applied Compute, שהוערכה בחודש שעבר לפי שווי של 3.25 מיליארד דולר, ו-Prime Intellect, שעוזרת לחברות לבנות ולאמן סוכני AI משלהן.
לדברי מלדה, היתרון הגדול של החברה הוא הצוות. הוא עצמו היה אחד מקומץ החוקרים ש-Google DeepMind קלטה מ-Windsurf בעסקת acqui-hire (רכישה שמטרתה גיוס עובדים). גם אלעבד עבד ב-DeepMind, והמייסד השלישי, ארג'ון קרנאם (Arjun Karanam), עבד באפל על generative foundation models. החברה גייסה גם חוקרים ומעצבי מוצר מ-OpenAI, Stripe ו-Netflix. לדברי קרנאם, החברה פיתחה ממשק שמנגיש את ה-post-training ללקוחות לא טכניים.
למה זה חשוב
עד היום, התאמת מודל לתחום מקצועי הייתה בעיקר עבודה של מהנדסים. המשמעות של מודל כמו של Trajectory היא ככל הנראה העברה של חלק מהשליטה לאנשים שבאמת יודעים איך נראית עבודה טובה בתחום שלהם. אם זה יעבוד בהיקף רחב, ההטמעה של AI מתמחה עשויה להיות מהירה וזולה יותר, כפי שהחברה עצמה מבטיחה. השווי של המתחרות מרמז שהמשקיעים רואים בתחום ה-post-training זירה מרכזית במירוץ ה-AI הארגוני. עם זאת, השאלה אם צוות של 18 אנשים יוכל להתמודד שם מול שחקניות ממומנות היטב עדיין פתוחה.