Trajectory 45 Milyon Dolar Toplayarak Yapay Zeka Model Eğitimini Teknik Olmayan Uzmanlar İçin Erişilebilir Kılıyor

İster OpenAI veya Anthropic tarafından geliştirilsin, ister açık kaynaklı alternatifler üzerine kurulsun, güncel AI modelleri kritik bir sınırlamayı paylaşır: Ek eğitim olmadan hatalarından öğrenemezler.

Bu modelleri hukuk ve finans gibi uzmanlaşmış alanlara uyarlayan işletmeler, genellikle bu sorunu genel modelleri ince ayar (fine-tuning) yaparak çözer. Ancak bu süreç çoğu zaman iç araştırma ekipleri işe almak veya ileri konuşlandırılmış mühendisler (FDEs) olarak bilinen pahalı danışmanlara güvenir.

Google DeepMind ve Apple’da deneyime sahip üç Stanford mezunu tarafından yaklaşık bir yıl önce kurulan Trajectory, bu süreci otomatikleştirmeyi ve AI modellerinin geri bildirimlerden öğrenerek uzmanlaşmış görevlerde sürekli gelişmesini sağlamayı hedefliyor.

18 kişilik şirket, Sequoia önderliğinde, Nvidia, Bessemer Venture Partners ve Bain Capital Ventures’ın katılımıyla 300 milyon dolar değerlemeye sermaye turunda 45 milyon dolar toplayacağını açıkladı.

Trajectory kurucu ortağı Ronak Malde, temel modelleri her zaman yeni bir işe başlayan çok zeki bir doktora öğrencisiyle karşılaştırdı. “Ancak ekonominin değer verdiği kişi, o işte 30 yıl çalışan kişidir,” diye TechCrunch’a söyledi.

Start-up, bu sorunu sürekli öğrenme (continual learning) olarak bilinen bir yaklaşımla çözmeyi amaçlıyor. Trajectory kullanan işletmeler, açık kaynaklı bir AI modeliyle başlayıp platformu uygulamalarına bağlayabilir; böylece modelin nasıl performans gösterdiği hakkında geri bildirim toplayabilir. Trajectory ardından bu bilgiyi modeli yeniden eğitmek için kullanarak zamanla uzmanlaşmış görevlerde gelişmesine yardımcı olur.

Malde’ye göre, Trajectory ile avukatlar, doktorlar ve diğer uzmanlar modelleri neredeyse kendileri otomatikleştirerek geliştirebilir. Bu yetenek, uzmanlaşmış AI’nın konuşlandırılmasını daha hızlı ve daha ucuz hale getirebilir.

Wiz’in CTO’su PHP2Shell ve yaklaşan ‘vulnpocalypse’ hakkında | Equity Podcast

Harvey ve Rogo gibi şirketler, önceki görevlerden—örneğin belirli bir tür hukuki sözleşmenin incelenmesi veya belirli bir metodoloji kullanılarak bir şirketin değerlemesi—öğrenerek deneyimli avukatlar veya finansal analistlere daha çok benzemelerini sağlayan açık kaynak modelleri eğitmek için Trajectory’nin platformunu zaten kullanıyor. Trajectory’nin diğer müşterileri arasında Decagon, Mercor ve Nvidia yer alıyor. Girişim, şimdi eğitim sonrası platformunu herkese açık hale getiriyor.

“Trajectory’i kullananlar, organizasyonları için ‘iyinin nasıl göründüğünü’ belirleyebilir ve bunu modellerinde iyileştirmeye dönüştürebilir” diye belirtti Malde.

Trajectory’nin sürekli öğrenmeye yönelik yaklaşımı, AI sistemlerinin kendi yeteneklerini geliştirebileceği fikri olan özyineeli öz-gelişimle (RSI) bazı benzerlikler paylaşıyor. Ancak ortak kurucu Michael Elabd, otonom öz-gelişimin istenmeyen ya da tehlikeli sonuçlara yol açabileceğinden, eğitim sürecinde insanları dahil etmenin Trajectory’nin yaklaşımını daha güvenli kıldığını savunuyor.

Trajectory, eğitim sonrası süreci otomatikleştirmeye çalışan tek girişim değil. Bu pazarı hedefleyen diğer şirketler arasında eski OpenAI CTO’su Mira Murati tarafından kurulan Thinking Machines Lab, geçen ay 3,25 milyar dolar değerleme edilen ince ayar platformu Tinker’in arkasındaki Applied Compute ve şirketlerin kendi AI ajanlarını oluşturmalarına ve eğitmelerine yardımcı olan Prime Intellect yer alıyor.

Malde, girişimin en büyük avantajının ekibi olduğuna inanıyor. Windsurf’dan Google DeepMind tarafından akici-hire ile alınan araştırmacılardan biriydi. Elabd da DeepMind’de çalıştı; Trajectory’nin üçüncü ortak kurucusu Arjun Karanam ise daha önce Apple’da üretken temel modeller üzerinde çalıştı. Girişim ayrıca OpenAI, Stripe ve Netflix’ten araştırmacılar ve ürün tasarımcıları işe aldı.

Trein eğitime odaklanan bir şirket için tasarım neden bu kadar önemli? Karanam, girişimin eğitim sürecini teknik olmayan müşterileri için daha erişilebilir kılan bir arayüz geliştirdiğini söylüyor.