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 أرادت الشركات تطبيق نماذج عامة في مجالات متخصصة مثل القانون أو المالية، فعادة ما تحتاج إلى إجراء ضبط، مما يعني غالبًا الحاجة إلى تشكيل فرق بحث داخلية أو توظيف مهندسين متخصصين بأسعار مرتفعة.
تسعى الشركة الناشئة Trajectory، التي تأسست منذ حوالي عام، إلى أتمتة هذه العملية. مؤسسو الشركة الثلاثة هم زملاء في 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 قدره 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 الذكاء الاصطناعي بشكل آلي
تتبنى Trajectory نهج التعلم المستمر: يمكن للشركات البدء من نموذج مفتوح المصدر، وتوصيل المنصة بتطبيقاتها الخاصة، مما يسمح للنظام بجمع ملاحظات حول أداء النموذج باستمرار، ثم استخدام هذه المعلومات لإعادة تدريب النموذج، مما يجعله يتحسن في مهام محددة. وقد شبه المؤسس المشارك روناك مالدي النموذج الأساسي بأنه مثل طالب دكتوراه ذكي للغاية لكنه يتغير عمله باستمرار، "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 شركات مثل Harvey وRogo هذه المنصة لإعادة تدريب النماذج المفتوحة المصدر، مما يجعلها 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 هذه المنصة للجمهور.
تشبه هذه الطريقة "التحسين الذاتي التكراري"، لكن المؤسس المشارك مايكل إيرابيد يرى أن إشراك البشر في عملية التدريب يجعل Trajectory أكثر أمانًا، حيث أن التحسين الذاتي الكامل 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 بـ 3.25 مليار دولار أمريكي (حوالي 231 مليار يوان صيني)، وPrime Intellect التي تساعد الشركات في إدارة الوكلاء الذكيين الذين أنشأوها، وكلها تعتبر منافسين مباشرين.
يعتبر مالدي أن الفريق هو أكبر ميزة: فهو نفسه أحد الباحثين الذين تم تجنيدهم من Windsurf إلى Google DeepMind، وإيرابيد أيضًا من DeepMind، بينما كانت المؤسس المشارك الأخرى أرجون كالانان تعمل سابقًا في Apple في نماذج أساسية توليدية. كما قامت الشركة بتوظيف باحثين ومصممي منتجات من OpenAI وStripe وNetflix. وأوضح كالانان أنهم صمموا واجهة خاصة تتيح للعملاء غير المتمرسين في التقنية إجراء إعادة تدريب بسهولة.