Trajectory schließt 45 Millionen US-Dollar in der A-Runde zur Automatisierung des AI-Modell-Tuning-Prozesses ab

·von Henderson·AI
Trajectory schließt 45 Millionen US-Dollar in der A-Runde zur Automatisierung des AI-Modell-Tuning-Prozesses ab

Unabhängig davon, ob das Modell von OpenAI, Anthropic oder auf Open-Source-Lösungen basiert, haben die aktuellen KI-Technologien eine gemeinsame Schwäche: Ohne zusätzliche Schulung können sie nicht aus ihren eigenen Fehlern lernen. Unternehmen, die allgemeine Modelle in spezialisierten Bereichen wie Recht oder Finanzen einsetzen möchten, müssen in der Regel eine Feinabstimmung vornehmen, was oft bedeutet, dass sie interne Forschungsteams aufbauen oder teure externe Experten für die Implementierung einstellen müssen.

Das vor etwa einem Jahr gegründete Startup Trajectory möchte diesen Prozess automatisieren. Die drei Gründer des Unternehmens sind Stanford-Absolventen und haben zuvor bei Google DeepMind und Apple gearbeitet. Das Unternehmen gab kürzlich bekannt, 45 Millionen US-Dollar (ca. 320 Millionen RMB) in einer A-Runde finanziert zu haben, mit einer Bewertung von 300 Millionen US-Dollar (ca. 2,13 Milliarden RMB), angeführt von Sequoia Capital, mit Beteiligung von Nvidia, Bessemer und Bain Capital Ventures. Derzeit hat das Unternehmen nur 18 Mitarbeiter.

Trajectory bietet automatisierte KI-Tuning-Lösungen an

Trajectory verfolgt einen Ansatz des kontinuierlichen Lernens: Unternehmen können mit einem Open-Source-Modell beginnen, ihre Plattform in ihre Anwendungen integrieren und das System kontinuierlich Feedback zur Modellleistung sammeln. Diese Informationen werden dann verwendet, um das Modell neu zu trainieren, sodass es in bestimmten Aufgaben immer besser wird. Mitbegründer Ronak Malde vergleicht das Basis-Modell mit einem sehr intelligenten, aber ständig wechselnden Doktoranden: „Was die Wirtschaft wirklich schätzt, sind die Menschen, die 30 Jahre in einer Position gearbeitet haben.“

Laut Malde können Anwälte, Ärzte und andere Fachleute mit Trajectory im Grunde das Modell selbst anpassen, ohne auf Algorithmenteams angewiesen zu sein, wodurch die Implementierung spezialisierter KI schneller und kostengünstiger wird. Harvey und Rogo nutzen bereits diese Plattform, um Open-Source-Modelle nachzutrainieren, sodass sie eher wie erfahrene Anwälte oder Finanzanalysten agieren, beispielsweise indem sie lernen, bestimmte Arten von Verträgen zu überprüfen oder Unternehmen nach bestimmten Methoden zu bewerten. Weitere Kunden sind Decagon, Mercor und Nvidia, und die Plattform ist nun öffentlich zugänglich.

Dieser Ansatz ähnelt dem „rekursiven Selbstverbesserung“, aber Mitbegründer Michael Elabd ist der Meinung, dass die Einbeziehung von Menschen in den Trainingsprozess Trajectory sicherer macht. Vollständig autonome Selbstverbesserung könnte unerwartete oder sogar gefährliche Ergebnisse hervorrufen. In diesem Bereich gibt es zahlreiche Wettbewerber, darunter die Feinabstimmungsplattform Tinker von Thinking Machines Lab, Applied Compute, das letzten Monat mit 3,25 Milliarden US-Dollar (ca. 23,1 Milliarden RMB) bewertet wurde, und Prime Intellect, das Unternehmen hilft, ihre eigenen intelligenten Agenten zu verwalten, die alle als direkte Konkurrenten angesehen werden.

Malde sieht das Team als den größten Vorteil: Er selbst war einer der Forscher, die von Google DeepMind aus Windsurf rekrutiert wurden, Elabd stammt ebenfalls von DeepMind, und der dritte Gründer, Arjun Kalanithi, war zuvor bei Apple für generative Basis-Modelle tätig. Das Unternehmen hat auch Forscher und Produktdesigner von OpenAI, Stripe und Netflix rekrutiert. Kalanithi erklärt, dass sie eine Benutzeroberfläche entwickelt haben, die es auch technisch unerfahrenen Kunden ermöglicht, problemlos mit dem Nachtraining zu beginnen.

H
Über den Autor
Henderson