Trajectory Selesaikan Pendanaan Putaran A Sebesar USD 45 Juta untuk Proses Penyesuaian Model AI Otomatis

·oleh Henderson·AI
Trajectory Selesaikan Pendanaan Putaran A Sebesar USD 45 Juta untuk Proses Penyesuaian Model AI Otomatis

Baik model berasal dari OpenAI, Anthropic, maupun yang dimodifikasi dari solusi open source, teknologi kecerdasan buatan saat ini memiliki satu kelemahan yang sama: tanpa pelatihan tambahan, ia tidak dapat belajar dari kesalahan sendiri. Jika perusahaan ingin menerapkan model umum dalam bidang profesional seperti hukum atau keuangan, biasanya diperlukan penyesuaian, yang sering kali berarti harus membentuk tim riset internal atau menyewa insinyur penerapan terdepan dengan biaya tinggi.

Perusahaan rintisan Trajectory yang didirikan sekitar satu tahun lalu berharap dapat mengotomatiskan proses ini. Tiga pendiri perusahaan ini adalah rekan-rekan dari Stanford, yang sebelumnya bekerja di Google, DeepMind, dan Apple. Perusahaan baru-baru ini mengumumkan telah menyelesaikan pendanaan putaran A sebesar USD 45 juta (sekitar CNY 320 juta), dengan valuasi USD 300 juta (sekitar CNY 2,13 miliar), dipimpin oleh Sequoia Capital, dengan partisipasi dari NVIDIA, Bessemer, dan Bain Capital Ventures. Saat ini, perusahaan hanya memiliki 18 karyawan.

Trajectory Menawarkan Solusi Penyesuaian AI Otomatis

Trajectory mengadopsi pendekatan pembelajaran berkelanjutan: perusahaan dapat memulai dari model open source, menghubungkan platform ke aplikasi mereka, dan membiarkan sistem terus mengumpulkan umpan balik tentang kinerja model, lalu menggunakan informasi ini untuk melatih ulang model agar semakin baik dalam tugas tertentu. Co-founder Ronak Malde menggambarkan model dasar seperti seorang mahasiswa doktoral yang sangat pintar tetapi selalu berganti pekerjaan, "sementara ekonomi sebenarnya menghargai orang yang telah bekerja di satu posisi selama 30 tahun."

Menurut Malde, dengan Trajectory, para profesional seperti pengacara dan dokter pada dasarnya dapat menyesuaikan model sendiri tanpa bergantung pada tim algoritma, sehingga penerapan kecerdasan buatan profesional menjadi lebih cepat dan lebih murah. Harvey dan Rogo telah menggunakan platform ini untuk melakukan pelatihan ulang pada model open source agar lebih mirip dengan pengacara atau analis keuangan berpengalaman, misalnya, belajar untuk meninjau jenis kontrak tertentu atau menilai perusahaan dengan metode tertentu. Klien lainnya termasuk Decagon, Mercor, dan NVIDIA, dan platform ini kini telah dibuka untuk umum.

Praktik ini memiliki kesamaan dengan "perbaikan diri yang berulang," tetapi co-founder Michael Elabed percaya bahwa melibatkan manusia dalam proses pelatihan membuat Trajectory lebih aman, karena perbaikan diri yang sepenuhnya otonom dapat menghasilkan hasil yang tidak terduga bahkan berbahaya. Di bidang ini, terdapat banyak pesaing, termasuk platform penyesuaian Tinker di bawah Thinking Machines Lab, Applied Compute yang baru-baru ini dinilai USD 3,25 miliar (sekitar CNY 23,1 miliar), serta Prime Intellect yang membantu perusahaan mengelola agen cerdas yang mereka bangun, semuanya dianggap sebagai pesaing langsung.

Malde menganggap tim sebagai keunggulan terbesar: dirinya adalah salah satu peneliti yang direkrut dari Windsurf oleh Google DeepMind, Elabed juga berasal dari DeepMind, dan pendiri ketiga, Arjun Kalanithi, sebelumnya bekerja di Apple pada model dasar generatif. Perusahaan juga merekrut peneliti dan desainer produk dari OpenAI, Stripe, dan Netflix. Kalanithi menyatakan bahwa mereka telah merancang antarmuka khusus agar klien yang tidak memiliki latar belakang teknis pun dapat dengan mudah melakukan pelatihan ulang.

H
Tentang penulis
Henderson