ไม่ว่าโมเดลจะมาจาก OpenAI、Anthropic หรือปรับแต่งจากโซลูชันโอเพนซอร์ส เทคโนโลยีปัญญาประดิษฐ์ในปัจจุบันมีจุดอ่อนร่วมกันอย่างหนึ่ง: หากไม่มีการฝึกฝนเพิ่มเติม โมเดลจะไม่สามารถเรียนรู้จากข้อผิดพลาดของตนเองได้ หากบริษัทต้องการนำโมเดลทั่วไปไปใช้ในสาขาวิชาชีพ เช่น กฎหมายหรือการเงิน มักจะต้องมีการปรับแต่ง ซึ่งมักหมายถึงการต้องจัดตั้งทีมวิจัยภายใน หรือจ้างวิศวกรที่มีความเชี่ยวชาญจากภายนอกในราคาแพง
บริษัทสตาร์ทอัพ Trajectory ซึ่งก่อตั้งมาได้ประมาณหนึ่งปี ต้องการทำให้กระบวนการนี้เป็นอัตโนมัติ ผู้ก่อตั้งสามคนของบริษัทเป็นเพื่อนร่วมชั้นที่ Stanford และเคยทำงานที่ Google DeepMind และ Apple บริษัทเพิ่งประกาศเสร็จสิ้นการระดมทุนรอบ A มูลค่า 45 ล้านดอลลาร์สหรัฐ (ประมาณ 320 ล้านหยวน) โดยมีมูลค่าบริษัทอยู่ที่ 300 ล้านดอลลาร์สหรัฐ (ประมาณ 2.13 พันล้านหยวน) โดยมี Sequoia Capital เป็นผู้นำการลงทุน และมี NVIDIA, Bessemer และ Bain Capital Venture ร่วมลงทุนด้วย ขณะนี้บริษัทมีพนักงานเพียง 18 คน
Trajectory เสนอโซลูชันการปรับแต่ง AI อัตโนมัติ
Trajectory ใช้แนวทางการเรียนรู้ต่อเนื่อง: บริษัทสามารถเริ่มต้นจากโมเดลโอเพนซอร์ส เชื่อมต่อแพลตฟอร์มกับแอปพลิเคชันของตน และให้ระบบเก็บข้อมูลฟีดแบ็กเกี่ยวกับประสิทธิภาพของโมเดลอย่างต่อเนื่อง จากนั้นใช้ข้อมูลเหล่านี้ในการฝึกฝนโมเดลใหม่ ทำให้มันทำงานได้ดีขึ้นในงานเฉพาะทาง ผู้ร่วมก่อตั้ง Ronak Malde เปรียบเทียบว่า โมเดลพื้นฐานเหมือนกับนักศึกษาปริญญาเอกที่ฉลาดมากแต่เปลี่ยนงานบ่อย “ในขณะที่เศรษฐกิจให้ความสำคัญกับคนที่ทำงานในตำแหน่งเดียวกันมา 30 ปี”
ตามคำกล่าวของ Malde ด้วย Trajectory ทนายความ แพทย์ และผู้เชี่ยวชาญอื่นๆ สามารถปรับแต่งโมเดลได้ด้วยตนเอง โดยไม่ต้องพึ่งพาทีมอัลกอริธึม ทำให้การนำ AI ไปใช้งานในสาขาวิชาชีพต่างๆ เป็นไปได้รวดเร็วและประหยัดมากขึ้น Harvey และ Rogo ได้เริ่มใช้แพลตฟอร์มนี้ในการฝึกฝนโมเดลโอเพนซอร์สให้มีลักษณะคล้ายกับทนายความหรือวิเคราะห์การเงินที่มีประสบการณ์ เช่น การเรียนรู้การตรวจสอบสัญญาประเภทหนึ่ง หรือการประเมินมูลค่าบริษัทตามวิธีเฉพาะ ลูกค้าอื่นๆ ยังรวมถึง Decagon, Mercor และ NVIDIA โดยแพลตฟอร์มนี้เปิดให้บริการแก่สาธารณะแล้ว
วิธีการนี้มีความคล้ายคลึงกับ “การปรับปรุงตนเองแบบวนซ้ำ” แต่ผู้ร่วมก่อตั้ง Michael Elabed เชื่อว่าการมีมนุษย์เข้ามามีส่วนร่วมในขั้นตอนการฝึกฝนทำให้ Trajectory มีความปลอดภัยมากขึ้น การปรับปรุงตนเองอย่างเต็มที่อาจนำไปสู่ผลลัพธ์ที่ไม่คาดคิดหรืออันตราย คู่แข่งในสาขานี้มีจำนวนมาก รวมถึงแพลตฟอร์มการปรับแต่ง Tinker ของ Thinking Machines Lab, Applied Compute ที่เพิ่งมีมูลค่า 3.25 พันล้านดอลลาร์สหรัฐ (ประมาณ 23.1 พันล้านหยวน) และ Prime Intellect ที่ช่วยให้บริษัทจัดการกับการสร้าง AI ของตนเอง ซึ่งทั้งหมดนี้ถือเป็นคู่แข่งโดยตรง
Malde มองว่าทีมงานเป็นข้อได้เปรียบที่ใหญ่ที่สุด เขาเคยเป็นนักวิจัยที่ถูกจ้างจาก Google DeepMind ผ่าน Windsurf Elabed ก็มีพื้นฐานมาจาก DeepMind เช่นกัน และผู้ก่อตั้งคนที่สาม Arjun Kalanan เคยทำงานที่ Apple ในด้านโมเดลพื้นฐานที่สร้างสรรค์ บริษัทยังได้จ้างนักวิจัยและนักออกแบบผลิตภัณฑ์จาก OpenAI, Stripe และ Netflix Kalanan กล่าวว่าพวกเขาได้ออกแบบอินเทอร์เฟซที่ทำให้ลูกค้าที่ไม่เข้าใจเทคโนโลยีก็สามารถเริ่มต้นการฝึกฝนได้อย่างง่ายดาย