Google DeepMind-ის, Apple-ის, OpenAI-ისა და Meta Superintelligence Labs-ის ხელოვნური ინტელექტის მკვლევართა ჯგუფმა ახალი სტარტაპი, Trajectory წარადგინა. მისი მიზანია დაეხმაროს კომპანიებს AI პროდუქტების მუდმივ გაუმჯობესებაში, რეალურ მომხმარებლებთან ინტერაქციაზე დაყრდნობით.
Trajectory-ის სურს შექმნას უწყვეტი სწავლის (continual learning) პლატფორმა AI-სთვის — შესაძლებლობა, რომელიც მკვლევრებს ტექნოლოგიის განვითარების მთავარ ბარიერად მიაჩნდათ. OpenAI-ის, Google-ისა და Anthropic-ის მოდელები სწავლების პროცესის დასრულების შემდეგ განვითარებას წყვეტენ. ტექნოლოგიურ ინდუსტრიას აქამდე უჭირდა ისეთი AI პროდუქტების შექმნა, რომლებიც საკუთარ შეცდომებზე რეალურ დროში სწავლობენ.
სტარტაპმა 15 მილიონი აშშ დოლარის მოცულობის seed რაუნდი მოიზიდა, რის შედეგადაც მისი შეფასება 115 მილიონ დოლარამდე გაიზარდა. რაუნდს ვენჩურული ფონდი Conviction ლიდერობდა, Bessemer Venture Partners-ის, Radical VC-ისა და BoxGroup-ის მონაწილეობით. ინვესტორებს შორის არიან Google DeepMind-ის მთავარი მეცნიერი ჯეფ დინი და Stanford-ის პროფესორი ფეი-ფეი ლი.
Trajectory-ის აღმასრულებელი დირექტორი და თანადამფუძნებელი რონაკ მალდე (Ronak Malde) მანამდე Google DeepMind-ში მუშაობდა, ხოლო თანადამფუძნებლებს შორის არიან არჯუნ კარანამი (Arjun Karanam, ყოფილი Apple) და მაიკლ ელაბდი (Michael Elabd, ყოფილი Google DeepMind Robotics).
მალდეს თქმით, ზოგიერთი წამყვანი AI დეველოპერული პროდუქტი (მაგალითად, Cursor) უკვე იყენებს უწყვეტი სწავლის ადრეულ ვერსიას, რათა მოდელები რეგულარულად განაახლოს. Trajectory-ს სურს მსგავსი ტექნოლოგია კოდირების მიღმა, სხვა სფეროებში მომუშავე AI ხელსაწყოებისთვისაც ხელმისაწვდომი გახადოს. „დღეს ყველაზე ძლიერი AI-ც კი სტატიკურია. ჩვენ ვქმნით პლატფორმას, რომელიც ნებისმიერ კომპანიას მისცემს წვდომას უწყვეტ სწავლებაზე,“ — აღნიშნავს მალდე.
გამოწვევა იმაში მდგომარეობს, რომ კოდირებისგან განსხვავებით, სხვა ინდუსტრიებში წარმატების კრიტერიუმები ნაკლებად მკაფიოა. Trajectory-ის პლატფორმა კომპანიებს ეხმარება ღია კოდის (open-source) მოდელები თავიანთ კონკრეტულ ბიზნესსაჭიროებებს მოარგონ. მაგალითად, Decagon-ის შემთხვევაში, პლატფორმა აფიქსირებს, თუ როდის ვერ ართმევს თავს AI მომხმარებლის მხარდაჭერას და ამ მონაცემებზე დაყრდნობით ყოველკვირეულად აუმჯობესებს მოდელს.
ელაბდის თქმით, Trajectory-ის საბოლოო მიზანია ისეთი პლატფორმის შექმნა, რომელიც კომპანიის AI მოდელს ყოველდღიურად ან თუნდაც ყოველი ინტერაქციის შემდეგ განაახლებს. „შესაძლოა, თითოეული ადამიანისთვის კომპანიაში საკუთარი, მუდმივად მზარდი AI შეიქმნას,“ — დასძენს იგი.
წყარო: wired.com
