Yapay zeka modelleri, hatalarından ders çıkarmak için ek eğitime ihtiyaç duyuyor. Bu modelleri hukuk ve finans gibi özel alanlarda kullanmak isteyen şirketler, genellikle genel modelleri ince ayar yaparak bu sorunu çözüyor. Ancak bu, kendi araştırma ekiplerini kurmayı veya pahalı danışmanlardan yararlanmayı gerektiriyor. Yaklaşık bir yıl önce Stanford'dan üç arkadaş tarafından kurulan Trajectory adlı şirket, bu süreci otomatikleştirmeyi hedefliyor. Şirket, yapay zeka modellerinin geri bildirimlerden öğrenmesini ve özel görevlerde sürekli iyileşmesini sağlayacak. Yaklaşık bir yıl önce kurulan ve Google DeepMind ile Apple deneyimine sahip üç Stanford mezunu tarafından kurulan startup, 18 kişilik ekibiyle 45 milyon dolar Seri A yatırım turunu 300 milyon dolar değerlemeyle tamamladı. Yatırıma Sequoia öncülük ederken, Nvidia, Bessemer Venture Partners ve Bain Capital Ventures da katıldı.
Yapay zeka modelleri 'deneyim kazanacak'
Trajectory kurucularından Ronak Malde, temel yapay zeka modellerini yeni bir işe başlayan çok akıllı bir doktora öğrencisine benzetti. Malde, “Ancak ekonomi, 30 yıldır iş başında çalışmış birini değerli buluyor” dedi. Startup, bu sorunu sürekli öğrenme yaklaşımıyla çözmeyi amaçlıyor. Trajectory'yi kullanan şirketler, açık kaynaklı bir yapay zeka modeliyle başlayıp platformu kendi uygulamalarına bağlayarak modelin performansına ilişkin geri bildirimleri toplayabiliyor. Trajectory daha sonra bu bilgiyi modeli yeniden eğitmek için kullanarak özel görevlerde zamanla iyileşmesine yardımcı oluyor. Malde, Trajectory sayesinde avukatlar, doktorlar ve diğer uzmanların modelleri neredeyse otomatik olarak kendilerinin iyileştirebileceğini belirtti. Bu yetenek, özel yapay zeka dağıtımını daha hızlı ve daha ucuz hale getirebilir. Harvey ve Rogo gibi şirketler, Trajectory'nin platformunu açık kaynaklı modelleri eğitmek için zaten kullanıyor. Bu sayede modeller, belirli bir tür yasal sözleşmeyi incelemek veya belirli bir metodoloji kullanarak bir şirketi değerlendirmek gibi önceki görevlerden öğrenerek daha deneyimli avukatlar veya finans analistleri gibi performans gösterebiliyor. Trajectory'nin diğer müşterileri arasında Decagon, Mercor ve Nvidia bulunuyor. Şirket şimdi eğitim sonrası platformunu halka açık hale getiriyor. Malde, Trajectory'yi kullanan kişilerin “kuruluşları için neyin iyi olduğunu belirleyebileceğini ve bunu modelleri için iyileştirmelere dönüştürebileceğini” söyledi. Trajectory'nin sürekli öğrenmeye yaklaşımı, yapay zeka sistemlerinin kendi yeteneklerini geliştirebileceği fikri olan tekrarlayan kendi kendine iyileşme (RSI) ile bazı benzerlikler taşıyor. Ancak kurucu ortak Michael Elabd, insanları eğitim sürecine dahil tutmanın Trajectory'nin yaklaşımını daha güvenli hale getirdiğini savunuyor. Çünkü otonom kendi kendine iyileşme, istenmeyen ve hatta tehlikeli sonuçlara yol açabilir. Eğitim sonrası süreci otomatikleştirmeye çalışan tek startup Trajectory değil. Şirket, eski OpenAI CTO'su Mira Murati tarafından kurulan ve ince ayar platformu Tinker'ın arkasındaki Thinking Machines Lab'ı, geçen ay 3,25 milyar dolar değerlemeye ulaşan Applied Compute ve şirketlerin kendi yapay zeka ajanlarını oluşturmalarına ve eğitmelerine yardımcı olan Prime Intellect ile doğrudan rakip olarak görüyor. Malde, şirketin en büyük avantajının ekibi olduğuna inanıyor. Kendisi, Google DeepMind'ın Windsurf'tan satın aldığı az sayıdaki araştırmacı arasındaydı. Elabd da DeepMind'da çalıştı, Trajectory'nin üçüncü kurucusu Arjun Karanam ise daha önce Apple'da üretken temel modeller üzerinde çalıştı. Startup ayrıca OpenAI, Stripe ve Netflix'ten araştırmacılar ve ürün tasarımcıları da bünyesine kattı. Yapay zeka eğitimi odaklı bir şirket için tasarım neden bu kadar önemli? Karanam, startup'ın eğitim sonrasını teknik olmayan müşterileri için daha erişilebilir hale getiren bir arayüz geliştirdiğini söylüyor.
