Az AI-modellek ma már sok mindenre képesek, de van egy makacs korlátjuk: nem tanulnak automatikusan a hibáikból. Egy új startup erre épít üzletet, és most komoly tőkét is szerzett hozzá.

Mi történt

A Trajectory 45 millió dolláros Series A befektetést vont be, 300 millió dolláros cégértékelés mellett. A startup célja, hogy leegyszerűsítse az úgynevezett post-traininget, vagyis azt a folyamatot, amikor egy már létező AI-modellt egy adott feladatra vagy iparágra tovább képeznek.

Ez ma jellemzően drága és nehézkes munka: a cégek либо saját kutatócsapatot építenek, либо külső specialistákra támaszkodnak. A Trajectory erre kínál egy platformot, amely összeköthető a vállalati alkalmazásokkal, begyűjti a visszajelzéseket arról, hogyan teljesít a modell, majd ezek alapján újratanítja azt. Ezt a megközelítést folyamatos tanulásnak nevezik. Gondolj rá úgy, mint egy új kollégára, aki nem csak egyszer kap betanítást, hanem minden elvégzett feladat után egy kicsit jobb lesz ugyanabban a munkában.

A cég szerint a rendszerrel nem csak gépi tanulási mérnökök dolgozhatnak, hanem domain szakértők is: például jogászok, orvosok vagy pénzügyi elemzők. Vagyis azok mondhatják meg, mit jelent a „jó válasz”, akik valóban értik az adott szakterületet. A platformot már használja többek között a Harvey, a Rogo, a Decagon, a Mercor és az Nvidia, most pedig szélesebb körben is elérhetővé válik.

Miért fontos

Ez a fejlemény jól mutatja, merre mozdul az AI-piac: a verseny egyre kevésbé csak arról szól, ki építi a legnagyobb alapmodellt, és egyre inkább arról, ki tudja azt megbízhatóan testre szabni konkrét munkákra. Az alapmodellek olyanok, mint egy nagyon okos, általános tudású szakember; a vállalatoknak viszont olyan rendszer kell, amely ismeri a saját folyamataikat, dokumentumaikat és minőségi elvárásaikat. Ha ezt a finomhangolást valóban közelebb lehet vinni a nem technikai felhasználókhoz, az gyorsabb bevezetést és alacsonyabb költséget hozhat.

Közben a biztonsági szempont is fontos. A folyamatos tanulás könnyen összekeverhető azzal az elképzeléssel, hogy az AI saját magát fejleszti egyre tovább. Itt azonban emberi visszajelzés irányítja a folyamatot, ami lényeges különbség: nem egy autonóm rendszer dönt arról, miben számít jobbnak, hanem a szervezet szakértői állítják be a mércét. A TechCrunch értelmezése szerint ez egyszerre üzleti és biztonsági pozicionálás is egy zsúfolódó piacon.

Mire figyelj

  1. Az egyik nagy kérdés az lesz, hogy a platform tényleg használható-e technikai háttér nélkül, vagy a gyakorlatban továbbra is mérnöki támogatás kell hozzá.
  1. Érdemes figyelni, mennyire működik ez erősen szabályozott területeken, például jogi vagy egészségügyi környezetben, ahol a hibák ára magas.
  1. Az is fontos, hogy a folyamatos újratanítás mennyire marad átlátható és ellenőrizhető. Minél gyakrabban változik egy modell, annál nagyobb szükség van arra, hogy pontosan lehessen követni, mitől lett jobb — vagy rosszabb.
  1. Végül a befektetés mérete azt is jelzi, hogy az AI következő nagy üzleti rétege nem feltétlenül az új modellek építése, hanem a meglévők munkára fogása lehet.