سواء تم تطويرها بواسطة OpenAI أو Anthropic أو بناءً على بدائل مفتوحة المصدر، تشترك نماذج الذكاء الاصطناعي الحالية في قيود حرجة: فهي لا تتعلم من أخطائها دون تدريب إضافي.
تتغلب الشركات التي تكيف هذه النماذج للمجالات المتخصصة، مثل القانون والتمويل، عادةً على هذا التحدي من خلال الضبط الدقيق للنماذج العامة. ومع ذلك، يتطلب ذلك غالبًا توظيف فرق بحث داخلية أو الاعتماد على استشاريين مكلفين، يُعرفون عادةً بمهندسي النشر المتقدم (FDEs).
تسعى شركة تراجيكتوري (Trajectory)، وهي شركة ناشئة تأسست قبل حوالي عام على يد ثلاثة زملاء دراسة من جامعة ستانفورد يتمتعون بخبرة في جوجل ديب مايند وأبل، إلى أتمتة هذه العملية، مما يسمح لنماذج الذكاء الاصطناعي بالتعلم من الملاحظات والتحسن المستمر في المهام المتخصصة.
أعلنت الشركة التي تضم 18 موظفًا للتو أنها جمعت 45 مليون دولار في جولة تمويل من الفئة A بتقييم 300 مليون دولار، بقيادة سيكويا، وبمشاركة من إنفيديا، بيسيمر فينتشر بارتنرز، وبين كابيتال فينتشرز.
قارن روناق مالدي، المؤسس المشارك لشركة تراجيكتوري، النماذج التأسيسية بطالب دكتوراه ذكي جدًا يبدأ دائمًا وظيفة جديدة. وقال لموقع تك كرانش: "لكن ما يقدره الاقتصاد هو شخص عمل في الوظيفة لمدة 30 عامًا".
تهدف الشركة الناشئة إلى حل هذه المشكلة من خلال نهج يُعرف بالتعلم المستمر. يمكن للشركات التي تستخدم تراجيكتوري البدء بنموذج ذكاء اصطناعي مفتوح المصدر وربط المنصة بتطبيقاتها، مما يسمح لها بجمع الملاحظات حول أداء النموذج. ثم تستخدم تراجيكتوري تلك المعلومات لإعادة تدريب النموذج، مما يساعده على التحسن في المهام المتخصصة بمرور الوقت.
مع تراجيكتوري، يمكن للمحامين والأطباء وغيرهم من المتخصصين تحسين النماذج تلقائيًا تقريبًا بأنفسهم، حسب قول مالدي. هذه القدرة يمكن أن تجعل نشر الذكاء الاصطناعي المتخصص أسرع وأقل تكلفة.
تستخدم شركات مثل هارفي وروغو بالفعل منصة تراجيكتوري للتدريب اللاحق للنماذج مفتوحة المصدر، مما يساعدها على الأداء بشكل أشبه بالمحامين أو المحللين الماليين ذوي الخبرة من خلال التعلم من المهام السابقة، مثل مراجعة نوع معين من العقود القانونية أو تقييم شركة باستخدام منهجية محددة. يشمل عملاء تراجيكتوري الآخرون ديكاجون، ميركور، وإنفيديا. وتجعل الشركة الناشئة الآن منصتها للتدريب اللاحق متاحة للجمهور.
قال مالدي إن الأشخاص الذين يستخدمون تراجيكتوري يقررون "ما هو الأداء الجيد لمؤسستهم ويمكنهم تحويل ذلك إلى تحسينات لنموذجهم".
يتشارك نهج تراجيكتوري في التعلم المستمر بعض أوجه التشابه مع التحسين الذاتي التكراري (RSI)، وهي الفكرة القائلة بأن أنظمة الذكاء الاصطناعي يمكنها تحسين قدراتها الخاصة. لكن المؤسس المشارك مايكل العبد يجادل بأن إبقاء البشر مشاركين في عملية التدريب يجعل نهج تراجيكتوري أكثر أمانًا، حيث أن التحسين الذاتي المستقل قد يؤدي إلى نتائج غير مقصودة أو حتى خطيرة.
ليست تراجيكتوري الشركة الناشئة الوحيدة التي تحاول أتمتة التدريب اللاحق. تشمل الشركات الأخرى التي تستهدف هذا السوق Thinking Machines Lab، التي أسستها المديرة التقنية السابقة لـ OpenAI ميرا موراتي والشركة التي تقف وراء منصة الضبط الدقيق Tinker، و Applied Compute، التي قُدرت قيمتها بـ 3.25 مليار دولار الشهر الماضي، و برايم إنتليكت (Prime Intellect)، وهي منصة تساعد الشركات على بناء وتدريب وكلاء الذكاء الاصطناعي الخاصين بها.
يعتقد مالدي أن أكبر ميزة للشركة الناشئة هي فريقها. كان هو من بين عدد قليل من الباحثين الذين استحوذت عليهم جوجل ديب مايند من Windsurf. عمل العبد أيضًا في ديب مايند، بينما عمل المؤسس المشارك الثالث لتراجيكتوري، أرجون كارانام، سابقًا على نماذج تأسيسية توليدية في أبل. وقد قامت الشركة الناشئة أيضًا بتوظيف باحثين ومصممي منتجات من OpenAI و Stripe و Netflix.
لماذا يعتبر التصميم مهمًا جدًا لشركة تركز على تدريب الذكاء الاصطناعي؟ يقول كارانام إن الشركة الناشئة طورت واجهة تجعل التدريب اللاحق أكثر سهولة لعملائها غير التقنيين.