Trajectory hat in einer Serie-A-Finanzierungsrunde 45 Millionen Dollar bei einer Bewertung von 300 Millionen Dollar eingesammelt. Das Unternehmen arbeitet daran, das Training spezialisierter KI-Modelle für Menschen ohne technisches Fachwissen einfacher zu machen. Sequoia führte die Runde an; Nvidia, Bessemer Venture Partners und Bain Capital Ventures beteiligten sich ebenfalls.
Trajectory wurde vor etwa einem Jahr von drei ehemaligen Kommilitonen aus Stanford gegründet und möchte KI-Modelle bei spezialisierten Aufgaben verbessern, indem sie aus Feedback lernen. Das Unternehmen hat 18 Beschäftigte; die Gründer haben zuvor bei Google DeepMind und Apple gearbeitet.
Unternehmen passen allgemeine KI-Modelle häufig durch Feinabstimmung an Bereiche wie Recht und Finanzen an. Dafür können interne Forschungsteams oder teure Berater erforderlich sein. Die Plattform von Trajectory verbindet stattdessen ein Open-Source-Modell mit den Anwendungen eines Unternehmens, sammelt Feedback zu seiner Leistung und nutzt diese Informationen, um das Modell im Lauf der Zeit erneut zu trainieren.
Mitgründer Ronak Malde sagte, die Plattform solle Fachleuten, darunter Anwälten und Ärzten, ermöglichen, die Leistung eines Modells zu beeinflussen, ohne dafür ein technisches Team mit der Steuerung des Prozesses beauftragen zu müssen. Unternehmen können festlegen, woran sich erfolgreiche Arbeit in ihrer Organisation erkennen lässt, und diesen Maßstab zur Steuerung von Verbesserungen nutzen.
Harvey und Rogo nutzen Trajectory, um Open-Source-Modelle nachzutrainieren, etwa für Aufgaben wie die Prüfung bestimmter Arten von Rechtsverträgen oder die Bewertung von Unternehmen nach bestimmten Methoden. Zu den weiteren Kunden zählen Decagon, Mercor und Nvidia. Das Startup macht seine Plattform für das Nachtraining nun öffentlich zugänglich.
Trajectory setzt auf menschliches Feedback. Laut Mitgründer Michael Elabd unterscheidet das den Ansatz von autonomen Systemen zur Selbstverbesserung, die unbeabsichtigte Folgen haben könnten. Das Startup steht im Wettbewerb mit Thinking Machines Lab, Applied Compute und Prime Intellect, die ebenfalls an Tools für das Training oder Nachtraining von KI arbeiten.
Die Gründer sagen, dass die Benutzeroberfläche des Produkts entscheidend dafür ist, das Nachtraining für Nutzer ohne technische Kenntnisse zugänglich zu machen. Zum Team gehören außerdem Forschende und Produktdesigner, die zuvor bei OpenAI, Stripe und Netflix beschäftigt waren.
Quellen: TechCrunch Startups.