Trajectory ha raccolto 45 milioni di dollari in un round di Serie A, con una valutazione di 300 milioni di dollari, mentre lavora per rendere più semplice l’addestramento di modelli di IA specializzati per chi non ha competenze tecniche. Sequoia ha guidato il round, con la partecipazione di Nvidia, Bessemer Venture Partners e Bain Capital Ventures.
Fondata circa un anno fa da tre compagni di corso a Stanford, Trajectory mira ad aiutare i modelli di IA a migliorare in compiti specializzati imparando dai feedback. L’azienda ha 18 dipendenti e i suoi fondatori hanno lavorato in precedenza presso Google DeepMind e Apple.
Le aziende adattano spesso modelli di IA per uso generale a settori come il diritto e la finanza mediante il fine-tuning. Questo lavoro può richiedere team di ricerca interni o consulenti costosi. La piattaforma di Trajectory, invece, collega un modello open source alle applicazioni di un’azienda, raccoglie feedback sulle sue prestazioni e usa queste informazioni per riaddestrare il modello nel tempo.
Il cofondatore Ronak Malde ha affermato che la piattaforma è pensata per consentire agli specialisti, tra cui avvocati e medici, di influenzare le prestazioni di un modello senza dover affidare la gestione del processo a un team tecnico. Le aziende possono definire cosa si intende per lavoro svolto con successo nella propria organizzazione e usare tale standard per orientare i miglioramenti.
Harvey e Rogo utilizzano Trajectory per il post-addestramento di modelli open source destinati a compiti quali l’esame di specifiche tipologie di contratti legali o la valutazione di aziende secondo metodi particolari. Tra gli altri clienti figurano Decagon, Mercor e Nvidia. La startup sta ora rendendo disponibile al pubblico la propria piattaforma di post-addestramento.
L’approccio di Trajectory prevede il ricorso al feedback umano, che, secondo il cofondatore Michael Elabd, la distingue dai sistemi di auto-miglioramento autonomi, che potrebbero produrre risultati imprevisti. La startup deve confrontarsi con la concorrenza di Thinking Machines Lab, Applied Compute e Prime Intellect, che lavorano anch’esse su strumenti per l’addestramento o il post-addestramento dell’IA.
I fondatori affermano che l’interfaccia del prodotto è fondamentale per rendere il post-addestramento accessibile agli utenti non tecnici. Il team comprende inoltre ricercatori e designer di prodotto che in precedenza hanno lavorato presso OpenAI, Stripe e Netflix.
Fonti: TechCrunch Startups.