Trajectory تجمع 45 مليون دولار لتمويل تعلّم مستمر للذكاء الاصطناعي

أسس ثلاثة من زملاء الدراسة في جامعة Stanford شركة Trajectory، التي يعمل فيها 18 موظفاً، قبل نحو عام تقريباً بعد أن عملوا سابقاً في Google DeepMind و Apple، وأغلقت الشركة جولة سلسلة A بقيمة 45 مليون دولار بتقييم 300 مليون دولار، بقيادة Sequoia، وبمشاركة Nvidia و Bessemer Venture Partners و Bain Capital Ventures.

تعمل الشركة الناشئة على أتمتة عملية تتعامل معها الشركات عادة عبر فرق بحث داخلية أو مستشارين خارجيين مكلفين: ضبط نماذج الذكاء الاصطناعي العامة لمجالات متخصصة مثل القانون والتمويل. تتصل منصتها بتطبيقات الشركة القائمة، وتجمع ملاحظات حول أداء نموذج مفتوح المصدر، وتعيد تدريبه بحيث يستمر في التحسن في مهمة محددة، وهو نهج تسميه Trajectory بالتعلّم المستمر. ويشبّه المؤسس المشارك Ronak Malde النماذج الجاهزة بطالب دكتوراه بارع يبدأ وظيفة جديدة باستمرار: “ما تقدّره السوق هو شخص عمل في الوظيفة نفسها 30 عاماً”، كما قال لـ TechCrunch.

تستخدم Harvey، المتخصصة في شؤون مكاتب المحاماة، وRogo، شركة التحليل المالي الناشئة، منصة الشركة لإعادة تدريب نماذج مفتوحة المصدر على مهام مثل مراجعة أنواع محددة من العقود أو تقييم الشركات بمنهجية معيّنة؛ كما أن Decagon وMercor وNvidia من عملاء الشركة أيضاً. وتفتح Trajectory الآن منصتها للجمهور. ويرى Michael Elabd، المؤسس المشارك الآخر، أن إبقاء البشر في حلقة العملية — بدلاً من ترك النموذج يحسّن نفسه ذاتياً دون تدخل — هو ما يجعل هذا النهج آمناً.

وتواجه Trajectory أيضاً منافسة من Thinking Machines Lab — شركة الضبط الدقيق التي أسستها مديرة التقنية السابقة في OpenAI، Mira Murati، والمعروفة بمنصتها Tinker — إلى جانب Prime Intellect و Applied Compute، التي بلغ تقييمها الشهر الماضي 3.25 مليار دولار.

لماذا يهم

رهان Trajectory هو أن معظم الشركات لا تحتاج إلى نموذج يحسّن نفسه ذاتياً، بل إلى نموذج يتحسن بإشراف بشري متخصص، وهو تمييز مهم في وقت تزن فيه مختبرات الذكاء الاصطناعي والجهات التنظيمية مخاطر التحسين الذاتي الكامل دون تدخل بشري.