Krongkwun Rithiwong
Trajectory สตาร์ตอัป AI ระดมทุน 45 ล้านดอลลาร์ เดินหน้าพัฒนาระบบเทรนโมเดล AI แบบอัตโนมัติ เพื่อให้ผู้เชี่ยวชาญเฉพาะทาง ปรับแต่งได้เอง
Trajectory สตาร์ตอัป AI ระดมทุน 45 ล้านดอลลาร์ พัฒนาระบบเทรนโมเดลสำหรับผู้เชี่ยวชาญเฉพาะทาง
ไม่ว่าโมเดล AI จะพัฒนาขึ้นโดย OpenAI, Anthropic หรือสร้างขึ้นจากโมเดล Opensource ปัจจุบันโมเดลเหล่านี้ยังมีข้อจำกัดสำคัญร่วมกันคือ ไม่สามารถเรียนรู้จากข้อผิดพลาดของตัวเองได้หากไม่มีการเทรนเพิ่มเติม
ธุรกิจที่นำโมเดลเหล่านี้ไปปรับใช้กับสายงานเฉพาะทาง เช่น กฎหมายและการเงิน มักแก้ปัญหาด้วยการทำ Fine-tuning ให้กับโมเดลทั่วไป อย่างไรก็ตาม กระบวนการดังกล่าวมักต้องอาศัยการจ้างทีมนักวิจัยภายในองค์กร หรือพึ่งพาที่ปรึกษาที่มีค่าใช้จ่ายสูง ซึ่งมักเรียกกันว่า Forward-deployed engineers (FDEs)
สตาร์ตอัปหน้าใหม่กับเป้าหมายพัฒนาระบบ Continual Learning
Trajectory สตาร์ตอัปที่ก่อตั้งขึ้นเมื่อประมาณ 1 ปีก่อนโดยเพื่อนร่วมชั้นจาก Stanford สามคนที่มีประสบการณ์ทำงานจาก Google DeepMind และ Apple ต้องการเข้ามาทำให้กระบวนการนี้เป็นระบบอัตโนมัติ เพื่อให้โมเดล AI สามารถเรียนรู้จากคำติชมและพัฒนาตนเองในงานเฉพาะทางได้อย่างต่อเนื่อง
บริษัทที่มีทีมงาน 18 คนแห่งนี้ เพิ่งประกาศระดมทุนรอบ Series A ได้มูลค่า 45 ล้านดอลลาร์ (ประมาณ 1,530 ล้านบาท) ที่มูลค่าบริษัท 300 ล้านดอลลาร์ (ประมาณ 10,200 ล้านบาท) นำโดย Sequoia พร้อมด้วยการเข้าร่วมลงทุนจาก Nvidia, Bessemer Venture Partners และ Bain Capital Ventures
Ronak Malde ผู้ร่วมก่อตั้ง Trajectory เปรียบเทียบโมเดลพื้นฐานว่าเป็นเหมือนนักศึกษาปริญญาเอกที่ฉลาดมาก แต่เพิ่งเริ่มต้นงานใหม่อยู่ตลอดเวลา ทว่าสิ่งที่ระบบเศรษฐกิจให้คุณค่าจริง ๆ คือคนที่ทำงานในสายงานนั้นมาเป็นเวลา 30 ปี
สตาร์ตอัปแห่งนี้ตั้งเป้าแก้ปัญหาดังกล่าวผ่านแนวทางที่เรียกว่า Continual Learning โดยธุรกิจที่ใช้งาน Trajectory สามารถเริ่มต้นด้วยโมเดล AI แบบโอเพนซอร์ส แล้วเชื่อมต่อแพลตฟอร์มเข้ากับแอปพลิเคชันของตน เพื่อเปิดให้ระบบเก็บข้อมูลคำติชมเกี่ยวกับประสิทธิภาพการทำงานของโมเดล จากนั้น Trajectory จะนำข้อมูลดังกล่าวไปเทรนโมเดลซ้ำ เพื่อช่วยให้โมเดลพัฒนาทักษะเฉพาะทางได้ดีขึ้นตามระยะเวลา
เปิดแพลตฟอร์มให้ใช้งานทั่วไป พร้อมเน้นความปลอดภัยที่มีมนุษย์ควบคุม
Malde กล่าวว่า ด้วยเครื่องมือของ Trajectory ทนายความ แพทย์ และผู้เชี่ยวชาญในสายงานอื่น ๆ จะสามารถปรับปรุงโมเดลได้เกือบจะเป็นระบบอัตโนมัติด้วยตนเอง ซึ่งความสามารถนี้จะช่วยให้การนำ AI เฉพาะทางมาใช้งานทำได้รวดเร็วและมีค่าใช้จ่ายถูกลง
บริษัทอย่าง Harvey และ Rogo ได้เริ่มใช้งานแพลตฟอร์มของ Trajectory ในการทำ Post-train ให้กับโมเดลโอเพนซอร์สแล้ว เพื่อช่วยให้โมเดลทำงานได้ใกล้เคียงกับทนายความหรือนักวิเคราะห์การเงินที่มีประสบการณ์ โดยเรียนรู้จากงานที่เคยทำก่อนหน้า เช่น การตรวจทานสัญญาทางกฎหมายเฉพาะประเภท หรือการประเมินมูลค่าบริษัทโดยใช้วิธีการเฉพาะ นอกจากนี้ ลูกค้ารายอื่นของ Trajectory ยังมี Decagon, Mercor และ Nvidia โดยปัจจุบันสตาร์ตอัปรายนี้ได้เปิดให้บุคคลทั่วไปสามารถเข้าใช้งานแพลตฟอร์ม Post-training ได้แล้ว
Malde ระบุว่า ผู้ใช้งาน Trajectory จะเป็นผู้ตัดสินใจว่าผลลัพธ์ที่ดีสำหรับองค์กรของพวกเขาควรเป็นอย่างไร และสามารถเปลี่ยนสิ่งนั้นให้กลายเป็นการพัฒนาโมเดลของตนเองได้
แนวทางการทำ Continual Learning ของ Trajectory มีความคล้ายคลึงกับ Recursive Self-Improvement (RSI) ซึ่งเป็นแนวคิดที่ว่าระบบ AI สามารถพัฒนาขีดความสามารถของตนเองได้ แต่ Michael Elabd ผู้ร่วมก่อตั้ง แย้งว่าการมีมนุษย์ร่วมอยู่ในกระบวนการเทรนทำให้แนวทางของ Trajectory มีความปลอดภัยมากกว่า เนื่องจากระบบที่พัฒนาตนเองได้อย่างอิสระโดยสมบูรณ์อาจนำไปสู่ผลลัพธ์ที่ไม่คาดคิดหรือเป็นอันตรายได้
การแข่งขันในตลาดและความสำคัญของการออกแบบระบบ
Trajectory ไม่ใช่สตาร์ตอัปรายเดียวที่พยายามพัฒนาระบบ Post-training แบบอัตโนมัติ โดยบริษัทมองว่า Thinking Machines Lab ซึ่งก่อตั้งโดย Mira Murati อดีตประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ OpenAI และเป็นบริษัทผู้อยู่เบื้องหลังแพลตฟอร์ม Fine-tuning อย่าง Tinker เป็นคู่แข่งโดยตรง ร่วมกับ Applied Compute ที่มีมูลค่าประเมิน 3,250 ล้านดอลลาร์ (ประมาณ 110,500 ล้านบาท) เมื่อเดือนก่อน รวมถึง Prime Intellect ที่ช่วยองค์กรสร้างและเทรน AI Agent ของตนเอง
Malde เชื่อว่าข้อได้เปรียบที่ใหญ่ที่สุดของสตาร์ตอัปคือทีมงาน โดยเขาเป็นหนึ่งในทีมนักวิจัยกลุ่มเล็ก ๆ ที่ Google DeepMind เข้าซื้อตัวมาจาก Windsurf ขณะที่ Elabd ก็เคยทำงานที่ DeepMind เช่นกัน ส่วนผู้ร่วมก่อตั้งคนที่สามอย่าง Arjun Karanam เคยทำงานด้าน Generative Foundation Models ที่ Apple นอกจากนี้ สตาร์ตอัปยังได้ดึงตัวนักวิจัยและนักออกแบบผลิตภัณฑ์จาก OpenAI, Stripe และ Netflix เข้ามาร่วมทีมอีกด้วย
สำหรับคำถามที่ว่าทำไมงานออกแบบถึงมีความสำคัญอย่างมากสำหรับบริษัทที่เน้นเรื่องการเทรน AI ทางด้าน Karanam ระบุว่า สตาร์ตอัปได้พัฒนาอินเทอร์เฟซที่ช่วยให้กระบวนการ Post-training เข้าถึงกลุ่มลูกค้าที่ไม่มีความเชี่ยวชาญด้านเทคนิคได้ง่ายขึ้น
ที่มา: TechCrunch
