Trajectory arrecada US$ 45 milhões para tornar o treinamento de modelos de IA acessível a especialistas não técnicos

Quer sejam desenvolvidos pela OpenAI, Anthropic ou construídos com base em alternativas de código aberto, os modelos atuais de IA partilham uma limitação crítica: não aprendem com os seus erros sem formação adicional.

As empresas que adaptam estes modelos para áreas especializadas, como o direito e as finanças, normalmente contornam esta situação através do ajuste fino dos modelos gerais. No entanto, isso muitas vezes exige a contratação de equipes de pesquisa internas ou a dependência de consultores caros, comumente conhecidos como engenheiros de implantação avançada (FDEs).

A Trajectory, uma startup fundada há cerca de um ano por três colegas de Stanford com experiência no Google DeepMind e na Apple, quer automatizar esse processo, permitindo que os modelos de IA aprendam com o feedback e melhorem continuamente em tarefas especializadas.

A empresa de 18 pessoas acaba de anunciar que levantou US$ 45 milhões em uma rodada da Série A com uma avaliação de US$ 300 milhões, liderada pela Sequoia, com participação da Nvidia, Bessemer Venture Partners e Bain Capital Ventures.

O cofundador da Trajectory, Ronak Malde, comparou modelos fundamentais a um estudante de doutorado muito inteligente que está sempre começando um novo emprego. “Mas o que a economia valoriza é alguém que trabalhou nesse cargo por 30 anos”, disse ele ao TechCrunch.

A startup pretende resolver esse problema por meio de uma abordagem conhecida como aprendizagem contínua. As empresas que usam o Trajectory podem começar com um modelo de IA de código aberto e conectar a plataforma aos seus aplicativos, permitindo coletar feedback sobre o desempenho do modelo. O Trajectory então usa essas informações para treinar novamente o modelo, ajudando-o a melhorar em tarefas especializadas ao longo do tempo.

Com o Trajectory, advogados, médicos e outros especialistas podem melhorar os modelos de forma quase automática, disse Malde. Essa capacidade poderia tornar a implantação de IA especializada mais rápida e barata.

Empresas como Harvey e Rogo já estão usando a plataforma da Trajectory para pós-treinamento de modelos de código aberto, ajudando-os a atuar mais como advogados experientes ou analistas financeiros, aprendendo com tarefas anteriores, como revisar um determinado tipo de contrato jurídico ou avaliar uma empresa usando uma metodologia específica. Outros clientes da Trajectory incluem Decagon, Mercor e Nvidia. A startup agora está disponibilizando publicamente sua plataforma de pós-treinamento.

As pessoas que usam o Trajectory decidem “o que será bom para sua organização e podem transformar isso em melhorias para seu modelo”, disse Malde.

A abordagem do Trajectory para a aprendizagem contínua compartilha algumas semelhanças com o autoaperfeiçoamento recursivo (RSI), a ideia de que os sistemas de IA podem melhorar suas próprias capacidades. Mas o co-fundador Michael Elabd argumenta que manter os humanos envolvidos no processo de formação torna a abordagem da Trajectory mais segura, uma vez que o auto-aperfeiçoamento autónomo pode levar a resultados não intencionais ou mesmo perigosos.

A Trajectory não é a única startup que tenta automatizar o pós-treinamento. Ele considera o Thinking Machines Lab, fundado pela ex-CTO da OpenAI Mira Murati e a empresa por trás da plataforma de ajuste fino Tinker, um concorrente direto, junto com a Applied Compute, avaliada em US$ 3,25 bilhões no mês passado, e a Prime Intellect, que ajuda as empresas a construir e treinar seus próprios agentes de IA.

Malde acredita que o maior diferencial da startup é a sua equipe. Ele estava entre os poucos pesquisadores que o Google DeepMind contratou da Windsurf. Elabd também trabalhou na DeepMind, enquanto o terceiro cofundador da Trajectory, Arjun Karanam, trabalhou anteriormente em modelos de base generativa na Apple. A startup também recrutou pesquisadores e designers de produtos da OpenAI, Stripe e Netflix.

Por que o design é tão importante para uma empresa focada no treinamento em IA? Karanam afirma que a startup desenvolveu uma interface que torna o pós-treinamento mais acessível aos seus clientes não técnicos.