Era statis kecerdasan buatan telah berakhir. Atau setidaknya, Trajectory menginginkannya.
Mantan peneliti dari liga besar – Google, Apple, OpenAI – mempertaruhkan satu ide. Umpan balik dunia nyata. Mereka meluncurkan Trajectory minggu ini, yang bertujuan untuk menutup lingkaran antara kesalahan pengguna dan peningkatan model. Tidak ada lagi pelatihan sekali dan berharap yang terbaik.
Trajectory baru saja mengumpulkan $15 juta. Bijinya bulat. penilaian $115 juta. Keyakinan memimpin tuduhan itu. Bessemer dan Radical VC bergabung. Nama-nama besar dalam investasi individu? Jeff Dean, kepala ilmuwan Google DeepMind. Fei-Fei Li, “ibu baptis AI”. Tumpukan kredibilitasnya tebal.
Ronak Malde adalah CEO. Dia berasal dari Windsurf, lalu beralih ke DeepMind selama penyisihan perekrutan senilai $2,4 miliar tahun lalu. Salah satu pendirinya termasuk Arjun Karanam dari tim Vision Pro Apple dan Michael Elabd, yang sebelumnya bekerja di bidang robotika DeepMind. Tim kecil, saat ini hanya sebelas orang. Ambisi? Sangat besar.
Mereka berpendapat industri ini rusak. Mengapa?
Karena AI Anda berhenti belajar ketika fase pelatihan berakhir. OpenAI, Anthropic, Google — mereka membangun monster. Model pengkodean yang menulis lebih baik dari Anda. Model matematika yang memecahkan pembuktian. Tapi setelah diluncurkan? Beku. Sebuah patung. Model yang mengecewakan Anda pada hari Selasa akan mengecewakan Anda dengan cara yang sama pada hari Jumat.
“Bahkan AI paling kuat saat ini pun bersifat statis.”
Malde menunjuk asisten pengkodean seperti Cursor sebagai bukti konsep. Mereka sudah menggunakan data pengguna untuk terus-menerus mengubah model. Itu sebabnya coding AI meledak begitu cepat. Ini bukan hanya kekuatan model dasar. Ini adalah lapisan pembelajaran berkelanjutan di atas. Lintasan ingin membawa mekanik yang sama ke setiap vertikal lainnya. Bukan hanya kode. Dukungan pelanggan. Penjualan. Hukum.
Tapi ini lebih sulit.
Kode berjalan atau macet. Biner. Membersihkan. Permintaan pengembalian ditangani oleh bot dukungan? Itu berantakan. Ambigu. Kesuksesan itu tidak jelas. Karanam mengakui tantangan itu. Lintasan membantu perusahaan menentukan metrik keberhasilan mereka sendiri. Anda tidak memulai dengan GPT-4. Anda memulai dengan model sumber terbuka, setelah dilatih untuk pekerjaan spesifik Anda.
Ambil Dekagon. Mereka membangun agen AI untuk dukungan pelanggan. Ketika bot gagal dan diserahkan kepada manusia, Trajectory mencatat kegagalan tersebut. Minggu depan? Mereka melatihnya. Model baru tidak melakukan kesalahan itu. Mereka mengklaim model-model sempit pasca-terlatih ini mengalahkan raksasa-raksasa terdepan dalam tugas-tugas tertentu.
Para eksekutif menyukai gagasan itu. Saat ini, penerapan AI memerlukan perekrutan “insinyur yang ditempatkan di masa depan”. Konsultan hebat yang ditempatkan di perusahaan Anda untuk mengawasi tumpukan teknologi. OpenAI dan Anthropic sedang sibuk membangun tim untuk melakukan pekerjaan manual ini untuk Anda. Elabd membenci ini. Dia ingin perangkat lunaknya memperbaiki dirinya sendiri. Tidak diperlukan insinyur untuk pemeliharaan. Cukup colokkan. Ia belajar. Ini menjadi lebih baik.
Apakah benar belajar terus menerus? Kritikus mungkin memutar mata. Pembaruan terjadi setiap minggu. Di antara pembaruan tersebut, modelnya masih statis. Itu terputus-putus. Sebuah tambalan. Bukan aliran.
Elabd menepisnya. Mengatakan mingguan hanyalah gerbang awal. Tujuannya adalah pembaruan harian. Pembaruan setiap jam. Mungkin bahkan pembelajaran per interaksi. Dia membayangkan sebuah dunia di mana perusahaan tidak melatih satu AI raksasa untuk semua orang. Mereka melatih AI khusus untuk setiap karyawan. Dipersonalisasi. adaptif. Hidup.
Kedengarannya berisiko. Kedengarannya luar biasa. Yang manakah itu?
Kita harus menunggu patch mingguan berikutnya untuk mengetahuinya.
