A era estática da inteligência artificial acabou. Ou pelo menos a Trajetória quer que seja.
Ex-pesquisadores das grandes ligas – Google, Apple, OpenAI – estão apostando tudo em uma ideia. Feedback do mundo real. Eles lançaram o Trajectory esta semana, com o objetivo de fechar o ciclo entre o erro do usuário e a melhoria do modelo. Chega de treinar uma vez e esperar pelo melhor.
Trajetória acaba de arrecadar US$ 15 milhões. Rodada de sementes. Avaliação de US$ 115 milhões. A condenação liderou o ataque. Bessemer e Radical VC aderiram. Grandes nomes do investimento individual? Jeff Dean, cientista-chefe do Google DeepMind. Fei-Fei Li, a “madrinha da IA”. A pilha de credibilidade é espessa.
Ronak Malde é CEO. Ele veio do Windsurf e depois saltou para a DeepMind durante aquela confusa varredura de contratações de US$ 2,4 bilhões no ano passado. Seus cofundadores incluem Arjun Karanam da equipe Vision Pro da Apple e Michael Elabd, anteriormente no braço de robótica da DeepMind. Equipe pequena, apenas onze pessoas no momento. Ambição? Enorme.
Eles argumentam que a indústria está falida. Por que?
Porque sua IA para de aprender quando termina a fase de treinamento. OpenAI, Anthropic, Google – eles constroem feras. Modelos de codificação que escrevem melhor que você. Modelos matemáticos que resolvem provas. Mas depois do lançamento? Congelado. Uma estátua. O modelo que falhou na terça-feira irá falhar exatamente da mesma forma na sexta-feira.
“Mesmo a IA mais poderosa da atualidade é estática.”
Malde aponta assistentes de codificação como o Cursor como prova de conceito. Eles já usam dados de usuários para ajustar modelos constantemente. É por isso que a codificação da IA explodiu tão rápido. Não se trata apenas da força do modelo básico. É a camada de aprendizado contínuo no topo. A Trajectory quer trazer a mesma mecânica para todas as outras verticais. Não apenas código. Suporte ao cliente. Vendas. Lei.
É mais difícil, no entanto.
O código é executado ou trava. Binário. Limpar. Uma solicitação de devolução tratada por um bot de suporte? Isso é confuso. Ambíguo. O sucesso é confuso. Karanam admite o desafio. A Trajetória ajuda as empresas a definir suas próprias métricas de sucesso. Você não começa com GPT-4. Você começa com um modelo de código aberto, pós-treinado para seu trabalho específico.
Tome Decágono. Eles criam agentes de IA para suporte ao cliente. Quando um bot falha e passa para um humano, o Trajectory registra essa falha. Próxima semana? Eles treinam nisso. O novo modelo não comete esse erro. Eles afirmam que esses modelos estreitos e pós-treinados venceram os gigantes da fronteira em tarefas específicas.
Os executivos adoram a ideia. No momento, a implantação de IA exige a contratação de “engenheiros implantados posteriormente”. Consultores sofisticados incorporados à sua empresa para cuidar da pilha de tecnologia. OpenAI e Anthropic estão ocupadas formando equipes para fazer esse trabalho manual para você. Elabd odeia isso. Ele quer que o software se conserte. Não são necessários engenheiros para a manutenção. Basta conectá-lo. Ele aprende. Fica melhor.
É verdadeiro aprendizado contínuo? Os críticos podem revirar os olhos. As atualizações acontecem semanalmente. Entre essas atualizações, o modelo ainda permanece estático. É intermitente. Um patch. Não é um fluxo.
Elabd ignora isso. Diz que semanalmente é apenas o ponto de partida. O objetivo são atualizações diárias. Atualizações de hora em hora. Talvez até aprendizagem por interação. Ele prevê um mundo onde as empresas não treinem uma IA gigante para todos. Eles treinam IAs específicas para cada funcionário individual. Personalizado. Adaptativo. Ao vivo.
Parece arriscado. Parece incrível. Qual será?
Teremos que esperar pelo próximo patch semanal para descobrir.
