پایان دوران مهندسان گران‌قیمت؛ Trajectory چگونه هوش مصنوعی را خودآموز می‌کند؟

وقتی مدل‌های هوش مصنوعی درجا می‌زنند

همه ما با این واقعیت تلخ درگیر هستیم: مدل‌های بنیادین (Foundation Models) چه از آزمایشگاه‌های OpenAI یا Anthropic بیرون بیایند و چه نسخه‌های متن‌باز مثل Llama یا DeepSeek باشند، یک نقص ساختاری دارند؛ آن‌ها ایستا هستند. وقتی این مدل‌ها را در یک محیط واقعی مستقر می‌کنید، آن‌ها از خطاهای خود درس نمی‌گیرند. برای اینکه یک مدل بفهمد در یک قرارداد حقوقی خاص یا تحلیل مالی پیچیده کجا اشتباه کرده، باید دوباره به سراغ فرآیند طاقت‌فرسای «فاین‌تیونینگ» (Fine-tuning) برویم. تا امروز، این کار یعنی استخدام تیم‌های تحقیقاتی گران‌قیمت یا تکیه بر مهندسان اعزامی (Forward-Deployed Engineers) که هزینه‌های پروژه را به سقف می‌چسبانند.

استارتاپ Trajectory دقیقاً دست روی همین نقطه ضعف گذاشته است. بنیان‌گذاران این شرکت که سابقه‌ای درخشان در Google DeepMind و Apple داشته‌اند، به خوبی می‌دانند که دنیای واقعی به جای مدل‌های «همه فن حریف» که در همه چیز متوسط هستند، به مدل‌های «متخصص» نیاز دارد. آن‌ها با جذب ۴۵ میلیون دلار سرمایه، در حال ساخت زیرساختی هستند که به مدل اجازه می‌دهد از بازخوردهای محیطی یاد بگیرد، درست مثل یک کارمند که با گذشت زمان در شغلش خبره می‌شود.

معماری یادگیری مستمر به جای بازآموزی‌های سنگین

ایده Trajectory چیزی فراتر از یک رابط کاربری ساده است؛ آن‌ها در حال پیاده‌سازی مفهوم «یادگیری مستمر» (Continual Learning) در مقیاس صنعتی هستند. به جای اینکه هر بار کل مدل را با دیتاسِت‌های سنگین بازآموزی کنید، پلتفرم Trajectory به نرم‌افزار کسب‌وکارهای مختلف متصل می‌شود. هر بازخوردی که مدل از کاربر دریافت می‌کند، به عنوان یک داده حیاتی برای بهبود عملکرد در آینده ذخیره می‌شود. این یعنی مدل در طول زمان نه تنها در انجام وظایفش بهتر می‌شود، بلکه با سبک خاصِ آن سازمان هم‌سو (Align) می‌شود.

از نظر فنی، این رویکرد فاصله زیادی با «بهبود خودکار بازگشتی» (Recursive Self-Improvement) دارد که برخی معتقدند می‌تواند خطرناک باشد. Trajectory انسان را در حلقه (Human-in-the-loop) نگه می‌دارد. متخصصان حقوقی یا پزشکانی که از این ابزار استفاده می‌کنند، خودشان تعریف می‌کنند که «عملکرد خوب» برای سازمان آن‌ها چه معنایی دارد. این سیستم به جای خودرأیی مدل، به کاربر اجازه می‌دهد خروجی‌های مدل را به سمت استانداردهای حرفه‌ای خودش هدایت کند؛ آن هم بدون اینکه نیاز باشد یک خط کد پایتون بنویسند.

دموکراتیزه کردن هوش مصنوعی تخصصی

بزرگترین مانع در پذیرش عمومی هوش مصنوعی، پیچیدگی فنیِ شخصی‌سازی مدل‌هاست. تا همین امروز، اگر یک شرکت حقوقی می‌خواست مدلی برای بررسی قراردادهای خاص خود داشته باشد، باید میلیون‌ها دلار صرف زیرساخت و دستمزد متخصصان می‌کرد. Trajectory با ارائه ابزاری برای «پست-ترینینگ» (Post-training) مدل‌های متن‌باز، این انحصار را می‌شکند. وقتی می‌توانید با استفاده از توان پردازشی بهینه، مدل‌های متن‌باز را برای نیازهای خاص خودتان شخصی‌سازی کنید، دیگر نیازی نیست به مدل‌های بسته و گران‌قیمتِ غول‌های تکنولوژی وابسته باشید.

این یعنی آزادی عمل برای کسب‌وکارهای تخصصی. با حذف نیاز به FDEهای گران‌قیمت، هزینه‌های استقرار هوش مصنوعی به شدت کاهش می‌یابد. شرکت‌هایی مانند Decagon و Mercor در حال حاضر از این پلتفرم استفاده می‌کنند تا مدل‌های خود را به تحلیل‌گران مالی یا وکلای زبده تبدیل کنند. این همان قدرتِ مدل‌های متن‌باز است که وقتی با ابزارهای درستی مدیریت شوند، می‌توانند هر مدل بسته‌ای را در زمین بازیِ تخصصی شکست دهند.

رقابت در لبه تکنولوژی؛ آیا این مسیر ایمن است؟

نمی‌توان از Trajectory حرف زد و به رقابت داغ در این حوزه اشاره نکرد. شرکت‌هایی مثل Thinking Machines Lab که توسط میرا موراتی (Mira Murati) هدایت می‌شود، یا Prime Intellect که روی ایجنت‌های خودمختار تمرکز دارد، بازیگران اصلی این میدان هستند. اما مزیت رقابتی Trajectory در تیم آن‌هاست؛ تیمی که از دلِ DeepMind و OpenAI بیرون آمده و می‌داند چگونه معماری‌های پیچیده را به یک رابط کاربری قابل‌فهم تبدیل کند. هنرِ Karanam و همکارانش در این است که پیچیدگی‌های فاین‌تیونینگ را زیر لایه‌هایی از UX کاربرپسند پنهان کرده‌اند.

با این حال، این سوال باقی می‌ماند که چگونه می‌توان این فرآیند را بدون کاهش دقت مدل در وظایف عمومی (مشکلی که در یادگیری مستمر به آن «فراموشی فاجعه‌بار» یا Catastrophic Forgetting می‌گویند) انجام داد؟ Trajectory با تمرکز بر «پست-ترینینگ» به جای تغییرات رادیکال در وزن‌های اصلی مدل، تلاش می‌کند این تعادل را برقرار کند. این استارتاپ نشان می‌دهد که آینده هوش مصنوعی در دست مدل‌های غول‌آسا و عمومی نیست؛ بلکه در دست مدل‌های چابکی است که یاد می‌گیرند چگونه با بازخوردهای واقعی، هر روز بهتر از دیروز شوند.