AI araştırmacılarından oluşan bir ekip, Google DeepMind, Apple, OpenAI ve Meta Superintelligence Labs deneyimlerini birleştirerek yeni girişimlerini duyurdu. Trajectory, şirketlerin AI ürünlerini gerçek kullanıcı etkileşimlerinden öğrenerek sürekli iyileştirmesine olanak tanıyan bir platform geliştirmeyi hedefliyor.
Araştırmacılar, AI’da sürekli öğrenmenin eksikliğinin ilerlemenin büyük bir engel olduğunu uzun süredir vurguluyor. OpenAI, Google ve Anthropic gibi firmalar, kodlama, matematik ve bilim gibi alanlarda daha yetenekli model sürümleri üretebilse de, bu sistemler eğitimleri tamamlandığında daha akıllı olmaktan çıkıyor. Son dönemde sürekli öğrenme üzerine bazı atılımlar olsa da, şirketler AI ürünlerini hatalarından gerçek zamanlı olarak öğrenebilecek hâle getirmekte zorlanıyor.
2025 Aralık’ta NeurIPS konferansında Turing ödüllü Richard Sutton, süperzekâ ajanlar oluşturmanın temelinin sürekli öğrenme olduğunu savundu. Trajectory, 115 milyon dolar değerleme ile 15 milyon dolar seed turunu tamamladı. Tur, Conviction liderliğinde Bessemer Venture Partners, Radical VC ve BoxGroup gibi yatırımcıların yanı sıra Google DeepMind’ın baş bilim insanı Jeff Dean ve Stanford profesörü Fei‑Fei Li gibi bireysel yatırımcıların da desteğini aldı.
CEO ve kurucu ortak Ronak Malde, daha önce Windsurf’ta AI araştırmacısı ve ardından Google DeepMind’a kodlama startup’ının yeteneklerini 2,4 milyar dolarlık bir anlaşmayla taşıyan sınırlı sayıda çalışan arasında yer almıştı. Diğer kurucu ortaklar arasında Apple’da Vision Pro üzerine çalışan eski araştırmacı Arjun Karanam ve Google DeepMind’ın robotik biriminde görev yapan Michael Elabd bulunuyor.
Malde, bazı kodlama AI ürünlerinin (ör. Cursor) gerçek kullanıcı verilerini kullanarak eğitim sonrası iyileştirmeler yaptığını ve bunun kodlama alanındaki hızlı büyümenin temel sebeplerinden biri olduğunu belirtiyor. Trajectory, bu yöntemi kodlama dışındaki AI araçlarına da uyarlamayı amaçlıyor.
“Bugün en güçlü AI modelleri hâlâ statik. Dün kullandığınız model, bugün aynı hataları tekrar edecektir.” diyen Malde, “Birkaç firma zaten sürekli öğrenmeye yöneldi. Biz ise her şirketin bu yeteneğe ulaşmasını sağlayacak bir platform inşa ediyoruz.” şeklinde konuştu.
Kodlamanın çıktısının (çalışan ya da çalışmayan kod) kolayca doğrulanabilmesi, sürekli öğrenmeyi uygulamayı basitleştirirken, diğer sektörlerde başarı ölçütleri daha soyut olabiliyor. Trajectory, bir AI modelini bir işletmenin özel ihtiyaçlarına göre optimize etmeyi sağlıyor. Müşteriler, OpenAI ya da Anthropic gibi hazır modeller yerine, belirli bir ürün için önceden ince ayar yapılmış açık kaynak bir modelle başlıyor.
Örneğin, AI destekli müşteri hizmetleri sağlayıcısı Decagon, AI’nın yetersiz kaldığı (örn. iade talebinin insan temsilciye yönlendirilmesi) anları kaydediyor ve bu verileri haftalık olarak yeni bir modele post‑train ediyor. Trajectory, bu post‑train modellerinin dar görevlerde sınır laboratuvarı modellerinden daha iyi performans gösterdiğini iddia ediyor.
Şirketler, AI’yı çeşitli işlevlerde kullanmak istiyor ancak bunun için çoğunlukla “ileri dağıtılmış mühendisler” ya da danışman ekipleri kurmak zorunda kalıyor. OpenAI, Anthropic ve Palantir gibi firmalar bu ihtiyacı karşılamak için çözümler sunuyor. Elabd, Trajectory’nin amacının, şirketlerin AI yığınıyla sürekli uğraşmak zorunda kalmadan kendi kendine gelişen bir ürün sunmak olduğunu vurguluyor.
Güncel müşterileri arasında kurumsal satış startup’ı Clay ve hukuk AI’ı Harvey gibi firmalar bulunuyor. Şu an AI‑odaklı şirketlerle çalışan Trajectory, ilerleyen dönemde Fortune 500 firmalarına da hizmet vermeyi planlıyor.
Eleştirmenler, Trajectory’nin hâlâ geleneksel anlamda gerçek sürekli öğrenme sunmadığını, modellerin sadece haftada bir güncellendiğini ve aradaki sürede statik kaldığını belirtiyor. Elabd, bu sadece bir başlangıç olduğunu ve endüstrinin AI’nın deneyimden öğrenmesi yönünde yeni bir paradigma oluşturduğunu savunuyor. İleri hedef, bir şirketin AI modelini her gün, hatta her saat ya da her etkileşimde güncelleyebilen bir platform yaratmak. “Belki her şirket birden fazla AI’ya ihtiyaç duyar; her çalışan için ayrı bir AI eğitmek mümkün olabilir,” diye ekliyor.
Yorum Yap