ဂူဂဲလ်နှင့် အက်ပဲလ်မှ သုတေသီဟောင်းများက ဉာဏ်ရည်တု (AI) ၏ ပျောက်ဆုံးနေသော တုံ့ပြန်ချက်စနစ် (feedback loop) ကို တည်ဆောက်ရန် စတားတပ်ကုမ္ပဏီတစ်ခုကို စတင်တည်ထောင်ခဲ့ကြသည်။

Google DeepMind, Apple, OpenAI, Meta Superintelligence Labs တွင် အရင်လုပ်ခဲ့ AI သုတေသီအဖွဲ့ ဗုဒ္ဓဟူးနေ့ ကြေညာ။ Trajectory အမည်ရှိ စတားတပ်အသစ် စတင်။ ကုမ္ပဏီများ AI ထုတ်ကုန် ပုံမှန်တိုးတက်စေရန် ရည်ရွယ်။ လက်တွေ့အသုံးပြုသူ အပြန်အလှန်တုံ့ပြန်မှုများဖြင့် လေ့ကျင့်ပေး။ Trajectory AI အတွက် ပလက်ဖောင်း တည်ဆောက်လို။ ဆက်တိုက်သင်ယူနိုင်။ သုတေသီများ AI တိုးတက်မှုအတွက် အဓိကအတားအဆီးအဖြစ် ကြာရှည်မြင်ခဲ့ စွမ်းရည်။ OpenAI, Google, Anthropic အောင်မြင်မှု ရရှိ။ AI မော်ဒယ်များ စွမ်းရည်ပိုမြင့်အောင် လေ့ကျင့်ပေးရာတွင်။ အထူးသဖြင့် ကုတ်ရေးခြင်း၊ သင်္ချာ၊ သိပ္ပံ နယ်ပယ်များတွင်။ သို့သော် စနစ်များ လေ့ကျင့်ပြီးနောက် ဉာဏ်မတိုးတော့။ ဆက်တိုက်သင်ယူမှုတွင် မကြာသေးမီက တိုးတက်မှုများ ရှိသော်လည်း နည်းပညာကုမ္ပဏီများ ယေဘုယျအားဖြင့် ရုန်းကန်။ အမှားများမှ အချိန်နှင့်တပြေးညီ သင်ယူနိုင် AI ထုတ်ကုန်များ ဖန်တီးရန်။ ၂၀၂၅ ဒီဇင်ဘာ NeurIPS တွင်။ အကြီးဆုံး နှစ်ပတ်လည် AI သုတေသန ညီလာခံများထဲမှ တစ်ခု။ Turing ဆုရှင် Richard Sutton ပြောကြား။ ဆက်တိုက်သင်ယူမှုသည် စူပါဉာဏ်ရည်ရှိ အေးဂျင့်များ တည်ဆောက်ရန် မရှိမဖြစ်။ Trajectory ဒေါ်လာ ၁၅ သန်း အစောပိုင်း ရန်ပုံငွေ ရရှိ။ ဒေါ်လာ ၁၁၅ သန်း တန်ဖိုးသတ်မှတ်ချက်ဖြင့်။ Conviction ရင်းနှီးမြှုပ်နှံမှုကုမ္ပဏီ ဦးဆောင်။ Bessemer Venture Partners, Radical VC, BoxGroup တို့ ပါဝင်။ တစ်ဦးချင်း ရင်းနှီးမြှုပ်နှံသူများလည်း ပါဝင်။ Google DeepMind အကြီးတန်းသိပ္ပံပညာရှင် Jeff Dean အပါအဝင်။ "AI ၏ နတ်မိမယ်" ဟု ခေါ်ဆိုခံရသူ Stanford ပါမောက္ခနှင့် World Labs CEO Fei-Fei Li လည်း ပါဝင်။ Trajectory CEO နှင့် ပူးတွဲတည်ထောင်သူ Ronak Malde အရင်က Windsurf တွင် AI သုတေသီ။ နောက်ပိုင်း Google DeepMind တွင် အလုပ်လုပ်သူ အနည်းငယ်ထဲမှ တစ်ဦးဖြစ်လာ။ ပြီးခဲ့သည့်နှစ် ဒေါ်လာ ၂.၄ ဘီလီယံတန် သဘောတူညီမှုဖြင့် ကုတ်ရေးစတားတပ် ထိပ်တန်းပညာရှင်များ ခန့်အပ်စဉ်။ Trajectory ၏ အခြားပူးတွဲတည်ထောင်သူများတွင် Apple တွင် အရင် AI သုတေသီ Vision Pro တွင် လုပ်ခဲ့ Arjun Karanam နှင့် Google DeepMind ၏ စက်ရုပ်ဌာနတွင် အရင်လုပ်ခဲ့ Michael Elabd တို့ ပါဝင်။ Malde WIRED ကို ပြော။ Cursor ကဲ့သို့ ထိပ်တန်း AI ကုတ်ရေးထုတ်ကုန်များ ဆက်တိုက်သင်ယူမှု အစောပိုင်းပုံစံ လုပ်နေပြီ။ လူများ ထုတ်ကုန်များနှင့် မည်သို့ အပြန်အလှန်တုံ့ပြန်သည်ကို လက်တွေ့ဒေတာ အသုံးပြု။ လေ့ကျင့်ပြီးနောက်ပိုင်း လုပ်ဆောင်ရန်နှင့် မော်ဒယ်တိုးတက်မှုများ ပုံမှန်ထုတ်ပြန်ရန်။ ၎င်းက AI ကုတ်ရေးထုတ်ကုန်များ လျင်မြန်စွာ အောင်မြင်ရခြင်း အဓိကအကြောင်းရင်းဟု ဆို။ အဓိက AI ဓာတ်ခွဲခန်းများ ကိုယ်ပိုင် vibe coding အပလီကေးရှင်းများ အလျင်အမြန် ဖန်တီးရခြင်း အကြောင်းရင်း တစ်စိတ်တစ်ပိုင်းလည်း ဖြစ်။ Trajectory ဖြင့် Malde နှင့် ၎င်း၏ သုတေသီ ၁၁ ဦး၊ အင်ဂျင်နီယာအဖွဲ့ မျှော်လင့်။ ကုတ်ရေးနယ်ပယ်ပြင်ပ AI-စွမ်းအင်သုံး ကိရိယာများ တိုးတက်စေရန် အလားတူနည်းလမ်း အသုံးပြုရန်။ "ယနေ့ အစွမ်းအထက်ဆုံး AI ပင် ငြိမ်နေဆဲ။ မနေ့က အသုံးပြုခဲ့ AI မော်ဒယ် ယနေ့ အမှားများ ထပ်လုပ်မည်" ဟု Malde ပြော။ "ကုမ္ပဏီအချို့ ဆက်တိုက်သင်ယူမှု ကမ္ဘာသို့ ရောက်ရှိစပြုနေပြီ။ ကျွန်ုပ်တို့ လုပ်နေသည်မှာ ကုမ္ပဏီတိုင်း ဆက်တိုက်သင်ယူမှု ရရှိရန် ပလက်ဖောင်း တည်ဆောက်ခြင်း။" ဤယုတ္တိကို အခြားနယ်ပယ်များတွင် အသုံးပြုရာတွင် စိန်ခေါ်မှုမှာ ကုတ်ရေးခြင်းသည် အလွယ်တကူ စစ်ဆေးနိုင် (ကုတ် အလုပ်လုပ် သို့မဟုတ် မလုပ်)။ သို့သော် အချို့စက်မှုလုပ်ငန်းများတွင် အောင်မြင်မှု အဓိပ္ပာယ်ဖွင့်ဆိုချက် ပိုမိုပြေလျော့။ Karanam ပြော။ Trajectory ပလက်ဖောင်း ပေးသည်မှာ လုပ်ငန်းတစ်ခု၏ သီးခြားလိုအပ်ချက်များအတွက် AI မော်ဒယ် အကောင်းဆုံးဖြစ်အောင် ကူညီခြင်း။ OpenAI သို့မဟုတ် Anthropic မှ အသင့်သုံး မော်ဒယ်ဖြင့် စတင်မည့်အစား Trajectory ဖောက်သည်များ open-source မော်ဒယ်ဖြင့် စတင်စေ။ ကုမ္ပဏီ စိတ်ကူးထား သီးခြား AI ထုတ်ကုန်အတွက် လေ့ကျင့်ပြီးနောက်ပိုင်း လုပ်ဆောင်ထားသော။ AI ဖောက်သည်ပံ့ပိုးမှု အေးဂျင့်များ တည်ဆောက်သည့် ဖောက်သည် Decagon အတွက် Trajectory ၎င်း၏ AI ချို့ယွင်းသည့်အခါ မှတ်တမ်းတင်။ ဥပမာ၊ ပစ္စည်းပြန်လိုသူ ဖောက်သည် မေးခွန်း လူထံ လွှဲပြောင်းခံရ။ ထိုဖြစ်ရပ်များ အသုံးပြု၍ မော်ဒယ်အသစ်ကို တစ်ပတ်တစ်ကြိမ် လေ့ကျင့်ပြီးနောက်ပိုင်း လုပ်ဆောင်။ Trajectory ပြောကြား။ ဤလေ့ကျင့်ပြီးနောက်ပိုင်း မော်ဒယ်များ ထိပ်တန်းဓာတ်ခွဲခန်း မော်ဒယ်များထက် သာလွန်။ ကုမ္ပဏီထုတ်ကုန်အတွက် အရေးကြီးဆုံး သီးခြားလုပ်ငန်းများတွင်။