Mirror Particle создает «мировую модель» человеческого поведения

Стартапы, обещающие предсказывать поведение людей, переживают период бурного развития. За последний год Simile привлекла $200 миллионов при оценке в $2 миллиарда; Aaru привлекла $88 миллионов при оценке в $1 миллиард; а Humans&, ИИ-стартап, объявивший о масштабном посевном раунде на $480 миллионов в январе при оценке в $4,48 миллиарда, запустил Persimmon для моделирования поведения людей.

Сегодняшний подход к прогнозированию поведения людей в значительной степени опирается на большие языковые модели (LLM), которым дают инструкции или дообучают их играть роль представителей целевой демографической группы. Но двухлетняя компания Mirror Particle из Сан-Франциско считает этот подход фундаментально ошибочным.

«Это всё равно что принести водяной автомат на Ниагарский водопад, — говорит Абхивьякти Ахуджа, соосновательница и генеральный директор Mirror Particle, которая предоставляет брендам ИИ-движок, прогнозирующий поведение потребителей и причины, стоящие за ним. — LLM обучались на сотнях миллиардов точек данных. Насколько можно повлиять на их поведение, [дообучая их] на таком небольшом объёме данных? Они всё ещё застряли в прошлом».

Ахуджа не считает, что LLM видят мир так же, как человек. «LLM моделируют письменный язык, но люди состоят из визуального восприятия, пространственного мышления и социального интеллекта». По её словам, использование таких моделей означает получение выводов на основе того, что люди не замечают, а это не имеет отношения к делу, когда нужно предсказать поведение людей. 

Mirror Particle выбрала другой подход: создание базовой модели или, как описывает её Ахуджа, построенной с нуля модели мира, которая симулирует, почему люди поступают так или иначе и как человеческое поведение меняется со временем. 

«Мы не хотим зафиксировать статичного человека, — сказала Ахуджа. — Мы хотим зафиксировать меняющегося человека. Это означает сбор продольных данных о том, как люди меняются, какие триггеры на них влияют и в какой степени». Если они не меняются, добавила она, «это тоже сигнал».

Mirror Particle уже привлекла ангельский раунд и сообщает, что близка к закрытию своего первого венчурного раунда. На следующей неделе компания также примет участие в Startup Battlefield 200 — известном стартап-конкурсе TechCrunch, который пройдёт в рамках TechCrunch Disrupt 2026 в Сан-Франциско 13–15 октября.

Стартап использует запатентованное сочетание данных, включающее данные о клиентах его заказчиков, текущие события, поп-культуру, социальные сети и многое другое, чтобы моделировать демографический сегмент, рассматривая его как систему, развивающуюся со временем, и отслеживать, как меняются мотивации по мере прохождения людьми различных жизненных ситуаций. Значительная часть внимания уделяется «проявленному поведению» — тому, что люди действительно делают, а не ответам, которые они дают в опросах.

Как и её конкуренты, Mirror Particle на начальном этапе выхода на рынок ориентируется на сферы, где уже существуют бюджеты на подобные исследования: маркетинговые исследования, а также стратегия бренда и продукта. Например, Mirror может помочь косметическому бренду не только написать более эффективный рекламный текст для макияжа, который понравится поколению Z, но и определить, нужен ли этому демографическому сегменту вообще такой продукт. 

«Что, если [целевая демографическая группа] не хочет палетки теней? — сказала Ахуджа. — Возможно, если вы хотите продавать продукт на этом рынке, лучше выбрать румяна».

Движок прогнозирования Mirror Particle также предоставляет клиентам «почему» — объяснение текущего или будущего поведения, мотивации, ограничения и дополнительный контекст, обосновывающие его рекомендацию и помогающие брендам принимать более разумные решения. 

В рамках одного из первых пилотных проектов известный бренд кормов для домашних животных хотел понять, какие изображения разместить на упаковке, чтобы увеличить продажи. Курица? Говядина? Овощи? Технология Mirror показала, что бренд задавал неправильный вопрос. Изображение не имело значения. Проблема заключалась в том, что бренд был настолько узнаваемым, что его считали массовым и дешёвым, а продажи не могли вырасти, пока компания не решит проблему такого восприятия.  

«Мы видим развитие нашей модели примерно так же, как ребёнок познаёт мир, — сказала Ахуджа, отметив, что дети переходят от зрения к языку, затем к осознанию собственного тела и социальному интеллекту. 

Этот фундаментальный интерес к моделированию человеческого мозга связан с опытом Ахуджи, которая изучала нейробиологию и компьютерные науки. Родом из Индии, она в итоге поступила в Университет Торонто, где её вдохновили работы пионера ИИ Джеффри Хинтона в области нейронных сетей. 

После учёбы Ахуджа пришла в Amazon Robotics, где занималась созданием роботов, производящих других роботов. Там она познакомилась со своими сооснователями Уиллом Сонгом и Томсоном Йеном. Сонг значительную часть своей карьеры посвятил созданию движков персонализации продаж, а Йен сосредоточился на использовании глубокого обучения для изучения того, как ИИ-агенты понимают поведение людей.   

Долгосрочное видение стартапа — стать «универсальным уровнем для прогнозирования поведения людей» и перейти от более широкого анализа на уровне населения к выводам на уровне отдельных людей. 

«Нам просто нужна более совершенная модель человека, если мы собираемся работать бок о бок с ИИ и друг с другом», — сказала Ахуджа.

Познакомьтесь с Mirror Particle и множеством других инновационных стартапов, прошедших отбор редакцией TechCrunch, на следующей неделе в рамках Disrupt в центре Сан-Франциско. Победителя Startup Battlefield этого года выберет наша коллегия венчурных судей во второй половине дня в четверг, 15 октября.