Mirror Particle створює «світову модель» людської поведінки

Стартапи, які обіцяють передбачати, як поводитимуться люди, переживають свій момент. За останній рік Simile залучив 200 мільйонів доларів за оцінки у 2 мільярди доларів; Aaru залучив 88 мільйонів доларів за оцінки в 1 мільярд доларів; а Humans&, стартап у сфері ШІ, який у січні оголосив про величезний посівний раунд на 480 мільйонів доларів за оцінки у 4,48 мільярда доларів, запустив Persimmon для моделювання людської поведінки.

Сьогоднішній підхід до прогнозування людської поведінки значною мірою спирається на великі мовні моделі (LLM), яким пропонують або які донавчають для рольової гри як представника певної цільової демографічної групи. Але дворічний стартап Mirror Particle із Сан-Франциско вважає цей підхід принципово хибним.

«Це все одно, що принести водяний супербластер до Ніагарського водоспаду», — каже Абхів'якті Ахуджа, співзасновниця та генеральна директорка Mirror Particle, яка надає брендам ШІ-рушій для прогнозування поведінки споживачів і причин, що за нею стоять. «LLM навчаються на сотнях мільярдів точок даних. Наскільки можна вплинути на їхню поведінку [за допомогою донавчання], використовуючи таку малу кількість даних? Вона все ще застрягла в минулому».

Ахуджа не вважає, що LLM бачать світ так, як людина. «LLM моделюють письмову мову, але люди складаються із зорового сприйняття, просторового мислення та соціального інтелекту». За її словами, покладання на них означає отримання висновків на основі того, чого люди не помічають, а це не має сенсу, коли намагаєшся передбачити людську поведінку. 

Mirror Particle обрала інший підхід: створення базової моделі або, як описує її Ахуджа, світової моделі, побудованої з нуля, яка симулює, чому люди роблять те, що вони роблять, і як людська поведінка змінюється з часом. 

«Ми не хочемо зафіксувати статичну людину, — сказала Ахуджа. — Ми хочемо відобразити людину, яка змінюється. Це означає збирати лонгітюдні дані про те, як люди змінюються, які чинники їх змінюють і якою мірою». Якщо вони не змінюються, додала вона, «це також сигнал».

Mirror Particle вже залучила ангельський раунд і каже, що близька до завершення свого першого венчурного раунду. Компанія також наступного тижня змагатиметься у Startup Battlefield 200 — відомому конкурсі стартапів TechCrunch, який відбудеться на заході TechCrunch Disrupt 2026 у Сан-Франциско 13–15 жовтня.

Стартап використовує власну комбінацію даних, яка охоплює дані про клієнтів його замовників, поточні події, попкультуру, соціальні мережі та багато іншого, щоб моделювати демографічний сегмент, розглядаючи його як систему, що розвивається з часом, і відстежуючи, як змінюються мотивації в міру проходження нею різного досвіду. Значна увага приділяється «виявленій поведінці» — тому, що люди насправді роблять, а не відповідям у самооцінювальних опитуваннях.

Як і її конкуренти, Mirror Particle на початковому етапі виходу на ринок зосереджується на сферах, де вже існують бюджети на подібні інсайти: дослідженні ринку, а також стратегії бренду та продукту. Наприклад, Mirror може допомогти косметичному бренду не лише написати кращий рекламний текст для макіяжу, який сподобався б поколінню Z, а й визначити, чи потрібен цьому демографічному сегменту такий продукт узагалі. 

«А що, якщо [цільовій демографічній групі] не потрібні палетки тіней? — сказала Ахуджа. — Якщо ви хочете продавати продукт цьому ринку, можливо, рум'яна будуть кращим варіантом».

Прогнозний рушій Mirror Particle також надає клієнтам пояснення «чому» щодо поточної або майбутньої поведінки — мотивації, обмеження та додатковий контекст, які обґрунтовують його рекомендацію, допомагаючи брендам ухвалювати розумніші рішення. 

В одному з перших пілотних проєктів відомий бренд корму для домашніх тварин хотів дізнатися, які зображення розмістити на упаковці, щоб збільшити продажі. Курка? Яловичина? Овочі? Технологія Mirror виявила, що бренд ставив неправильне запитання. Зображення не мали значення. Проблема полягала в тому, що бренд був настільки впізнаваним, що його вважали масовим і дешевим, а продажі залишалися б на одному рівні, доки він не вирішив би проблему такого сприйняття.  

«Ми уявляємо, як наша модель розвиватиметься, приблизно так, як дитина пізнає світ, — сказала Ахуджа, зазначивши, що діти переходять від зору до мови, потім до усвідомлення тіла й соціального інтелекту. 

Такий фундаментальний інтерес до моделювання людського мозку походить із досвіду Ахуджі у вивченні нейронауки та комп'ютерних наук. Родом з Індії, вона зрештою навчалася в Торонтському університеті, де її надихнув внесок піонера ШІ Джеффрі Гінтона в розвиток нейронних мереж. 

Після навчання Ахуджа почала працювати в Amazon Robotics, де створювала роботів, які будують інших роботів. Саме там вона познайомилася зі своїми співзасновниками Віллом Сонгом і Томсоном Єном. Сонг значну частину своєї кар'єри присвятив створенню рушіїв персоналізації продажів, а Єн зосередився на використанні глибокого навчання для дослідження того, як ШІ-агенти розуміють людську поведінку.   

Довгострокове бачення стартапу — стати «загальним рівнем для передбачення людської поведінки» та перейти від ширшого аналізу на рівні популяції до інсайтів на рівні окремих людей. 

«Нам просто потрібна краща модель людини, якщо ми збираємося працювати пліч-о-пліч із ШІ та одне з одним», — сказала Ахуджа.

Ознайомтеся з Mirror Particle та багатьма іншими інноваційними стартапами, перевіреними редакційною командою TechCrunch, наступного тижня на заході Disrupt у центрі Сан-Франциско. Переможця цьогорічного Startup Battlefield визначить наша колегія суддів із венчурних інвесторів у другій половині дня в четвер, 15 жовтня.