Сегодняшний статус-кво в прогнозировании человеческого поведения в значительной степени опирается на большие языковые модели (LLM), которым задают промпты или дообучают для ролевой игры в качестве целевой демографической группы. Но двухлетняя компания Mirror Particle из Сан-Франциско считает этот подход фундаментально ошибочным.
«Это как нести водяной пистолет к Ниагарскому водопаду», — говорит Абхивьякти Ахуджа, соучредитель и генеральный директор Mirror Particle, которая предоставляет брендам ИИ-движок, прогнозирующий поведение потребителей и причины, стоящие за ним. «LLM были обучены на сотнях миллиардов точек данных. Насколько вы можете повлиять на их поведение, [дообучая] таким малым объемом данных? Они все еще застряли в прошлом».
Ахуджа не думает, что LLM воспринимают мир так, как человек. «LLM моделируют письменный язык, но люди состоят из визуального восприятия, пространственного мышления, социального интеллекта». По ее словам, опора на них означает получение инсайтов, основанных на том, чего люди *не* замечают, что не имеет отношения к делу при попытке предсказать человеческое поведение.
Mirror Particle применяет другой подход: создание базовой модели, или, как описывает ее Ахуджа, модели мира, построенной с нуля, которая моделирует, почему люди делают то, что делают, и как человеческое поведение меняется со временем.
«Мы не хотим фиксировать статичного человека», — сказала Ахуджа. «Мы хотим фиксировать меняющегося человека. Это означает сбор лонгитюдных данных о том, как люди меняются, что их триггерит и в какой степени». Если они не меняются, добавила она, «это тоже сигнал».
Mirror Particle уже привлекла ангельский раунд и, по ее словам, близка к закрытию своего первого венчурного раунда. Компания также примет участие на следующей неделе в Startup Battlefield 200, известном конкурсе стартапов TechCrunch, который пройдет на TechCrunch Disrupt 2026 в Сан-Франциско с 13 по 15 октября.
Стартап использует собственную комбинацию данных, включающую клиентские данные своих клиентов, текущие события, поп-культуру, социальные сети и многое другое, для моделирования демографического сегмента, рассматривая его как систему, развивающуюся во времени, и отслеживая, как меняются мотивы по мере прохождения через опыт. Большая часть внимания уделяется «проявленному поведению» — тому, что люди фактически делают, а не ответам в опросах, которые они дают о себе.
Как и ее конкуренты, первоначальная стратегия выхода Mirror Particle на рынок сосредоточена на тех областях, где уже существуют бюджеты для получения таких инсайтов: маркетинговые исследования, а также стратегия бренда и продукта. Например, Mirror может помочь косметическому бренду не только написать лучший рекламный текст для макияжа, который понравится поколению Z, но и определить, хочет ли эта демографическая группа вообще этот продукт.
«Что, если [целевая демографическая группа] не хочет палеток теней для век?» — сказала Ахуджа. «Возможно, румяна — лучший вариант, если вы хотите продать продукт этому рынку».
Прогностический движок Mirror Particle также предоставляет клиентам «почему» текущего или будущего поведения — мотивы, ограничения и дополнительный контекст, которые оправдывают его рекомендации, помогая брендам принимать более обоснованные решения.
В одном из ранних пилотных проектов известный бренд кормов для домашних животных хотел узнать, какие изображения разместить на упаковке для увеличения продаж. Курица? Говядина? Овощи? Технология Mirror показала, что бренд задавал неправильный вопрос. Изображения не имели значения. Проблема заключалась в том, что бренд был настолько узнаваемым, что считался масс-маркетом и дешевым, и продажи застопорились, пока эта проблема восприятия не была решена.
«Мы видим, как наша модель развивается, подобно тому, как ребенок познает мир», — сказала Ахуджа, отмечая, что младенцы переходят от зрения к языку, к осознанию тела, к социальному интеллекту.
Этот фундаментальный интерес к моделированию человеческого мозга проистекает из опыта Ахуджи в области нейронаук и компьютерных наук. Родом из Индии, она училась в Университете Торонто, где была вдохновлена вкладом пионера ИИ Джеффри Хинтона в области нейронных сетей.
После учебы Ахуджа работала в Amazon Robotics, создавая роботов, которые собирают других роботов. Там она встретила своих соучредителей, Уилла Сонга и Томпсона Йена. Сонг потратил значительную часть своей карьеры на создание движков персонализации продаж, а Йен сосредоточился на использовании глубокого обучения для изучения того, как ИИ-агенты понимают человеческое поведение.
Долгосрочное видение стартапа — стать «общим слоем для прогнозирования человеческого поведения» и перейти от анализа на уровне широких популяций к инсайтам на индивидуальном уровне.
«Нам просто нужна лучшая модель человека, если мы собираемся работать вместе с ИИ и друг с другом», — сказала Ахуджа.
Познакомьтесь с Mirror Particle и многими другими инновационными стартапами, проверенными редакционной командой TechCrunch, на следующей неделе на Disrupt в центре Сан-Франциско. Победитель Startup Battlefield этого года будет определен нашим жюри венчурных капиталистов во второй половине дня в четверг, 15 октября.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Rebecca Bellan
