Стартапы, которые обещают предсказывать поведение людей, продолжают привлекать крупные инвестиции. За последний год Simile привлёк $200 млн при оценке $2 млрд, Aaru — $88 млн при оценке $1 млрд, а humans&, объявивший в январе о посевном раунде на $480 млн при оценке $4,48 млрд, запустил Persimmon для моделирования человеческого поведения.
На этом фоне двухлетний стартап Mirror Particle из Сан-Франциско предлагает другой подход. Компания продаёт брендам ИИ-систему, которая прогнозирует поведение потребителей и объясняет причины таких прогнозов.
По словам соосновательницы и гендиректора компании Абхивьякти Ахуджи, стандартный подход с использованием больших языковых моделей плохо подходит для таких задач. «Это как прийти с водяным пистолетом к Ниагарскому водопаду», — сказала она. Ахуджа пояснила, что LLM обучены на сотнях миллиардов точек данных, и небольшая донастройка слабо влияет на их поведение, при этом такие модели по-прежнему опираются на прошлые данные.
Она также считает, что большие языковые модели воспринимают реальность иначе, чем человек. «LLM моделируют письменную речь, а человек складывается из визуального восприятия, пространственного мышления и социального интеллекта», — сказала Ахуджа.
Mirror Particle вместо этого создаёт собственную базовую модель. Ахуджа описывает её как world model, собранную с нуля, которая должна объяснять, почему люди совершают те или иные действия и как их поведение меняется со временем.
«Мы не хотим фиксировать статичного человека. Мы хотим фиксировать меняющегося человека», — сказала Ахуджа. По её словам, для этого нужно учитывать продольные данные о том, как меняются люди, какие триггеры влияют на них и насколько сильно. Если изменений нет, «это тоже сигнал», добавила она.
Компания уже привлекла ангельский раунд и заявляет, что близка к закрытию своего первого венчурного раунда. На следующей неделе стартап также выступит в Startup Battlefield — конкурсе стартапов от TechCrunch.
Для моделирования демографических сегментов Mirror Particle использует собственную комбинацию данных. В неё входят данные клиентов, текущая повестка, поп-культура, соцсети и другие сигналы. Компания рассматривает аудиторию как систему, которая меняется со временем, и отслеживает, как сдвигаются мотивации по мере накопления опыта.
Сильный акцент сделан на «проявленном поведении» — то есть на том, что люди реально делают, а не на ответах в опросах.
Как и конкуренты, на первом этапе Mirror Particle выходит на рынок через уже существующие бюджеты на маркетинговые исследования, а также стратегию бренда и продукта. К примеру, компания может помочь бьюти-бренду понять не просто то, какой рекламный текст лучше сработает для поколения Z, но и нужен ли этой аудитории сам продукт.
«А что, если целевая аудитория вообще не хочет палетки теней?» — сказала Ахуджа. «Возможно, румяна — более удачный вариант», если задача состоит в продаже продукта этому рынку.
Система Mirror Particle также объясняет клиентам причины текущего или будущего поведения: мотивацию, ограничения и дополнительный контекст, на которых строится рекомендация. Это, по замыслу компании, должно помогать брендам принимать более точные решения.
В одном из ранних пилотных проектов известный бренд корма для животных хотел понять, какие изображения разместить на упаковке, чтобы увеличить продажи: курицу, говядину или овощи. По данным Mirror, вопрос был поставлен неверно. Изображение не имело значения: проблема заключалась в том, что бренд воспринимался как слишком массовый и дешёвый, а продажи будут упираться в этот имидж, пока компания не изменит восприятие марки.
«Мы видим развитие нашей модели так же, как ребёнок узнаёт окружающую реальность», — сказала Ахуджа. Она отметила, что дети проходят путь от зрения к языку, затем к осознанию тела и социальному интеллекту.
Интерес к моделированию человеческого мозга связан с прошлым Ахуджи в нейронауке и компьютерных науках. Она родом из Индии, училась в Университете Торонто и, по её словам, вдохновилась вкладом пионера ИИ Джеффри Хинтона в развитие нейросетей.
После учёбы Ахуджа работала в Amazon Robotics, где занималась роботами, создающими других роботов. Там она познакомилась с будущими сооснователями — Уиллом Сонгом и Томсоном Йеном. Сонг работал над системами персонализации продаж, а Йен занимался глубоким обучением для изучения того, как ИИ-агенты понимают поведение человека.
Долгосрочная цель стартапа — стать универсальным слоем для прогнозирования человеческого поведения и перейти от анализа на уровне широких групп населения к выводам на уровне конкретного человека.
«Нам просто нужна лучшая модель человека, если мы собираемся работать рядом с ИИ и друг с другом», — сказала Ахуджа.
Источник: TechCrunch.
