Стартапы, которые обещают предсказывать поведение людей, переживают бум. За последний год Simile привлёк $200 млн при оценке $2 млрд, Aaru — $88 млн при оценке $1 млрд, а Humans& после сид-раунда на $480 млн запустил Persimmon для моделирования поведения.
Сейчас такие прогнозы строятся на LLM, которых промптами или дообучением заставляют «играть роль» нужной аудитории. Сооснователь и CEO сан-францисского Mirror Particle Абхивьякти Ахуджа считает этот подход изначально неверным.
«Это как прийти с водяным пистолетом к Ниагарскому водопаду. LLM обучены на сотнях миллиардов данных, и небольшим дообучением их поведение почти не изменить».
По словам Ахуджи, LLM моделируют письменный язык, тогда как человек опирается на зрительное восприятие, пространственное мышление и социальный интеллект. Поэтому такие модели упускают то, чего люди не замечают.
Mirror Particle строит собственную фундаментальную модель мира с нуля. Она должна объяснять, почему люди поступают так или иначе и как их поведение меняется со временем.
«Нам нужен не статичный человек, а меняющийся», — говорит Ахуджа. Важны долгосрочные данные о том, что и насколько влияет на людей. Отсутствие изменений — тоже сигнал.
Стартап использует закрытую комбинацию данных: информацию о клиентах заказчика, текущие события, поп-культуру, соцсети и другое. Сегмент аудитории рассматривается как развивающаяся система, а акцент сделан на реальном поведении, а не на ответах в опросах.
Первый рынок — маркетинговые исследования и стратегия брендов и продуктов, где уже есть бюджеты. Например, бьюти-бренду можно подсказать не только текст рекламы, но и то, нужны ли Gen Z вообще палетки теней, а не румяна.
Движок также объясняет «почему»: мотивы, ограничения и контекст за каждой рекомендацией.
В одном пилоте известный бренд кормов для животных выбирал изображение для упаковки: курица, говядина или овощи. Модель показала, что вопрос неверный. Дело в том, что бренд воспринимали как массовый и дешёвый, и продажи не вырастут, пока это не изменится.
По словам Ахуджи, модель должна развиваться как ребёнок: от зрения к языку, затем к ощущению тела и социальному интеллекту.
Интерес к моделированию мозга связан с её опытом в нейробиологии и компьютерных науках. Она училась в Университете Торонто и вдохновлялась работами Джеффри Хинтона. Затем работала в Amazon Robotics, где познакомилась с сооснователями Уиллом Сонгом и Томсоном Йеном.
Сонг много лет создавал движки персонализации продаж, а Йен занимался глубоким обучением и тем, как ИИ-агенты понимают поведение людей.
Долгосрочная цель — стать «универсальным слоем для предсказания поведения людей» и перейти от анализа групп к индивидуальным прогнозам.
Стартап уже привлёк ангельский раунд и рассчитывает вскоре закрыть первый венчурный. На следующей неделе он выступит на Startup Battlefield от TechCrunch, победителя там определят 15 октября.