Компания Mirror Particle создает «мировую модель» человеческого поведения.

В настоящее время прогнозирование поведения человека в значительной степени опирается на большие языковые модели (LLM), которые подбираются или дорабатываются для имитации целевой демографической группы. Однако компания Mirror Particle из Сан-Франциско, основанная два года назад, считает, что такой подход принципиально несостоятелен.

«Это как принести водяной пистолет к Ниагарскому водопаду», — говорит Абхивьякти Ахуджа, соучредитель и генеральный директор Mirror Particle, компании, предоставляющей брендам систему искусственного интеллекта, которая прогнозирует поведение потребителей и причины этого поведения. «LLM-модели были обучены на сотнях миллиардов точек данных. Насколько сильно можно повлиять на их поведение, [тонко настраивая] их с помощью такого небольшого объема данных? Они все еще застряли в прошлом».

Ахуджа считает, что магистерские программы не воспринимают мир так, как это делают люди. «Магистерские программы моделируют письменный язык, а люди состоят из визуального восприятия, пространственного мышления и социального интеллекта». Полагаться на них, говорит она, означает получать информацию, основанную на том, чего люди не замечают, а это не имеет значения при попытке предсказать поведение человека. 

Компания Mirror Particle использует другой подход: она строит базовую модель, или, как описывает это Ахуджа, модель мира, созданную с нуля, которая имитирует причины, по которым люди поступают так, как поступают, и то, как человеческое поведение меняется с течением времени. 

«Мы не хотим запечатлеть статичную личность, — сказала Ахуджа. — Мы хотим запечатлеть меняющуюся личность. Это означает сбор данных в течение длительного времени о том, как люди меняются, какие факторы на них влияют и в какой степени». Если они не меняются, добавила она, «это тоже сигнал».

Компания Mirror Particle уже привлекла инвестиции от бизнес-ангелов и заявляет о скором завершении первого венчурного раунда.

Стартап использует собственную комбинацию данных, включающую информацию о клиентах, текущие события, поп-культуру, социальные сети и многое другое, для моделирования демографического сегмента. Он рассматривает это как систему, которая развивается со временем и отслеживает, как меняются мотивации по мере получения опыта. Основное внимание уделяется «выявленному поведению» — тому, что люди делают на самом деле, а не ответам на вопросы опросов, предоставленным самими пользователями.

Как и у конкурентов, первоначальная стратегия выхода Mirror Particle на рынок сосредоточена там, где уже есть бюджеты для подобных исследований: маркетинговые исследования, а также стратегия бренда и продукта. Mirror может, например, помочь косметическому бренду не только написать более качественные рекламные тексты для макияжа, которые понравятся поколению Z, но и определить, нужна ли эта демографическая группа вообще данной продукции. 

«А что, если [целевая аудитория] не хочет палетки теней для век?» — сказала Ахуджа. «Возможно, румяна — лучший вариант, если вы хотите продать продукт на этом рынке».

Система прогнозирования Mirror Particle также предоставляет клиентам информацию о причинах текущего или будущего поведения — мотивации, ограничениях и дополнительном контексте, которые обосновывают ее рекомендации, помогая брендам принимать более взвешенные решения. 

В одном из первых пилотных проектов известный бренд кормов для домашних животных хотел узнать, какие изображения использовать на упаковке, чтобы увеличить продажи. Курица? Говядина? Овощи? Технология Mirror показала, что бренд задавал неправильный вопрос. Изображения не имели значения. Проблема заключалась в том, что бренд был настолько узнаваем, что воспринимался как массовый и дешевый, и продажи стабилизировались, пока не была решена эта проблема восприятия.  

«Мы видим развитие нашей модели подобно тому, как младенец познает мир», — сказал Ахуджа, отметив, что младенцы переходят от зрения к языку, затем к осознанию своего тела и, наконец, к социальному интеллекту. 

Этот фундаментальный интерес к моделированию человеческого мозга возник благодаря образованию Ахуджи в области нейронауки и информатики. Родом из Индии, она поступила в Университет Торонто, где вдохновилась вкладом пионера в области искусственного интеллекта Джеффри Хинтона в нейронные сети. 

После окончания школы Ахуджа устроилась в Amazon Robotics, где занималась созданием роботов, которые, в свою очередь, создавали других роботов. Там она познакомилась со своими соучредителями, Уиллом Сонгом и Томсоном Йеном. Сонг значительную часть своей карьеры посвятил разработке систем персонализации продаж, а Йен сосредоточился на использовании глубокого обучения для изучения того, как агенты искусственного интеллекта понимают поведение человека.   

Долгосрочная цель стартапа — стать «общим уровнем для прогнозирования поведения человека» и перейти от анализа на уровне широкой популяции к анализу на индивидуальном уровне. 

«Нам просто нужна более совершенная модель человека, если мы хотим работать вместе с искусственным интеллектом и друг с другом», — сказал Ахуджа.