Почему не подходят языковые модели
За последний год стартапы, обещающие предсказывать поведение людей, привлекли крупные инвестиции. Simile получила $200 млн при оценке в $2 млрд, Aaru — $88 млн при оценке в $1 млрд. А Humans&, стартап в сфере ИИ, который в январе объявил о посевном раунде на $480 млн при оценке в $4,48 млрд, запустил Persimmon — продукт для моделирования человеческого поведения.
Сегодня такие прогнозы во многом строят на больших языковых моделях (LLM): их настраивают промтами или файн-тюнингом, чтобы они изображали представителей нужной аудитории. Двухлетняя компания Mirror Particle из Сан-Франциско считает этот подход принципиально неверным.
Соосновательница и генеральный директор Mirror Particle Абхивьякти Ахуджа сравнивает попытки изменить поведение языковой модели небольшим объёмом данных с водяным пистолетом у Ниагарского водопада. Модели обучены на сотнях миллиардов примеров, объясняет она, поэтому малый объём данных для файн-тюнинга не может заметно повлиять на их поведение. В результате они всё равно остаются привязанными к прошлому.
По мнению Ахуджи, языковые модели не воспринимают мир так, как люди. Они моделируют письменный язык, тогда как человек опирается на зрительное восприятие, пространственное мышление и социальный интеллект. Поэтому выводы таких моделей основаны на том, чего люди не замечают, а это не помогает предсказывать их поведение.
Модель, которая отслеживает перемены
Mirror Particle разрабатывает базовую модель с нуля. Ахуджа описывает её как модель мира, которая должна симулировать, почему люди поступают определённым образом и как их поведение меняется со временем.
Компания хочет моделировать не статичный образ человека, а меняющегося: отслеживать, как люди меняются в течение длительного времени, что запускает эти перемены и насколько сильно они влияют на поведение. Если человек не меняется, это тоже может быть сигналом.
Mirror Particle уже привлекла ангельские инвестиции и сообщает, что близка к закрытию первого венчурного раунда. На следующей неделе компания также выступит в конкурсе Startup Battlefield 200 на TechCrunch Disrupt 2026 в Сан-Франциско, который пройдёт 13–15 октября.
Для моделирования сегментов аудитории стартап использует собственное сочетание данных: информацию клиентов о покупателях, сведения о текущих событиях, поп-культуре и социальных сетях, а также другие источники. Сегмент аудитории рассматривается как система, которая меняется со временем: компания отслеживает, как меняются мотивы людей по мере того, как они сталкиваются с разным опытом. Особое внимание уделяется фактическому поведению — тому, что люди действительно делают, а не их ответам в опросах.
Где применяют прогнозы
Как и конкуренты, Mirror Particle сначала выходит на рынки, где уже выделяют бюджеты на подобные исследования: маркетинговые исследования, стратегию бренда и разработку продукта.
Например, компания может помочь бренду косметики не только написать рекламный текст для продукта, который понравится поколению Z, но и выяснить, нужен ли этой аудитории сам продукт. По словам Ахуджи, если целевой аудитории не нужны палетки теней, возможно, для этого рынка лучше подойдёт румяна.
Система прогнозирования Mirror Particle также объясняет, почему клиенты могут вести себя определённым образом сейчас или в будущем. Она показывает мотивы, ограничения и дополнительный контекст, которые стоят за рекомендацией, чтобы помочь брендам принимать более обоснованные решения.
В одном из ранних пилотных проектов известный бренд кормов для животных хотел понять, какое изображение на упаковке поможет увеличить продажи: курицы, говядины или овощей. Технология Mirror Particle показала, что компания задаёт не тот вопрос: изображение не имело значения. Бренд был настолько узнаваемым, что его считали массовым и дешёвым. Продажи должны были остановиться на одном уровне, пока компания не решит проблему такого восприятия.
Как компания пришла к этой идее
Ахуджа сравнивает развитие модели Mirror Particle с тем, как ребёнок учится понимать мир: сначала через зрение, затем через язык, осознание собственного тела и социальный интеллект.
Интерес к моделированию человеческого мозга связан с её образованием в области нейронауки и информатики. Ахуджа родилась в Индии, а затем училась в Университете Торонто. Там её вдохновили работы пионера ИИ Джеффри Хинтона в области нейронных сетей.
После учёбы Ахуджа работала в Amazon Robotics над роботами, которые собирают других роботов. Там она познакомилась с будущими сооснователями — Уиллом Сонгом и Томсоном Йеном. Сонг значительную часть карьеры создавал системы персонализации продаж, а Йен занимался глубоким обучением и тем, как ИИ-агенты понимают человеческое поведение.
В долгосрочной перспективе Mirror Particle хочет стать «универсальным слоем для прогнозирования человеческого поведения» и перейти от анализа больших групп населения к выводам об отдельных людях. Ахуджа считает, что для совместной работы людей друг с другом и с ИИ нужна более точная модель человека.
Читайте также
Искусственная рецензия: Лука Гуаданьино замахнулся на OpenAI в сумбурной техносатире
Страховщики готовятся к многомиллионным искам из-за вышедших из-под контроля ИИ-агентов
Anthropic даст стартапам год бесплатного доступа к Claude Team и $1 000 кредитов
Суд постановил: обучение ИИ на материалах, защищённых авторским правом, не считается добросовестным использованием
Google Research раскрыла потенциал геопространственных моделей Earth AI для общественного здравоохранения во всём мире
Исследователи превратили JEPA Яна Лекуна в универсальную модель мира — от физики до биологии
ИИ Pinterest превращает бьюти-идеи в планы действий
Кому принадлежит «мозговая гниль»? Международная юридическая драма вокруг любимого мема
Южная Корея вложит $3,49 млрд в собственную передовую ИИ-модель, чтобы соперничать с лучшими китайскими моделями
Родители создают школьные фото детей с помощью ИИ вместо того, чтобы за них платить
Mistral представила Large 4 «Le Chonk» — текстовую модель с триллионом параметров, сильными результатами на тестах и планами открыть веса
Новые ароматы: может ли парфюмерная технология снизить нагрузку на редкие растения?
Страхи правых из-за «великого замещения» заслоняют настоящее: технологии замещают людей
Кевин Рус не использовал ИИ, чтобы написать книгу об ИИ
CATL и Tencent поддержали растущий раунд финансирования Deepseek на фоне планов стартапа выйти на IPO в 2027 году
Новое исследование: неправильное использование ИИ — главная угроза репутации брендов
«Отключить рубильник»: протестующие переходят к прямым акциям против ИИ-компаний
Anthropic заверила расследование об ИИ: она «никогда не пыталась диктовать» Австралии правила авторского права
Anthropic сообщила полиции на пользовательницу Claude, угрожавшую устроить стрельбу
Инсайдеры Meta уверены: Muse рано или поздно сольёт банковские счета и архивы почты, которые собирает у пользователей
Ежедневные новости об ИИ
Каждый день отбираем важные новости об ИИ и рассказываем главное — без хайпа и воды. Если хотите понимать, что происходит в ИИ раньше остальных, — подписывайтесь.
Только важное — каждый день
В Telegram