Mirror Particle строит «мировую модель» человеческого поведения

Стартапы, обещающие предсказывать поведение людей, переживают бум. За последний год Simile привлекла 200 млн долларов (~16 млрд рублей) при оценке в 2 млрд долларов (~160 млрд рублей), Aaru — 88 млн долларов (~7 млрд рублей) при оценке в 1 млрд долларов (~80 млрд рублей), а Humans&, объявившая в январе о рекордном посевном раунде на 480 млн долларов (~38,4 млрд рублей) при оценке в 4,48 млрд долларов (~358 млрд рублей), запустила Persimmon для моделирования поведения людей.

Сегодня предсказание поведения людей в основном опирается на большие языковые модели (LLM), которым задают роль представителя целевой аудитории или дообучают их на эту роль. Но базирующаяся в Сан-Франциско Mirror Particle, основанная два года назад, считает такой подход в корне ошибочным.

«Это как прийти с водяным пистолетом к Ниагарскому водопаду, — говорит Абхивьякти Ахуджа, сооснователь и CEO Mirror Particle, которая предоставляет брендам ИИ-движок для предсказания потребительского поведения и его причин. — LLM обучены на сотнях миллиардов точек данных. Насколько можно повлиять на их поведение, дообучая их на таком малом объёме данных? Они всё ещё застряли в прошлом».

Ахуджа не считает, что LLM видят мир так же, как человек. «LLM моделируют письменный язык, но люди состоят из визуального восприятия, пространственного мышления, социального интеллекта». Полагаться на них, по её словам, значит получать инсайты, основанные на том, чего люди не замечают, — а это не имеет отношения к предсказанию человеческого поведения.

Mirror Particle выбрала другой путь: создание фундаментальной модели, или, как описывает её Ахуджа, «мировой модели», построенной с нуля, которая симулирует, почему люди поступают так или иначе и как их поведение меняется со временем.

«Мы не хотим фиксировать статичного человека, — говорит Ахуджа. — Мы хотим фиксировать меняющегося человека. Это значит собирать лонгитюдные данные о том, как люди меняются, какие триггеры их меняют и в какой степени». Если они не меняются, добавляет она, «это тоже сигнал».

Mirror Particle уже привлекла ангельский раунд и, по её словам, близка к закрытию первого венчурного раунда. На следующей неделе компания также участвует в Startup Battlefield 200 — известном конкурсе стартапов от TechCrunch, который пройдёт на TechCrunch Disrupt 2026 в Сан-Франциско 13–15 октября.

Стартап опирается на собственную комбинацию данных, включающую данные клиентов, текущие события, поп-культуру, соцсети и многое другое, чтобы моделировать демографический сегмент как систему, которая эволюционирует со временем, отслеживая, как меняются мотивации по мере накопления опыта. Основной акцент делается на «проявленном поведении» — том, что люди реально делают, а не на ответах в опросах.

Как и у конкурентов, начальная стратегия выхода на рынок Mirror Particle сосредоточена там, где уже есть бюджеты на подобные инсайты: маркетинговые исследования, брендовая и продуктовая стратегия. Например, Mirror может помочь косметическому бренду не только написать более удачный рекламный текст для макияжа, ориентированного на зумеров, но и определить, нужен ли этому сегменту такой продукт вообще.

«А что если [целевая аудитория] не хочет палетки теней? — говорит Ахуджа. — Может, румяна — лучший вариант, если вы хотите продать продукт этому рынку».

Движок предсказаний Mirror Particle также объясняет клиентам «почему» — мотивации, ограничения и дополнительный контекст, обосновывающий рекомендацию, что помогает брендам принимать более умные решения.

В одном из ранних пилотов известный бренд корма для животных хотел узнать, какое изображение разместить на упаковке для роста продаж: курицу, говядину или овощи. Технология Mirror выявила, что бренд задаёт неправильный вопрос. Изображение не имело значения. Проблема была в том, что бренд был настолько узнаваем, что воспринимался как массовый и дешёвый, и продажи вышли бы на плато, пока эта проблема восприятия не будет решена.

«Мы видим эволюцию нашей модели похожей на то, как младенец познаёт мир», — говорит Ахуджа, отмечая, что дети переходят от зрения к языку, затем к осознанию тела и социальному интеллекту.

Этот фундаментальный интерес к моделированию человеческого мозга идёт из бэкграунда Ахуджи: она изучала нейробиологию и информатику. Родом из Индии, она оказалась в Университете Торонто, где вдохновилась вкладом пионера ИИ Джеффри Хинтона в нейронные сети.

После учёбы Ахуджа попала в Amazon Robotics, где строила роботов, создающих других роботов. Там она познакомилась со своими сооснователями Уиллом Сонгом и Томсоном Йеном. Сонг значительную часть карьеры строил движки персонализации продаж, а Йен занимался применением глубокого обучения для понимания того, как ИИ-агенты воспринимают поведение людей.

Долгосрочная цель стартапа — стать «общим слоем для предсказания человеческого поведения» и перейти от анализа на уровне широких групп населения к инсайтам на уровне отдельного человека.

«Нам просто нужна лучшая модель человека, если мы собираемся работать рядом с ИИ и друг с другом», — говорит Ахуджа.

Цены сконвертированы автоматически по актуальному курсу, реальные значения могут отличаться.