استارتاپ‌هایی که وعده پیش‌بینی رفتار انسان‌ها را می‌دهند در حال حاضر روند صعودی دارند. در سال گذشته، شرکت Simile مبلغ ۲۰۰ میلیون دلار با ارزشیابی ۲ میلیارد دلار جذب کرد؛ شرکت Aaru مبلغ ۸۸ میلیون دلار با ارزش یک میلیارد دلار جذب کرد؛ و Humans&amp؛، یک استارتاپ هوش مصنوعی که در ژانویه مبلغ ۴۸۰ میلیون دلار در دور اولیه جذب کرد و به ارزشیابی ۴.۴۸ میلیارد دلار رسید، Persimmon را برای مدل‌سازی رفتار انسان راه‌اندازی کرد.

وضعیت کنونی پیش‌بینی رفتار انسان به شدت به مدل‌های زبان بزرگ (LLM) که به منظور نقش‌آفرینی به عنوان یک جمعیت هدف آموزش داده شده‌اند، وابسته است. اما Mirror Particle، یک شرکت دو ساله مستقر در سانفرانسیسکو، بر این باور است که این رویکرد ذاتاً معیوب است.

«این مانند آوردن یک اسپرینکلر به نیاگارا است»، می‌گوید Abhivyakti Ahuja، یکی از بنیان‌گذاران و مدیر اجرایی شرکت Mirror Particle، که به برندها موتور هوش مصنوعی‌ای ارائه می‌دهد که رفتار مصرف‌کننده و دلایل پشت آن را پیش‌بینی می‌کند. «مدل‌های زبان بزرگ بر روی صدها میلیارد نقطه داده آموزش داده شده‌اند. چقدر می‌توانید با [تنظیم دقیق] با چنین مقدار کمی داده رفتار آن را تحت تأثیر قرار دهید؟ این هنوز در گذشته گرفتار است.»

آهوجا فکر می‌کند که مدل‌های زبان بزرگ به جهان مانند یک انسان نگاه نمی‌کنند. «مدل‌های زبان بزرگ زبان نوشتاری را مدل‌سازی می‌کنند، اما انسان‌ها از ادراک بصری، استدلال فضایی و هوش اجتماعی ساخته شده‌اند.» او می‌گوید که تکیه بر آنها به معنای به‌دست آوردن بینش‌هایی است که بر اساس چیزی است که انسان‌ها متوجه نمی‌شوند، که این در مورد پیش‌بینی رفتار انسان بی‌معنا است.

شرکت Mirror Particle رویکرد دیگری را پیش می‌گیرد: ساخت یک مدل پایه یا به قول آهوجا، یک مدل جهانی که از صفر ساخته شده و شبیه‌سازی می‌کند که چرا انسان‌ها کارهایی انجام می‌دهند و چگونه رفتار انسان‌ها در طول زمان تغییر می‌کند.

«ما نمی‌خواهیم شخصی ایستا را به تصویر بکشیم»، آهوجا گفت. «ما می‌خواهیم شخصی در حال تغییر را به تصویر بکشیم. این به معنای به‌دست آوردن داده‌های طولی در مورد اینکه چگونه مردم در حال تغییر هستند، چه عواملی در حال تغییر آنها هستند و به چه اندازه می‌باشد.» اگر آنها در حال تغییر نباشند، او اضافه کرد، «این هم یک سیگنال است.»

شرکت Mirror Particle قبلاً یک دور سرمایه‌گذاری فرشته جذب کرده و می‌گوید که نزدیک به نهایی کردن دور نخست سرمایه‌گذاری خطرپذیر خود است. این شرکت همچنین هفته آینده در Startup Battlefield 200، رقابت مشهور استارتاپی TechCrunch که در TechCrunch Disrupt 2026 در سانفرانسیسکو از ۱۳ تا ۱۵ اکتبر برگزار می‌شود، رقابت می‌کند.

این استارتاپ بر روی ترکیبی از داده‌ها که شامل داده‌های مشتریان، رویدادهای جاری، فرهنگ عامه، رسانه‌های اجتماعی و غیره است، تکیه می‌کند تا یک بخش جمعیتی را مدل‌سازی کند و آن را به عنوان سیستمی که در طول زمان تکامل می‌یابد و پیگیری تغییرات انگیزه‌ها در نهایت قرار می‌دهد. بخش عمده‌ای از تمرکز بر روی «رفتار آشکار» است — آنچه مردم واقعاً انجام می‌دهند نه پاسخ‌های خودگزارشی.

مانند رقبای خود، استراتژی اولیه ورود به بازار Mirror Particle بر روی جایی متمرکز است که بودجه‌ها قبلاً برای چنین بینش‌هایی وجود دارد: تحقیقات بازار و استراتژی برند و محصول. به عنوان مثال، Mirror می‌تواند به یک برند زیبایی کمک کند تا نه تنها متن تبلیغاتی بهتری برای آرایشی که به جوانان Gen Z جذاب است، بنویسد، بلکه تعیین کند که آیا این جمعیت اساساً آن محصول را می‌خواهد یا خیر.

«اگر [جمعیت هدف] نمی‌خواهد پالت‌های سایه چشم را چه؟» آهوجا گفت. «شاید رژگونه گزینه بهتری باشد که بخواهید برای فروش یک محصول به این بازار بروید.»

موتور پیش‌بینی Mirror Particle نیز به مشتریان «چرایی» رفتار کنونی یا آینده را ارائه می‌دهد — انگیزه‌ها، محدودیت‌ها و زمینه اضافی که توصیه آن را توجیه می‌کند و به برندها کمک می‌کند تا تصمیمات بهتر و هوشمندانه‌تری بگیرند.

در یکی از آزمایش‌های اولیه، یک برند معروف خوراک حیوانات خانگی می‌خواست بداند چه تصاویری را باید روی بسته‌بندی قرار دهد تا فروش را افزایش دهد. مرغ؟ گوشت گاو؟ سبزیجات؟ فناوری Mirror دریافت که برند سوال اشتباهی می‌پرسد. تصویر مهم نبود. مشکل این بود که برند به حدی شناخته شده بود که به عنوان بازار انبوه و ارزان به حساب می‌آمد و فروش تا زمانی که این مشکل برداشت را حل نکند، به ثبات خواهد رسید.

«نحوه‌ای که ما مدل خود را در حال تکامل می‌بینیم شبیه یادگیری یک نوزاد در مورد جهان است»، آهوجا گفت و اشاره کرد که نوزادان از بینایی به زبان، از آگاهی بدنی به هوش اجتماعی منتقل می‌شوند.

این علاقه بنیادی به مدل‌سازی مغز انسان ناشی از سابقه تحصیلی آهوجا در زمینه اعصاب‌شناسی و علوم کامپیوتر است. او که اصالتاً از هند است، به دانشگاه تورنتو رفت و با الهام از کمک‌های پیشگام هوش مصنوعی، Geoffrey Hinton به شبکه‌های عصبی، شکل‌گیری آگاهی او درباره AI تقویت شد.

پس از مدت تحصیل، آهوجا به Amazon Robotics پیوست و در آنجا ربات‌هایی ساخت که سایر ربات‌ها را می‌ساختند. در آنجا او با بنیان‌گذاران خود، Will Song و Thomson Yen آشنا شد. Song بخشی از دوران حرفه‌اش را صرف ساخت موتورهای شخصی‌سازی فروش کرده و Yen بر روی استفاده از یادگیری عمیق برای درک رفتار انسان‌ها توسط عوامل هوش مصنوعی تمرکز کرده است.

چشم‌انداز بلندمدت استارتاپ این است که «لایه عمومی برای پیش‌بینی رفتار انسان» باشد و انتقال از تحلیل‌های سطح جمعیت به بینش‌های سطح فردی.

«اگر می‌خواهیم در کنار AI و یکدیگر کار کنیم، به یک مدل بهتر از انسان‌ها نیاز داریم»، آهوجا گفت.

هفته آینده به شرکت Mirror Particle و بسیاری از استارتاپ‌های نوآور دیگر که توسط تیم تحریریه TechCrunch تأیید شده‌اند، در Disrupt در مرکز شهر سانفرانسیسکو سر بزنید. برنده رقابت Startup Battlefield امسال در بعد از ظهر روز پنج‌شنبه، ۱۵ اکتبر توسط هیئت قضات VC ما انتخاب خواهد شد.