Стартап из США разработает «модель мира» для прогнозирования поведения потребителей
Стартап Mirror Particle из Сан-Франциско разрабатывает фундаментальную модель, которая должна объяснять и прогнозировать поведение людей. Mirror Particle уже закрыла ангельский раунд и, по ее словам, близка к закрытию первого венчурного.
Направление популярно у инвесторов. Стартап с аналогичными продуктами в последнее время получили миллиардные оценки после первых раундов финансирования:
- Simile за последний год привлек $200 млн при оценке $2 млрд,
- Aaru получил $88 млн при оценке $1 млрд
- ИИ-компания humans& в январе объявила о seed-раунде на $480 млн при оценке $4,48 млрд и позднее запустила модель Persimmon для моделирования поведения людей.
Большинство таких решений строится на больших языковых моделях, которых просят играть роль целевой аудитории или дообучают на ее данных. Основательница и гендиректор Mirror Particle Абхивьякти Ахуджа считает такие подходы тупиковыми. По ее оценке, модели обучены на сотнях миллиардов точек данных, и небольшой набор для дообучения почти не меняет их поведение.
Кроме того, языковые модели описывают письменную речь, а человек опирается еще и на зрительное восприятие, пространственное мышление и социальный интеллект. Поэтому результаты, по ее словам, отражают то, чего люди как раз не замечают.
Mirror Particle строит модель с нуля. Она должна описывать не статичный портрет человека, а его изменения во времени: что их запускает и насколько сильно. Отсутствие изменений Ахуджа тоже считает сигналом. Для моделирования сегмента аудитории компания объединяет данные клиентов, текущие события, поп-культуру, соцсети и другие источники. Основной упор сделан на проявленное поведение, то есть на то, что люди делают, а не на ответы в опросах.
Первые клиенты компании будут работать в сферах, где бюджеты на такую аналитику уже есть: маркетинговые исследования, стратегия бренда и продукта. Например, косметическая марка при помощи нового инструмента сможет выяснить, нужна ли поколению Z палетка теней вообще, или зумеры, возможно, предпочтут румяна. Система также объясняет мотивы и ограничения, на которых основана рекомендация.
В одном из пилотов производитель кормов для животных спрашивал, какое изображение поместить на упаковку: курицу, говядину или овощи. По данным Mirror Particle, вопрос был поставлен неверно. Марка настолько узнаваема, что воспринимается как массовая и дешевая, и продажи не вырастут, пока эта проблема не будет решена. Независимых сравнений точности подхода с решениями на базе языковых моделей в публикации нет.
Ахуджа изучала нейробиологию и информатику в Университете Торонто, где на нее повлияли работы Джеффри Хинтона о нейронных сетях. Затем она работала в Amazon Robotics над роботами, которые производят других роботов. Там она познакомилась с будущими сооснователями Уиллом Сонгом и Томсоном Йеном.
Сонг много лет создавал движки персонализации продаж, Йен занимался применением глубокого обучения к тому, как ИИ-агенты понимают поведение людей. Долгосрочная цель компании, которой два года, состоит в том, чтобы стать общим слоем для прогнозирования человеческого поведения и перейти от анализа групп к выводам об отдельных людях.
Развитие модели Ахуджа сравнивает с тем, как учится ребенок: от зрения к языку, затем к ощущению тела и социальному интеллекту.
Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.
