استارت‌آپ‌هایی که وعده پیش‌بینی رفتار انسان را می‌دهند، روزهای پررونقی را سپری می‌کنند. در طول سال گذشته، Simile مبلغ ۲۰۰ میلیون دلار با ارزش‌گذاری ۲ میلیارد دلار جذب کرد؛ Aaru نیز ۸۸ میلیون دلار با ارزش‌گذاری ۱ میلیارد دلار جمع‌آوری نمود؛ و Humans&، یک استارت‌آپ هوش مصنوعی که در ژانویه یک دور تأمین سرمایه بذری به ارزش ۴۸۰ میلیون دلار با ارزش‌گذاری ۴.۴۸ میلیارد دلار اعلام کرد، Persimmon را برای مدل‌سازی رفتار انسان راه‌اندازی کرد.

وضعیت فعلی پیش‌بینی رفتار انسان امروزه عمدتاً به مدل‌های زبانی بزرگ (LLM) متکی است که با استفاده از پرامپت‌نویسی یا تنظیم دقیق (fine-tuning) برای ایفای نقش یک گروه جمعیتی هدف، آموزش دیده‌اند. اما Mirror Particle، استارت‌آپ دو ساله مستقر در سانفرانسیسکو، معتقد است این رویکرد اساساً ناقص است.

ابهیویاکتی آهوجا، هم‌بنیان‌گذار و مدیرعامل Mirror Particle که موتور هوش مصنوعی خود را برای پیش‌بینی رفتار مصرف‌کننده و دلایل پشت آن به برندها می‌فروشد، می‌گوید: «این مثل بردن یک تفنگ آبی به آبشار نیاگارا است. مدل‌های زبانی بزرگ روی صدها میلیارد داده آموزش دیده‌اند. چقدر می‌توانید با [تنظیم دقیق] با چنین حجم کمی از داده روی رفتار آن تأثیر بگذارید؟ این مدل‌ها همچنان در گذشته گیر افتاده‌اند.»

آهوجا معتقد نیست که مدل‌های زبانی بزرگ جهان را به همان شکلی می‌بینند که یک انسان می‌بیند. «مدل‌های زبانی بزرگ زبان نوشتاری را مدل‌سازی می‌کنند، اما انسان‌ها از ادراک بصری، استدلال فضایی و هوش اجتماعی ساخته شده‌اند.» به گفته او، تکیه بر این مدل‌ها به معنای دریافت بینش‌هایی بر اساس چیزهایی است که انسان‌ها متوجه آنها نمی‌شوند، در حالی که این موضوع در تلاش برای پیش‌بینی رفتار انسان بی‌ربط است.

Mirror Particle رویکرد دیگری را در پیش گرفته است: ساخت یک مدل بنیادین (foundation model) یا به تعبیر آهوجا، یک مدل جهان (world model) که از ابتدا ساخته شده و شبیه‌سازی می‌کند که چرا انسان‌ها کارهایی را که انجام می‌دهند انجام می‌دهند و رفتار انسان چگونه در طول زمان تغییر می‌کند.

آهوجا گفت: «ما نمی‌خواهیم یک فرد ایستا را ثبت کنیم. ما می‌خواهیم فرد در حال تغییر را ثبت کنیم. این یعنی ثبت داده‌های طولی درباره چگونگی تغییر افراد، محرک‌هایی که آنها را تغییر می‌دهند و میزان این تغییرات.» او افزود: «اگر تغییر نکنند، آن هم یک سیگنال است.»

Mirror Particle قبلاً یک دور فرشته (angel round) جذب کرده و می‌گوید به بستن اولین دور سرمایه‌گذاری خطرپذیر خود نزدیک است. این شرکت همچنین هفته آینده در Startup Battlefield، رقابت معروف استارت‌آپی TechCrunch، شرکت خواهد کرد.

این استارت‌آپ برای مدل‌سازی یک بخش جمعیتی، از ترکیبی اختصاصی از داده‌ها شامل داده‌های مشتریان خود، رویدادهای جاری، فرهنگ عامه، رسانه‌های اجتماعی و موارد دیگر استفاده می‌کند و آن را به عنوان سیستمی در نظر می‌گیرد که در طول زمان تکامل می‌یابد و چگونگی تغییر انگیزه‌ها را هنگام عبور از تجربیات مختلف ردیابی می‌کند. تمرکز اصلی بر «رفتار آشکار» (revealed behavior) است - کارهایی که مردم واقعاً انجام می‌دهند، نه پاسخ‌های خوداظهاری در نظرسنجی‌ها.

مانند رقبای خود، استراتژی اولیه ورود به بازار Mirror Particle بر حوزه‌هایی متمرکز است که بودجه‌های موجود برای این نوع بینش‌ها وجود دارد: تحقیقات بازار و استراتژی برند و محصول. برای مثال، Mirror ممکن است به یک برند لوازم آرایشی کمک کند نه فقط تبلیغات بهتری برای محصولات آرایشی بنویسد که برای نسل Z جذاب باشد، بلکه تعیین کند که آیا این گروه جمعیتی اصلاً آن محصول را می‌خواهد یا خیر.

آهوجا گفت: «اگر [گروه جمعیتی هدف] پالت سایه چشم نخواهد چه؟ شاید رژگونه گزینه بهتری باشد اگر می‌خواهید محصولی را به این بازار بفروشید.»

موتور پیش‌بینی Mirror Particle همچنین «چرایی» پشت رفتار فعلی یا آینده را در اختیار مشتریان قرار می‌دهد - انگیزه‌ها، محدودیت‌ها و زمینه‌های اضافی که توصیه آن را توجیه می‌کند و به برندها در تصمیم‌گیری هوشمندانه‌تر کمک می‌کند.

در یک آزمایش اولیه، یک برند معروف غذای حیوانات خانگی می‌خواست بداند برای افزایش فروش چه تصویری روی بسته‌بندی قرار دهد. مرغ؟ گوشت گاو؟ سبزیجات؟ فناوری Mirror کشف کرد که برند سوال اشتباهی می‌پرسد. تصویر اهمیتی نداشت. مشکل این بود که برند آنقدر شناخته‌شده بود که به عنوان یک محصول بازار انبوه و ارزان در نظر گرفته می‌شد و فروش تا زمانی که این مشکل ادراکی را حل نکند، به رکود می‌رسید.

آهوجا گفت: «روشی که ما تکامل مدل خود را می‌بینیم، شبیه نحوه یادگیری یک نوزاد از جهان است» و اشاره کرد که نوزادان از بینایی به زبان، سپس آگاهی بدنی و سپس هوش اجتماعی حرکت می‌کنند.

این علاقه بنیادین به مدل‌سازی مغز انسان از پیشینه آهوجا در مطالعه علوم اعصاب و علوم کامپیوتر نشأت می‌گیرد. او که اصالتاً اهل هند است، در دانشگاه تورنتو تحصیل کرد و در آنجا از مشارکت‌های جفری هینتون، پیشگام هوش مصنوعی، در شبکه‌های عصبی الهام گرفت.

پس از دانشگاه، آهوجا به Amazon Robotics پیوست و روی ساخت ربات‌هایی کار کرد که ربات‌های دیگر را می‌سازند. او در آنجا با هم‌بنیان‌گذاران خود، ویل سانگ و تامسون ین، آشنا شد. سانگ بخش عمده‌ای از دوران حرفه‌ای خود را صرف ساخت موتورهای شخصی‌سازی فروش کرده است و ین بر استفاده از یادگیری عمیق برای درک نحوه درک عوامل هوش مصنوعی از رفتار انسان متمرکز بوده است.

چشم‌انداز بلندمدت این استارت‌آپ تبدیل شدن به «لایه عمومی برای پیش‌بینی رفتار انسان» و حرکت از تحلیل‌های سطح جمعیت گسترده‌تر به بینش‌های سطح فردی است.

آهوجا گفت: «اگر قرار است در کنار هوش مصنوعی و با یکدیگر کار کنیم، به مدل بهتری از انسان‌ها نیاز داریم.»

هفته آینده در رویداد Disrupt در مرکز شهر سانفرانسیسکو، Mirror Particle و ده‌ها استارت‌آپ نوآور دیگر که توسط تیم تحریریه TechCrunch بررسی شده‌اند را ببینید. برنده امسال رقابت Startup Battlefield بعد از ظهر پنجشنبه، ۱۵ اکتبر، توسط هیئت داوران سرمایه‌گذار خطرپذیر ما تعیین خواهد شد.