Mirror Particle bygger verdensmodel af menneskelig adfærd
En SF-startup tror ikke på sprogmodeller til at forudsige adfærd og bygger en AI-model, der lærer, hvordan mennesker ændrer sig over tid.
Sprogmodeller rammer ved siden af ifølge grundlægger
Store sprogmodeller (LLM'er) bruges i dag til at forudsige, hvordan mennesker opfører sig, ved at få dem til at spille en bestemt rolle. Mirror Particle, en to år gammel startup i San Francisco, mener, at den tilgang er grundlæggende forkert.
"Det er som at tage en vandpistol til Niagara Falls," siger CEO Abhivyakti Ahuja. Hun påpeger, at LLM'er er trænet på hundredvis af milliarder datapunkter, så et lille datasæt kan ikke flytte dem nævneværdigt.
Verdensmodel følger mennesker gennem forandringer
I stedet bygger Mirror Particle sin egen grundmodel — en såkaldt verdensmodel — fra bunden. Den skal simulere, hvorfor mennesker gør, hvad de gør, og hvordan adfærden ændrer sig over tid.
Virksomheden kombinerer kundernes data, aktuelle begivenheder, popkultur og sociale medier til at modellere en demografisk gruppe som et system i udvikling. Fokus er på afsløret adfærd — hvad folk faktisk gør — frem for selvrapporterede svar i spørgeskemaer.
Kæledyrsmad-pilot afslørede forkert spørgsmål
I et tidligt forsøg ville en velkendt kæledørsfodervirksomhed vide, hvilken emballage der øgede salget: kylling, oksekød eller grøntsager? Mirror Particles teknologi konkluderede, at spørgsmålet var forkert.
Billederne betød ikke noget. Problemet var, at brandet var så kendt, at det blev opfattet som massemarked og billigt, og salget ville stagnere, indtil den opfattelse blev ændret.
Angelrunde på plads, venturefinansiering tæt på
Mirror Particle har allerede rejst en angelrunde — tidlig finansiering fra private investorer — og siger, at den er tæt på at afslutte sin første venturefinansiering.
Konkurrenter i samme felt har rejst store beløb: Simile hentede 200 mio. dollar til en værdiansættelse på 2 mia., og Humans& annoncerede i januar en 480 mio. dollar seed-runde. Mirror Particle deltager i Startup Battlefield 200 ved TechCrunch Disrupt 2026 i San Francisco den 13.–15. oktober.
Fokus på markedsføringsindsigt før individuel forudsigelse
Den første forretningsmodel retter sig mod markedsforskning og brand- og produktstrategi — områder, hvor budgetter allerede findes. En skønhedsbrand kan eksempelvis få at vide, om en målgruppe overhovedet ønsker en palet øjenskygger, eller om blush er et bedre produkt.
Den langsigtede vision er at gå fra befolkningsniveau til individniveau og blive et "generelt lag til at forudsige menneskelig adfærd", som Ahuja formulerer det.
Flere detaljer
- Ahuja studerede neurovidenskab og datavidenskab på University of Toronto.
- Hun mødte medstifterne Will Song og Thomson Yen hos Amazon Robotics.
- Song har bygget personificeringsmotorer til salg; Yen forskede i AI-agenters forståelse af adfærd.
Kilder:
TechCrunch AI →
Genfortalt i egne ord af AI-nyheder.com · AI-genereret illustration · Tjek altid originalkilden, før du handler på vigtige oplysninger.