Зеркальная частица строит ‘мировую модель’ человеческого поведения

Стартапы, которые обещают предсказать, как поведут себя люди, переживают настоящий момент. За прошедший год Simile привлекла 200 миллионов долларов при оценке в 2 миллиарда долларов; Aaru привлекла 88 миллионов долларов при оценке в 1 миллиард долларов; а стартап в области искусственного интеллекта Humans&, который в январе объявил о масштабном стартовом раунде стоимостью 480 миллионов долларов при оценке в 4,48 миллиарда долларов, запустил Persimmon для моделирования поведения человека.

Статус-кво в прогнозировании поведения людей сегодня в значительной степени зависит от больших языковых моделей (LLM), которые запрашиваются или настраиваются для ролевой игры в качестве целевой аудитории. Но компания Mirror Particle из Сан-Франциско, которой всего два года, считает, что этот подход в корне неверен.

"Это все равно, что привезти на Ниагарский водопад супер-сойкер", - говорит Абхивьякти Ахуджа, соучредитель и генеральный директор Mirror Particle, которая предоставляет брендам механизм искусственного интеллекта, который предсказывает поведение потребителей и причины, стоящие за ним. "Магистры были обучены работе с сотнями миллиардов точек данных. Насколько сильно вы можете повлиять на их поведение путем [точной настройки] с помощью такого небольшого объема данных? Это все еще остается в прошлом".

Ахуджа не считает, что магистранты видят мир так, как это делает человек. "Магистранты моделируют письменную речь, но люди созданы на основе визуального восприятия, пространственного мышления и социального интеллекта". Полагаться на них, по ее словам, означает получать информацию, основанную на том, чего люди не замечают, а это не имеет значения при попытке предсказать человеческое поведение.

Mirror Particle использует другой подход: создает базовую модель, или, как описывает ее Ахуджа, модель мира, построенную с нуля, которая моделирует, почему люди делают то, что они делают, и как меняется человеческое поведение с течением времени.

"Мы не хотим запечатлеть статичного человека", - сказал Ахуджа. "Мы хотим запечатлеть меняющегося человека. Это означает сбор подробных данных о том, как меняются люди, какие факторы их меняют и в какой степени". Если они не меняются, - добавила она, - "это тоже сигнал".

Компания Mirror Particle уже собрала "ангельский раунд" и заявляет, что близка к завершению своего первого венчурного раунда. На следующей неделе компания также примет участие в Startup Battlefield 200, известном конкурсе стартапов TechCrunch, который пройдет вTechCrunch Disrupt 2026 in San Francisco on October 13-15.

The startup relies on a proprietary combination of data that includes its clients’ customer data, current events, pop culture, social media, and more to model a demographic segment, thinking of it as a system that evolves over time and tracking how motivations shift as it moves through experiences. Much of the focus is on "revealed behavior" — what people actually do rather than self-reported survey answers.

Like its rivals, Mirror Particle’s initial go-to-market strategy focuses on where budgets already exist for these kinds of insights: market research and brand and product strategy. Mirror might, for instance, help a beauty brand not just write better ad copy for makeup that would appeal to Gen Z, but also determine if that demographic even wants that product.

"What if [the target demographic] doesn’t want eyeshadow palettes?" Ahuja said. "Maybe blush is a better option to go for if you want to sell a product to this market."

Mirror Particle’s prediction engine also provides customers with the "why" behind current or future behavior — the motivations, constraints, and additional context that justify its recommendation, helping brands make smarter decisions.

In one early pilot, a well-known pet food brand wanted to know what imagery to put on the packaging to boost sales. Chicken? Beef? Vegetables? Mirror’s technology found that the brand was asking the wrong question. The imagery didn’t matter. The problem was that the brand was so recognizable that it was considered mass market and cheap, and sales would plateau until it addressed that perception issue.

"The way we see our model evolving is like how a baby learns about the world," Ahuja said, noting that babies move from vision to language to body awareness to social intelligence.

That fundamental interest in modeling the human brain comes from Ahuja’s background studying neuroscience and computer science. Originally from India, she ended up studying at the University of Toronto, where she became inspired by AI pioneer Geoffrey Hinton’s contributions to neural networks.

After school, Ahuja ended up at Amazon Robotics building robots that build other robots. That’s where she met her co-founders, Will Song and Thomson Yen. Song has spent a chunk of his career building sales personalization engines, and Yen focused on using deep learning to learn about how AI agents understand human behavior.

The startup’s long-term vision is to be the "general layer for anticipating human behavior" and moving from broader population-level analyses to individual-level insights.

"We just need a better model of humans if we’re going to work alongside AI and with each other," Ahuja said.

Check out Mirror Particle and many other innovative startups that have been vetted by TechCrunch’s editorial team next week at Disrupt in downtown San Francisco. The winner of this year’s Startup Battlefield will be decided by our slate of VC judges on the afternoon of Thursday, October 15.