承諾預測人類行為的新創公司正迎來發展高峰。過去一年，Simile 獲得 2 億美元融資，估值達 20 億美元；Aaru 獲得 8800 萬美元融資，估值達 10 億美元；而 AI 新創公司 Humans& 在 1 月份宣布獲得 4.8 億美元的巨額種子輪融資，估值達 44.8 億美元，並推出了 Persimmon 來模擬人類行為。
目前預測人類行為的現狀嚴重依賴大型語言模型（LLMs），這些模型透過提示或微調來扮演目標人群的角色。然而，成立兩年的舊金山新創公司 Mirror Particle 認為這種方法存在根本性缺陷。
Mirror Particle 的共同創辦人兼執行長 Abhivyakti Ahuja 表示：「這就像帶著超級噴水槍去尼加拉瀑布。」該公司為品牌提供一個 AI 引擎，用於預測消費者行為及其背後的原因。「LLMs 已經處理了數千億個數據點。你透過（微調）這麼少量的數據，能對其行為產生多大的影響？它仍然停留在過去。」
Ahuja 認為 LLMs 並不像人類一樣看待世界。「LLMs 正在模擬書面語言，但人類是由視覺感知、空間推理、社交智能組成的。」她說，依賴 LLMs 意味著獲得的洞察是基於人類未注意到的事物，這在試圖預測人類行為時是離題的。
Mirror Particle 採取了另一種方法：建立一個基礎模型，或如 Ahuja 所描述的，一個從零開始建構的世界模型，模擬人類行為的原因以及人類行為如何隨時間變化。
「我們不想捕捉靜態的人，」Ahuja 說。「我們想捕捉變化中的人。這意味著要捕捉人們如何改變的縱向數據，是什麼觸發了他們的改變，以及改變的程度。」她補充說，如果他們沒有改變，「那也是一個信號。」
Mirror Particle 已經完成天使輪融資，並表示即將完成其首輪創投融資。該公司也將於下週參加 TechCrunch 舉辦的知名新創競賽 Startup Battlefield 200，該競賽將於 10 月 13 日至 15 日在舊金山舉行的 TechCrunch Disrupt 2026 上舉行。
該新創公司依賴其專有的數據組合，包括客戶的客戶數據、時事、流行文化、社交媒體等，來模擬一個人口細分市場，將其視為一個隨時間演變的系統，並追蹤其動機如何隨著經歷的變化而轉移。其中很大一部分重點是「已揭露的行為」——人們實際做什麼，而不是自我報告的調查答案。
與競爭對手一樣，Mirror Particle 最初的市場進入策略專注於現有預算投入的領域：市場研究以及品牌和產品策略。例如，Mirror 可能會幫助一個美容品牌不僅撰寫更能吸引 Z 世代的化妝品廣告文案，還能確定該人群是否真的想要該產品。
「如果（目標人群）不想要眼影盤呢？」Ahuja 說。「如果你想向這個市場銷售產品，也許腮紅是更好的選擇。」
Mirror Particle 的預測引擎還為客戶提供當前或未來行為背後的「原因」——證明其建議的動機、限制和其他背景資訊，幫助品牌做出更明智的決策。
在一次早期試點中，一個知名的寵物食品品牌想知道包裝上使用什麼圖像可以促進銷售。雞肉？牛肉？蔬菜？Mirror 的技術發現該品牌問錯了問題。圖像並不重要。問題在於該品牌太過知名，被視為大眾市場且廉價，銷售將停滯不前，直到它解決了這種認知問題。
「我們看待我們的模型演變的方式，就像嬰兒學習世界一樣，」Ahuja 說，她指出嬰兒從視覺到語言，再到身體意識，最後到社交智能。
Ahuja 對模擬人類大腦的根本興趣源於她學習神經科學和計算機科學的背景。她最初來自印度，後來在多倫多大學學習，在那裡她受到 AI 先驅 Geoffrey Hinton 在神經網絡領域貢獻的啟發。
畢業後，Ahuja 加入亞馬遜機器人部門，製造用於建造其他機器人的機器人。在那裡，她遇到了她的共同創辦人 Will Song 和 Thomson Yen。Song 曾花費大量時間建立銷售個性化引擎，而 Yen 則專注於利用深度學習來了解 AI 代理如何理解人類行為。
該新創公司的長期願景是成為「預測人類行為的通用層」，並從更廣泛的人口層面分析轉向個人層面的洞察。
「如果我們要與 AI 和彼此協作，我們就需要一個更好的人類模型，」Ahuja 說。
