Mirror Particle строит world model нейросеть с нуля: рынок ИИ-предсказаний уже собрал $760 млн

Что стоит за словами «world model нейросеть»?

Сегодня большинство компаний, которые предсказывают поведение людей, берут большую языковую модель (LLM, модель, обученную на текстах) и дообучают её, чтобы она «играла роль» нужной аудитории. Сооснователь и генеральный директор Mirror Particle Абхивьякти Ахуджа считает этот путь тупиковым.

По её словам, LLM обучены на сотнях миллиардов текстовых примеров, и небольшой набор данных при дообучении почти не меняет их поведение. Модель остаётся «застрявшей в прошлом». К тому же LLM работают с письменным языком, тогда как реальное поведение человека складывается из визуального восприятия, пространственного мышления и социального интеллекта.

Mirror Particle строит собственную world model нейросеть с нуля. Её задача не зафиксировать «статичного человека», а смоделировать, как человек меняется: какие триггеры на него влияют, в какой степени, и что означает отсутствие изменений.

«Это как прийти с водяным пистолетом к Ниагарскому водопаду. LLM обучены на сотнях миллиардов точек данных. Насколько вы можете повлиять на их поведение дообучением с таким маленьким объёмом данных? Модель всё равно застряла в прошлом.» : Абхивьякти Ахуджа, сооснователь и CEO Mirror Particle

Как это работает на практике?

Стартап использует комбинацию данных клиентов, текущих событий, поп-культуры и социальных сетей, чтобы моделировать демографический сегмент как систему, которая эволюционирует. Акцент делается на «наблюдаемом поведении» (revealed behavior), то есть на том, что люди реально делают, а не на том, что они говорят в опросах.

Пример из пилотного проекта показателен. Известный бренд кормов для животных хотел понять, какую картинку поставить на упаковку: курицу, говядину или овощи. Модель Mirror Particle выяснила, что вопрос поставлен неправильно. Проблема была не в изображении, а в восприятии бренда: покупатели считали его массовым и дешёвым, и продажи упёрлись в потолок, пока эта репутация не будет исправлена.

Помимо прогноза модель объясняет «почему»: мотивации, ограничения и контекст, стоящие за рекомендацией.

Кто стоит за Mirror Particle?

Ахуджа изучала нейронауку и компьютерные науки в Университете Торонто, где на неё повлияли работы Джеффри Хинтона, пионера нейросетей. После учёбы она работала в Amazon Robotics, где познакомилась с сооснователями Уиллом Сонгом и Томсоном Йеном.

Сонг строил персонализационные движки для продаж. Йен занимался глубоким обучением (deep learning, обучение нейросетей со множеством слоёв) для понимания того, как ИИ-агенты (автономные программы, выполняющие задачи без участия человека) интерпретируют поведение людей.

Почему рынок разогрет?

За последний год три стартапа в этой нише привлекли крупные раунды:

• Simile привлёк 200 млн долларов при оценке в 2 млрд долларов.
• Aaru привлёк 88 млн долларов при оценке в 1 млрд долларов.
• Humans& объявил о посевном раунде в 480 млн долларов при оценке в 4,48 млрд долларов и запустил Persimmon для моделирования поведения.

Все эти суммы приведены по данным TechCrunch. Mirror Particle на их фоне пока небольшой игрок: ангельский раунд закрыт, венчурный близок к закрытию, конкретную сумму компания не раскрыла. Но именно подход, а не размер раунда, выделяет стартап: конкуренты, по словам Ахуджи, опираются на дообучение LLM, тогда как Mirror Particle строит модель мира с нуля.

Начальная стратегия выхода на рынок нацелена на бюджеты, которые уже выделены: маркетинговые исследования, стратегия бренда и продукта. Компания может, например, помочь бьюти-бренду не просто написать рекламный текст для поколения Z, а понять, хочет ли эта аудитория вообще покупать тени для век или лучше продавать румяна.

Долгосрочная цель, по словам Ахуджи, стать «общим слоем для предвосхищения поведения людей» и перейти от анализа групп к прогнозам на уровне конкретного человека.

Что это значит для вас?

Маркетологу и продакт-менеджеру. Подход Mirror Particle интересен тем, что модель может выявить локальные сдвиги в поведении потребителей, причём не по опросам, а по реальным действиям. Для российского рынка это пока недоступный инструмент: стартап базируется в Сан-Франциско и работает с англоязычными клиентами. Но сам принцип «спрашивай не что показать на упаковке, а правильный ли ты задаёшь вопрос» можно применять уже сейчас, проверяя гипотезы через доступные в РФ инструменты аналитики.

Автору на Дзене. World model нейросеть фиксирует не то, что люди говорят, а то, что делают. Если вы анализируете аудиторию через комментарии и опросы, помните: ответы в опросах и реальное поведение часто расходятся. Метрики дочитываний и кликов ближе к «наблюдаемому поведению», чем любой опрос подписчиков.

Предпринимателю в РФ и СНГ. Прямых аналогов Mirror Particle на российском рынке пока нет. Из доступных инструментов для анализа поведения потребителей стоит смотреть на аналитику Яндекс Метрики с вебвизором и поведенческие отчёты, а также на Brand Analytics для мониторинга соцсетей. Это не world model нейросеть, но задачу «понять, почему покупатель отказывается» решают на базовом уровне.

Практический шаг прямо сейчас: возьмите любую свою гипотезу об аудитории, сформулированную как «мои читатели хотят X», и проверьте её не опросом, а данными поведения: что люди реально дочитывают, куда кликают, на чём уходят. Именно этот разрыв между декларациями и действиями Mirror Particle пытается закрыть на уровне модели мира, но вы можете начать с таблицы в Excel.