预测人类行为的初创企业正面临严峻挑战。过去一年中，估值达2亿美元的Smile筹集了2亿美元资金；Aaru在10亿美元估值下融资8800万美元；人工智能初创公司Humans&也在1月宣布获得4.48亿美元的大规模投资。
目前，该领域的主流方法依赖大型语言模型（LLM），通过提示或微调使其扮演目标人口角色。然而，成立两年的旧金山初创公司Mirror Particle认为这一路径行不通。
Mirror Particle联合创始人兼首席执行官Abhivyakti Ahuja指出：“这就像把超级水枪带到尼亚加拉瀑布。”她解释道，LLM已在数以亿计的数据点上完成训练，仅靠微调难以根本改变其行为逻辑，且其认知仍停留在过去。
Ahuja认为，LLM无法复现人类感知世界的方式。依赖此类模型会导致洞察偏离人类实际关注点，从而削弱行为预测的有效性。
为此，Mirror Particle采取差异化策略：从零开始构建基础模型，即Ahujia所称的“世界模型”。
“我们不想捕捉静态的人，”Ahuja表示，“我们要捕捉不断变化的人。”这意味着需收集纵向数据，记录个体如何随时间演变、触发变化的因素及其影响程度。
该公司已完成一轮天使投资，并即将启动首轮融资。Mirror Particle将于下周参加TechCrunch主办的创业竞赛“Startup Battlefield”。
Mirror Particle利用专有数据组合建模人口群体，这些数据包括客户自有数据、时事动态、流行文化及社交媒体内容等。系统将人群视为随时间演变的复杂体系，追踪动机如何随经验变化而调整，重点关注人们实际行为而非自我报告的调查答案。
与竞争对手类似，Mirror Particle初期市场策略聚焦于已有预算的领域，如市场研究及品牌产品战略。例如，该技术可协助美容品牌优化化妆品广告。
“如果目标人群不想要眼影色调呢？若想进入该市场，红色可能是更优选择。”
其预测引擎不仅输出行为预判，还提供背后的动机、约束条件及背景信息，以佐证推理过程，辅助品牌做出更明智决策。
某知名宠物食品品牌曾咨询应使用何种包装图像以提升销量——是牛肉还是蔬菜？Mirror Particle的技术分析显示，该品牌提出了错误问题。图像本身并非关键，真正的问题在于品牌因知名度过高而被视为大众化廉价产品。
Ahuja提到，婴儿的认知发展遵循从视觉到语言、身体意识到社会智力的路径。
这种对人类大脑建模的兴趣源于Ahuja在神经科学与计算机科学领域的学术背景。她在多伦多大学求学期间，受人工智能先驱Geoffrey Hinton对神经网络贡献的启发。
毕业后，Ahuja曾在Amazon机器人部门工作，并在此结识联合创始人Will Johnson。Johnson此前专注于开发销售个性化引擎，后转向利用深度学习探索AI代理如何理解人类行为。
该公司的长期愿景是成为“预测人类行为的一般层”，并从宏观人口分析逐步深入至个体层面的洞察。
“如果我们希望与人工智能协同工作，就需要更好的人类模型。”
Mirror Particle已通过TechCrunch编辑团队审核，将亮相下周在旧金山市中心举行的Disrupt大会。本届Startup Battlefield获胜者将由风险投资评委于10月15日星期四下午决出。
