Mirror Particle xây dựng mô hình thế giới để dự đoán hành vi con người

🚀 MIRROR PARTICLE XÂY DỰNG MÔ HÌNH THẾ GIỚI ĐỂ DỰ ĐOÁN HÀNH VI CON NGƯỜI

Các startup hứa hẹn khả năng dự đoán hành vi con người đang thu hút nhiều sự chú ý. Trong năm qua, Simile đã huy động được 200 triệu USD với mức định giá 2 tỷ USD; Aaru huy động được 88 triệu USD với định giá 1 tỷ USD; và Humans&, một startup AI đã công bố vòng gọi vốn hạt giống khổng lồ 480 triệu USD vào tháng 1 với định giá 4,48 tỷ USD, đã ra mắt Persimmon để mô phỏng hành vi con người.

Hiện trạng dự đoán hành vi con người ngày nay phụ thuộc rất nhiều vào các mô hình ngôn ngữ lớn (LLM) được nhắc lệnh hoặc tinh chỉnh để đóng vai làm một nhân khẩu học mục tiêu. Nhưng Mirror Particle, một startup hai năm tuổi có trụ sở tại San Francisco, cho rằng cách tiếp cận đó đã hỏng về mặt bản chất.

Abhivyakti Ahuja, đồng sáng lập kiêm CEO của Mirror Particle, công ty cung cấp cho các thương hiệu một công cụ AI dự đoán hành vi người tiêu dùng và lý do đằng sau đó, cho biết: "Điều này giống như mang một khẩu súng nước đến thác Niagara. Các LLM đã được huấn luyện trên hàng trăm tỷ điểm dữ liệu. Bạn có thể tác động đến hành vi của nó đến mức nào bằng cách [tinh chỉnh] với một lượng dữ liệu nhỏ như vậy? Nó vẫn kẹt lại trong quá khứ."

Ahuja không tin rằng các LLM nhìn nhận thế giới theo cách con người làm. "Các LLM đang mô phỏng ngôn ngữ viết, nhưng con người được cấu thành từ nhận thức thị giác, tư duy không gian, trí thông minh xã hội". Việc dựa vào chúng, cô nói, đồng nghĩa với việc nhận được những thông tin chi tiết dựa trên những gì con người không chú ý, điều này lệch khỏi mục đích khi cố gắng dự đoán hành vi con người.

Mirror Particle đang áp dụng một phương pháp khác: xây dựng một mô hình nền tảng, hay như cách Ahuja mô tả, một mô hình thế giới được xây dựng từ con số không nhằm mô phỏng lý do tại sao con người làm những gì họ làm và hành vi của con người thay đổi như thế nào theo thời gian.

Ahuja chia sẻ: "Chúng tôi không muốn nắm bắt một con người tĩnh. Chúng tôi muốn nắm bắt con người đang thay đổi. Điều đó có nghĩa là nắm bắt dữ liệu theo chiều dọc về cách mọi người đang thay đổi, những yếu tố kích hoạt nào đang thay đổi họ và ở mức độ nào". Nếu họ không thay đổi, cô nói thêm, "đó cũng là một tín hiệu".

Mirror Particle đã hoàn thành vòng gọi vốn thiên thần và cho biết họ sắp kết thúc vòng gọi vốn mạo hiểm đầu tiên. Công ty này cũng tham gia tranh tài tuần tới tại Startup Battlefield 200, cuộc thi startup nổi tiếng của TechCrunch diễn ra tại sự kiện TechCrunch Disrupt 2026 ở San Francisco từ ngày 13-15 tháng 10.

Startup này dựa vào sự kết hợp độc quyền các dữ liệu bao gồm dữ liệu khách hàng của khách hàng, các sự kiện hiện tại, văn hóa đại chúng, mạng xã hội và nhiều yếu tố khác để mô phỏng một phân khúc nhân khẩu học, coi nó như một hệ thống tiến hóa theo thời gian và theo dõi động lực thay đổi như thế nào khi nó trải qua các trải nghiệm. Phần lớn sự tập trung đặt vào "hành vi bộc lộ" - những gì mọi người thực sự làm thay vì các câu trả lời khảo sát tự báo cáo.

Tương tự các đối thủ cạnh tranh, chiến lược thâm nhập thị trường ban đầu của Mirror Particle tập trung vào những nơi ngân sách đã sẵn có cho loại thông tin chi tiết này: nghiên cứu thị trường, chiến lược thương hiệu và sản phẩm. Ví dụ, Mirror có thể giúp một thương hiệu làm đẹp không chỉ viết nội dung quảng cáo hay hơn cho đồ trang điểm hấp dẫn Gen Z, mà còn xác định xem thế hệ đó có thực sự muốn sản phẩm đó hay không.

Ahuja đặt vấn đề: "Điều gì sẽ xảy ra nếu [nhân khẩu học mục tiêu] không muốn bảng phấn mắt? Có lẽ phấn má hồng là một lựa chọn tốt hơn nếu bạn muốn bán sản phẩm cho thị trường này."

Công cụ dự đoán của Mirror Particle cũng cung cấp cho khách hàng "lý do" đằng sau hành vi hiện tại hoặc tương lai - các động lực, ràng buộc và bối cảnh bổ sung biện minh cho khuyến nghị của nó, giúp các thương hiệu đưa ra quyết định thông minh hơn.

Trong một chương trình thử nghiệm ban đầu, một thương hiệu thức ăn cho thú cưng nổi tiếng muốn biết nên đặt hình ảnh nào lên bao bì để thúc đẩy doanh số. Thị gà? Thịt bò? Rau củ? Công nghệ của Mirror phát hiện ra rằng thương hiệu này đang đặt ra câu hỏi sai. Hình ảnh không quan trọng. Vấn đề là thương hiệu này quá quen thuộc đến mức bị coi là hàng đại chúng và giá rẻ, và doanh số sẽ chững lại cho đến khi giải quyết được vấn đề nhận thức đó.

Ahuja cho biết: "Cách chúng tôi nhìn nhận mô hình của mình tiến hóa giống như cách một em bé học về thế giới", lưu ý rằng trẻ em chuyển từ thị giác sang ngôn ngữ, nhận thức cơ thể rồi đến trí thông minh xã hội.

Sự quan tâm cơ bản đến việc mô hình hóa bộ não con người này xuất phát từ nền tảng học tập về thần kinh học và khoa học máy tính của Ahuja. Ban đầu đến từ Ấn Độ, cô theo học tại Đại học Toronto, nơi cô được truyền cảm hứng từ những đóng góp của người tiên phong AI Geoffrey Hinton cho mạng lưới thần kinh.

Sau khi ra trường, Ahuja gia nhập Amazon Robotics để chế tạo robot chuyên lắp ráp các robot khác. Đó là nơi cô gặp những người đồng sáng lập của mình, Will Song và Thomson Yen. Song đã dành một phần sự nghiệp của mình để xây dựng các công cụ cá nhân hóa bán hàng, trong khi Yen tập trung sử dụng học sâu để tìm hiểu cách các tác nhân AI hiểu hành vi con người.

Tầm nhìn dài hạn của startup này là trở thành "lớp chung để dự đoán hành vi con người" và chuyển từ phân tích cấp độ quần thể rộng hơn sang thông tin chi tiết ở cấp độ cá nhân.

Ahuja cho biết: "Chúng ta chỉ cần một mô hình tốt hơn về con người nếu chúng ta muốn làm việc cùng với AI và với nhau".

🗞 Nguồn: TechCrunch

#vgsnews #vgs #tintuc