承诺预测人类行为的初创公司正迎来高光时刻。在过去一年里，Simile 融资 2 亿美元，估值达 20 亿美元；Aaru 融资 8800 万美元，估值达 10 亿美元；而 AI 初创公司 Humans& 于1 月宣布完成 4.8 亿美元种子轮融资，估值达 44.8 亿美元，并推出了Persimmon来对人类行为进行建模。
如今人类行为预测的现状严重依赖大语言模型（LLM），通过提示或微调让它们扮演目标人群的角色。但成立两年、总部位于旧金山的Mirror Particle认为这种方法从根本上就是错的。
“这就像带着一把超级水枪去尼亚加拉大瀑布，”Mirror Particle 联合创始人兼 CEO Abhivyakti Ahuja 说。该公司为品牌提供一款 AI 引擎，用于预测消费者行为及其背后的原因。“LLM 是在数千亿个数据点上训练出来的。用这么少的数据去[微调]，能对它的行为产生多大影响？它仍然停留在过去。”
Ahuja 认为 LLM 并不像人类那样看待世界。“LLM 建模的是书面语言，而人类是由视觉感知、空间推理、社交智能构成的。”她说，依赖它们意味着得到的洞察基于人类没有注意到的东西，而在试图预测人类行为时，这根本无关紧要。
Mirror Particle 采取了另一种方法：构建一个基础模型，或者如 Ahuja 所描述的，一个从零开始构建的世界模型，用来模拟人类为何做出某些行为，以及人类行为如何随时间变化。
“我们不想捕捉静态的人，”Ahuja 说。“我们想捕捉变化中的人。这意味着要捕捉人们如何变化的纵向数据，是什么触发因素在改变他们，以及改变到什么程度。”她补充说，如果他们没在变化，“那也是一种信号。”
Mirror Particle 已经完成了一轮天使融资，并表示即将完成其首轮风险投资。该公司下周还将参加Startup Battlefield 200，这是 TechCrunch 知名的初创公司竞赛，将在TechCrunch Disrupt 2026上举行，地点是旧金山，时间为 10 月 13 日至 15 日。
这家初创公司依赖一种专有的数据组合，其中包括其客户的客户数据、时事、流行文化、社交媒体等，来对一个人群细分进行建模，将其视为一个随时间演化的系统，并追踪其在经历各种体验时动机如何变化。重点很大程度上放在“显露的行为”上——即人们实际做了什么，而非自我报告的调查答案。
与其竞争对手一样，Mirror Particle 的初始市场进入策略聚焦于已经存在此类洞察预算的领域：市场研究以及品牌和产品战略。例如，Mirror 可能帮助一个美妆品牌不仅为吸引 Z 世代的口红写出更好的广告文案，还能判断该人群是否真的想要那款产品。
“如果[目标人群]不想要眼影盘呢？”Ahuja 说。“如果你想向这个市场销售产品，也许腮红是更好的选择。”
Mirror Particle 的预测引擎还会向客户提供当前或未来行为背后的“原因”——即支撑其建议的动机、约束条件和额外背景信息，帮助品牌做出更明智的决策。
在一次早期试点中，一个知名宠物食品品牌想知道在包装上放什么图像能提升销量。鸡肉？牛肉？蔬菜？Mirror 的技术发现，该品牌问错了问题。图像并不重要。问题在于，该品牌知名度太高，以至于被认为是大路货且廉价，除非解决这一认知问题，否则销量将会停滞。
“我们看待模型演化的方式，就像婴儿学习认识世界一样，”Ahuja 说，并指出婴儿会从视觉发展到语言，再到身体意识，再到社交智能。
这种对建模人脑的根本兴趣源自 Ahuja 学习神经科学和计算机科学的背景。她原籍印度，最终在多伦多大学求学，在那里她受到 AI 先驱 Geoffrey Hinton 对神经网络贡献的启发。
放学后，Ahuja 最终去了 Amazon Robotics，在那里制造能造其他机器人的机器人。也正是在那里，她遇到了她的联合创始人 Will Song 和 Thomson Yen。Song 职业生涯中有一大部分时间都在构建销售个性化引擎，而 Yen 则专注于利用深度学习来了解 AI 智能体如何理解人类行为。
这家初创公司的长期愿景是成为“预测人类行为的通用层”，并从更广泛的人群层面分析转向个体层面的洞察。
“如果我们要与 AI 并肩工作、彼此协作，我们就需要一个更好的人类模型，”Ahuja 说。
下周来了解 Mirror Particle 以及许多其他经过 TechCrunch 编辑团队审核的创新初创公司，地点在旧金山市中心的 Disrupt。今年 Startup Battlefield 的获胜者将由我们的 VC 评委团于 10 月 15 日星期四下午决定。
当你通过我们文章中的链接购买时，我们可能会赚取一小笔佣金。这不会影响我们的编辑独立性。
Rebecca Bellan 是 TechCrunch 的高级记者，负责报道塑造人工智能的商业、政策和新兴趋势。她的作品也曾出现在 Forbes、Bloomberg、The Atlantic、The Daily Beast 和其他出版物上。
你可以通过发送电子邮件至以下地址来联系 Rebecca 或核实其外联信息：rebecca.bellan@techcrunch.com或通过 Signal 上的加密消息联系 rebeccabellan.491。