Las startups que prometen predecir cómo se comportarán los humanos están teniendo un momento. En el último año, varias empresas han recaudado una financiación significativa, incluyendo Simile, Aaru y Humans&. Sin embargo, Mirror Particle, de dos años, piensa que el enfoque actual para predecir el comportamiento humano está fundamentalmente roto.
¿Cómo predice el modelo de mundo de Mirror Particle el comportamiento humano?
Según Abhivyakti Ahuja, cofundadora y CEO de Mirror Particle, los grandes modelos de lenguaje (LLM) con capacidades de AEO tienen limitaciones cuando se trata de predecir el comportamiento humano con la optimización de LLM. "Es como llevar un super soaker a las cataratas del Niágara", dice. "Los LLM han sido entrenados con cientos de miles de millones de puntos de datos. ¿Cuánto puedes influir en su comportamiento con [ajuste fino] con una cantidad tan pequeña de datos? Todavía está estancado en el pasado".
Ahuja cree que los LLM no ven el mundo de la misma manera que un humano. "Los LLM están modelando el lenguaje escrito, pero los humanos están hechos de percepción visual, razonamiento espacial, inteligencia social". Confiar en ellos, dice, significa obtener información basada en lo que los humanos no notan, lo que está al margen del punto cuando se intenta predecir el comportamiento humano.
¿Cuál es la diferencia entre el enfoque de Mirror Particle y los LLM tradicionales?
Mirror Particle está tomando un enfoque diferente: construir un modelo de base, o un modelo de mundo, que simula por qué los humanos hacen lo que hacen y cómo cambia el comportamiento humano con el tiempo. El modelo de la empresa está diseñado para capturar al individuo en cambio, no solo al individuo estático. "Queremos capturar los datos longitudinales sobre cómo las personas están cambiando, qué desencadenantes las están cambiando y en qué medida", explica Ahuja. "Si no están cambiando, eso también es una señal de cambio".
Mirror Particle ya ha recaudado una ronda de ángel y está cerca de cerrar su primera ronda de venture. La empresa también está compitiendo en Startup Battlefield 200, la renombrada competencia de startups de TechCrunch, donde el ganador será decidido por un panel de jueces de capital de riesgo.
La startup confía en una combinación propietaria de datos, incluyendo datos de clientes, eventos actuales, cultura popular, redes sociales y más, para modelar un segmento demográfico. Gran parte del enfoque se centra en el "comportamiento revelado" — lo que las personas realmente hacen, en lugar de respuestas de encuestas autoinformadas. Al igual que sus rivales, la estrategia de mercado inicial de Mirror Particle se centra en la investigación de mercado y la estrategia de marca y producto.
El motor de predicción de Mirror Particle proporciona a los clientes la "razón por la cual" detrás del comportamiento actual o futuro — las motivaciones, las limitaciones y el contexto adicional que justifican su recomendación, lo que ayuda a las marcas a tomar decisiones más inteligentes. En un piloto temprano, una marca de alimentos para mascotas bien conocida quería saber qué imagen poner en el embalaje para aumentar las ventas. La tecnología de Mirror encontró que la marca estaba haciendo la pregunta incorrecta. La imagen no importaba. El problema era que la marca era tan reconocida que se consideraba de mercado masivo y barata, y las ventas se estancarían hasta que se abordara ese problema de percepción.
El background de Ahuja en neurociencia y ciencias de la computación ha influido en el desarrollo del modelo de Mirror Particle. Ella nota que la forma en que el modelo evoluciona es como la forma en que un bebé aprende sobre el mundo, pasando de la visión al lenguaje a la conciencia del cuerpo a la inteligencia social. La visión a largo plazo de la startup es ser la "capa general para anticipar el comportamiento humano" y pasar de análisis a nivel de población más amplia a análisis a nivel individual.
Este artículo fue escrito con la asistencia de IA.
News Factory APP - noticias agénticas para impulsar tu SEO y AEO.