承诺预测人类行为的初创公司正在迎来一波热潮。过去一年里，Simile 以 20 亿美元估值融资 2 亿美元；Aaru 以 10 亿美元估值融资 8800 万美元；而 AI 初创公司 humans& 在今年 1 月宣布完成一轮规模高达 4.8 亿美元的种子轮融资，估值达到 44.8 亿美元，并推出了用于建模人类行为的 Persimmon。

如今，人类行为预测的现状在很大程度上依赖大语言模型（LLM）：通过提示词或微调，让模型扮演目标人群。但总部位于旧金山、成立两年的 Mirror Particle 认为，这种方法从根本上就是错误的。

Mirror 的联合创始人兼首席执行官 Abhivyakti Ahuja 说：“这就像拿着超级水枪去尼亚加拉大瀑布。”Mirror 向品牌销售一套 AI 引擎，用来预测消费者行为以及背后的原因。她说：“LLM 已经在数千亿个数据点上训练过了。你还能通过[微调]用这么少的数据影响它的行为多少？它还是停留在过去。”

Ahuja 认为，LLM 看世界的方式并不像人类。“LLM 建模的是书面语言，但人类由视觉感知、空间推理、社会智能构成。”她说，依赖它们得到的洞察，往往基于人类自己都不会注意到的东西，而这在预测人类行为时并不关键。

Mirror Particle 采取了另一种方法：构建一个基础模型，或者按 Ahuja 的说法，从零开始构建一个世界模型，用来模拟人类为何会做出某些行为，以及人类行为如何随时间变化。

Ahuja 说：“我们不想捕捉静态的人。我们想捕捉变化中的人。这意味着要捕捉人们如何随时间变化、是什么触发了变化，以及变化幅度有多大。”她补充说，如果人们没有变化，“那也是一种信号”。

Mirror Particle 已经完成了一轮天使融资，并表示接近完成首轮风投融资。该公司下周还将参加 TechCrunch 著名的创业比赛 Startup Battlefield。

这家初创公司依赖一套专有数据组合，包括客户数据、时事、流行文化、社交媒体等，用来建模某个细分人群，并将其视为一个随时间演化的系统，追踪人们在经历不同事件时动机如何变化。其重点很大一部分放在“已显现行为”上，也就是人们实际做了什么，而不是自我报告的调查答案。

和竞争对手一样，Mirror Particle 的初始市场策略聚焦于这类洞察已经有预算的领域：市场研究以及品牌和产品策略。比如，Mirror 可能帮助某个美妆品牌，不只是为更能吸引 Z 世代的化妆品写出更好的广告文案，还要判断这个群体是否真的想要这款产品。

Ahuja 说：“如果[目标人群]根本不想要眼影盘呢？如果你想把产品卖给这个市场，也许腮红会是更好的选择。”

Mirror Particle 的预测引擎还会向客户提供当前或未来行为背后的“为什么”——也就是支撑其建议的动机、约束和额外背景，帮助品牌做出更聪明的决策。

在一个早期试点项目中，一家知名宠物食品品牌想知道包装上应该放什么图像来提升销量：鸡肉？牛肉？蔬菜？Mirror 的技术发现，这家公司问错了问题。图像并不重要。真正的问题在于，这个品牌太有知名度，以至于被视为大众化且廉价，除非解决这种认知问题，否则销量会停滞。

Ahuja 说：“我们看待模型演进的方式，就像婴儿学习世界的过程。”她指出，婴儿会从视觉发展到语言，再到身体感知，最后到社会智能。

这种对人类大脑建模的根本兴趣，来自 Ahuja 的神经科学和计算机科学背景。她原本来自印度，后来到多伦多大学学习，并受到 AI 先驱 Geoffrey Hinton 在神经网络方面贡献的启发。

毕业后，Ahuja 进入 Amazon Robotics，负责打造“制造机器人的机器人”。在那里，她遇到了联合创始人 Will Song 和 Thomson Yen。Song 职业生涯中有相当一部分时间在构建销售个性化引擎，Yen 则专注于用深度学习研究 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，走向个体层面的洞察。

Ahuja 说：“如果我们要与 AI 一起工作，也要彼此协作，我们就需要一个更好的关于人类的模型。”

TechCrunch 表示，读者下周可以在旧金山市中心举行的 Disrupt 活动上看到 Mirror Particle 以及数十家其他经过其编辑团队筛选的创新初创公司。今年 Startup Battlefield 的获胜者将于 10 月 15 日星期四下午由一组风投评委决定。