استارتاپ دو سالهی Mirror Particle که در سانفرانسیسکو مستقر است، با ساخت یک «مدل جهانی» از رفتار انسان، قصد دارد پیشبینی رفتار را به سطح تازهای برساند. این شرکت بهعنوان بخشی از رقابت Startup Battlefield 200 در رویداد TechCrunch Disrupt معرفی میشود و ادعا میکند که روشهای رایج مبتنی بر مدلهای زبانی بزرگ (LLM)، برای پژوهش بازار و استراتژی برند پاسخگو نیستند.
مدل جهانی رفتار انسانی چیست؟
مدل جهانی موردنظر Mirror Particle از پایه ساخته میشود تا رفتار انسان را پیشبینی کند. این مدل با تکیه بر دادههای واقعی، بهجای شبیهسازی زبانی، تلاش میکند الگوهای شناختی، اجتماعی و احساسی افراد را درک کند. به همین دلیل میتوان از آن برای تحلیل بازار، طراحی کمپینهای تبلیغاتی و تدوین استراتژی برند استفاده کرد.
چرا مدلهای زبانی بزرگ در این زمینه ناکارآمدند؟
روش سنتی پیشبینی رفتار امروزه عمدتاً به LLMها متکی است. در این روشها، مدل با پرامپت یا فاینتیونینگ وادار به نقشآفرینی بهجای یک گروه جمعیتی خاص میشود. به اعتقاد Mirror Particle این رویکرد از پایه مشکل دارد، زیرا رفتار انسان چیزی فراتر از الگوهای متنی است و به زمینههای اقتصادی، فرهنگی و احساسی وابسته است.
- مدلهای زبانی صرفاً الگوهای زبانی را تکرار میکنند، نه رفتار واقعی را.
- این مدلها قادر به درک انگیزههای عمیق و متناقض انسانی نیستند.
- پیشبینیهای آنها فاقد اعتبار لازم برای پژوهشهای بازار و تصمیمهای راهبردی است.
رقابت شدید در حوزه پیشبینی رفتار انسانی
Mirror Particle تنها استارتاپی نیست که به این حوزه وارد شده است. طی یک سال گذشته، Simile با جذب ۲۰۰ میلیون دلار و ارزشگذاری ۲ میلیارد دلار، Aaru با ۸۸ میلیون دلار و ارزشگذاری ۱ میلیارد دلار، و Humans& با یک دور تأمین مالی عظیم ۴۸۰ میلیون دلاری، تمرکز خود را بر مدلسازی رفتار انسانی گذاشتهاند. محصول جدید Humans& به نام Persimmon نیز دقیقاً برای همین منظور توسعه یافته است.
به سوی آیندهای با پیشبینی دقیقتر
با ورود Mirror Particle به رقابت Startup Battlefield 200، انتظار میرود گفتمان تازهای درباره کاربرد هوش مصنوعی در علوم رفتاری شکل بگیرد. این استارتاپ قصد دارد ثابت کند که برای پیشبینی رفتار انسان، بهجای مدلهای زبانی نقشباز، به «مدل جهانی» نیاز داریم که از دل دادههای واقعی استخراج شده باشد.
پرسشهای پرتکرار
مدل جهانی Mirror Particle چیست؟
مدل جهانی Mirror Particle یک سیستم ساختهشده از پایه برای پیشبینی رفتار انسان است که بهجای نقشآفرینی مبتنی بر LLM، از دادههای واقعی برای درک الگوهای رفتاری استفاده میکند و قرار است در TechCrunch Disrupt معرفی شود.
چرا روشهای مبتنی بر LLM برای پیشبینی رفتار انسان ناکافی هستند؟
روشهای فعلی از مدلهای زبانی بزرگ برای نقشآفرینی بهجای گروههای جمعیتی استفاده میکنند، اما Mirror Particle معتقد است این رویکرد بهدلیل ناتوانی در درک زمینههای اقتصادی، فرهنگی و احساسی، از پایه شکستخورده است.