San Francisco merkezli iki yaşındaki girişim Mirror Particle, insan davranışını tahmin etmek için sıfırdan inşa ettiği bir dünya modeliyle TechCrunch Disrupt 2026 kapsamındaki Startup Battlefield 200'de sahneye çıkmaya hazırlanıyor. Şirket, pazar araştırması ve marka stratejisinde yaygın olan büyük dil modellerinin rol yapma yaklaşımının yetersiz kaldığını savunuyor ve bunun yerine insanların neden belirli davranışları sergilediğini ve bu davranışların zaman içinde nasıl değiştiğini simüle eden bir temel model öneriyor.
İnsan davranışını öngörmeyi vaat eden girişimlere yönelik ilgi son bir yılda belirgin şekilde arttı. Bu dönemde Simile 2 milyar dolar değerleme üzerinden 200 milyon dolar, Aaru 1 milyar dolar değerleme üzerinden 88 milyon dolar yatırım aldı. Ocak ayında ise Humans& adlı girişim 4,48 milyar dolar değerleme ile 480 milyon dolarlık tohum yatırımı duyurdu ve insan davranışını modellemek için Persimmon adlı ürününü piyasaya sürdü. Mirror Particle, bu alandaki mevcut yaklaşımlardan ayrışarak farklı bir yol izlediğini belirtiyor.
Ahuja, yaklaşımı "Niagara Şelalesi'ne oyuncak su tabancasıyla gitmek gibi" sözleriyle tanımlıyor. Gerekçesi ise büyük dil modellerinin yüz milyarlarca veri noktası üzerinde eğitilmiş olması. Ahuja'ya göre bu kadar geniş bir eğitim verisine sahip bir modeli, çok küçük miktarda veriyle ince ayar yaparak davranışını anlamlı ölçüde etkilemek mümkün değil ve model geçmişte takılı kalıyor.
Ahuja, büyük dil modellerinin dünyayı insanlar gibi görmediğini de vurguluyor. "Büyük dil modelleri yazılı dili modelliyor, ancak insanlar görsel algı, mekansal muhakeme ve sosyal zekadan oluşuyor" diyen Ahuja, bu modellere güvenmenin insanların fark etmediği şeylere dayalı içgörüler üretmek anlamına geldiğini, bunun da insan davranışını tahmin etmeye çalışırken amacı ıskaladığını ifade ediyor.
Ahuja, "Statik kişiyi yakalamak istemiyoruz. Değişen kişiyi yakalamak istiyoruz. Bu, insanların nasıl değiştiğine, onları neyin tetiklediğine ve ne ölçüde değiştirdiğine dair boylamsal verileri yakalamak anlamına geliyor" diyor. Değişmemenin de bir sinyal olduğunu ekliyor.
Girişim, bir demografik segmenti zaman içinde evrilen bir sistem olarak ele alıyor ve motivasyonların deneyimler boyunca nasıl kaydığını takip ediyor. Bunun için müşterilerinin müşteri verileri, güncel olaylar, popüler kültür, sosyal medya ve daha fazlasını içeren tescilli bir veri kombinasyonuna dayanıyor. Modelin önemli bir odağı ise "ortaya konan davranış" olarak tanımlanan, anketlerde beyan edilen cevaplar yerine insanların gerçekte ne yaptığına odaklanan yaklaşım.
Ahuja, modelin evrimini bir bebeğin dünyayı öğrenme biçimine benzetiyor. Bebeklerin görmeden dile, oradan beden farkındalığına ve sosyal zekaya doğru ilerlediğini belirten Ahuja, bu bakış açısının kendi sinirbilim ve bilgisayar bilimi geçmişinden kaynaklandığını söylüyor.
Ahuja bu durumu bir güzellik markası örneğiyle açıklıyor. Şirket, Z kuşağına hitap edecek makyaj ürünleri için reklam metni iyileştirmek yerine, o demografinin far paleti isteyip istemediğini sorgulatabiliyor. Ahuja, "Ya hedef demografiniz far paleti istemiyorsa? Bu pazara ürün satmak istiyorsanız allık daha iyi bir seçenek olabilir" diyor.
Mirror Particle'ın tahmin motoru, mevcut veya gelecekteki davranışların arkasındaki "neden"i de sunuyor. Motivasyonlar, kısıtlar ve öneriyi gerekçelendiren ek bağlamlar, markaların daha akıllı kararlar almasına yardımcı olmak için sağlanıyor.
Erken pilotlardan birinde tanınmış bir evcil hayvan maması markası, satışları artırmak için ambalajda hangi görselin kullanılması gerektiğini öğrenmek istedi. Tavuk, sığır eti veya sebze seçenekleri değerlendirilirken Mirror Particle'ın teknolojisi markanın yanlış soruyu sorduğunu tespit etti. Görselliğin bir önemi yoktu. Sorun, markanın o kadar tanınır olmasıydı ki kitlesel pazar ve ucuz olarak algılanıyordu ve bu algı ele alınana kadar satışlar yatay seyredecekti.
Ahuja, burada şirketin diğer kurucu ortakları Will Song ve Thomson Yen ile tanıştı. Song kariyerinin önemli bir bölümünü satış kişiselleştirme motorları geliştirmeye ayırdı, Yen ise yapay zeka ajanlarının insan davranışını nasıl anladığını öğrenmek için derin öğrenme üzerine odaklandı.
Mirror Particle bugüne kadar bir melek yatırım turunu tamamladı ve ilk girişim sermayesi turunu kapatmaya yakın olduğunu belirtiyor. Girişimin uzun vadeli vizyonu, insan davranışını öngörmek için "genel katman" olmak ve daha geniş nüfus düzeyindeki analizlerden bireysel düzeyde içgörülere doğru ilerlemek olarak tanımlanıyor. Ahuja, "Yapay zeka ile yan yana ve birbirimizle birlikte çalışacaksak, insanlara dair daha iyi bir modele ihtiyacımız var" diyor.
Yarışmanın kazananı, 15 Ekim Perşembe öğleden sonra girişim sermayesi jürisi tarafından belirlenecek. Etkinlik, San Francisco şehir merkezinde düzenlenecek ve TechCrunch'ın tanınmış girişim yarışması olarak biliniyor.
İnsan davranışını öngörmeyi vaat eden girişimlere yönelik ilgi son bir yılda belirgin şekilde arttı. Bu dönemde Simile 2 milyar dolar değerleme üzerinden 200 milyon dolar, Aaru 1 milyar dolar değerleme üzerinden 88 milyon dolar yatırım aldı. Ocak ayında ise Humans& adlı girişim 4,48 milyar dolar değerleme ile 480 milyon dolarlık tohum yatırımı duyurdu ve insan davranışını modellemek için Persimmon adlı ürününü piyasaya sürdü. Mirror Particle, bu alandaki mevcut yaklaşımlardan ayrışarak farklı bir yol izlediğini belirtiyor.
LLM'lerin Rol Yapma Yaklaşımı Neden Yetersiz Görülüyor?
Mirror Particle'a göre bugün insan davranışını tahmin etmede standart yaklaşım, büyük dil modellerinin hedef demografiyi taklit edecek şekilde yönlendirilmesine veya ince ayar yapılmasına dayanıyor. Şirketin kurucu ortağı ve CEO'su Abhivyakti Ahuja, bu yöntemin temelde hatalı olduğunu düşünüyor.Ahuja, yaklaşımı "Niagara Şelalesi'ne oyuncak su tabancasıyla gitmek gibi" sözleriyle tanımlıyor. Gerekçesi ise büyük dil modellerinin yüz milyarlarca veri noktası üzerinde eğitilmiş olması. Ahuja'ya göre bu kadar geniş bir eğitim verisine sahip bir modeli, çok küçük miktarda veriyle ince ayar yaparak davranışını anlamlı ölçüde etkilemek mümkün değil ve model geçmişte takılı kalıyor.
Ahuja, büyük dil modellerinin dünyayı insanlar gibi görmediğini de vurguluyor. "Büyük dil modelleri yazılı dili modelliyor, ancak insanlar görsel algı, mekansal muhakeme ve sosyal zekadan oluşuyor" diyen Ahuja, bu modellere güvenmenin insanların fark etmediği şeylere dayalı içgörüler üretmek anlamına geldiğini, bunun da insan davranışını tahmin etmeye çalışırken amacı ıskaladığını ifade ediyor.
Dünya Modeli Nasıl Çalışıyor ve Hangi Verileri Kullanıyor?
Mirror Particle bunun yerine sıfırdan inşa edilmiş bir temel model, Ahuja'nın ifadesiyle insanların neden yaptıklarını yaptığını ve insan davranışının zaman içinde nasıl değiştiğini simüle eden bir dünya modeli geliştiriyor. Şirketin odak noktası statik bir insan profili değil, değişen insanı yakalamak.Ahuja, "Statik kişiyi yakalamak istemiyoruz. Değişen kişiyi yakalamak istiyoruz. Bu, insanların nasıl değiştiğine, onları neyin tetiklediğine ve ne ölçüde değiştirdiğine dair boylamsal verileri yakalamak anlamına geliyor" diyor. Değişmemenin de bir sinyal olduğunu ekliyor.
Girişim, bir demografik segmenti zaman içinde evrilen bir sistem olarak ele alıyor ve motivasyonların deneyimler boyunca nasıl kaydığını takip ediyor. Bunun için müşterilerinin müşteri verileri, güncel olaylar, popüler kültür, sosyal medya ve daha fazlasını içeren tescilli bir veri kombinasyonuna dayanıyor. Modelin önemli bir odağı ise "ortaya konan davranış" olarak tanımlanan, anketlerde beyan edilen cevaplar yerine insanların gerçekte ne yaptığına odaklanan yaklaşım.
Ahuja, modelin evrimini bir bebeğin dünyayı öğrenme biçimine benzetiyor. Bebeklerin görmeden dile, oradan beden farkındalığına ve sosyal zekaya doğru ilerlediğini belirten Ahuja, bu bakış açısının kendi sinirbilim ve bilgisayar bilimi geçmişinden kaynaklandığını söylüyor.
Pazar Araştırmasından Ürün Stratejisine İlk Kullanım Alanları
Rakipleri gibi Mirror Particle da ilk pazara giriş stratejisini bu tür içgörüler için bütçelerin zaten mevcut olduğu alanlara odaklıyor: pazar araştırması ile marka ve ürün stratejisi. Şirket, markalara yalnızca daha iyi reklam metni yazdırmakla kalmayıp, hedef kitlenin o ürünü isteyip istemediğini de belirlemeye yardımcı olmayı hedefliyor.Ahuja bu durumu bir güzellik markası örneğiyle açıklıyor. Şirket, Z kuşağına hitap edecek makyaj ürünleri için reklam metni iyileştirmek yerine, o demografinin far paleti isteyip istemediğini sorgulatabiliyor. Ahuja, "Ya hedef demografiniz far paleti istemiyorsa? Bu pazara ürün satmak istiyorsanız allık daha iyi bir seçenek olabilir" diyor.
Mirror Particle'ın tahmin motoru, mevcut veya gelecekteki davranışların arkasındaki "neden"i de sunuyor. Motivasyonlar, kısıtlar ve öneriyi gerekçelendiren ek bağlamlar, markaların daha akıllı kararlar almasına yardımcı olmak için sağlanıyor.
Erken pilotlardan birinde tanınmış bir evcil hayvan maması markası, satışları artırmak için ambalajda hangi görselin kullanılması gerektiğini öğrenmek istedi. Tavuk, sığır eti veya sebze seçenekleri değerlendirilirken Mirror Particle'ın teknolojisi markanın yanlış soruyu sorduğunu tespit etti. Görselliğin bir önemi yoktu. Sorun, markanın o kadar tanınır olmasıydı ki kitlesel pazar ve ucuz olarak algılanıyordu ve bu algı ele alınana kadar satışlar yatay seyredecekti.
Kurucuların Geçmişi ve Şirketin Uzun Vadeli Vizyonu
İnsan beynini modellemeye yönelik bu temel ilgi, Ahuja'nın akademik ve profesyonel geçmişine dayanıyor. Aslen Hindistanlı olan Ahuja, Toronto Üniversitesi'nde sinirbilim ve bilgisayar bilimi okudu ve burada yapay zeka öncüsü Geoffrey Hinton'ın sinir ağlarına katkılarından ilham aldı. Mezuniyet sonrası Amazon Robotics'te başka robotları üreten robotlar geliştiren ekipte çalıştı.Ahuja, burada şirketin diğer kurucu ortakları Will Song ve Thomson Yen ile tanıştı. Song kariyerinin önemli bir bölümünü satış kişiselleştirme motorları geliştirmeye ayırdı, Yen ise yapay zeka ajanlarının insan davranışını nasıl anladığını öğrenmek için derin öğrenme üzerine odaklandı.
Mirror Particle bugüne kadar bir melek yatırım turunu tamamladı ve ilk girişim sermayesi turunu kapatmaya yakın olduğunu belirtiyor. Girişimin uzun vadeli vizyonu, insan davranışını öngörmek için "genel katman" olmak ve daha geniş nüfus düzeyindeki analizlerden bireysel düzeyde içgörülere doğru ilerlemek olarak tanımlanıyor. Ahuja, "Yapay zeka ile yan yana ve birbirimizle birlikte çalışacaksak, insanlara dair daha iyi bir modele ihtiyacımız var" diyor.
TechCrunch Disrupt 2026 ve Startup Battlefield 200 Detayları
Mirror Particle, 13-15 Ekim 2026 tarihleri arasında San Francisco'da düzenlenecek TechCrunch Disrupt 2026 kapsamında gerçekleştirilen Startup Battlefield 200 yarışmasında yarışacak. TechCrunch'ın editoryal ekibi tarafından incelenen girişimlerin yer aldığı etkinlikte şirket, yenilikçi girişimler arasında yer alacak.Yarışmanın kazananı, 15 Ekim Perşembe öğleden sonra girişim sermayesi jürisi tarafından belirlenecek. Etkinlik, San Francisco şehir merkezinde düzenlenecek ve TechCrunch'ın tanınmış girişim yarışması olarak biliniyor.
Webmaster
Webmaster
Webmaster
Yorumlar (0)
Yorum yapmak için giriş yapmalısınız.