人間行動の「世界モデル」を構築するMirror Particle
原題: Mirror Particle is building a ‘world model’ of human behavior
なぜ重要か
人間行動予測市場では10億ドル超の資金調達が相次いでおり、LLMに依存しない独自アーキテクチャの競争が激化している点が注目される。
サンフランシスコ拠点のスタートアップMirror Particleは、消費者行動とその理由を予測するAIエンジンを開発している。同社はLLMのファインチューニングに基づく既存手法を「根本的に欠陥がある」と批判し、人間行動をゼロから構築したファンデーションモデルで再現するアプローチを採用。エンジェルラウンドを完了済みで、最初のベンチャーラウンドのクローズが近いとしている。
人間行動の予測を謳うスタートアップが注目を集めている。過去1年でSimileが評価額20億ドルで2億ドルを調達、Aaruが評価額10億ドルで8,800万ドルを調達、さらにHumans&は今年1月に評価額44億8,000万ドルで4億8,000万ドルという巨額のシードラウンドを発表し、人間行動モデリングサービス「Persimmon」をローンチした。
こうした競合の多くは、LLMをプロンプトやファインチューニングで特定のデモグラフィックに「ロールプレイ」させる手法を採用している。これに対しMirror ParticleのCEOであるAbhivyakti Ahuja氏は強く異を唱える。「LLMは数千億のデータポイントで学習されている。少量のデータでファインチューニングしたところで、どれほど行動に影響を与えられるのか。それは過去に縛られたままだ」と同氏は指摘する。さらに「LLMは書き言葉をモデル化しているが、人間は視覚的知覚・空間推論・社会的知性でできている」とも述べ、LLMでは人間が実際に気づいていない事柄に基づいた洞察しか得られないと批判する。
Mirror Particleが採用するのは、ゼロから構築する「世界モデル」と呼ぶファンデーションモデルだ。人間がなぜその行動を取るのか、そして時間とともに行動がどう変化するかをシミュレートすることを目指している。「静的な人物像ではなく、変化し続ける人物像を捉えたい。それはどのようなトリガーが、どの程度の変化をもたらすか、縦断的データを取得することを意味する」とAhuja氏は説明する。
モデルの学習には、クライアントの顧客データ、時事ニュース、ポップカルチャー、ソーシャルメディアなど独自の組み合わせデータを活用。自己申告型のサーベイではなく、人が実際に取る「明示された行動（revealed behavior）」を重視する点が特徴だ。初期の収益化はすでに予算が確保されているマーケットリサーチやブランド・製品戦略領域を対象とする。同社は設立から2年で、10月13〜15日にサンフランシスコで開催されるTechCrunch Disrupt 2026のStartup Battlefield 200にも出場予定だ。