Η Simile Ανεβάζει Περισσότερα Από 200 Εκατομμύρια Δολάρια Σε Αξία 2 Δισεκατομμυρίων Δολαρίων Για Να Κλιμακώσει Προσομοιώσεις Ανθρώπινης Συμπεριφοράς

Simile έχει ανεβάσει περισσότερα από $200 εκατομμύρια σε Σειρά B χρηματοδότησης με αξία 2 δισεκατομμυρίων δολαρίων μετά την χρηματοδότηση, παρέχοντας στην εταιρεία Palo Alto-based με σημαντικό κεφάλαιο για την ανάπτυξη μοντέλων τεχνητής νοημοσύνης που προσομοιώνουν τον τρόπο με τον οποίο οι άνθρωποι λαμβάνουν αποφάσεις.

Greenoaks ηγήθηκε του γύρου, ενώ ο υφιστάμενος επενδυτής Index Ventures αυξάνει την υποστήριξή του. Hanabi, Bain Capital Ventures, A*, Factory και CVS Health Ventures (CVS ) επίσης επέστρεψαν, με Definition να προσχωρεί ως νέος επενδυτής. Η χρηματοδότηση έρχεται μόνο πέντε μήνες μετά την Simile βγήκε από τη μυστικότητα με 100 εκατομμύρια δολάρια Σειρά Α που ηγήθηκε η Index Ventures, παίρνοντας τη δηλωμένη χρηματοδότηση της εταιρείας πέρα από τα 300 εκατομμύρια δολάρια.

Από την δημόσια εκκίνηση, η Simile λέει ότι έχει αυξήσει τις πωλήσεις της πέντε φορές, έχει επεκταθεί σε περισσότερους από 50 υπαλλήλους και έχει εκτελέσει δεκάδες εκατομμύρια προσομοιώσεις για εταιρείες Fortune 100. Η εταιρεία σχεδιάζει να χρησιμοποιήσει τη νέα χρηματοδότηση για να προχωρήσει το μοντέλο της για την ανθρώπινη συμπεριφορά, να βελτιώσει την αξιοπιστία των προσομοιώσεων της και να επεκτείνει την πλατφόρμα σε βιομηχανίες όπως η υγεία, οι χρηματοοικονομικές υπηρεσίες, τα καταναλωτικά προϊόντα και τα μέσα ενημέρωσης.

Κατασκευάζοντας Τεχνητή Νοημοσύνη Για Να Προβλέψει Συμπεριφορά Αντί Να Δημιουργήσει Περιεχόμενο

Η większość της τρέχουσας γενετικής αγοράς τεχνητής νοημοσύνης εστιάζει στη δημιουργία εξόδων. Τα μεγάλα μοντέλα γλωσσών μπορούν να παράγουν λογισμικό, διαφημιστικό κείμενο, εικόνες, концепτούς προϊόντων και επιχειρηματικά σχέδια μέσα σε δευτερόλεπτα.

Η Simile στοχεύει στη διαδικασία λήψης αποφάσεων που προηγείται της παραγωγής αυτών των εξόδων. Η πλατφόρμα της προορίζεται να βοηθήσει τις οργανώσεις να αξιολογήσουν τι πρέπει να κατασκευάσουν, πώς διαφορετικά κοινά μπορεί να ανταποκριθούν και ποια δευτερογενή αποτελέσματα μπορεί να προκύψουν μετά την εφαρμογή μιας απόφασης.

Η εταιρεία περιγράφει τον εαυτό της ως κατασκευαστή ενός μοντέλου για την ανθρώπινη συμπεριφορά και όχι ενός γενικού μοντέλου γλωσσών. Αντί να βελτιστοποιούνται κυρίως για λογικές απαντήσεις ή ευφλεκτά κείμενα, το μοντέλο εκπαιδεύεται για να αντιπροσωπεύει τις διαφορές στις προτιμήσεις, τις εμπειρίες, τις αξίες και τα μοτίβα λήψης αποφάσεων των ανθρώπων.

Οι οργανώσεις μπορούν να χρησιμοποιήσουν την πλατφόρμα για να δημιουργήσουν συγκρίσιμες σενάρια και να εξετάσουν πώς η ίδια προσομοιωμένη πληθυσμός ανταποκρίνεται όταν μεταβάλλονται μεταβλητές όπως οι τιμές, το μήνυμα, τα χαρακτηριστικά προϊόντων ή οι προϋποθέσεις πολιτικής. Ο στόχος δεν είναι απλώς να ζητήσει από συνθετικούς απαντητές γνώμες, αλλά να μοντελοποιήσει πώς η συμπεριφορά μπορεί να αλλάξει σε πολλές συνθήκες και με την πάροδο του χρόνου.

Από την Έρευνα του Stanford Σε Μια Εταιρική Πλατφόρμα Προσομοίωσης

Η τεχνολογία της Simile βασίζεται σε έρευνα που διεξήχθη από τον συνιδρυτή και διευθύνοντα σύμβουλο Joon Sung Park και άλλους ερευνητές του Stanford Michael Bernstein και Percy Liang.

Ο Park ήταν ο κύριος συγγραφέας του 2023 “Γενετικά Πράγματα: Διαδραστικά Μοντέλα Ανθρώπινης Συμπεριφοράς ” που εισήγαγε μια προσομοιωμένη πόλη που κατοικούνταν από 25 πράγματα τεχνητής νοημοσύνης. Κάθε πράγμα χρησιμοποιούσε μια ροή μνήμης μαζί με μηχανισμούς ανάκτησης, αντανακλάσεων και σχεδιασμού για να διατηρήσει το контέκστ και να καθορίσει τις επόμενες ενέργειές του.

Τα πράγματα δημιούργησαν σχέσεις, ανέπτυξαν ρουτίνες και συντόνιζαν δραστηριότητες χωρίς κάθε αλληλεπίδραση να προγραμματίζεται ρητά. Το πείραμα βοήθησε να καθορίσει πολλές από τις αρχιτεκτονικές ιδέες που χρησιμοποιούνται τώρα στις προσομοιώσεις πολλών πραγμάτων, όπου τα αυτόνομα πράγματα αλληλεπιδρούν μεταξύ τους και όχι ανταποκρίνονται ανεξάρτητα σε απομονωμένα ερεθίσματα.

Αργότερα η έρευνα έτεστε αν τα γενετικά πράγματα μπορούσαν να αναπαράγουν τις στάσεις και τη συμπεριφορά των πραγματικών ατόμων. Σε μια μελέτη που συμμετείχαν 1.052 συμμετέχοντες, οι ερευνητές δημιούργησαν πράγματα χρησιμοποιώντας ποιοτικές συνεντεύξεις και αξιολόγησαν πώς ακριβώς αναπαράγουν τις απαντήσεις των συμμετεχόντων.

Τα πράγματα πέτυχαν το 85% της ακρίβειας που οι συμμετέχοντες επέδειξαν όταν απάντησαν τις ίδιες ερωτήσεις δύο εβδομάδες αργότερα. Αυτό είναι ένα σημαντικό διαχωρισμό: το αποτέλεσμα δεν σημαίνει ότι η ανθρώπινη συμπεριφορά προβλεφθηκε με απόλυτη ακρίβεια 85%. Σημαίνει ότι τα πράγματα πλησίασαν το επίπεδο συνεπαγωγής των ανθρώπων που σχεδιάστηκαν για να αντιπροσωπεύουν.

Η ιστοσελίδα της Simile επίσης αναφέρεται σε μεταγενέστερη δουλειά που αφορά 2,9 εκατομμύρια απαντήσεις από 210 πειράματα κοινωνικών επιστημών. Η εταιρεία λέει ότι η εκπαίδευση μοντέλων σε αυτά τα δεδομένα συμπεριφοράς βελτίωσε την ευθυγράμμιση σε προηγουμένως μη ευθυγραμμισμένες μελέτες κατά 26% σε σύγκριση με το υποκείμενο βασικό μοντέλο.

Οι Βαθμοί Εμπιστοσύνης Είναι Κεντρικοί Στο Προϊόν

Ένας από τους πιο σημαντικούς τεχνικούς ισχυρισμούς της Simile είναι ότι έχει εκπαιδεύσει ένα ξεχωριστό μοντέλο εμπιστοσύνης για να εκτιμήσει την αξιοπιστία κάθε προσομοίωσης.

Η πρόβλεψη της ανθρώπινης συμπεριφοράς είναι εγγενώς αβέβαιη. Ο ίδιος άνθρωπος μπορεί να λαμβάνει διαφορετικές αποφάσεις ανάλογα με το χρόνο, το контέκστ, τις διαθέσιμες πληροφορίες και παράγοντες που δεν υπάρχουν σε ένα σύνολο δεδομένων. Ένα σύστημα που παράγει μια seule προβλέψη χωρίς να επικοινωνεί αυτές τις περιορισμοί θα μπορούσε να ενθαρρύνει τις οργανώσεις να αντιμετωπίζουν τη συμπεριφορά ως γεγονός.

Η Simile λέει ότι η πλατφόρμα της συγκρίνει τις κατανομές προσομοίωσης με απαντήσεις που συλλέγονται από πραγματικούς ανθρώπους χρησιμοποιώντας την απόσταση της ολικής μεταβλητότητας, ένα στατιστικό μέτρο της διαφοράς μεταξύ δύο κατανομών πιθανοτήτων. Κάθε αποτέλεσμα λαμβάνει einen βαθμό εμπιστοσύνης με βάση την ποσότητα και τη σχετικότητα των υποστηρικτικών ανθρώπινων αποδεικτικών.

Όταν τα αποδεικτικά για einen συγκεκριμένο πληθυσμό ή σενάριο είναι περιορισμένα, ο βαθμός εμπιστοσύνης προορίζεται να κάνει αυτήν την αβεβαιότητα ορατή. Η εταιρεία επίσης λέει ότι τα μοντέλα της επαναρυθμίζονται εβδομαδιαία για να ενσωματώσουν αλλαγές σε περιοχές όπως οι τιμές, η πολιτική, οι οικονομικές συνθήκες και η συμπεριφορά των καταναλωτών.

Αυτό το επίπεδο επικύρωσης θα μπορούσε να αποδειχθεί τόσο σημαντικό όσο και οι ίδιες οι προσομοιώσεις. Για τις εταιρείες που λαμβάνουν ακριβές ή ευαίσθητες αποφάσεις, η γνώση του πότε ένα μοντέλο είναι απίθανο να είναι αξιοπιστο μπορεί να είναι πιο宝贵 από το να λαμβάνουν μια άλλη πιθανή πρόβλεψη.

Η CVS Health Χρησιμοποιεί Προσομοιώσεις Για Να Εξετάσει Αποφάσεις Πριν Από Την Εκκίνηση

Η CVS Health είναι ένας από τους πιο εξέχοντες πρώτους πελάτες της Simile και επίσης συμμετείχε στη χρηματοδότηση μέσω της CVS Health Ventures.

Η εταιρεία υγείας έχει χρησιμοποιήσει προσομοιωμένους πληθυσμούς για να επικυρώσει την υφιστάμενη έρευνα πελατών, να εξετάσει τους οδηγούς της ικανοποίησης των ασθενών και να ελέγξει στρατηγικές που σχετίζονται με την συμμόρφωση με τα φάρμακα. Έχει επίσης εξετάσει πληθυσμούς που μπορούν να είναι δύσκολοι ή ακριβοί για να φτάσουν μέσω παραδοσιακών ερευνών, συμπεριλαμβανομένων των ασθενών με χρονίες παθήσεις.

Σύμφωνα με την Simile, η προσπάθεια της CVS βασίζεται σε 2,9 εκατομμύρια συναίνεση απαντήσεις από περισσότερους από 400.000 συμμετέχοντες σε πάνω από 200 συμπεριφορικά σενάρια. Οι προσομοιώσεις έχουν χρησιμοποιηθεί για να προ-οθόνες ιδέες και να αναγνωρίσουν ποιες υποθέσεις αξίζει να ελεγχθούν περαιτέρω μέσω πραγματικών ερευνών ή πιλότων.

Αυτή η διάκριση έχει σημασία. Η προσομοίωση μπορεί να μειώσει τον αριθμό των ιδεών που πρέπει να ελεγχθούν trực tiếp με τους πελάτες, αλλά δεν εξαλείφει την ανάγκη να συλλέγονται πραγματικά αποδεικτικά. Η CVS έχει περιγράψει την τεχνολογία ως einen τρόπο να προτεραιοποιήσει την έρευνα και να βελτιώσει τις πιθανές παρεμβάσεις πριν από την έκθεση των ασθενών ή των πελατών σε αυτές.

Η Simile επίσης συνεργάζεται με την Gallup σε έρευνες πολιτικής, μελέτες εργασίας και ανάλυση κοινωνικών τάσεων. Άλλες οργανώσεις που παρουσιάζονται από την εταιρεία περιλαμβάνουν την Wealthfront, Deloitte, Banco Itaú και Suntory. Οι εταιρείες εφαρμόζουν την πλατφόρμα σε περιοχές όπως η δοκιμή προϊόντων, η είσοδος στην αγορά, η έρευνα εμπειρίας πελατών, η ανταγωνιστική τοποθέτηση και η προετοιμασία κλήσεων κερδών.

Μετακίνηση Από Ατομικά Πράγματα Σε Προσομοιωμένες Αγορές

Πολλές από τις τρέχουσες εφαρμογές της Simile μοιάζουν με επιταχυνόμενη έρευνα αγοράς. Μια εταιρεία μπορεί να ελέγξει πολλά概念 προϊόντων ή μηνύματα έναντι ενός προσομοιωμένου πληθυσμού πριν από την απόφαση ποια από αυτά αξίζει μια πραγματική εκστρατεία ή πιλότος.

Η μακροπρόθεσμη ευκαιρία είναι σημαντικά πιο σύνθετη. Η Simile θέλει να μοντελοποιήσει τις αλληλεπιδράσεις μεταξύ πελατών, ανταγωνιστών, ιδρυμάτων, πολιτικών και αγορών. Αντί να προβλέπει πώς μεμονωμένα άτομα θα απαντήσουν σε μια ερώτηση, αυτές οι προσομοιώσεις πολλών πραγμάτων θα εξετάσουν πώς οι άνθρωποι επηρεάζουν ο ένας τον άλλον και πώς οι αποφάσεις παράγουν κασκαντίζουσες επιπτώσεις.

Πιθανές εφαρμογές θα μπορούσαν να περιλαμβάνουν την μοντελοποίηση των αντιδράσεων σε οικονομικούς σοκ, αλλαγές πολιτικής, εκκίνηση προϊόντων ή αλλαγές σε κίνητρα. Μια προσομοίωση θα μπορούσε να εξετάσει όχι μόνο αν οι πελάτες θα υιοθετήσουν μια νέα υπηρεσία, αλλά και πώς αυτή η υιοθέτηση αλλάζει την συμπεριφορά των ανταγωνιστών, την κοινή αντίληψη και τη ζήτηση για συναφή προϊόντα.

Αυτή είναι η θέση όπου οι τεχνικές περιορισμοί θα γίνουν πιο σημαντικοί. Μικρά λάθη μπορούν να συσσωρευτούν όταν χιλιάδες ή εκατομμύρια πράγματα αλληλεπιδρούν, ιδιαίτερα σε προσομοιώσεις όπου τα πρώιμα γεγονότα αλλάζουν την πορεία όλων των επόμενων γεγονότων. Η Simile θα πρέπει να αποδείξει ότι οι μεθόδους επικύρωσής της παραμένουν σημαντικές καθώς οι προσομοιώσεις μετακινούνται από μεμονωμένες προβλέψεις προς σύνθετα, δυναμικά συστήματα.

Ένα Νέο Επίπεδο Υποδομής Αποφάσεων

Το μέγεθος και η ταχύτητα της τελευταίας χρηματοδότησης της Simile δείχνουν ότι οι επενδυτές βλέπουν την προσομοίωση συμπεριφοράς ως einen πιθανό νέο επίπεδο στη λήψη αποφάσεων των εταιρειών.

Οι οργανώσεις ήδη δαπανούν πολύ σε έρευνες, συμβούλους, εστίες, δοκιμές προϊόντων και έρευνα αγοράς. Οι προσομοιώσεις τεχνητής νοημοσύνης θα μπορούσαν να κάνουν φθηνότερη την εξέταση περισσότερων επιλογών, την δοκιμή στενότερων τμημάτων κοινού και την αναγνώριση αδύναμων ιδεών πριν από την υποβολή σημαντικών κεφαλαίων.

Η τεχνολογία επίσης εισάγει δύσκολα ερωτήματα γύρω από τη συναίνεση, την αναπαράσταση και την ευθύνη. Ένας προσομοιωμένος πληθυσμός είναι μόνο τόσο χρήσιμος όσο οι άνθρωποι, η συμπεριφορά και οι περιστάσεις που αναπαρίστανται στα υποκείμενα δεδομένα. Οι προβλέψεις θα μπορούσαν να γίνουν λιγότερο αξιόπιστες όταν εφαρμόζονται σε άγνωστες κουλτούρες, ταχέως μεταβαλλόμενες αγορές ή υψηλού κινδύνου καταστάσεις με περιορισμένη ιστορική προηγούμενη εμπειρία.

Γι’ αυτόν τον λόγο, ο ισχυρότερος近期 ρόλος για πλατφόρμες όπως η Simile μπορεί να είναι να συμπληρώσει την ανθρώπινη έρευνα αντί να την αντικαταστήσει. Οι προσομοιώσεις μπορούν να βοηθήσουν τις οργανώσεις να αποφασίσουν ποιες ερωτήσεις να ερευνήσουν, αλλά οι πραγματικοί πελάτες και οι κοινότητες παραμένουν απαραίτητοι για την επικύρωση των αποτελεσμάτων.

Simile’s νέα χρηματοδότηση της δίνει τους πόρους για να δοκιμάσει αν η προσομοίωση ανθρώπινης συμπεριφοράς μπορεί να προχωρήσει από einen αναδυόμενο ερευνητικό πεδίο σε αξιοπιστή εταιρική υποδομή. Η άμεση πρόκληση της δεν είναι απλώς να τρέξει περισσότερες προσομοιώσεις, αλλά να αποδείξει ότι οι οργανώσεις μπορούν να κατανοήσουν τα όριά τους και να γνωρίζουν πότε τα αποτελέσματα είναι αξιοπιστή enough για να επηρεάσουν σημαντικές αποφάσεις.