Simile pozyskał ponad 200 milionów dolarów przy wycenie 2 miliardów dolarów, aby skalować symulacje zachowań ludzkich

Simile pozyskał ponad 200 milionów dolarów w ramach finansowania serii B przy wycenie po emisji 2 miliardów dolarów, co daje firmie z siedzibą w Palo Alto znaczne środki na rozwój modeli sztucznej inteligencji zaprojektowanych do symulowania, w jaki sposób ludzie podejmują decyzje.

Greenoaks poprowadził rundę finansowania, a istniejący inwestor Index Ventures zwiększył swoje zaangażowanie. Hanabi, Bain Capital Ventures, A*, Factory i CVS Health Ventures (CVS ) również powrócili, a Definition dołączył jako nowy inwestor. Finansowanie nastąpiło zaledwie pięć miesięcy po tym, jak Simile wyszedł z ukrycia z 100 milionami dolarów w ramach serii A pod przewodnictwem Index Ventures, co zwiększyło udokumentowane finansowanie firmy do ponad 300 milionów dolarów.

Od czasu swojego publicznego uruchomienia Simile twierdzi, że zwiększył przychody pięciokrotnie, rozwinął się do ponad 50 pracowników i przeprowadził dziesiątki milionów symulacji dla firm z listy Fortune 100. Firma planuje wykorzystać nowe finansowanie do rozwoju swojego modelu podstawowego dla zachowań ludzkich, poprawy niezawodności swoich symulacji oraz rozszerzenia platformy na branże, takie jak opieka zdrowotna, usługi finansowe, produkty konsumenckie i media.

Budowanie sztucznej inteligencji do przewidywania zachowań zamiast generowania treści

Większość obecnych rynków sztucznej inteligencji generatywnej koncentruje się na tworzeniu danych wyjściowych. Duże modele językowe mogą produkować oprogramowanie, kopie marketingowe, obrazy, koncepcje produktów i plany biznesowe w ciągu kilku sekund.

Simile koncentruje się na procesie podejmowania decyzji, który występuje przed wytworzeniem tych danych wyjściowych. Platforma ma na celu pomóc organizacjom ocenić, co powinny budować, jak różne audytoria mogą zareagować i jakie skutki uboczne mogą pojawić się po wdrożeniu decyzji.

Firma opisuje siebie jako budującą model podstawowy dla zachowań ludzkich, a nie kolejny ogólny model językowy. Zamiast optymalizacji przede wszystkim pod kątem logicznych odpowiedzi lub płynnego tekstu, model jest szkolony w celu reprezentowania różnic w preferencjach, doświadczeniach, wartościach i wzorcach decyzyjnych ludzi.

Organizacje mogą wykorzystywać platformę do tworzenia porównywalnych scenariuszy i badania, w jaki sposób ta sama symulowana populacja reaguje, gdy zmieniają się zmienne, takie jak ceny, komunikaty, funkcje produktów lub warunki polityczne. Celem nie jest proste pytanie syntetycznych respondentów o opinie, ale modelowanie, w jaki sposób zachowania mogą ulegać zmianom w różnych warunkach i w czasie.

Od badań na Uniwersytecie Stanforda do platformy symulacji przedsiębiorstwa

Technologia Simile opiera się na badaniach przeprowadzonych przez współzałożyciela i CEO Joona Sung Parka oraz innych badaczy z Uniwersytetu Stanforda, Michaela Bernsteina i Percy’ego Lianga.

Park był głównym autorem pracy z 2023 roku „Generative Agents: Interactive Simulacra of Human Behavior”, która przedstawiła symulowane miasto zaludnione przez 25 agentów sztucznej inteligencji. Każdy agent wykorzystywał strumień pamięci wraz z mechanizmami odzyskiwania, refleksji i planowania, aby utrzymać kontekst i określić swoje następne działania.

Agenci tworzyli relacje, rozwijali rutyny i koordynowali działania bez wyraźnego programowania każdej interakcji. Eksperyment pomógł ustanowić wiele architektonicznych pomysłów, które są obecnie wykorzystywane w symulacjach wieloagentowych, w których autonomiczni agenci взаимодействują ze sobą, a nie reagują niezależnie na izolowane bodźce.

Późniejsze badania sprawdziły, czy agenci generatywni mogą odtworzyć postawy i zachowania prawdziwych osób. W badaniu z udziałem 1052 uczestników badacze stworzyli agenci przy użyciu wywiadów jakościowych i ocenili, jak dokładnie odtwarzali odpowiedzi uczestników.

Agenci osiągnęli 85% dokładności, jaką wykazali uczestnicy, odpowiadając na te same pytania samodzielnie dwa tygodnie później. Jest to ważne rozróżnienie: wynik nie oznacza, że zachowania ludzkie zostały przewidziane z 85% absolutną dokładnością. Oznacza to, że agenci zbliżyli się do poziomu spójności ludzi, których mieli reprezentować.

Strona internetowa Simile również odnosi się do późniejszej pracy z udziałem 2,9 miliona odpowiedzi z 210 eksperymentów z dziedziny nauk społecznych. Firma twierdzi, że dostrajanie modeli do tych danych behawioralnych poprawiło zgodność w niezbadanych wcześniej badaniach o 26% w porównaniu z podstawowym modelem.

Punkty ufności są centralne dla produktu

Jednym z bardziej doniosłych technicznych twierdzeń Simile jest to, że przeszkolił oddzielny model ufności, aby oszacować niezawodność każdej symulacji.

Przewidywanie zachowań ludzkich jest niezmiennie niepewne. Ta sama osoba może podejmować różne decyzje w zależności od czasu, kontekstu, dostępnych informacji i czynników, które nie są obecne w zbiorze danych. System, który generuje pojedyncze pewne przewidywanie bez komunikowania tych ograniczeń, mógłby zachęcić organizacje do traktowania symulowanych zachowań jako faktu.

Simile twierdzi, że jego platforma porównuje rozkłady odpowiedzi symulowanych z odpowiedziami zebranymi od prawdziwych ludzi przy użyciu całkowitej odległości zmiany, która jest miarą statystyczną różnicy między dwiema rozkładami prawdopodobieństwa. Każdy wynik otrzymuje punkt ufności na podstawie ilości i istotności wspierających dowodów ludzkich.

Gdy dowody dla określonej populacji lub scenariusza są ograniczone, punkt ufności ma na celu uczynienie tej niepewności widoczną. Firma twierdzi również, że jej modele są kalibrowane co tydzień, aby uwzględnić zmiany w obszarach, takich jak ceny, polityka, warunki ekonomiczne i zachowania konsumentów.

Ta warstwa walidacji może okazać się równie ważna, jak same symulacje. Dla przedsiębiorstw podejmujących kosztowne lub wrażliwe decyzje wiedza o tym, kiedy model jest mało niezawodny, może być bardziej wartościowa niż otrzymanie kolejnego prawdopodobnego przewidywania.

CVS Health wykorzystuje symulacje do testowania decyzji przed uruchomieniem

CVS Health jest jednym z najbardziej prominentnych wczesnych klientów Simile i również wziął udział w rundzie finansowania za pośrednictwem CVS Health Ventures.

Firma opieki zdrowotnej wykorzystała symulowane populacje do walidacji istniejących badań nad klientami, zbadania czynników wpływających na satysfakcję pacjentów i przetestowania strategii związanych z przestrzeganiem zaleceń dotyczących leków. Przetestował również populacje, które mogą być trudne lub drogie do osiągnięcia za pomocą tradycyjnych ankiet, w tym pacjentów z przewlekłymi chorobami.

Zgodnie z oświadczeniem Simile, inicjatywa CVS opiera się na 2,9 milionach odpowiedzi udzielonych przez ponad 400 000 uczestników w ponad 200 scenariuszach behawioralnych. Symulacje zostały wykorzystane do wstępnego sprawdzenia pomysłów i identyfikacji, które hipotezy wymagają dalszego testowania za pomocą badań świata rzeczywistego lub pilotażu.

To rozróżnienie ma znaczenie. Symulacja może zmniejszyć liczbę pomysłów, które muszą być testowane bezpośrednio z klientami, ale nie eliminuje potrzeby zbierania dowodów z świata rzeczywistego. CVS opisał technologię jako sposób na priorytetowe badania i doskonalenie potencjalnych interwencji przed narażeniem pacjentów lub klientów na nie.

Simile współpracuje również z Gallupem w zakresie badań politycznych, studiów nad miejscem pracy i analizy trendów społecznych. Inne organizacje przedstawione przez firmę obejmują Wealthfront, Deloitte, Banco Itaú i Suntory. Przedsiębiorstwa wykorzystują platformę w obszarach, takich jak testowanie produktów, wejście na rynek, badania doświadczeń klientów, pozycjonowanie konkurencyjne i przygotowanie do konferencji wyników.

Przechodzenie od indywidualnych agentów do symulowanych rynków

Wiele obecnych zastosowań Simile przypomina przyspieszone badania rynkowe. Firma może przetestować kilka koncepcji produktów lub komunikatów wobec symulowanej populacji, zanim zdecyduje, które z nich zasługują na rzeczywistą kampanię lub pilotaż.

Długoterminowa możliwość jest znacznie bardziej złożona. Simile chce modelować interakcje między klientami, konkurentami, instytucjami, politykami i rynkami. Zamiast przewidywania, w jaki sposób izolowani jednostki odpowiedzą na pytanie, te symulacje wieloagentowe będą badać, w jaki sposób ludzie wpływają na siebie nawzajem i w jaki sposób decyzje powodują efekt kaskady.

Mogące zastosowania obejmują modelowanie reakcji na wstrząsy finansowe, zmiany polityczne, wprowadzanie nowych produktów lub zmiany w zachętach. Symulacja mogłaby zbadać nie tylko, czy klienci przyjmują nową usługę, ale także, w jaki sposób ta akceptacja zmienia zachowanie konkurentów, postrzeganie publiczne i popyt na powiązane produkty.

To właśnie tam techniczne ograniczenia staną się bardziej znaczące. Małe błędy mogą się kumulować, gdy tysiące lub miliony agentów взаимодействują, szczególnie w symulacjach, w których wczesne zdarzenia zmieniają trajektorię wszystkiego, co następuje. Simile musi udowodnić, że jego metody walidacji pozostają istotne, gdy symulacje przechodzą od indywidualnych predykacji do złożonych, dynamicznych systemów.

Nowa warstwa infrastruktury decyzyjnej

Rozmiar i szybkość najnowszego finansowania Simile sugerują, że inwestorzy widzą symulację behawioralną jako potencjalną nową warstwę w podejmowaniu decyzji przez przedsiębiorstwa.

Organizacje już wydają dużo pieniędzy na ankiety, konsultacje, grupy fokusowe, testy produktów i badania rynkowe. Symulacje sztucznej inteligencji mogą sprawić, że będzie taniej badać więcej opcji, testować węższe segmenty odbiorców i identyfikować słabe pomysły przed zaangażowaniem znacznych kapitałów.

Technologia wprowadza również trudne pytania dotyczące zgody, reprezentacji i odpowiedzialności. Symulowana populacja jest tylko tak użyteczna, jak ludzie, zachowania i okoliczności reprezentowane w jej podstawowych danych. Przewidywania mogą stać się mniej niezawodne, gdy są wdrożone w nieznanych kulturach, szybko zmieniających się rynkach lub sytuacjach o wysokim ryzyku z ograniczoną historyczną precedensją.

Dlatego najmocniejsza rola platform, takich jak Simile, może polegać na uzupełnieniu badań ludzkich, a nie ich zastąpieniu. Symulacje mogą pomóc organizacjom zdecydować, które pytania należy zbadać, ale prawdziwi klienci i społeczności pozostają niezbędni do weryfikowania, czy wyniki utrzymują się poza modelem.

Nowe finansowanie Simile daje firmie środki, aby przetestować, czy symulacja zachowań ludzkich może rozwinąć się z powstającej dziedziny badawczej w niezawodną infrastrukturę przedsiębiorstwa. Natychmiastowym wyzwaniem jest nie tylko uruchamianie większej liczby symulacji, ale udowodnienie, że organizacje mogą zrozumieć ich ograniczenia i wiedzieć, kiedy wyniki są wystarczająco niezawodne, aby wpłynąć na istotne decyzje.