42AI, Davranışsal Dünya Modeli İçin 62,5 Milyon Dolarlık Tohum Yatırımı Aldı

TechCrunch’ın bildirdiğine göre, İsrailli girişim 42AI, 2 Kasım 2026’da 62,5 milyon dolarlık tohum yatırımı ve finansal aracı kurumlarda kullanılan bir davranışsal dünya modeliyle gizlilikten çıktı. Kurucular, TechCrunch’a sistemin, değişen koşullar altında bireysel müşterilerin nasıl davranabileceğine ilişkin olasılıkları hesapladığını söyledi.

CEO ve kurucu ortak Amit Gal-Or, TechCrunch’a finansmanın üç yıl içinde kurucular ve Infinity Group tarafından sağlandığını ve tamamının dış yatırımcılardan toplanmadığını söyledi. Infinity, babası Amir Gal-Or tarafından kuruldu; Amir Gal-Or aynı zamanda 42AI’nin yönetim kurulu başkanı ve kurucu ortaklarından biri. Ehud Ezra, teknoloji direktörü ve kurucu ortaklardan biri.

Gal-Or, 42AI’nin 10 büyük aracı kurumla çalıştığını, yeni müşterileri sisteme dahil ettiğini ve kesin bir rakam vermemekle birlikte yedi haneyi aşan gelir elde ettiğini söyledi. Müşteriler, sabit bir ücret ya da platformun elde etmelerine yardımcı olduğu değerin belli bir yüzdesini ödüyor. Gal-Or, bir aracı kurumun dinamik riskten korunma yoluyla yaklaşık 30 milyon dolar ek değer elde ettiğini belirtti.

Davranış Modeli Nasıl Çalışıyor?

Gal-Or ve Ezra, TechCrunch’a davranışın deterministik değil, olasılıksal olduğunu söyledi. 42AI’nin önceki eylemleri basitçe ileriye yansıtmak yerine altta yatan motivasyonları belirlemeye çalıştığını, modelin de farklı koşullar altında verilebilecek olası kararlara olasılıklar atadığını belirttiler.

Ezra’ya göre aracı kurum müşterileri için girdiler; müşterini tanıma (KYC) ve müşteri kabul süreçlerini, destek ve satış etkileşimlerini, para transferlerini ve işlemleri içerebilir. İncelenen sinyaller arasında duygu durumu, ses, arama sıklığı, alış ve satışların zamanlaması ile aynı dönemdeki piyasa koşulları yer alıyor.

TechCrunch’ın bildirdiğine göre bu gözlemler, özelliklerin matematiksel temsillerine dönüştürülerek transformatör tabanlı bir dünya modeline aktarılıyor. Tahminlere ilişkin açıklamaları ayrı bir dil modeli oluşturuyor. Ezra, eğitimdeki ödül mekanizmalarının simülasyonlar sırasında altta yatan eğilimleri koruyacak şekilde tasarlandığını söyledi: Normalde riskten kaçınan biri, modelde birdenbire risk almayı seven biri olarak gösterilmemeli.

Eğitim Verileri ve Açıklanan Sonuçlar

Gal-Or, 42AI’nin bu yaklaşımı geliştirmek için üç yıl harcadığını; psikoloji araştırmalarını sinirbilim ve genetikle birleştirdiğini, psikoloji ve travma sonrası stres bozukluğu (TSSB) uzmanlarıyla kimyager Dan Shechtman’dan danışmanlık aldığını söyledi. Ekip başlangıçta binlerce kişiyi psikolojik değerlendirmeler ve davranış senaryoları aracılığıyla inceledi; ardından 2 milyondan fazla kişiyi kapsayan devlet ve biyobanka veri kümelerini ekledi. Gal-Or, müşteri veri kümelerinin daha sonra neredeyse 30 milyon kişiyi kapsayacak şekilde genişlediğini belirtti.

TechCrunch, 42AI’nin piyasa işlemlerini tahmin etmede yüzde 98 doğruluk sağladığı yönündeki açıklamasını aktardı. Gal-Or, bu oranın her bir işlemin doğru tahmin edilip edilmediğini değil, işlem akışlarının öngörülen aralıkta kalıp kalmadığını ölçtüğünü açıkladı. İşlem yönü ve hacmi için F1 skorlarının 0,8 ile 0,85 arasında olduğunu da bildirdi. F1, bir sınıflandırma modelinin doğru tahminlerle yanlış alarmlar ve kaçırılan olaylar arasındaki dengeyi nasıl kurduğunu ölçer.

Kurucular, sistemin bir kişinin deneyimlediği her şeye erişimi olmadığı için doğruluğun ulaşabileceği bir üst sınır bulunduğunu kabul etti. Ezra, bir arkadaşın ya da iş arkadaşının işlem kararını değiştiren tavsiyesi gibi önemli durumsal bağlamlar eksik olduğunda da doğruluğun düştüğünü söyledi.

Ben Yellin, Ezra, Mark Foreman ve Shula Grinapol tarafından 19 Şubat 2026’da arXiv’e gönderilen bir ön baskı çalışmasında, yapılandırılmış, yüksek boyutlu psikometrik özellik profillerinden bireysel stratejik seçimleri tahmin etmek üzere ince ayar yapılmış bir Büyük Davranış Modeli tanıtıldı. Yazarlar, istikrarlı eğilimleri, motivasyon durumlarını ve durumsal kısıtları gözlemlenen seçimlerle ilişkilendiren özel bir veri kümesi üzerinde eğitim yapıldığını açıkladı.

Eğitimde kullanılmayan senaryolarla yapılan değerlendirmede yazarlar, davranış tahmininde uyarlanmamış Llama-3.1-8B-Instruct temel modeline kıyasla iyileşme sağlandığını ve Beş Büyük kişilik özelliğine göre koşullandırıldığında öncü temel modellerle karşılaştırılabilir performans elde edildiğini bildirdi. Ayrıca modellerinin daha yoğun özellik profillerinden yararlanmaya devam ettiğini, istem tabanlı temel modellerde ise karmaşıklık açısından bir üst sınıra ulaşıldığını belirttiler.

Aracı Kurumlarda Kullanım ve Açıklanan Sınırlar

42AI’nin web sitesinde şirket, ham verileri davranışsal etkenlere dönüştüren, belirli olaylara verilen tepkileri ve zaman içindeki davranışları tahmin eden, değişen değişkenleri simüle eden ve açıklamalar sunan bir davranışsal teknoloji yığını tanımlıyor. Dünya modeli için 1–10 milisaniye, Büyük Davranış Modeli içinse 2–12 milisaniye yanıt süreleri bildiriyor.

Siteye göre aracı kurumlara yönelik ürün, her müşterinin işlemlerini enstrüman, yön ve hacim bazında 24 saate kadar önceden tahmin edebiliyor. Aracı kurumlara yönelik kullanım alanları arasında maruziyetin önceden görülebilmesi, dinamik riskten korunma, kuyruk riski yönetimi ile işlem kaymasının ve riske maruz değerin azaltılması da sıralanıyor. Gal-Or, TechCrunch’a müşterilerin sistemi likiditeyi, teminat gerekliliklerini ve riskten korunma maruziyetini yönetmek için kullandığını söyledi.

Gal-Or, kullanılan sistemin kişiyi tanımlayabilecek bilgilere ihtiyaç duymadığını ve modelin kişinin kim olduğunu hiçbir zaman bilmediğini söyledi. TechCrunch’ın bildirdiğine göre 42AI buna rağmen birbiriyle ilişkilendirilmiş müşteri faaliyetlerinden bireysel davranış profilleri oluşturuyor.

TechCrunch, müşterilerin kendi müşterileri hakkındaki tahminlerden çıkar sağlama ihtimalini gündeme getirdiğinde Ezra bunun haklı bir endişe olduğunu söyledi. Kurucular düzenlemelere, izlemeye ve şirket içi bir etik kuruluna işaret ederken Gal-Or, teknolojinin bu tür riskleri gidermeye yardımcı olabileceğini belirtti. TechCrunch, müşterilerin profili çıkarılan kişiler karşısında avantaj elde etmek için tahminleri kullanmasını önleyecek belirli bir mekanizmayı açıklamadıklarını bildirdi.

Kurucular TechCrunch’a, 42AI’ın oyun, dolandırıcılığı önleme ve siber güvenlik alanlarını araştırdığını ve ileride robotların ve yapay zekâ ajanlarının, insanları anlamak için modeli kullanmasını istediğini söyledi. Ezra, modelin her yeni alanın kuralları ve bağlamı doğrultusunda eğitilmesi gerektiğini belirtti. Gal-Or ayrıca şirketin ek finansman sağlamayı planladığını söyledi.

Belgelenmiş aracı kurum uygulamalarının ötesine geçmek, Ezra’nın açıkladığı alanlara özgü eğitimi gerektirirken 42AI’ın belirttiği finansman planı ek kaynak sağlamaktır.