Simile Thu Thập Hơn 200 Triệu Đô La Tại Giá Trị 2 Tỷ Đô La Để Phát Triển Mô Hình Hành Vi Con Người

Simile đã thu thập hơn 200 triệu đô la trong vòng tài trợ Series B với giá trị sau tài trợ là 2 tỷ đô la, cung cấp cho công ty khởi nghiệp tại Palo Alto một nguồn vốn đáng kể để phát triển các mô hình trí tuệ nhân tạo được thiết kế để mô phỏng cách con người đưa ra quyết định.

Greenoaks đã dẫn đầu vòng tài trợ này, trong khi nhà đầu tư hiện tại Index Ventures đã tăng cường hỗ trợ của mình. Hanabi, Bain Capital Ventures, A*, Factory và CVS Health Ventures (CVS ) cũng đã tham gia, với Definition tham gia như một nhà đầu tư mới. Vòng tài trợ này đến chỉ năm tháng sau khi Simile xuất hiện từ bí mật với 100 triệu đô la Series A do Index Ventures dẫn đầu, đưa tổng số vốn đã công bố của công ty vượt quá 300 triệu đô la.

Kể từ khi ra mắt công khai, Simile cho biết đã tăng doanh thu gấp năm lần, mở rộng đến hơn 50 nhân viên và chạy hàng chục triệu mô phỏng cho các công ty trong Fortune 100. Công ty dự định sử dụng nguồn vốn mới để phát triển mô hình nền tảng cho hành vi con người, cải thiện độ tin cậy của các mô phỏng và mở rộng nền tảng trên nhiều ngành công nghiệp, bao gồm chăm sóc sức khỏe, dịch vụ tài chính, sản phẩm tiêu dùng và truyền thông.

Xây Dựng Trí Tuệ Nhân Tạo Để Dự Đoán Hành Vi Thay Vì Tạo Nội Dung

Hầu hết thị trường trí tuệ nhân tạo hiện tại tập trung vào việc tạo ra đầu ra. Các mô hình ngôn ngữ lớn có thể tạo ra phần mềm, bản sao tiếp thị, hình ảnh, khái niệm sản phẩm và kế hoạch kinh doanh trong vài giây.

Simile đang nhắm vào quá trình ra quyết định xảy ra trước khi tạo ra các đầu ra đó. Nền tảng của công ty được thiết kế để giúp các tổ chức đánh giá những gì họ nên xây dựng, cách các khán giả khác nhau có thể phản ứng và những hiệu ứng thứ cấp có thể xuất hiện sau khi một quyết định được thực hiện.

Công ty mô tả mình là đang xây dựng một mô hình nền tảng cho hành vi con người thay vì một mô hình ngôn ngữ chung chung. Thay vì tối ưu hóa chủ yếu cho các câu trả lời logic hoặc văn bản trơn tru, mô hình này đang được đào tạo để thể hiện sự khác biệt trong sở thích, kinh nghiệm, giá trị và mẫu quyết định của con người.

Các tổ chức có thể sử dụng nền tảng để tạo ra các kịch bản có thể so sánh và kiểm tra cách dân số mô phỏng phản ứng khi các biến như giá cả, thông điệp, tính năng sản phẩm hoặc điều kiện chính sách được thay đổi. Mục tiêu không chỉ là hỏi ý kiến của người trả lời tổng hợp, mà là mô hình hóa cách hành vi có thể thay đổi trong nhiều điều kiện và theo thời gian.

Từ Nghiên Cứu Tại Stanford Đến Nền Tảng Mô Phỏng Doanh Nghiệp

Công nghệ của Simile được xây dựng trên cơ sở nghiên cứu do đồng sáng lập và CEO Joon Sung Park và các nhà nghiên cứu khác của Stanford như Michael Bernstein và Percy Liang thực hiện.

Park là tác giả chính của bài báo “Generative Agents: Interactive Simulacra of Human Behavior” năm 2023, giới thiệu một thị trấn mô phỏng có 25 tác nhân AI. Mỗi tác nhân sử dụng một luồng bộ nhớ cùng với các cơ chế thu hồi, phản ánh và lập kế hoạch để duy trì ngữ cảnh và xác định hành động tiếp theo.

Các tác nhân đã hình thành mối quan hệ, phát triển thói quen và phối hợp hoạt động mà không cần mỗi tương tác được lập trình rõ ràng. Thí nghiệm này đã giúp thiết lập nhiều ý tưởng kiến trúc được sử dụng hiện nay trong mô phỏng đa tác nhân, nơi các tác nhân tự động tương tác với nhau thay vì phản ứng độc lập với các lời nhắc riêng lẻ.

Nghiên cứu sau đó đã kiểm tra xem liệu các tác nhân sinh có thể tái tạo thái độ và hành vi của các cá nhân thực sự. Trong một nghiên cứu liên quan đến 1.052 người tham gia, các nhà nghiên cứu đã tạo ra các tác nhân bằng cách sử dụng các cuộc phỏng vấn định tính và đánh giá xem chúng tái tạo chính xác như thế nào các phản hồi của người tham gia.

Các tác nhân đã đạt được 85% độ chính xác mà người tham gia đã thể hiện khi trả lời cùng một câu hỏi hai tuần sau. Đây là một sự khác biệt quan trọng: kết quả không có nghĩa là hành vi con người được dự đoán với độ chính xác tuyệt đối 85%. Nó có nghĩa là các tác nhân đã tiếp cận mức độ nhất quán của những người mà chúng được thiết kế để đại diện.

Trang web của Simile cũng chỉ ra các công việc tiếp theo liên quan đến 2,9 triệu phản hồi từ 210 thí nghiệm khoa học xã hội. Công ty cho biết việc tinh chỉnh mô hình trên dữ liệu hành vi này đã cải thiện sự phù hợp trên các nghiên cứu chưa từng thấy trước đó lên 26% so với mô hình cơ bản.

Điểm Số Tin Cậy Là Trung Tâm Của Sản Phẩm

Một trong những tuyên bố kỹ thuật quan trọng hơn của Simile là họ đã đào tạo một mô hình tin cậy riêng để ước tính độ tin cậy của mỗi mô phỏng.

Dự đoán hành vi con người vốn dĩ không chắc chắn. Cùng một người có thể đưa ra quyết định khác nhau tùy thuộc vào thời gian, ngữ cảnh, thông tin có sẵn và các yếu tố không có trong tập dữ liệu. Một hệ thống tạo ra dự đoán tự tin duy nhất mà không truyền đạt những hạn chế đó có thể khuyến khích các tổ chức coi hành vi mô phỏng là sự thật.

Simile cho biết nền tảng của họ so sánh phân phối phản hồi mô phỏng với phản hồi thu thập từ người thật bằng cách sử dụng Khoảng cách Biến đổi Tổng, một thước đo thống kê về sự khác biệt giữa hai phân phối xác suất. Mỗi kết quả nhận được một điểm số tin cậy dựa trên lượng và sự liên quan của bằng chứng của con người.

Khi bằng chứng cho một dân số hoặc kịch bản cụ thể bị hạn chế, điểm số tin cậy được thiết kế để làm cho sự không chắc chắn đó trở nên rõ ràng. Công ty cũng cho biết các mô hình của họ được hiệu chỉnh lại hàng tuần để kết hợp các thay đổi trong các lĩnh vực như giá cả, chính sách, điều kiện kinh tế và hành vi của người tiêu dùng.

Lớp xác thực đó có thể chứng minh là quan trọng không kém so với chính các mô phỏng. Đối với các doanh nghiệp đưa ra quyết định tốn kém hoặc nhạy cảm, việc biết khi nào một mô hình không đáng tin cậy có thể có giá trị hơn so với việc nhận được một dự đoán hợp lý khác.

CVS Health Sử Dụng Mô Phỏng Để Kiểm Tra Quyết Định Trước Khi Ra Mắt

CVS Health là một trong những khách hàng đầu tiên nổi bật của Simile và cũng đã tham gia vào vòng tài trợ thông qua CVS Health Ventures.

Công ty chăm sóc sức khỏe đã sử dụng dân số mô phỏng để xác nhận nghiên cứu khách hàng hiện có, kiểm tra các yếu tố ảnh hưởng đến sự hài lòng của bệnh nhân và kiểm tra các chiến lược liên quan đến việc tuân thủ thuốc.

Theo Simile, đề án CVS dựa trên 2,9 triệu phản hồi đồng ý từ hơn 400.000 người tham gia trên 200 kịch bản hành vi. Các mô phỏng đã được sử dụng để sàng lọc các ý tưởng và xác định những giả thuyết nào xứng đáng được kiểm tra thêm thông qua nghiên cứu hoặc thí điểm trong thế giới thực.

Đây là một sự khác biệt quan trọng. Mô phỏng có thể giảm số lượng ý tưởng cần được kiểm tra trực tiếp với khách hàng, nhưng nó không loại bỏ nhu cầu thu thập bằng chứng trong thế giới thực. CVS đã mô tả công nghệ này như một cách để ưu tiên nghiên cứu và tinh chỉnh các can thiệp tiềm năng trước khi phơi bày bệnh nhân hoặc khách hàng với chúng.

Simile cũng đang hợp tác với Gallup về nghiên cứu chính sách, nghiên cứu nơi làm việc và phân tích xu hướng xã hội. Các tổ chức khác được công ty giới thiệu bao gồm Wealthfront, Deloitte, Banco Itaú và Suntory. Các doanh nghiệp đang áp dụng nền tảng này vào các lĩnh vực như kiểm tra sản phẩm, nhập thị trường, nghiên cứu trải nghiệm khách hàng, định vị cạnh tranh và chuẩn bị gọi thu nhập.

Chuyển Từ Tác Nhân Cá Nhân Sang Thị Trường Mô Phỏng

Nhiều ứng dụng hiện tại của Simile giống như nghiên cứu thị trường được tăng tốc. Một công ty có thể kiểm tra nhiều khái niệm sản phẩm hoặc thông điệp chống lại một dân số mô phỏng trước khi quyết định những gì xứng đáng có một chiến dịch hoặc thí điểm thực sự.

Cơ hội lâu dài là phức tạp hơn nhiều. Simile muốn mô hình hóa các tương tác giữa khách hàng, đối thủ, tổ chức, chính sách và thị trường. Thay vì dự đoán cách các cá nhân cô lập sẽ trả lời một câu hỏi, các mô phỏng đa tác nhân này sẽ kiểm tra cách con người ảnh hưởng lẫn nhau và cách quyết định tạo ra các hiệu ứng lan truyền.

Các ứng dụng có thể bao gồm mô hình hóa phản ứng với các cú sốc tài chính, thay đổi chính sách, ra mắt sản phẩm hoặc thay đổi trong các khuyến khích. Một mô phỏng có thể kiểm tra không chỉ liệu khách hàng có áp dụng một dịch vụ mới hay không, mà còn cách việc áp dụng đó thay đổi hành vi của đối thủ, nhận thức của công chúng và nhu cầu về các sản phẩm liên quan.

Đây là nơi các hạn chế kỹ thuật sẽ trở nên quan trọng hơn. Các lỗi nhỏ có thể tích lũy khi hàng nghìn hoặc hàng triệu tác nhân tương tác, đặc biệt là trong các mô phỏng mà các sự kiện ban đầu thay đổi quỹ đạo của mọi thứ tiếp theo. Simile sẽ cần chứng minh rằng các phương pháp xác thực của họ vẫn có ý nghĩa khi các mô phỏng chuyển từ dự đoán cá nhân sang các hệ thống động và phức tạp.

Một Lớp Mới Của Cơ Sở Dự Quyết Định

Quy mô và tốc độ của vòng tài trợ mới nhất của Simile gợi ý rằng các nhà đầu tư xem mô phỏng hành vi như một lớp mới tiềm năng trong việc ra quyết định của doanh nghiệp.

Các tổ chức đã chi tiêu lớn cho các cuộc khảo sát, tư vấn, nhóm tập trung, thử nghiệm sản phẩm và nghiên cứu thị trường. Các mô phỏng AI có thể làm cho việc khám phá nhiều lựa chọn, kiểm tra các phân khúc khán giả hẹp và xác định các ý tưởng yếu trước khi cam kết vốn đáng kể trở nên rẻ hơn.

Công nghệ này cũng giới thiệu các câu hỏi khó về sự đồng ý, đại diện và trách nhiệm. Một dân số mô phỏng chỉ hữu ích như những người, hành vi và hoàn cảnh được đại diện trong dữ liệu cơ bản của nó. Các dự đoán có thể trở nên ít tin cậy hơn khi được triển khai trên các nền văn hóa không quen thuộc, thị trường thay đổi nhanh hoặc tình huống có rủi ro cao với ít tiền lệ lịch sử.

Vì lý do đó, vai trò mạnh nhất trong thời gian tới của các nền tảng như Simile có thể là để bổ sung nghiên cứu của con người thay vì thay thế nó. Các mô phỏng có thể giúp các tổ chức quyết định những câu hỏi nào cần được điều tra, nhưng khách hàng và cộng đồng thực vẫn cần thiết để xác nhận xem kết quả có giữ được ngoài mô hình hay không.

Simile có nguồn lực để kiểm tra xem mô phỏng hành vi con người có thể tiến bộ từ một lĩnh vực nghiên cứu mới nổi thành cơ sở hạ tầng doanh nghiệp đáng tin cậy hay không. Thách thức ngay trước mắt của công ty không chỉ là chạy nhiều mô phỏng hơn, mà là chứng minh rằng các tổ chức có thể hiểu được giới hạn của chúng và biết khi nào kết quả đủ tin cậy để ảnh hưởng đến các quyết định quan trọng.