Israëlische startup 42AI lanceert met $62,5 miljoen en een wereldmodel dat menselijk gedrag kan voorspellen

Bron: TechCrunch AI

Stel je voor dat kunstmatige intelligentie zou kunnen voorspellen wat je gaat doen, zelfs in een nieuwe situatie. De Israëlische startup 42AI beweert dat ze een "gedragswereldmodel" ontwikkelt dat precies dat kan. Het bedrijf heeft recentelijk $62,5 miljoen aan startkapitaal opgehaald en is begonnen met het testen van hun voorspellingssysteem bij verschillende financiële instellingen. Hier zegt 42AI dat hun model kan helpen voorspellen hoe individuele traders reageren op onvoorspelbare marktomstandigheden.

Volgens Amit Gal-Or, CEO en medeoprichter van 42AI, is gedrag niet deterministisch, maar constant probabilistisch. Dit betekent dat mensen onderliggende psychologische neigingen hebben die hun beslissingen beïnvloeden, zelfs als de omstandigheden veranderen. Dit is precies wat de startup probeert te meten en om te zetten in data die het model kan begrijpen.

“Over een week ben je misschien een andere persoon, maar je neigingen zullen zich nog steeds in bepaalde gebieden manifesteren met een bepaalde waarschijnlijkheid,” voegde zijn medeoprichter en CTO Ehud Ezra toe. Het bedrijf stelt dat het model de *waarschijnlijkheid* toont dat een persoon een bepaalde beslissing neemt.

Het begrijpen van interne motivatie

42AI richt zich op het begrijpen van de interne motivatie van mensen, in plaats van patronen te extrapoleren op basis van eerdere acties. Om dit te doen, onderzoekt 42AI hoe mensen reageren op ogenschijnlijk niet-gerelateerde gebeurtenissen. Voor een investeerder of trader kunnen deze gebeurtenissen onder meer het voltooien van KYC-processen (Know Your Customer), onboarding, ondersteuning, geldtransfers of het handelen in aandelen omvatten.

“Wanneer iemand contact opneemt met de klantenservice of sales in de beginfase [...] kijken we naar de sentimenten, de stem en de interacties die ze hebben. Hoe vaak bellen ze bijvoorbeeld?” lichtte CTO Ehud Ezra toe. “Al deze gegevens worden in het model verwerkt. Later analyseren we de interacties: hoe en wanneer ze kopen en verkopen, en we bekijken de markt op dat moment.”

Een wereldmodel voor individuele gedragingen

Het bedrijf zet deze observaties om in wiskundige representaties van eigenschappen, die vervolgens worden ingevoerd in een transformer-gebaseerd wereldmodel. Dit model legt waarschijnlijkheden vast voor mogelijke beslissingen onder verschillende omstandigheden. Het ontwerp van dit model maakt gebruik van een aparte taalmodel om verklaringen voor zijn voorspellingen te genereren.

Ezra verklaarde dat het model is getraind om de onderliggende neigingen van een persoon tijdens simulaties te behouden. Dus als iemand normaal gesproken risico-avers is, maar het model hen plotseling als risicozoekend behandelt, “is het doel niet juist,” aldus Ezra, die uitlegt hoe de trainingsbeloningen van het model zijn gestructureerd.

Een combinatie van psychologie en technologie

42AI heeft drie jaar besteed aan het ontwikkelen van deze aanpak, waarin psychologisch onderzoek, neurowetenschappen en genetica zijn gecombineerd, evenals advies van experts op het gebied van psychologie en PTSD. Het team bestudeerde eerst duizenden mensen via psychologische beoordelingen en gedragscenario's, voordat het datasets van de overheid en biobanken toevoegde die meer dan 2 miljoen mensen besloegen. De klantendatasets zijn inmiddels uitgebreid tot bijna 30 miljoen mensen.

Analyseren van klantgegevens zonder persoonlijke identificatie

In live-implementaties analyseert het model bestaande klantgegevens, waaronder transacties en ondersteuningsgesprekken. Gal-Or benadrukte dat het systeem geen persoonlijke identificatie-informatie nodig heeft, en stelde dat “het model nooit weet wie de persoon is.” Desondanks lijkt het bedrijf nog steeds individuele gedragsprofielen op te stellen op basis van gekoppelde klantactiviteit.

Prestaties van het model in de financiële markt

Bij het voorspellen van markttransacties claimt 42AI dat hun model een nauwkeurigheid van 98% behaalt. Gal-Or verduidelijkte echter dat dit meer een maatstaf is voor de vraag of handelsstromen binnen een voorspeld bereik vallen, en niet of elke transactie correct werd voorspeld. Hij gaf ook aan dat het model consequent een F1-score van 0,8 tot 0,85 behaalt voor het voorspellen van handelsrichting en -volume. (De F1-score is een maat voor de nauwkeurigheid van een test.)

Vertaald met ChatGPT gpt-4o-mini