Default
Door Remote - 02 Nov 2026
Hier is een vraag rechtstreeks uit sciencefiction: wat als AI zou kunnen voorspellen wat je gaat doen voordat je besluit dat te doen, zelfs in een compleet nieuwe situatie?
De Israëlische startup 42AI zegt dat het een ‘gedragswereldmodel’ aan het ontwikkelen is dat precies dat kan doen, en is zojuist uit de stealth gekomen met $62,5 miljoen aan startfinanciering. Het bedrijf voert zijn voorspellende systeem in eerste instantie uit bij een handvol financiële makelaars, waar het naar eigen zeggen kan helpen voorspellen hoe individuele handelaren zullen reageren op volatiele omstandigheden.
“Gedrag is niet deterministisch; het is voortdurend probabilistisch”, zei CEO en medeoprichter van 42AI, Amit Gal-Or, tegen TechCrunch toen ik hem vroeg om de hoge claim van zijn bedrijf te rechtvaardigen. Hij stelt dat mensen onderliggende psychologische neigingen hebben die hun beslissingen beïnvloeden, zelfs als hun omstandigheden veranderen, en dat is wat de startup probeert te meten en om te zetten in gegevens die het model kan begrijpen.
“Over een week ben je misschien een ander persoon, maar je neigingen zullen zich altijd op bepaalde gebieden uiten in een waarschijnlijkheid of verdeling”, voegde zijn medeoprichter en CTO Ehud Ezra eraan toe. En dat, zo stelt het bedrijf, is wat het model doet: de waarschijnlijkheid laten zien dat iemand een bepaalde beslissing neemt.
42AI zegt dat het model probeert de interne motivaties van mensen te achterhalen in plaats van patronen te extrapoleren op basis van hun eerdere acties. Om dat te doen onderzoekt 42AI hoe mensen reageren op schijnbaar niet-gerelateerde gebeurtenissen. Voor een investeerder of handelaar kunnen dergelijke gebeurtenissen bijvoorbeeld het voltooien van KYC-processen, onboarding, ondersteuningsoproepen, geldoverdrachten of het verhandelen van aandelen omvatten.
“Als de persoon in het eerste proces met ondersteuning of verkoop praat, kijken we naar het sentiment, we kijken naar de stem, we kijken naar de vele interacties die ze uitvoeren, hoe vaak ze bellen, enzovoort”, voegde Ezra eraan toe. "En al die datapunten gaan het model in. Later heb je de interacties: hoe je koopt en verkoopt, en wanneer, en we kijken in dat stadium naar de markt."
"Dus we proberen te kijken hoe zij naar de wereld kijken. In een wereldmodel is elk individu de wereld", voegde hij eraan toe.
Het bedrijf zet deze observaties vervolgens om in wiskundige representaties van eigenschappen, die vervolgens worden ingevoerd in een op transformatoren gebaseerd wereldmodel dat de kansen voor mogelijke beslissingen onder verschillende omstandigheden uiteenzet. (Het bedrijf gebruikt een apart taalmodel om verklaringen voor zijn voorspellingen te genereren.)
Ezra zei dat het model is getraind om de onderliggende neigingen van een persoon tijdens simulaties te behouden. Dus als iemand normaal gesproken risicomijdend is, maar het model hem plotseling als risiconemer behandelt, ‘is het doelwit niet goed’, zei hij, terwijl hij uitlegde hoe de trainingsbeloningen van het model zijn gestructureerd.
42AI heeft drie jaar lang deze aanpak ontwikkeld, waarbij psychologisch onderzoek werd gecombineerd met neurowetenschappen en genetica, evenals advies van experts op het gebied van psychologie en PTSS, en Dan Shechtman, die in 2011 de Nobelprijs voor de Scheikunde ontving.
Gal-Or zei dat het team eerst duizenden mensen heeft bestudeerd via psychische beoordelingen en gedragsscenario's, voordat er datasets van de overheid en biobanken aan zijn toegevoegd die meer dan 2 miljoen mensen bestrijken. De klantdatasets zijn sindsdien uitgebreid tot bijna 30 miljoen mensen, zei hij.
Bij live-implementaties analyseert het model de bestaande gegevens van klanten, inclusief transacties en ondersteuningsoproepen. Gal-Or wees erop dat het systeem geen persoonlijk identificeerbare informatie nodig heeft, met het argument dat “het model nooit weet wie de persoon is.” Het lijkt er echter op dat het bedrijf nog steeds individuele gedragsprofielen creëert op basis van gekoppelde klantactiviteiten.
Bij het voorspellen van markttransacties beweert 42AI dat zijn model een nauwkeurigheid van 98% bereikt, maar Gal-Or verduidelijkte dat dit meer een maatstaf is voor de vraag of handelsstromen binnen een voorspeld bereik vallen, en niet of elke transactie correct was voorspeld.
Hij zei ook dat het model consequent een F1-score van 0,8 tot 0,85 behaalt voor het voorspellen van de handelsrichting en het volume. (F1-score is een maatstaf in machine learning die meet hoe goed een classificatiemodel correcte voorspellingen kan afwegen tegen valse alarmen en gemiste gebeurtenissen.)
En het is niet zo dat het model overal kan werken, aangezien het nog steeds een machine in een doos is. “Er is een natuurlijk plafond omdat je echt geen toegang hebt tot alles wat iemand ervaart”, zei Gal-Or. Ezra legde uit dat de nauwkeurigheid van het systeem er ook onder lijdt als het belangrijke situationele context mist, bijvoorbeeld als iemand ervoor kiest zijn handelskeuzes te veranderen op basis van advies van een vriend of collega.
Gal-Or zei dat 42AI samenwerkt met tien grote makelaars, die het gebruiken om de liquiditeit, margevereisten en hedging-blootstelling te beheren. Het bedrijf trekt meer klanten aan, zei hij, en genereert meer dan “zeven cijfers” aan inkomsten, hoewel hij geen aantal wil specificeren.
Klanten betalen de startup een vast bedrag, of een percentage van de waarde die het platform hen helpt te behalen. Hij beweerde dat één makelaarskantoor ongeveer $30 miljoen aan extra waarde genereerde door middel van dynamische hedging.
De startfinanciering van 62,5 miljoen dollar kwam gedurende drie jaar van de oprichters en Infinity Group en werd niet volledig opgehaald bij externe investeerders, zei Gal-Or. Infinity werd opgericht door zijn vader, Amir Gal-Or, die tevens voorzitter en medeoprichter van 42AI is. 42AI is nu van plan meer geld in te zamelen.
Naast financiën onderzoekt 42AI nu toepassingen voor zijn model op het gebied van gaming, fraudepreventie en cyberbeveiliging, en op een dag wil het dit gebruiken om robots en AI-agenten te helpen mensen te begrijpen. Maar dat is misschien nog een uitweg: Ezra erkende dat het model voor elk nieuw domein moet worden getraind in regels en context.
En net als bij alle AI-tools zit er een potentieel verontrustende kant aan de technologie van 42AI: als een makelaar kan anticiperen op wat zijn klanten kunnen doen, wat houdt iemand dan tegen om die kennis in zijn eigen voordeel te gebruiken? Ezra gaf toe dat dit ‘een terechte zorg’ was toen ik het ter sprake bracht, en de oprichters wezen op regelgeving, toezicht en een interne ethische commissie, hoewel ze niet uitlegden wat hun klanten ervan zou weerhouden de technologie te gebruiken om voordeel te behalen ten opzichte van de mensen die ermee worden geprofileerd.
Amit Gal-Or had er echter vertrouwen in dat de technologie dergelijke risico's zou kunnen helpen aanpakken. “We zijn er erg trots op dat we daadwerkelijk deel uitmaken van de oplossing; wij zijn de oplossing voor dit probleem”, zei hij.
De Israëlische startup 42AI zegt dat het een ‘gedragswereldmodel’ aan het ontwikkelen is dat precies dat kan doen, en is zojuist uit de stealth gekomen met $62,5 miljoen aan startfinanciering. Het bedrijf voert zijn voorspellende systeem in eerste instantie uit bij een handvol financiële makelaars, waar het naar eigen zeggen kan helpen voorspellen hoe individuele handelaren zullen reageren op volatiele omstandigheden.
“Gedrag is niet deterministisch; het is voortdurend probabilistisch”, zei CEO en medeoprichter van 42AI, Amit Gal-Or, tegen TechCrunch toen ik hem vroeg om de hoge claim van zijn bedrijf te rechtvaardigen. Hij stelt dat mensen onderliggende psychologische neigingen hebben die hun beslissingen beïnvloeden, zelfs als hun omstandigheden veranderen, en dat is wat de startup probeert te meten en om te zetten in gegevens die het model kan begrijpen.
“Over een week ben je misschien een ander persoon, maar je neigingen zullen zich altijd op bepaalde gebieden uiten in een waarschijnlijkheid of verdeling”, voegde zijn medeoprichter en CTO Ehud Ezra eraan toe. En dat, zo stelt het bedrijf, is wat het model doet: de waarschijnlijkheid laten zien dat iemand een bepaalde beslissing neemt.
42AI zegt dat het model probeert de interne motivaties van mensen te achterhalen in plaats van patronen te extrapoleren op basis van hun eerdere acties. Om dat te doen onderzoekt 42AI hoe mensen reageren op schijnbaar niet-gerelateerde gebeurtenissen. Voor een investeerder of handelaar kunnen dergelijke gebeurtenissen bijvoorbeeld het voltooien van KYC-processen, onboarding, ondersteuningsoproepen, geldoverdrachten of het verhandelen van aandelen omvatten.
“Als de persoon in het eerste proces met ondersteuning of verkoop praat, kijken we naar het sentiment, we kijken naar de stem, we kijken naar de vele interacties die ze uitvoeren, hoe vaak ze bellen, enzovoort”, voegde Ezra eraan toe. "En al die datapunten gaan het model in. Later heb je de interacties: hoe je koopt en verkoopt, en wanneer, en we kijken in dat stadium naar de markt."
"Dus we proberen te kijken hoe zij naar de wereld kijken. In een wereldmodel is elk individu de wereld", voegde hij eraan toe.
Het bedrijf zet deze observaties vervolgens om in wiskundige representaties van eigenschappen, die vervolgens worden ingevoerd in een op transformatoren gebaseerd wereldmodel dat de kansen voor mogelijke beslissingen onder verschillende omstandigheden uiteenzet. (Het bedrijf gebruikt een apart taalmodel om verklaringen voor zijn voorspellingen te genereren.)
Ezra zei dat het model is getraind om de onderliggende neigingen van een persoon tijdens simulaties te behouden. Dus als iemand normaal gesproken risicomijdend is, maar het model hem plotseling als risiconemer behandelt, ‘is het doelwit niet goed’, zei hij, terwijl hij uitlegde hoe de trainingsbeloningen van het model zijn gestructureerd.
42AI heeft drie jaar lang deze aanpak ontwikkeld, waarbij psychologisch onderzoek werd gecombineerd met neurowetenschappen en genetica, evenals advies van experts op het gebied van psychologie en PTSS, en Dan Shechtman, die in 2011 de Nobelprijs voor de Scheikunde ontving.
Gal-Or zei dat het team eerst duizenden mensen heeft bestudeerd via psychische beoordelingen en gedragsscenario's, voordat er datasets van de overheid en biobanken aan zijn toegevoegd die meer dan 2 miljoen mensen bestrijken. De klantdatasets zijn sindsdien uitgebreid tot bijna 30 miljoen mensen, zei hij.
Bij live-implementaties analyseert het model de bestaande gegevens van klanten, inclusief transacties en ondersteuningsoproepen. Gal-Or wees erop dat het systeem geen persoonlijk identificeerbare informatie nodig heeft, met het argument dat “het model nooit weet wie de persoon is.” Het lijkt er echter op dat het bedrijf nog steeds individuele gedragsprofielen creëert op basis van gekoppelde klantactiviteiten.
Bij het voorspellen van markttransacties beweert 42AI dat zijn model een nauwkeurigheid van 98% bereikt, maar Gal-Or verduidelijkte dat dit meer een maatstaf is voor de vraag of handelsstromen binnen een voorspeld bereik vallen, en niet of elke transactie correct was voorspeld.
Hij zei ook dat het model consequent een F1-score van 0,8 tot 0,85 behaalt voor het voorspellen van de handelsrichting en het volume. (F1-score is een maatstaf in machine learning die meet hoe goed een classificatiemodel correcte voorspellingen kan afwegen tegen valse alarmen en gemiste gebeurtenissen.)
En het is niet zo dat het model overal kan werken, aangezien het nog steeds een machine in een doos is. “Er is een natuurlijk plafond omdat je echt geen toegang hebt tot alles wat iemand ervaart”, zei Gal-Or. Ezra legde uit dat de nauwkeurigheid van het systeem er ook onder lijdt als het belangrijke situationele context mist, bijvoorbeeld als iemand ervoor kiest zijn handelskeuzes te veranderen op basis van advies van een vriend of collega.
Gal-Or zei dat 42AI samenwerkt met tien grote makelaars, die het gebruiken om de liquiditeit, margevereisten en hedging-blootstelling te beheren. Het bedrijf trekt meer klanten aan, zei hij, en genereert meer dan “zeven cijfers” aan inkomsten, hoewel hij geen aantal wil specificeren.
Klanten betalen de startup een vast bedrag, of een percentage van de waarde die het platform hen helpt te behalen. Hij beweerde dat één makelaarskantoor ongeveer $30 miljoen aan extra waarde genereerde door middel van dynamische hedging.
De startfinanciering van 62,5 miljoen dollar kwam gedurende drie jaar van de oprichters en Infinity Group en werd niet volledig opgehaald bij externe investeerders, zei Gal-Or. Infinity werd opgericht door zijn vader, Amir Gal-Or, die tevens voorzitter en medeoprichter van 42AI is. 42AI is nu van plan meer geld in te zamelen.
Naast financiën onderzoekt 42AI nu toepassingen voor zijn model op het gebied van gaming, fraudepreventie en cyberbeveiliging, en op een dag wil het dit gebruiken om robots en AI-agenten te helpen mensen te begrijpen. Maar dat is misschien nog een uitweg: Ezra erkende dat het model voor elk nieuw domein moet worden getraind in regels en context.
En net als bij alle AI-tools zit er een potentieel verontrustende kant aan de technologie van 42AI: als een makelaar kan anticiperen op wat zijn klanten kunnen doen, wat houdt iemand dan tegen om die kennis in zijn eigen voordeel te gebruiken? Ezra gaf toe dat dit ‘een terechte zorg’ was toen ik het ter sprake bracht, en de oprichters wezen op regelgeving, toezicht en een interne ethische commissie, hoewel ze niet uitlegden wat hun klanten ervan zou weerhouden de technologie te gebruiken om voordeel te behalen ten opzichte van de mensen die ermee worden geprofileerd.
Amit Gal-Or had er echter vertrouwen in dat de technologie dergelijke risico's zou kunnen helpen aanpakken. “We zijn er erg trots op dat we daadwerkelijk deel uitmaken van de oplossing; wij zijn de oplossing voor dit probleem”, zei hij.