世界模型
wurld MOD-els
architecture advanced
定义
世界模型（World Models） 是学习模拟和预测物理世界如何运作的 AI 系统——包括空间动力学、直觉物理学以及无法仅从文本中学习的因果关系。
为什么重要
当前的语言模型从文本中学习，文本捕获了很多关于世界的信息，但遗漏了具身知识——物体如何下落、力如何相互作用、空间如何运作。世界模型旨在填补这一空白。
关键概念
超越语言
“Language is richer than we thought, but spatial dynamics, intuitive physics, and sensorimotor experience can’t be captured in text.” “语言比我们想象的更丰富，但空间动力学、直觉物理学和感觉运动体验无法在文本中捕获。” — Demis Hassabis
Genie + Simma
Google DeepMind 的方法：将 AI 代理（Simma）投入到 AI 生成的世界（Genie）中，让它们互动，创建无限的训练环境。
“The two AIs are kind of interacting in the minds of each other.” “两个 AI 在彼此的思维中进行某种互动。“
物理准确性
生成的视频可能看起来逼真，但对于机器人来说不够物理准确。真正的世界模型需要正确预测物理结果。
应用
- 机器人技术：代理需要直觉物理学来导航真实环境
- 规划：理解因果关系可以实现更好的长期推理
- 仿真：在现实中部署之前在模拟世界中进行训练
当前限制
- 视频生成看起来逼真但不遵守物理定律
- 模型缺乏对空间关系的基础理解
- 在线学习（部署后继续学习）仍然缺失
相关术语
Mentioned In
Demis Hassabis
Language is richer than we thought, but spatial dynamics, intuitive physics, and sensorimotor experience can't be captured in text.