Что такое world models и чем они отличаются от ChatGPT

Что такое world models

World model (модель мира) — это система искусственного интеллекта, которая строит внутреннее представление о среде и пытается предсказывать, как она изменится со временем или после определённого действия.

Такая модель может учитывать объекты, их свойства, положение в пространстве, время, причинно-следственные связи и ограничения физического мира. Например, она должна оценить, что произойдёт, если робот подъедет к предмету, возьмёт его или столкнётся с препятствием.

Термин используют по-разному. Моделью мира может быть как отдельная система для симуляции окружающей среды, так и часть более крупного ИИ-агента. Это не обязательно точная копия реальности: модель строит приближённый прогноз, достаточный для планирования действий.

Чем модели мира отличаются от ChatGPT

ChatGPT основан на большой языковой модели (LLM). Она обучается на текстах и других данных, чтобы находить закономерности и генерировать наиболее вероятное продолжение последовательности токенов. Благодаря этому ChatGPT умеет отвечать на вопросы, писать тексты, объяснять темы и работать с кодом.

Главные различия выглядят так:

При этом противопоставление не является абсолютным. Большие языковые модели могут содержать некоторое внутреннее представление о мире, поскольку получают знания из текстов и изображений. А современные модели мира могут использовать языковые модели для общения, постановки задач и объяснения решений. На практике перспективные системы часто объединяют оба подхода.

Простой пример

Представим робота, которому нужно поставить чашку на стол.

• Языковая модель может понять команду «поставь чашку на стол» и описать последовательность действий.
• Модель мира должна оценить, где находятся робот, чашка и стол, можно ли безопасно подъехать, не мешают ли предметы движению и что произойдёт после захвата чашки.
• Агент объединяет эти возможности: понимает команду, строит план, моделирует его последствия и корректирует действия по данным с камер и датчиков.

Если состояние среды обозначить как $s_t$, действие — как $a_t$, а следующее состояние — как $s_{t+1}$, то модель мира стремится оценить зависимость

$$\hat{s}_{t+1}=f(s_t,a_t).$$

Чем точнее прогноз, тем лучше агент может выбирать безопасные и эффективные действия.

Почему технологией интересуются инвесторы

Переход от чат-ботов к автономным агентам

Чат-бот отвечает на запрос, но модель мира помогает агенту действовать в меняющейся обстановке: наблюдать, планировать, проверять результат и повторять цикл. Это важно для систем, которые должны выполнять задачи с минимальным участием человека.

Развитие робототехники

Обучать робота только в реальном мире дорого, медленно и небезопасно. Модель мира позволяет сначала проигрывать действия в симуляции, а затем переносить полученные навыки в физическую среду. Это может сократить количество экспериментов и поломок.

Автономный транспорт и промышленность

Беспилотным автомобилям, складским роботам и производственным системам нужно предсказывать движение объектов и последствия решений. Такие технологии потенциально применимы в логистике, производстве, энергетике и управлении инфраструктурой.

Возможный путь к более универсальному ИИ

Человеческий интеллект опирается не только на язык, но и на интуитивное понимание причин, пространства, времени и последствий действий. Поэтому модели мира рассматривают как один из компонентов более универсальных ИИ-систем.

Ограничения и риски

Модели мира пока далеки от идеала. Реальная среда сложна, данные датчиков бывают неполными, а редкие события трудно предсказать. Ошибка в симуляции может привести к опасному решению робота или автономной системы.

Кроме того, модель мира требует больших объёмов данных, вычислительных ресурсов и проверок в реальных условиях. Поэтому интерес инвесторов связан не с гарантированным прорывом, а с потенциально крупным рынком и возможностью создать ИИ, который сможет надёжно действовать за пределами текстового интерфейса.