वर्ल्ड मॉडेल्स, ज्यांना वर्ल्ड सिम्युलेटर्स देखील म्हणतात, AI मधील एक आशादायक विकास म्हणून उदयास येत आहेत. AI अग्रणी फेई-फेई लीच्या वर्ल्ड लॅब्सने मोठ्या वर्ल्ड मॉडेल्स तयार करण्यासाठी $230 दशलक्ष उभारले आहेत, आणि डीपमाइंडने सोराच्या निर्मात्याला समान तंत्रज्ञानावर लक्ष केंद्रित करण्यासाठी कामावर घेतले आहे. हे मॉडेल्स मानवाकडून जग समजण्यासाठी वापरले जाणारे अवचेतन मानसिक मॉडेल्सद्वारे प्रेरित आहेत, ज्याचे वर्णन संशोधक डेव्हिड हा आणि जर्गेन श्मिडहबेर यांनी केले आहे. उदाहरणार्थ, बेसबॉल खेळाडू चेंडूचा मार्ग अंतर्ज्ञाने भविष्यवाणी करतात, अंतर्गत मॉडेल्सवर अवलंबून राहतात, जाणीवपूर्वक नियोजनाऐवजी. वर्ल्ड मॉडेल्स जनरेटिव्ह व्हिडिओ अनुप्रयोगांमध्ये त्यांच्या क्षमतेमुळे लोकप्रिय झाले आहेत. सध्याचे AI-निर्मित व्हिडिओ बहुतेक वेळा अनकॅनी व्हॅलीमध्ये येतात, परंतु वर्ल्ड मॉडेल्स वस्तू कशामुळे तसे वागतात हे समजून हे सुधारू शकतात. ते विविध डेटावर प्रशिक्षित केले जातात जेणेकरून खऱ्या जगातील गतीशास्त्राची अंतर्गत प्रतिनिधित्वे तयार होतील.

हिग्जफिल्डच्या अॅलेक्स मश्राबोवच्या मते, एक मजबूत वर्ल्ड मॉडेल वस्तूंचे आचरण समजून घेते, जटिल मॅन्युअल इनपुट्सची आवश्यकता कमी करते. वीडिओ निर्मिती व्यतिरिक्त, मेटाचे AI प्रमुख यान लीकुन यांच्याद्वारे सुचवल्याप्रमाणे, अत्याधुनिक पूर्वानुमान आणि नियोजनासाठी वर्ल्ड मॉडेल्सची आशा आहे. उदाहरणार्थ, एक वर्ल्ड मॉडेल पॅटर्न ओळखण्याऐवजी खोल विचारांचा वापर करून खोली साफ करण्यासाठी कृतींची योजना तयार करू शकते. या संभाव्यतेसाठी असूनही, तांत्रिक अडथळे प्रचंड आहेत. वर्ल्ड मॉडेल्ससाठी प्रचंड संगणक शक्तीची आवश्यकता असते आणि प्रशिक्षित डेटामध्ये पूर्वग्रह असण्याची शक्यता जास्त असते. तसेच, ते विविध परिस्थितींचे अचूक अनुकरण करण्यासारख्या आव्हानांना सामोरे जातात. जर हे मुद्दे सोडवले गेले तर, वर्ल्ड मॉडेल्स AI आणि वास्तविक-जागतिक अनुप्रयोगांमधील दरीची पूर्तता करू शकतात, आभासी जग निर्माण, रोबोटिक्स, आणि AI निर्णय-निर्मितीमध्ये सुधारणा करू शकतात. ते रोबोट्सना त्यांच्या वातावरणाची मोठ्या प्रमाणात जाणीव देऊ शकतात, ज्यामुळे त्यांची खर्‍या जगात फिरणे आणि परस्पर संवाद साधण्याची क्षमता सुधारते.