Modele świata, znane również jako symulatory świata, wyłaniają się jako obiecujący rozwój w dziedzinie AI. World Labs Fei-Fei Li, pioniera AI, zebrało 230 milionów dolarów na tworzenie dużych modeli świata, a DeepMind zatrudniło twórcę Sory, aby skoncentrować się na podobnej technologii. Modele te są inspirowane podświadomymi modelami mentalnymi, których używają ludzie do rozumienia świata, jak opisują to badacze David Ha i Jürgen Schmidhuber. Na przykład, pałkarze baseballowi instynktownie przewidują tor piłki, polegając na wewnętrznych modelach, a nie na świadomym planowaniu. Modele świata zyskały popularność ze względu na swój potencjał w generowaniu wideo. Obecnie tworzone przez AI filmy często wpadają w dolinę niesamowitości, ale modele świata mogą to poprawić poprzez zrozumienie, dlaczego obiekty zachowują się tak, jak się zachowują. Są trenowane na różnorodnych danych, aby rozwijać wewnętrzne reprezentacje dynamiki świata rzeczywistego.

Jak wyjaśnia Alex Mashrabov z Higgsfield, silny model świata rozumie zachowanie obiektów, eliminując uciążliwe ręczne wprowadzanie danych. Poza generowaniem wideo, modele świata mają potencjał w zaawansowanych prognozach i planowaniu, jak sugeruje szef AI Meta, Yann LeCun. Na przykład, model świata mógłby planować działania w celu sprzątania pokoju, używając głębszego rozumowania zamiast rozpoznawania wzorców. Pomimo tego potencjału, istnieją znaczące przeszkody techniczne. Modele świata wymagają ogromnej mocy obliczeniowej i są narażone na uprzedzenia wynikające z danych treningowych. Ponadto napotykają takie wyzwania, jak dokładne symulacje zróżnicowanych scenariuszy. Jeśli te problemy zostaną rozwiązane, modele świata mogą znacząco przybliżyć AI do zastosowań w świecie rzeczywistym, poprawiając tworzenie wirtualnych światów, robotykę i podejmowanie decyzji przez AI. Mogą zapewnić robotom lepszą świadomość otoczenia, poprawiając ich zdolności do poruszania się i interakcji z rzeczywistością.