Мировые модели, также известные как мировые симуляторы, становятся многообещающим направлением в развитии ИИ. Лаборатория World Labs под руководством пионера ИИ Фэй-Фэй Ли привлекла $230 миллионов для создания крупных мировых моделей, а DeepMind наняла создателя Sora для работы над похожими технологиями. Эти модели вдохновлены подсознательными ментальными моделями, которые люди используют для понимания мира, как это описали исследователи Дэвид Ха и Юрген Шмидхубер. Например, бейсбольные отбивающие предсказывают траекторию мяча инстинктивно, полагаясь на внутренние модели, а не на сознательное планирование. Мировые модели приобретают популярность благодаря их потенциалу в генеративных приложениях для видео. Текущие видео, созданные ИИ, часто попадают в "зловещую долину", но мировые модели могут улучшить это, понимая, почему объекты ведут себя определённым образом. Они обучаются на разнообразных данных для создания внутренних представлений о динамике реального мира.

Как объясняет Алекс Машрабов из Higgsfield, сильная мировая модель понимает поведение объектов, устраняя скучные ручные вводы. Помимо генерации видео, мировые модели имеют потенциал для продвинутого прогнозирования и планирования, как предполагает руководитель ИИ в Meta Янн ЛеКун. Например, мировая модель могла бы планировать действия по уборке комнаты с использованием более глубоких рассуждений, а не просто распознавания шаблонов. Несмотря на этот потенциал, существуют значительные технические препятствия. Мировые модели требуют огромных вычислительных мощностей и подвержены предвзятости из-за данных обучения. Кроме того, они сталкиваются с проблемами, такими как точное моделирование разнообразных сценариев. Если эти проблемы будут решены, мировые модели могут существенно приблизить ИИ к реальным приложениям, улучшая создание виртуальных миров, робототехнику и принятие решений искусственным интеллектом. Они могут предоставить роботам большее осознание окружающей среды, улучшая их способности к навигации и взаимодействию с реальным миром.