近年来，基于语言的人工智能模型备受关注，尤其是在2022年底ChatGPT发布之后。自那时起，大多数公司都在寻求增强这些模型的能力，并尝试将其应用于各种商业运营和日常生活当中。

然而，研究人员一直在质疑人工智能能否学习如何在现实世界中生活和导航，而不仅仅是描述这个世界。科技网站发布的一份报告称，“世界模型”的出现正是为了解答这个问题。

阅读更多

list of 4 itemsend of list

“世界模型”是一种比可以轻松生成代码、文本和图像的传统模型更为先进的人工智能类型——“世界模型”的应用远不止生成文本和图像那么简单。随后，人工智能先驱之一、Meta公司前首席研究员杨立昆（Yann LeCun）决定离职，并创办了自己的公司，专注于开发“世界模型”。这引发了用户对“世界模型”及其与传统人工智能模型区别的疑问。

什么是“世界模型”？

“世界模型”的概念本质上是指基于对世界运行方式和物理定律的理解而构建的人工智能系统，旨在理解和预测特定环境中发生的事情。

可以说，正是世界模型使得机械臂能够理解如何抓取和移动物体，而不会因用力过猛而导致物体掉落或损坏。

虽然世界模型是一个由来已久的概念，但研究人员已经开始将其与语言人工智能技术相结合，以利用两种模型的优势，来构建一种具有实际应用价值的新模型。

报告指出，“世界模型”的概念并不新颖。它最早出现于1950年，并在2018年和今年再次兴起——包括英伟达在内的多家领先科技公司都推出了这项技术。

语言世界模型允许用户使用一组文本命令生成一系列遵循现实世界物理定律的世界，然后可以通过语音命令来控制这些世界。

例如，您可以让这些模型生成一个世界，并模拟一个虚构人物骑着获胜马匹冲向终点的场景。然后，模型将生成一个完整的世界来模拟这种视角，并将其以视频或交互式环境的形式呈现给您，以便您在其中随意探索。

该模型与ChatGPT之间的区别

要理解世界模型和像ChatGPT这样的人工智能语言模型之间的真正区别，您必须了解每种模型的工作原理差异。

人工智能模型的工作原理是预测一组特定句子和文本之后出现的下一个句子或单词。它们无法从零开始生成新信息，也无法描述它们在不同世界当中的体验。

然而，世界模型专注于通过学习和理解现实世界的概念来进行学习和预测。语言模型在缺乏对重量、质量和地球的真正或深刻理解的情况下描述重力，而世界模型则基于对这些概念的理解来描述重力。

ChatGPT可以预测下一个句子或单词，而无需真正理解其含义或其对世界的影响 (社交网站)

可以说，在经过训练后，“世界模型”能够根据不同的规则预测不同环境和世界当中的变化。当您让ChatGPT预测如果重力消失，世界会发生什么时，它会根据可用的文本和信息生成预测结果。

然而，世界模型则基于对重力及其对世界、生命以及所有事物影响的现实理解来生成这种预测。因此，您会发现，世界模型能够预测失重对生物、水、植物、空气和周围天体的影响，而这是ChatGPT无法实现的。

人工智能代理平台“Integral AI”的首席执行官兼联合创始人贾德·塔里菲向科技网站解释称，深度语言模型对世界的理解较为简化，而世界模型则拥有更深刻的理解。

世界模型是如何工作的？

简而言之，正如科技网站的报道所述，世界模型会根据某些因素和物体的变化来预测环境中可能发生的变化。

该报道指出，研究人员主要采用两种方法来训练世界模型。第一种方法是让模型在人移动时直接生成世界。模型不是一次性生成整个世界，而是按顺序生成每个步骤。报道将这种方法比作电子游戏，以及游戏如何响应玩家在游戏中的动作。

人工智能的奠基人之一杨立昆离开了他所任职的Meta公司，并创立了一家致力于建立“世界模型”的公司 (盖帝图像)

第二种方法则是从零开始构建整个世界，然后它会对您在其中所做的更改做出反应，从而让你能够更好地、更准确地探索世界。

虽然这两种方法有些相似，但每种方法的最终用途并不相同。第一种方法可用于家用机器人，甚至可用于工厂，机器人可以预测自身需要执行的任务及其对周围环境的影响。而第二种方法则可用于探索未知领域，例如海洋深处的洞穴或者正在喷发的火山内部。

无限的应用

“世界模型”的用途难以一一列举和预测。凭借这项技术的强大功能，它们可以在日常生活的各个方面提供诸多益处和帮助——从机器人技术到研究古代文明或者研究人员难以进入的区域，无所不包。

人工智能数据公司“Encord”的联合创始人兼首席执行官埃里克·兰道告诉科技网站，“世界模型”最显而易见的应用领域就是自动驾驶汽车和机器人技术。

他补充道：“世界模型将从简单的视频预测发展到能够生成抽象概念的模型。这些模型有望在机器人技术、科学自动化和人机交互等领域得到广泛应用。”

研究人员预测称，在未来，“世界模型”的使用将会得到扩展，这或许可以解释为什么许多公司都在投资并开发这类模型。

来源: 电子网站