世界模型把 AI 從文字世界推進 3D 空間

根據 WIRED 的報導，世界模型（world model）正成為 AI 的重要新戰場，因為它處理的是文字系統難以克服的限制：理解物理空間。這類模型會模擬真實世界的物理法則與 3D 環境，讓機器人和自駕車能夠學習物件如何移動、動作如何影響周遭，以及接下來會發生什麼事。 背後的概念，是讓機器建立起一套從學習而來的內在世界表徵，而不是只依賴語言或狹隘的規則。現在的 AI 系統可以用文字描述一個房間，卻未必能理解移動一張椅子、打開一扇門，或踩上不平整地面之後會有什麼後果。世界模型要捕捉的，正是這些因果關係與動作帶來的感官結果。 這有望讓機器人更有能力、讓自駕系統更上層樓，也能為訓練與測試提供更好的模擬環境。它還可幫助具身智慧代理在複雜環境中先規劃動作，再真的到現實世界執行。 文章認為，世界模型很快就會無所不在，因為它正對著今日 AI 的核心缺口而來。語言模型靠預測文字取得進展，但物理智慧需要空間推理、物件恆存概念，以及理解世界如何隨時間變化。 打造準確的世界模型並不容易。它們必須處理帶雜訊的感測資料、不確定的動態變化，以及真實世界情境的龐大歧異性。此外，這類系統的算力需求、安全與評估方式，也都還有待釐清。 儘管如此，朝 3D 感知 AI 推進，反映出一個更大的轉向：從聊天機器人，走向能在物理環境中行動與推理的系統。如果世界模型持續進步，它們可能成為機器人、自動駕駛、模擬與具身智慧代理的基礎。這個領域還在發展中，但核心承諾已經很清楚：AI 不只是談論現實，而是把現實建模到足以在其中運作的程度。