世界模型（world model）
/ WURLD MOD-ul /
世界模型，是一幅關於「事情如何運作」的內在圖景，它讓一個系統能預測接下來會發生什麼，從而在動手之前先想像一個動作的後果。你就有這麼一幅：接住一個拋來的球，你已經不自覺地預測了它的弧線；你沒去算物理，只是「知道」它會落在哪兒。對AI而言，擁有世界模型意味著它能在「腦中」跑一個小小的模擬——「我若這樣做，那樣的事就會隨之而來」——而不是只對眼前之物盲目反應。
在AI裡，這個想法有兩種表現。有些系統被明確地配上了一個習得的世界模型：一個機器人或下棋的智能體，訓練出一個組件去預測它所處環境的下一個狀態，然後透過在那個模型裡想像「推演」來規劃，而不是每試一次都在真實世界裡動作——在想像中失敗，要便宜也安全得多。另一場更熱的爭論，則是：那些只被訓練去預測文字的大語言模型，是否隱隱地建起了某種內在的世界模型——一種對事實、空間或因果的表徵——還是說，它們「只是」把看似合理的詞語縫在一起的高級模式匹配器。
這裡的誠實尤其要緊，因為這是有爭議的研究，而非定論。有耐人尋味的證據表明模型學到了結構化的內在表徵（比如一個預測棋步的模型，似乎在追蹤棋盤的局面）；但也有同樣清楚的證據表明它們缺乏可靠的世界模型：它們自相矛盾、在基本的物理或因果推理上失手、信心十足地說出不可能之事。穩妥的總結是：今天的模型，頂多擁有局部、斑駁、不可靠的世界模型——是有用的微光，而不是這個詞容易讓人誤以為的那種穩健、連貫的理解。
一個帶有習得世界模型的下棋智能體能「做夢」：它不必去玩成千上萬局真實而緩慢的對局，而是訓練一個預測器，去預測遊戲對各步棋的反應，然後在那個想像出來的遊戲裡練習上百萬次——又快，又沒有真實世界的代價。問題在於：它的好壞全看它的模型；模型錯的地方，建在其上的計劃也跟著悄悄出錯。
習得的世界模型讓智能體在想像中排練——但它有多好，全看模型有多準。
「模型擁有一個世界模型」是一項主張，而非理所當然。某些結構化的內在表徵確實存在，但它們既不完整也不可靠——模型可以追蹤一盤棋，卻照樣斷言你能同時身處兩座城市。別把流暢的文字，當成底下藏著連貫理解的證據。