機器之心報道
現(xiàn)在的世界模型，值得批判。
我們知道，大語言模型（LLM）是通過預測對話的下一個單詞的形式產(chǎn)生輸出的。由此產(chǎn)生的對話、推理甚至創(chuàng)作能力已經(jīng)接近人類智力水平。
但目前看起來，ChatGPT等大模型與真正的AGI還有肉眼可見的差距。如果我們能夠完美地模擬環(huán)境中每一個可能的未來，是否就可以創(chuàng)造出強大的AI了？回想一下人類：與ChatGPT不同，人類的能力組成有具體技能、深度復雜能力的區(qū)分。
模擬推理的案例：一個人（可能是自私的）通過心理模擬多個可能結(jié)果來幫助一個哭泣的人。
人類可以執(zhí)行廣泛的復雜任務，所有這些任務都基于相同的人類大腦認知架構(gòu)。是否存在一個人工智能系統(tǒng)也能完成所有這些任務呢？
近日，來自卡耐基梅隆大學（CMU）、沙特穆罕默德?本?扎耶德人工智能大學（MBZUAI）、加州大學圣迭戈分校（UCSD）的研究者們探討了當前AI領域最前沿方向——世界模型（WorldModels）的局限性。
論文：CritiquesofWorldModels
論文鏈接：https://arxiv.org/abs/2507.05169
研究人員指出了構(gòu)建、訓練世界模型的五個重點方面：1）識別并準備包含目標世界信息的訓練數(shù)據(jù)；2）采用一種通用表征空間來表示潛在世界狀態(tài)，其含義可能比直接觀察到的數(shù)據(jù)更為豐富；3）設計能夠有效對表征進行推理的架構(gòu)；4）選擇能正確指導模型訓練的目標函數(shù)；5）確定如何在決策系統(tǒng)中運用世界模型。
基于此，作者提出了一種全新的世界模型架構(gòu)PAN（Physical,Agentic,andNestedAGISystem），基于分層、多級和混合連續(xù)/離散表示，并采用了生成式和自監(jiān)督學習框架。
研究者表示，PAN世界模型的詳細信息及結(jié)果會很快在另一篇論文中展示。MBZUAI校長、CMU教授邢波在論文提交后轉(zhuǎn)推了這篇論文，并表示PAN模型即將發(fā)布27B的第一版，這將是第一個可運行的通用世界模擬器。
對世界模型的批判
一個以YannLeCun為代表的學派在構(gòu)建世界模型的五個維度——數(shù)據(jù)、表征、架構(gòu)、目標和用途。
該學派還為世界模型提出了如圖4所示的替代框架，其核心思想可以概括為「預測下一個表征」，而非「預測下一個數(shù)據(jù)」：
作者的觀點：
盡管視頻等感官數(shù)據(jù)量大，但其信息冗余度高、語義含量低。相比之下，自然語言是人類經(jīng)驗的高度壓縮和抽象形式，它不僅能描述物理現(xiàn)實，還能編碼如「正義」、「動機」等無法直接觀察的抽象概念，并承載了人類的集體知識。
因此，通往通用人工智能的道路不能偏重于任何單一模態(tài)。視頻、文本、音頻等不同模態(tài)反映了經(jīng)驗的不同層面：視頻捕捉物理動態(tài)，而文本編碼抽象概念。一個成功的世界模型必須融合所有這些分層的數(shù)據(jù)，才能全面理解世界并處理多樣化的任務，忽略任何一個層面都會導致關鍵信息的缺失。
表示：連續(xù)？離散？還是兩者兼有？
待批判的主張：世界狀態(tài)應由連續(xù)嵌入來表征，而非離散的詞元，以便于進行基于梯度的優(yōu)化。
作者的觀點：
僅用連續(xù)嵌入來表示世界狀態(tài)是脆弱的，因為它難以應對感官數(shù)據(jù)中固有的噪聲和高變異性。人類認知通過將原始感知歸類為離散概念來解決此問題，而語言就是這些離散概念的載體，為抽象和推理提供了穩(wěn)定、可組合的基礎。
理論上，離散符號序列（即「語言」）足以表達連續(xù)數(shù)據(jù)中任意精度的信息，并且如圖5所示，通過增加序列長度來擴展其表達能力，遠比擴大詞匯表更高效。
因此，最佳路徑是采用混合表示。這種方法結(jié)合了離散符號的穩(wěn)健性、可解釋性和結(jié)構(gòu)化推理能力，同時利用連續(xù)嵌入來捕捉細微的感官細節(jié)，從而實現(xiàn)優(yōu)勢互補。
架構(gòu)：自回歸生成并非敵人
待批判的主張：自回歸生成模型（例如LLM）注定會失敗，因為它們最終必然會犯錯，并且無法對結(jié)果的不確定性進行建模。
作者的觀點：
如論文圖6（左半部分）所示，這種被批判的「編碼器-編碼器架構(gòu)」在潛在空間中進行「確定性的下一嵌入預測」，但它在功能上仍是自回歸的，需要遞歸地預測未來狀態(tài)，因此并未真正避免其聲稱要解決的誤差累積問題。更關鍵的是，通過移除解碼器來避免重構(gòu)觀察數(shù)據(jù)，會導致模型學習到的潛在表示與真實世界脫節(jié)，難以診斷，甚至可能崩潰到無意義的解。
更好的方案不是拋棄生成模型，而是采用分層的生成式潛在預測（GLP）架構(gòu)，這在圖6（右半部分）中得到了展示。該架構(gòu)包含一個解碼器用于「生成式重構(gòu)」，其核心是一個由「增強的LLM+擴散模型」構(gòu)成的分層世界模型。這種設計既能通過生成式解碼器確保模型與真實數(shù)據(jù)掛鉤，又能通過分層抽象來隔離底層噪聲，實現(xiàn)更魯棒、更強大的推理。
目標：在數(shù)據(jù)空間還是潛在空間中學習？
待批判的主張：概率性的數(shù)據(jù)重構(gòu)目標（例如編碼器-解碼器方案）是行不通的，因為這類目標難以處理，并且會迫使模型去預測不相關的細節(jié)。
作者的觀點：
如圖7（左半部分）所示，在潛在空間計算重構(gòu)損失的方法，理論上存在「平凡解崩潰」的風險，即模型可以輕易將所有輸入映射為常數(shù)來使損失為零，從而什么也學不到。為了防止崩潰，這類模型不得不依賴復雜且難以調(diào)試的正則化項。
相比之下，基于數(shù)據(jù)空間的生成式重構(gòu)目標函數(shù)，如圖7（右半部分）所示，要求模型預測并重構(gòu)出真實的下一刻觀察數(shù)據(jù)，并通過「生成式損失」進行監(jiān)督。這從根本上避免了崩潰問題，為模型提供了穩(wěn)定、可靠且有意義的監(jiān)督信號。
圖8進一步從理論上解釋了，潛在空間損失只是生成式損失的一個寬松的「上界代理」。這意味著，即使一個模型的潛在損失很低，也不能保證它在真實世界中的預測是準確的，因為它可能遺漏了對任務至關重要的信息。
用途：模型預測控制（MPC）還是強化學習（RL）？
待批判的主張：世界模型應該用于模型預測控制（MPC），而不是強化學習（RL）框架，因為后者需要過多的試驗次數(shù)。
作者的觀點：
如論文圖9（左半部分）所示，MPC在決策時需要反復進行「模擬下一個潛在狀態(tài)」和「基于目標優(yōu)化動作」的循環(huán)，這導致其計算開銷巨大，難以應對快速變化的環(huán)境，并且通常視野有限，難以進行長時程戰(zhàn)略規(guī)劃。
強化學習（RL）提供了一個更通用、靈活且可擴展的范式，如圖9（右半部分）所示。它將世界模型作為一個「模擬器」，讓一個獨立的智能體模型在其中探索并學習。這個過程是用于「基于目標用RL優(yōu)化智能體模型」，將巨大的計算成本從「決策時」轉(zhuǎn)移到了「訓練時」。這使智能體不僅能快速行動，還能通過學習積累長期回報，進行更具戰(zhàn)略性的長遠規(guī)劃。
PAN世界模型
基于對現(xiàn)有世界模型框架的批評，作者得出了關于通用世界模型設計原則。PAN架構(gòu)基于以下設計原則：1）涵蓋所有體驗模式的數(shù)據(jù)；2）結(jié)合連續(xù)與離散表示；3）基于增強的大語言模型（LLM）主干的分層生成建模，以及生成式潛在預測架構(gòu)；4）以觀察數(shù)據(jù)為基礎的生成損失；5）利用世界模型通過強化學習（RL）來模擬體驗，以訓練智能體。
一個真正多功能且通用的世界模型必須基于能夠反映現(xiàn)實世界推理需求全部復雜性的任務?？傮w而言，PAN通過其分層、多級和混合表示架構(gòu)，以及編碼器-解碼器管道，將感知、行動、信念、模擬信念和模擬世界等要素串聯(lián)起來。作為通用生成模型，PAN能夠模擬現(xiàn)實世界中可操作的可能性，使智能體能夠進行有目的的推理。PAN并不回避原始感知輸入的多樣性，而是將其模塊化和組織化，從而實現(xiàn)對每一層體驗的更豐富內(nèi)部模擬，增強智能體的推理和規(guī)劃能力。
在訓練時，PAN需要首先通過自我監(jiān)督（例如使用大語言模型處理文本數(shù)據(jù)，使用擴散模型處理視頻數(shù)據(jù)）獨立預訓練每個模塊。這些特定于模態(tài)和級別的模塊在后訓練階段通過多模態(tài)數(shù)據(jù)、級聯(lián)嵌入和梯度傳播進行對齊或整合。
PAN架構(gòu)的一大優(yōu)勢在于其數(shù)據(jù)處理效率，這得益于其采用的多尺度和分層的世界觀。事實上，PAN的預訓練-對齊/集成策略能夠充分利用感覺信息簡歷知識基礎，利用LLM促進跨模態(tài)的泛化能力。
作者概述了一種利用世界模型進行模擬推理的智能體架構(gòu)。PAN自然地融入這一范式，不僅作為視頻生成器，更作為一個豐富的內(nèi)部沙盒，用于模擬、實驗和預見未來。
最后，作者認為，世界模型不是關于視頻或虛擬現(xiàn)實的生成，而是關于模擬現(xiàn)實世界中所有可能性，因此，目前的范式和努力仍然是原始的。作者希望，通過批判性、分析性和建設性的剖析一些關于如何構(gòu)建世界模型的流行思想，以及PAN架構(gòu)，能夠激發(fā)理論和實施更強大世界模型的進一步發(fā)展。
由PAN世界模型驅(qū)動的模擬推理智能體。與依賴反應策略的傳統(tǒng)強化學習智能體，或在決策時刻昂貴地模擬未來的模型預測控制（MPC）智能體不同，其利用了PAN生成的預計算模擬緩存。在決策過程中，智能體根據(jù)當前的信念和預期結(jié)果選擇行動，從而實現(xiàn)更高效、靈活和有目的的規(guī)劃方式。這種方式更接近人類推理的靈活性。
更詳細內(nèi)容，請查閱論文原文。
