Els World Models són models que aprenen a representar i predir la dinàmica d'un entorn: com evoluciona l'estat del món en resposta a les accions d'un agent. A diferència d'un model de llenguatge, que prediu la paraula següent, un model del món prediu la situació següent (per exemple, els fotogrames d'una escena o l'estat físic d'un sistema), construint una representació interna que captura relacions causals i temporals.
La seva importància rau en el fet que permeten a un agent planificar i imaginar conseqüències abans d'actuar, reduint la necessitat d'assaig i error en l'entorn real. Això és clau en:
- Robòtica, per anticipar el resultat d'un moviment.
- Conducció autònoma, simulant trajectòries possibles.
- Aprenentatge per reforç, entrenant dins del mateix model en lloc del món físic.
Un matís pràctic: la qualitat de les prediccions depèn de la coherència del model a llarg termini. Molts sistemes acumulen errors amb el temps, generant simulacions que esdevenen irreals després de diversos passos, la qual cosa limita la profunditat de la planificació.