Maailmamallit (World Models) ovat malleja, jotka oppivat esittämään ja ennustamaan ympäristön dynamiikkaa: sitä, miten maailman tila kehittyy agentin toimien seurauksena. Toisin kuin kielimalli, joka ennustaa seuraavan sanan, maailmamalli ennustaa seuraavan tilanteen (esimerkiksi kohtauksen kuvaruudut tai fyysisen järjestelmän tilan) ja rakentaa sisäisen esityksen, joka kuvaa syy- ja ajallisia yhteyksiä.
Niiden merkitys perustuu siihen, että ne mahdollistavat agentille suunnittelun ja seurausten kuvittelemisen ennen toimimista, mikä vähentää tarvetta kokeilla ja erehtyä todellisessa ympäristössä. Tämä on keskeistä seuraavilla alueilla:
- Robotiikka, liikkeen lopputuloksen ennakointiin.
- Itseohjautuva ajaminen, mahdollisten liikeratojen simulointiin.
- Vahvistusoppiminen, jossa koulutus tapahtuu mallin sisällä fyysisen maailman sijaan.
Käytännön vivahde: ennusteiden laatu riippuu mallin johdonmukaisuudesta pitkällä aikavälillä. Monet järjestelmät kerryttävät virheitä ajan myötä, jolloin simulaatiot muuttuvat epätodellisiksi useiden askelten jälkeen, mikä rajoittaa suunnittelun syvyyttä.