Os World Models son modelos que aprenden a representar e predicir a dinámica dun contorno: como evoluciona o estado do mundo en resposta ás accións dun axente. Ao contrario que un modelo de linguaxe, que predice a seguinte palabra, un modelo do mundo predice a seguinte situación (por exemplo, os fotogramas dunha escena ou o estado físico dun sistema), construíndo unha representación interna que captura relacións causais e temporais.
A súa importancia reside en que permiten a un axente planificar e imaxinar consecuencias antes de actuar, reducindo a necesidade de ensaio e erro no contorno real. Isto é clave en:
- Robótica, para anticipar o resultado dun movemento.
- Condución autónoma, simulando traxectorias posibles.
- Aprendizaxe por reforzo, adestrando dentro do propio modelo en lugar do mundo físico.
Un matiz práctico: a calidade das predicións depende da coherencia do modelo a longo prazo. Moitos sistemas acumulan erros co tempo, xerando simulacións que se volven irreais tras varios pasos, o que limita a profundidade da planificación.