Os World Models são modelos que aprendem a representar e prever a dinâmica de um ambiente: como evolui o estado do mundo em resposta às ações de um agente. Ao contrário de um modelo de linguagem, que prevê a próxima palavra, um modelo do mundo prevê a próxima situação (por exemplo, os fotogramas de uma cena ou o estado físico de um sistema), construindo uma representação interna que capta relações causais e temporais.
A sua importância reside no facto de permitirem a um agente planear e imaginar consequências antes de agir, reduzindo a necessidade de tentativa e erro no ambiente real. Isto é fundamental em:
- Robótica, para antecipar o resultado de um movimento.
- Condução autónoma, simulando trajetórias possíveis.
- Aprendizagem por reforço, treinando dentro do próprio modelo em vez do mundo físico.
Uma nuance prática: a qualidade das previsões depende da coerência do modelo a longo prazo. Muitos sistemas acumulam erros com o tempo, gerando simulações que se tornam irreais após vários passos, o que limita a profundidade do planeamento.