Los World Models son modelos que aprenden a representar y predecir la dinámica de un entorno: cómo evoluciona el estado del mundo en respuesta a las acciones de un agente. A diferencia de un modelo de lenguaje, que predice la siguiente palabra, un modelo del mundo predice la siguiente situación (por ejemplo, los fotogramas de una escena o el estado físico de un sistema), construyendo una representación interna que captura relaciones causales y temporales.
Su importancia radica en que permiten a un agente planificar e imaginar consecuencias antes de actuar, reduciendo la necesidad de ensayo y error en el entorno real. Esto es clave en:
- Robótica, para anticipar el resultado de un movimiento.
- Conducción autónoma, simulando trayectorias posibles.
- Aprendizaje por refuerzo, entrenando dentro del propio modelo en lugar del mundo físico.
Un matiz práctico: la calidad de las predicciones depende de la coherencia del modelo a largo plazo. Muchos sistemas acumulan errores con el tiempo, generando simulaciones que se vuelven irreales tras varios pasos, lo que limita la profundidad de la planificación.