خلال العام الماضي، أصبح مصطلح "النماذج العالمية" أحد أكثر المصطلحات إساءةً استخدامًا في صناعة الذكاء الاصطناعي. يُسمى نموذجًا عالميًا أي نظام يُنتج فيديوهات متصلة؛ ويُسمى نموذجًا عالميًا أي نظام يسمح للاعبين بالمشي بضع خطوات داخل المشهد؛ كما تُستخدم هذه التسمية من قبل مجالات مختلفة تمامًا مثل الروبوتات، وتوليد الفيديوهات، والنمذجة ثلاثية الأبعاد، والذكاء المتجسد. يبدو أن هذا المصطلح يصبح أكبر وأكبر، لكن معناه يصبح أكثر غموضًا. قبل ذلك، قامت World Labs بفعل كان مُزعجًا بعض الشيء للمنافسين: فقد حددوا معيارًا واضحًا لـ"النماذج العالمية". فليس كافيًا أن يُنتج النموذج فقط ما ستراه في نظرة واحدة قادمة؛ بل يجب أن يعرف النظام على الأقل أين توجد الأشياء، وما هي العلاقات بينها، وكيف تتغير حالاتها، ليبدأ في تقليد عالم حقيقي. وهذا بالضبط سبب كتابتي لهذه المقالة. قد لا تكون النقطة الفاصلة التالية للنماذج العالمية في مدى واقعية الصور التي تُولَّد، بل في ما إذا كان للنموذج عالم داخلي يمكن للآلة قراءته وقياسه وتشغيله. لا يزال Atlas بعيدًا جدًا عن حل هذه المسألة، لكنه على الأقل وضعها في المكان الصحيح. بينما قد تُظهر العديد من الأنظمة التي تُسمى اليوم "نماذج عالمية" عند النظر إليها لاحقًا أنها لم تكن سوى أجهزة توليد فيديو أكثر تطورًا.