Noong nakaraang taon, ang “world model” ay naging isa sa mga pinakamadaling maling gamitin na salita sa industriya ng AI. Ang kakayahang magbuo ng tuloy-tuloy na video, tinatawag na world model; ang pagpapahintulot sa mga manlalaro na maglakad ng ilang hakbang sa screen, tinatawag din na world model; ang robot, video generation, 3D, at embodied intelligence—mga ganap na iba’t ibang direksyon—ay lahat ay nagpapalabas ng label na ito. Ang salitang ito ay tila lalong lumalaki, ngunit ang kahulugan nito ay lalong nagiging malabo. Bago pa man, ginawa ng World Labs ang isang bagay na medyo nakakasira sa kanilang mga katindigan: sila ang unang nagtakda ng isang pamantayan para sa “world model.” Hindi sapat na magbuo lamang ng iyong susunod na tingin; kailangan ng isang sistema na alam kung saan nakatayo ang mga bagay, ano ang ugnayan nila sa isa’t isa, at paano nagbabago ang kanilang estado, bago ito magsimulang maging isang simulasyon ng isang mundo. Ito rin ang dahilan kung bakit isinulat ko ang artikulong ito. Ang susunod na pambungad na punto ng world model ay maaaring hindi nasa kung gaano katotoo ang mga larawan na ginagawa, kundi kung mayroon ba ang modelo ng isang panloob na mundo na mababasa, masusukat, at maopera ng isang machine. Ang Atlas ay malayo pa sa paglutas ng tanong na ito, ngunit kahit anong gawin nito, tama na ang pagkakalagay nito. Samantala, marami sa mga bagay na ngayon ay tinatawag na world model, kapag tingnan muli sa hinaharap, ay maaaring magiging mas mataas na antas ng video generator lamang.