Nos últimos doze meses, “modelos do mundo” tornou-se uma das palavras mais mal utilizadas na indústria de IA. Gerar vídeos contínuos é chamado de modelo do mundo; permitir que jogadores deem alguns passos na cena também é chamado de modelo do mundo; robôs, geração de vídeo, 3D e inteligência embodiada — linhas completamente distintas — todos estão se rotulando com esse termo. A palavra soa cada vez mais grandiosa, mas seu significado fica cada vez mais vago. Anteriormente, a World Labs fez algo que pode ter sido um pouco ofensivo aos concorrentes: eles estabeleceram um padrão para “modelos do mundo”. Não basta apenas gerar o que você verá a seguir; um sistema precisa, pelo menos, saber onde estão as coisas, como se relacionam entre si e como seus estados mudam, para começar a se aproximar da simulação de um mundo. Essa é também a razão pela qual escrevi este artigo. O próximo marco dos modelos do mundo pode não estar na realidade das imagens geradas, mas sim na existência de um mundo interno que uma máquina possa ler, medir e operar. Ainda longe de resolver esse problema, a Atlas pelo menos o colocou corretamente na mesa. Muitas coisas hoje chamadas de modelos do mundo, quando analisadas retrospectivamente, podem acabar sendo apenas geradores de vídeo mais avançados.