За последний год термин «модель мира» стал одним из самых часто неправильно используемых в индустрии ИИ. Способность генерировать непрерывное видео называют моделью мира; возможность позволить игроку сделать несколько шагов в сцене тоже называют моделью мира; робототехника, генерация видео, 3D и встроенная интеллектуальность — совершенно разные направления — все приклеивают к себе эту этикетку. Слово звучит всё грандиознее, но его смысл становится всё более расплывчатым. World Labs ранее сделали что-то, что могло показаться оскорбительным для коллег: они сначала установили стандарт для «модели мира». Просто генерировать то, что вы увидите следующим взглядом, недостаточно; система должна по крайней мере знать, где находятся объекты, как они связаны между собой и как меняются их состояния, чтобы начать приближаться к моделированию мира. Вот почему я написал эту статью. Следующей границей для моделей мира может стать не то, насколько реалистичны генерируемые изображения, а наличие у модели внутреннего мира, который может читать, измерять и управлять машина. Atlas ещё далеко от решения этой проблемы, но по крайней мере она правильно сформулировала вопрос. А многие вещи, которые сегодня называют моделями мира, при взгляде назад, возможно, окажутся просто более продвинутыми генераторами видео.