谷歌DeepMind首席执行官Demis Hassabis近日表示，被称为“世界模型”（world models）的AI系统正在朝通用人工智能（AGI）迈出关键一步，并取得了“令人惊讶的进展”。他指出，这些模型不再只是模仿语言或生成图像，而是开始理解物理世界的真实结构，具备推理和预测现实动态的能力。
“世界模型”接近理解现实世界的本质
Hassabis在评论谷歌最新的视频模型Veo 3时称，其在模拟现实物理现象方面的表现“令人震惊”，能够准确捕捉物体运动的直觉物理规律，说明其背后正在激活对现实更深层的结构性理解。他表示：“这不只是生成图像，它触及了某种更真实的东西。”
在他看来，这类AI系统类似人脑，不只是构建现实的表征，更是模拟现实本身的底层规则与复杂性。这种能力让研究人员有机会以计算方式理解现实的本质，这也是Hassabis一贯追求的“终极目标”：探索现实世界的根本结构。
从模拟游戏到通用智能：世界模型是DeepMind的核心路线
Hassabis指出，构建世界模型一直是DeepMind实现AGI的核心策略之一，早在他十几岁设计模拟游戏《Theme Park》时便萌生了这一理念。他强调：“对我们来说，构建世界模型从一开始就是通往AGI的计划。”
这一思路也贯穿了DeepMind的多个实验性项目。例如，Genie项目能够将静态图像转换为可交互的3D游戏环境，赋予图像世界物理属性和动态交互性，正是朝“理解并参与现实世界”的方向迈进。
世界模型背后的哲学：从模仿到体验
在DeepMind近期的一篇论文中，两位重量级AI研究员——Richard Sutton与David Silver也对世界模型的重要性进行了强调。他们认为，AI发展应该摆脱对人类标签和数据的依赖，转向通过环境交互学习的系统，即让AI像人类或动物一样通过试错与反馈获得知识。
他们主张AI应具备内在世界模型：能够预测未来、做出决策，并具备感知—行动—反馈的循环机制。这不仅仅限于语言模型，而是涉及视觉、触觉、运动等多模态体验。
强化学习将在这一过程中扮演关键角色。通过在真实或逼真的环境中进行试验，AI将不只是识别数据，而是逐步建立起与现实世界动态交互的能力。
一个全新AI时代的开端？
在Hassabis、Sutton与Silver看来，这一“从模仿转向经验”的范式变革，是AI迈向AGI的真正起点。与单纯的语言理解或图像生成不同，世界模型提供了AI与现实交互、理解、预测甚至主动探索的可能性。
这也意味着，未来的AI不再只是回答问题或生成文本，而是能真正“看懂”“预测”甚至“介入”现实世界。正如Hassabis所说：“我们不仅在构建AI工具，而是在尝试还原宇宙的运行法则。”
世界模型的突破，让人们对AGI的实现路径有了更加清晰的轮廓。通过模拟现实、体验现实并在其中学习，AI或许正在悄然接近通向人类级智能的门槛。