World Model

Partiellement. Sora comprend la physique de base (gravité, reflets, fluides) mais n'a pas une compréhension complète du monde. OpenAI le décrit comme un 'world simulator'.

Robotique (comprendre l'environnement physique), conduite autonome (prédire le comportement des autres véhicules), et génération vidéo (physique réaliste).

Un world model est une representation interne, apprise, du fonctionnement d'un environnement, qui permet a une IA de predire ce qui va se passer a partir de son etat actuel et de ses actions. Au lieu de reagir aux seules entrees brutes, le systeme simule des futurs plausibles. Cette idee fonde l'apprentissage par renforcement base sur modele, la robotique et les generateurs video modernes, ou le modele capture la dynamique : mouvement, physique, permanence des objets.

Un grand modele de langage predit le prochain token dans un texte et excelle dans les taches linguistiques. Un world model predit le prochain etat d'un environnement, souvent visuel ou physique, en capturant des dynamiques comme le mouvement et les collisions. Les deux se recoupent : des generateurs video comme Sora et Genie melent les deux idees. La difference cle est ce qu'ils modelisent : des suites de mots, ou la facon dont un monde evolue dans le temps sous l'effet des actions.

Parmi les exemples marquants : Dreamer de DeepMind, qui apprend a agir en imaginant les resultats dans un modele appris, et Genie, qui genere des environnements interactifs et jouables a partir d'images ou de texte. Sora d'OpenAI est decrit comme un simulateur de monde pour la video. La famille JEPA de Yann LeCun apprend des representations predictives abstraites plutot que des pixels. Ensemble, ils montrent des world models couvrant robotique, jeu, video et recherche.

Un agent dote d'un world model peut imaginer les consequences de ses actions avant de les executer, en deroulant mentalement des futurs possibles et en choisissant la voie au meilleur resultat. C'est la planification dans l'espace latent. Comme l'agent s'entraine dans son modele plutot que dans le monde reel, il apprend plus vite et plus sûrement. Les systemes de type Dreamer utilisent exactement cette boucle pour maitriser efficacement des taches de controle.

Les robots agissent dans un monde physique ou l'essai-erreur reel est lent, couteux et risque. Un world model permet a un robot de predire comment les objets bougent, tombent ou resistent, afin de planifier prises et mouvements en simulation avant d'agir. Cela reduit le besoin de donnees reelles et ameliore la securite. Le robot generalise aussi mieux aux situations nouvelles en raisonnant sur la physique plutot qu'en memorisant des reponses figees.

Un simulateur classique est code a la main par des ingenieurs, avec des regles de physique explicites. Un world model est appris a partir de donnees, en deduisant les regles d'un environnement par l'observation. Cela rend les world models plus flexibles pour des situations reelles et complexes qu'un humain ne pourrait entierement scripter, mais aussi moins precis et plus difficiles a verifier. De nombreux systemes combinent les deux, utilisant des modeles appris la ou la physique ecrite a la main echoue.

Les world models actuels peinent encore a rester coherents sur de longs horizons, derivant souvent vers une physique impossible, des objets qui disparaissent ou des relations de cause a effet rompues. Des systemes video comme Sora peuvent mal gerer les interactions complexes ou la permanence des objets. Ils sont couteux a entrainer, difficiles a interpreter, et peuvent apprendre des motifs de surface plutot qu'une veritable comprehension physique. La planification fiable a long terme et une dynamique fidele au reel restent des defis de recherche ouverts.

De nombreux chercheurs le pensent. Des figures comme Yann LeCun soutiennent qu'apprendre un world model predictif est essentiel au bon sens et au raisonnement, puisque les humains comprennent le monde en l'anticipant. En ancrant l'IA dans la facon dont les environnements se comportent, et pas seulement dans le texte, les world models pourraient permettre des agents capables de planifier, s'adapter et agir de maniere fiable. Ils sont largement vus comme une brique cle vers des systemes plus generaux et performants.