Os world models em IA são uma abordagem que permite às máquinas prever consequências e tomar decisões mais seguras.O conceito pode ser compreendido a partir da síntese de dois artigos sobre o tema: o panorama histórico World models, an old idea in AI, mount a comeback e a análise técnica World models: computing the uncomputable. Juntos, eles mapeiam o surgimento, a mecânica e as promessas dessa abordagem considerada uma das apostas para ampliar a capacidade de raciocínio e autonomia da IA. Confira os principais pontos.
O que são os world models
São modelos interativos e preditivos que carregam uma representação simplificada do ambiente. Essa simulação interna permite que a inteligência artificial avalie diferentes cenários e tome decisões antes de aplicá-las em tarefas no mundo real.
O conceito não é novo: ele é baseado na psicologia da década de 1940, com uma base teórica que surgiu com o psicólogo Kenneth Craik. Ele publicou a teoria de que organismos carregam um modelo de realidade “em pequena escala” dentro de suas mentes para testar reações e alternativas. A IA posteriormente incorporou essa lógica ao desenvolvimento computacional, e pioneiros da ciência da computação, como Jürgen Schmidhuber e Richard Sutton, pavimentaram o caminho teórico desses modelos no início dos anos 1990.
A engenharia dos world models atualmente segue dois caminhos técnicos. Os modelos generativos tentam prever o futuro recriando pixels, vídeos ou cenas 3D observáveis, além de lidar com toda a complexidade visual do ambiente. Já os modelos latentes preveem o futuro em um espaço abstrato e comprimido, descartando detalhes visuais imprevisíveis que não importam diretamente para a tomada de decisão lógica.
Não são LLMs
Esses modelos diferem dos grandes modelos de linguagem (LLMs): enquanto os LLMs, como o ChatGPT, são projetados para prever a próxima palavra e aprender a estrutura da linguagem, os world models são construídos para prever o próximo estado de um ambiente e aprender a estrutura da causalidade. Os LLMs operam principalmente sobre padrões abstratos de linguagem, enquanto os world models aprendem por meio da interação contínua com ambientes dinâmicos e imprevisíveis do mundo real.
Em sistemas computacionais tradicionais, simular o comportamento aleatório e imprevisível do mundo real custa uma quantidade exponencial de poder de processamento. Nos world models, as ações funcionam como a forma definitiva de compressão, agindo como um atalho para prever dinâmicas futuras com um custo fixo de rede neural.
As IAs generativas atuais operam como um “conjunto fragmentado de heurísticas”, ou seja, elas decoram regras de ouro desconectadas que não formam um todo consistente, assemelhando-se à parábola dos cegos que tocam partes isoladas de um elefante e falham em compreender sua forma real. Um sistema embasado em world models substitui esse mosaico de suposições por uma representação computacional coerente e consistente, o que evita falhas graves diante de situações inesperadas.
Os world models permitem que agentes, ou seja, os sistemas responsáveis pela tomada de decisão da IA, treinem em ambientes simulados. Essa prática reduz custos e evita que os agentes precisem testar ações perigosas no ambiente físico, antes de saberem como executá-las.
Assim como um jogador de beisebol prevê a trajetória de uma bola antes mesmo que sua visão a processe totalmente, os world models operam no ciclo de observar o ambiente, prever o que vai acontecer a seguir e agir de acordo. Em vez de calcular gravidade e atrito com fórmulas manuais, o modelo simplesmente assiste a bilhões de interações físicas e aprende esses padrões estatísticos.
Até o momento, a maneira mais eficaz de treinar um world model atual tem sido o uso de dados de jogos eletrônicos. Ao contrário de vídeos comuns da internet, clipes de gameplay contêm física consistente, sinais claros de recompensa e, mais importante, estão frequentemente rotulados com as ações exatas que o jogador tomou, criando a ponte perfeita entre a intenção digital e as consequências no ambiente físico.
Pesquisadores de elite em IA acreditam que a inteligência geral artificial não surgirá apenas do aumento do processamento de textos. Modelos baseados exclusivamente em linguagem não conseguem controlar o mundo físico com segurança, mas robôs controlados por agentes treinados em world models podem ampliar essa capacidade. Isso é possível porque eles oferecem um caminho cientificamente viável para reduzir alucinações, interpretar comandos com mais precisão e controlar máquinas robustas e autônomas no mundo real.
