Wereldmodel: hoe AI leert voorspellen wat er gaat gebeuren
Stel je voor dat je een biljartbal een tik geeft. Nog voordat de bal de band raakt, weet je ongeveer waar hij straks ligt. Dat komt doordat je brein een soort intern simulatiemodel van de fysieke wereld heeft: je hoeft niet te wachten tot de bal daadwerkelijk stilligt om te voorspellen wat er gaat gebeuren. Een wereldmodel is de kunstmatige-intelligentie-variant van dat idee: een systeem dat leert hoe de wereld (of een deel daarvan) werkt, zodat het kan voorspellen wat er gebeurt als er iets verandert.
In de AI-wereld duidt de term op modellen die niet zomaar patronen herkennen in plaatjes of tekst, maar die een compact, intern 'begrip' opbouwen van oorzaak en gevolg, van ruimte en van tijd. Met dat begrip kunnen ze vooruitdenken: wat gebeurt er als deze robotarm naar links beweegt, of als deze auto nu remt? Wereldmodellen worden gezien als een mogelijke bouwsteen voor AI die minder afhankelijk is van eindeloze hoeveelheden gelabelde voorbeelden en die met meer gezond verstand kan plannen en redeneren.
Wat is het precies?
Een wereldmodel bestaat meestal uit drie onderdelen die je kunt vergelijken met hoe mensen waarnemen, onthouden en voorspellen. Eerst is er een waarnemingsmodule, die ruwe input zoals camerabeelden samenperst tot een compacte, wiskundige representatie: een lijst getallen die de belangrijkste kenmerken van de scène vastlegt, zonder alle overbodige pixeldetails. Dit heet in vakjargon een latente representatie.
Daarna is er een geheugen- of voorspellingsmodule, vaak een neuraal netwerk dat leert hoe die compacte representatie in de tijd verandert. Op basis van de huidige toestand en een actie (bijvoorbeeld 'stuur naar rechts') voorspelt dit onderdeel wat de volgende toestand waarschijnlijk zal zijn. Ten slotte is er een controller of beslissingsmodule, die deze voorspellingen gebruikt om een handeling te kiezen, bijvoorbeeld welke kant een robot op moet bewegen.
Het cruciale verschil met veel andere AI-systemen is dat een wereldmodel intern kan 'dromen' of simuleren, zonder dat het steeds echte data hoeft te verzamelen. Een zelfrijdende auto die alleen leert van camerabeelden reageert achteraf; een auto met een wereldmodel kan van tevoren duizenden mogelijke vervolgscenario's doorrekenen in zijn eigen interne simulatie, en daaruit de veiligste keuze selecteren. Dat maakt trainen ook goedkoper en veiliger, omdat gevaarlijke situaties niet in het echt hoeven te worden uitgeprobeerd.
Wat wil men ermee bereiken?
De belangrijkste belofte van wereldmodellen is efficiëntie: mensen en dieren leren van relatief weinig ervaringen, terwijl veel huidige AI-systemen miljoenen voorbeelden nodig hebben. Onderzoekers hopen dat een intern model van de wereld het mogelijk maakt om met minder data en minder trial-and-error te leren, doordat het systeem vooruit kan denken in plaats van alleen achteraf te reageren.
Een tweede doel is planning en redeneren. Systemen die alleen patronen herkennen, zijn vaak zwak in het vooruitdenken over meerdere stappen. Een wereldmodel biedt in theorie een interne 'speeltuin' waarin een AI verschillende strategieën kan uitproberen voordat ze in de echte wereld wordt losgelaten, vergelijkbaar met hoe een schaker in gedachten zetten vooruitrekent.
Ten derde speelt veiligheid en kostenbesparing een rol, vooral in robotica en zelfrijdende voertuigen: het is goedkoper en veiliger om duizenden botsingen te simuleren dan om ze daadwerkelijk te laten gebeuren. Onderzoekers als Yann LeCun (hoofd AI bij Meta) zien wereldmodellen bovendien als een mogelijke weg naar AI-systemen met meer 'gezond verstand', omdat de huidige generatie taalmodellen weliswaar vloeiend tekst produceert, maar weinig daadwerkelijk begrip toont van hoe de fysieke wereld werkt.
Voorbeelden uit de praktijk
Een van de eerste invloedrijke demonstraties kwam in 2018 van onderzoekers David Ha en Jürgen Schmidhuber, in een paper met de simpele titel 'World Models'. Zij trainden een systeem dat leerde autoracen en een videogame spelen door eerst een compact intern model van de spelomgeving op te bouwen, en daarna volledig te oefenen binnen die eigen 'droomversie' van het spel, zonder de echte simulator te raadplegen.
In 2023 en 2024 bouwde het Britse bedrijf Wayve, dat zelfrijdende software ontwikkelt, een wereldmodel genaamd GAIA-1 dat op basis van camerabeelden, stuurbewegingen en tekstuele aanwijzingen realistische videoscenario's van het verkeer kan genereren, om zelfrijdende systemen veiliger te trainen op zeldzame of gevaarlijke situaties.
Google DeepMind presenteerde in 2024 Genie, een model dat van een enkele afbeelding een speelbare, interactieve 2D-wereld kan genereren; een opvolger, Genie 2, kon eind 2024 ook eenvoudige 3D-omgevingen produceren die een gebruiker met toetsenbordinvoer kan verkennen. Meta publiceerde in dezelfde periode V-JEPA, een model dat leert voorspellen hoe video's zich in de tijd ontwikkelen door te redeneren over compacte representaties in plaats van pixel voor pixel.
Ook buiten de grote techbedrijven ontstonden initiatieven: onderzoeker Fei-Fei Li, bekend van de ImageNet-dataset, richtte in 2024 het bedrijf World Labs op, specifiek gericht op wat zij 'ruimtelijke intelligentie' noemt: AI die driedimensionale omgevingen begrijpt en genereert.
Hoe ver is de techniek?
Wereldmodellen zijn een actief en snelgroeiend onderzoeksveld, maar nog geen volwassen, algemeen inzetbare technologie. De meeste werkende voorbeelden zijn beperkt tot specifieke, afgebakende taken: een videogame, een stuk snelweg, een handvol objecten op een tafel. Een model dat leert hoe een robotarm blokken stapelt, generaliseert niet vanzelf naar het begrijpen van bijvoorbeeld vloeistoffen of textiel.
De gegenereerde 'werelden' van systemen als Genie 2 zijn bovendien nog kort van duur (doorgaans hooguit enkele tientallen seconden consistent) en missen vaak de fysieke nauwkeurigheid die nodig is voor bijvoorbeeld betrouwbare robotplanning. Critici, waaronder sommige onderzoekers binnen hetzelfde veld, wijzen erop dat het onduidelijk is of huidige wereldmodellen daadwerkelijk 'begrijpen' hoe fysica werkt, of dat ze vooral statistische patronen in trainingsvideo's naspelen die er oppervlakkig overtuigend uitzien maar bij ongebruikelijke situaties (zogeheten edge cases) doorschieten.
Er is ook geen consensus over de beste architectuur. Sommige onderzoeksgroepen zetten in op modellen die pixel voor pixel video voorspellen, terwijl anderen, zoals Yann LeCuns team bij Meta, juist pleiten voor het voorspellen in compacte, abstracte representaties (de JEPA-aanpak) omdat dat rekenkundig efficiënter en robuuster zou zijn. Welke richting zal domineren, is nog volop onderwerp van debat en dit zal де komende jaren waarschijnlijk nog flink verschuiven.
Wie werken eraan?
Google DeepMind is een van de meest zichtbare spelers, met de Genie-modellenreeks gericht op het genereren van interactieve, speelbare werelden. Meta AI, onder leiding van hoofdwetenschapper Yann LeCun, investeert zwaar in de JEPA-architectuur (Joint Embedding Predictive Architecture) als fundament voor toekomstige wereldmodellen, met publieke onderzoeksresultaten zoals I-JEPA en V-JEPA.
Wayve in het Verenigd Koninkrijk is een voorbeeld van een toegepaste speler, gericht op wereldmodellen voor zelfrijdende voertuigen. World Labs, opgericht door Fei-Fei Li (verbonden aan Stanford University), richt zich specifiek op ruimtelijke intelligentie en driedimensionale wereldmodellen. Ook OpenAI wordt in dit verband genoemd: het bedrijf omschreef zijn videogeneratiemodel Sora (2024) deels als een 'wereldsimulator', al is de mate waarin dat model daadwerkelijk fysische wetten begrijpt versus nabootst, onderwerp van discussie onder onderzoekers.
Daarnaast dragen universitaire onderzoeksgroepen wereldwijd bij, onder meer aan Stanford University, UC Berkeley en het Zwitserse onderzoeksinstituut IDSIA (waar Jürgen Schmidhuber werkzaam was), evenals talrijke academische publicaties op preprint-platforms zoals arXiv. Het veld is internationaal verspreid, met zwaartepunten in de Verenigde Staten en het Verenigd Koninkrijk, en groeiende activiteit in China en elders.