世界模型

Parent: ai_keywords

世界模型（World Model）

核心定义

世界模型是指智能体在内部构建的对环境动态、因果结构及行动后果的抽象表征。在人工智能中，它通常指通过自监督学习从观测序列中习得的生成式神经网络，能够预测未来状态、合成反事实轨迹，并支撑规划与决策。在神经科学中，世界模型对应大脑的“内部模型”——前额叶-海马环路等结构通过预测编码和主动推理，构建对物理世界和他人心智状态的模拟，以指导运动控制与社会认知。

关键技术点

1. 预测编码与隐空间动力学
   通过变分自编码器（VAE）或循环状态空间模型（RSSM）将高维感知映射到紧凑的潜在状态，并学习状态转移概率 ( p(s_{t+1}|s_t, a_t) )，实现无监督环境建模。代表工作如 Dreamer、DayDreamer。

2. 模型预测控制（MPC）
   基于世界模型在隐空间中展开多条想象轨迹，利用回报函数选择最优动作序列，避免了对真实环境的实时交互依赖，适用于样本效率敏感的机器人控制。

3. 因果图与结构化世界模型
   引入因果结构学习（如Causal World Models），区分环境中的混淆因子和干预变量，使模型具备干预推理和分布外泛化能力，接近人类“直观物理学”。

4. 主动推理与自由能原理
   将世界模型视为生成模型，智能体通过最小化变分自由能同时进行感知（模型拟合）和行动（改变感知以匹配先验），统一了认知与运动控制的贝叶斯框架。

医学/神经科学应用场景

首都医科大学神经病学方向：阿尔茨海默病（AD）早期空间导航障碍的建模与评估
基于世界模型框架，可构建受试者在虚拟迷宫中的“内部导航地图”。通过比较受试者行为序列与AI预测轨迹的差异，量化其内嗅皮层-海马环路对空间拓扑动态的建模能力。利用隐空间中的表征失真度（如状态转移矩阵的熵增），作为AD临床前期的生物标志物。进一步，结合经颅磁刺激（TMS）靶向内侧颞叶，可设计闭环神经调控方案：世界模型实时预测患者下一步定向错误，提前施加θ-爆发刺激以纠正异常神经动态，从而延缓空间记忆衰退。该范式已由首都医科大学宣武医院团队在轻度认知障碍（MCI）队列中开展初步验证，将AI世界模型与fNIRS-脑电耦合分析结合，有望实现认知康复的个性化干预。