2026 年 11 月 5 日
作者：迪迪埃·卡米洛·奥拉特·冈萨雷斯，皮埃尔·卢克·德·尚塔尔。
编辑：丽莎·洛克，评论：安德鲁·齐宁
当前的人工智能技术，特别是基于 ChatGPT、Claude、Google Gemini 和 Perplexity AI 等大型语言模型的聊天机器人，在生成文本和处理复杂任务方面表现出高度拟人化的能力。这些系统能够写诗、进行头脑风暴并解决复杂问题，其底层架构很大程度上借鉴了人类神经元的运作机制，通过人工神经网络产生与人类思维相似的结果。
然而，结果相似并不等同于过程相同。人工智能与人类的思维方式存在本质差异。“世界模型”作为一种新兴技术，旨在帮助人工智能系统更接近人类的“思维”，但目前的 AI 仍无法像人类那样感知、学习或理解世界。
从拿杯子的动作看预测处理的复杂性
以拿起柜台边缘的杯子为例，这一对人类而言常规的动作，实则依赖于大脑复杂的预测能力。根据“预测处理”理论，大脑不断生成预期，并将这些预期与接收到的感官信息进行比较，从而指导行为。
例如，若误判空杯为满杯，手部肌肉会因预期较重物体而施加过大力量，导致杯子突然升起且感觉轻盈。这种预期与实际反馈之间的不匹配提供了纠正运动所需的信号，并更新了大脑对物体重量的估计。这种循环——预期影响行为，行为后果修正预期——构成了人类与世界互动的基础认知模式。
人工智能的预测机制差异
相比之下，即使是先进的家用机器人，要可靠地操纵杯子也需要大量的训练和模拟，以学习物理世界的规律及行动后果。大型语言模型虽然也进行预测，但其核心在于预测下一个单词或段落。这种基于统计模式的预测能产生强大的问题解决能力，但与人类基于因果关系的预测不同。
例如，聊天机器人可以通过分析海量数据中的模式，描述杯子被撞落后的情景，但这并不意味着它理解了杯子掉落背后的物理原因。它能生成可信的描述，却缺乏对因果机制的实际掌握。
世界模型与具身智能的尝试
为了缩小这一差距，“世界模型”应运而生。这是一种广泛的 AI 方法，旨在通过视频、模拟或机器人操作记录来预测情况演变及行动带来的变化。对于机器人而言，这意味着能够预判握力过大可能导致杯子破碎等后果。
通过整合行动、运动和感官信息，世界模型试图将预测与现实世界的事件联系起来。随着系统从行为和感官反馈中学习，其生成的预测可能与人类日益相似。然而，即使 AI 做出了相同的预测，这并不能揭示支撑该预测的知识结构或其获取方式。
性能复制不等于认知等同
对人类而言，杯子不仅是圆柱体，更关联着易碎性、所有权、温度以及潜在的行动后果等多维属性。这种理解源于早期发育阶段。研究表明，数月大的婴儿已具备基本的物体行为预期；儿童发展研究员让·皮亚杰指出，儿童通过实际行动建立知识，进而能在脑海中模拟后果，无需每次执行具体动作。
人类的学习是一个综合过程，涉及感受重量、观察倾倒现象以及想象可能发生的场景。虽然人工智能借助世界模型也能从多模态数据中学习动作与反馈，进而模拟与世界的互动，但其经验如何转化为类似人类的深层知识仍是未知数。
目前，人工智能可以更准确地预测事件并利用预测采取行动，但这不代表它具备了人类那样的感知、学习和理解能力。随着 AI 在复制人类认知结果方面越来越成功，区分系统的性能表现与其内部处理过程变得愈发重要。
