Wat is een wereldmodel in AI?

Een wereldmodel is een AI-model dat probeert te leren hoe een omgeving verandert, zodat het mogelijke toekomstige situaties en gevolgen van acties kan voorspellen.

Het begrip klinkt technisch, maar het basisidee is goed te begrijpen. In plaats van alleen te herkennen wat er nu gebeurt, probeert het systeem ook een voorstelling te vormen van wat er daarna kan gebeuren.

Wereldmodel uitgelegd in één zin

Een wereldmodel probeert te voorspellen wat er daarna in een omgeving gebeurt, bijvoorbeeld nadat een object beweegt of een AI-systeem een actie uitvoert.

Een eenvoudig voorbeeld

Stel dat je een bal over een tafel rolt. Je verwacht dat de bal verder rolt, vertraagt en uiteindelijk stopt of van de tafel valt. Je hoeft niet iedere mogelijke beweging al eens gezien te hebben om een verwachting te vormen.

Een wereldmodel probeert iets vergelijkbaars te leren uit data. Het legt verbanden tussen de huidige toestand, veranderingen en mogelijke acties. Daardoor kan het een volgende toestand voorspellen.

Wat probeert een wereldmodel te leren?

  • Welke onderdelen van een omgeving belangrijk zijn.
  • Hoe een situatie in de tijd verandert.
  • Welke gevolgen bepaalde acties kunnen hebben.
  • Welke situaties waarschijnlijk uit elkaar voortkomen.

Afhankelijk van het systeem kan de ‘wereld’ een fysieke omgeving zijn, een videogame, een simulatie of een andere omgeving waarin toestanden veranderen.

Waarnemen, voorspellen en vergelijken

Een vereenvoudigde cyclus ziet er zo uit:

  1. AI neemt de huidige situatie waar.
  2. Het model maakt daar een interne representatie van.
  3. Het voorspelt hoe de situatie verder kan gaan.
  4. Na een actie of nieuwe waarneming kan de voorspelling worden vergeleken met de werkelijke uitkomst.

Waarom is voorspellen belangrijk voor AI?

Wie gevolgen kan voorspellen, kan ook beter plannen. Voor een AI-agent of robot kan het nuttig zijn om verschillende acties eerst intern te vergelijken voordat één actie daadwerkelijk wordt uitgevoerd. Lees hoe wereldmodellen robots helpen voorspellen en handelen.

Daar zit een belangrijk verschil tussen alleen reageren en doelgericht handelen.

Lees verder over hoe wereldmodellen AI-agents helpen voorspellen en plannen.

Is een wereldmodel hetzelfde als een simulatie?

Niet helemaal. Een simulatie is een omgeving waarin situaties kunnen worden nagebootst. Een wereldmodel is het geleerde model dat voorspellingen over een omgeving kan maken. De twee kunnen wel nauw samenwerken: een wereldmodel kan simulaties genereren of binnen simulaties worden geleerd en getest.

Heeft een wereldmodel echt begrip?

Dat is een belangrijke nuance. Dat een model toekomstige situaties goed kan voorspellen, bewijst niet dat het de wereld op dezelfde manier begrijpt als een mens. Het kan patronen en regelmatigheden leren zonder alle achterliggende oorzaken correct te kennen.

Waar worden wereldmodellen gebruikt?

  • Robotica en physical AI.
  • Autonome voertuigen en andere autonome systemen.
  • Virtuele omgevingen en games.
  • Training van AI-agents.
  • Onderzoek naar planning en besluitvorming.

Bij autonome voertuigen helpt zo’n model om meerdere mogelijke verkeerssituaties en acties te vergelijken. Lees hoe wereldmodellen en zelfrijdende systemen samenwerken.

Wereldmodel versus taalmodel

Een taalmodel leert vooral patronen in taal. Een wereldmodel probeert patronen in toestanden en veranderingen van een omgeving te leren. Dat verschil wordt belangrijk zodra AI niet alleen een antwoord moet formuleren, maar ook gevolgen van mogelijke acties moet inschatten.

Bekijk de uitgebreide vergelijking tussen wereldmodellen en taalmodellen.

Voorbeelden van wereldmodellen

Bekende voorbeelden zijn Google DeepMind Genie 3, dat interactieve werelden kan genereren, en NVIDIA Cosmos, dat zich richt op wereldsimulatie en physical AI.

Een uitgebreide survey over robotleren uit 2026 omschrijft wereldmodellen als voorspellende representaties van hoe omgevingen zich onder acties ontwikkelen. Dat is een nuttige, concrete manier om het begrip af te bakenen. Lees de survey bij Microsoft Research.

Samenvatting

Een wereldmodel geeft een AI-systeem een manier om verwachtingen over een omgeving te vormen. Het centrale idee is niet alleen zien wat er gebeurt, maar leren voorspellen wat er waarschijnlijk daarna gebeurt en welke invloed een actie daarop heeft.

Terug naar het dossier Wereldmodellen in AI.