世界模型领域：如何通过世界模型和上下文引领可信AI的新浪潮

当前AI虽然统计能力强大，但缺乏对现实世界的理解，导致在实际应用中难以获得信任。本文的核心观点是，AI要实现真正的智能，必须具备“情境化”能力，即通过“世界模型”和“情境”的结合，理解数据背后的意义和因果关系。

文章首先指出，AI的局限性在于缺乏情境理解，以Waymo自动驾驶汽车为例，其无法理解警察执法的紧急情境，说明AI在处理与训练数据分布不符的情况时会失效。接着，文章对比了“世界模型”和“情境”的概念，认为“情境”更全面，包含物理、伦理、法律、社会、技术、经济和情境等多个维度，而“世界模型”更侧重物理层面。

文章进一步分析了AI发展的三个阶段：规则化智能、统计学习智能和情境化智能。当前AI正处于第二阶段，但面临“幻觉”等问题，表明单纯依靠数据规模无法解决根本问题。第三阶段AI需要结合统计学习和结构化知识，实现情境化理解。

文章强调，情境是信任的基础。信任源于共享的情境和理解目标，AI缺乏情境理解会导致行为不可控。文章提出了“PLANETS”框架，包含物理、伦理、法律、社会、技术、经济和情境七种情境类型。情境化的AI能够推理未观察变量、预测行动后果、模拟假设，并从经验中学习。

文章还指出，单纯依靠数据规模无法解决AI的局限性，因为世界是无限的，而某些领域无法获取足够数据。情境化AI能够处理稀疏、噪声、矛盾或不完整的数据，并提供归纳偏见，防止过拟合。文章最后提出，企业需要将情境视为与数据同等重要的资产，投资混合AI架构，发展因果AI模型，并建立包含世界模型对齐的治理流程，实现从点解决方案到系统级AI设计的转变。