研究人员创建了一种新的结构化内部世界模型解释，使跨学科合作成为可能。内部世界模型有助于基于过去的经历预测新的场景，并在陌生环境中导航。这种正式化的视角促进了人类、动物和人工智能之间世界模型的比较，并解决了其不足之处。
由弗赖堡大学光生理学专家、BrainLinks-BrainTools研究中心发言人伊尔卡·迪斯特教授领导的一组研究人员，设计了一种内部世界模型的结构化解释，该成果发表在《神经元》杂志上。这种正式化的方法增强了对内部世界模型如何发展和运作的理解。它允许人类、动物和人工智能（AI）之间的世界模型进行系统比较。这种比较突出了人工智能在与人类智能比较时的不足之处，并提出了未来改进的潜在途径。这项跨学科的出版涉及来自弗赖堡四个学院的十一位研究人员。
内部世界模型：基于经验的预测
人类和动物从日常经历中提取一般原则，构建内部模型，以帮助在新情境中导航。这些模型使他们能够在不熟悉的情况下进行预测并做出适当反应。例如，了解具有共同特征（如市中心、步行区和公共交通）的相似城市有助于在新城市中进行定向。同样，过去的社交经验指导在餐厅晚餐期间的适当行为。
通过新的结构化描述澄清世界模型
研究人员在最近的研究中，将不同物种的内部世界模型分类为三个相互关联的抽象空间：任务空间、神经空间和概念空间。任务空间包含个体的经历，而神经空间则包括从分子水平到神经活动各种可测量的大脑状态。在人工智能中，神经空间相当于人工神经网络中的节点活动。概念空间连接任务空间和神经空间状态，反映个体整合内部过程和外部影响的状态。这些动态状态转变为个体内部世界模型提供了科学的切实依据。
解决内部世界模型中的不足
通过这种结构化视角，科学家们现在可以跨学科分析内部世界模型，并探索它们的发展和演变。人类和动物研究的洞见旨在增强人工智能的能力。现有的人工智能系统往往缺乏验证其预测可行性的能力。例如，流行的语言模型如ChatGPT主要作为模式识别者运作，而没有健全的规划能力。有效的规划对于评估和调整在陌生场景中的策略至关重要，以防止潜在危害。研究人员还推测，内部世界模型中的缺陷可能与某些心理障碍（如抑郁症或精神分裂症）有关。对世界模型的更深入理解可能有助于更有针对性地应用药物和治疗。
