Журнал "Системы Безопасности" № 5‘2025

Ц И Ф Р О В А Я Т Р А Н С Ф О Р М А Ц И Я , И И , И Н Т Е Р Н Е Т В Е Щ Е Й 123 www.secuteck.ru октябрь – ноябрь 2025 Е сли LLM – рас- сказчик снаружи сцены, то world- модель – игрок внутри: она не про- сто реагирует на команды, она моде- лирует мир, плани- рует и прогнозирует. Что такое world-модель World-модель – это абстрактный внутренний симулятор мира, который работает в тесной связи с агентом. Через сенсоры (камера, аудио, датчики, текстовые сигналы) агент получает наблюдения, и world-модель преобразует их в компактное скрытое состояние, свое "пони- мание" мира. Затем, при задании действия, она прогнозирует, как это состояние изменится. Ключевые компоненты: 1. Представление состояния – компактное латент- ное описание ключевых характеристик мира (позиции, свойства объектов, состояния агентов). 2. Динамика (переходы) – механизм, кото- рый, применив действие, выдает предсказание нового состояния. 3. Модуль восприятия (инверсия) – связывает реальные наблюдения с этой внутренней моделью и позволяет вытаскивать предсказа- ния во внешний формат, если нужно. Задача world-моделей – прогнозировать дина- мику среды: как изменится положение объ- ектов, как изменится логика взаимодействий, как поведут себя агенты. В ряде задач вообще не требуется внешний вывод – внутренние предсказания служат основой для планирова- ния и принятия решений. Чем world-модели отличаются от LLM LLM обучаются на текстах и оперируют веро- ятностями слов и фраз. Они могут "знать", что стакан разобьется, но не "понимать" физику падения. Процесс для них – статистика языка. Мировые же модели интегрируют мультимодаль- ные данные (видео, изображения, сенсоры), чтобы строить причинно-следственные связи. У world-модели есть внутреннее состояние, кото- рое эволюционирует во времени. Она способна "прогонять сценарии", моделировать последствия действий, выбирать путь к цели не из шаблонов, а из предсказаний. Это уже не просто языковая система – это интеллектуальный симулятор. Иными словами: LLM – хороши в тексте, world- модели – для мышления о действиях, измене- ниях и планах. Возможности world-моделей Мультимодальность World-модели воспринимают мир через раз- ные сенсоры: зрение, звук, текст, датчики. Они объединяют эти источники в единое внутрен- нее представление: слово, изображение и звук становятся частями одной модели. Прогнозирование динамики От состояния плюс действия – к предсказанию следующего состояния. Модель "воображает" будущее мира и может ставить гипотезы о том, как события будут развиваться. Это ключ к пла- нированию. Планирование и интерактивность Агент с world-моделью не обязан "пробовать", чтобы испытать. Он может мысленно проигры- вать действия и выбирать лучшее. Это как шах- матист, который прогоняет варианты в голове. Такой подход позволяет минимизировать ошибки и риски. Генерация сред (опционально) В задачах симуляций world-модели могут выступать генераторами интерактивных миров, где объекты живут своей физикой. Но важно понимать: генерация – лишь часть потенциальных функций, не обязательная для всех задач. Примеры Один из наиболее известных проектов – модель Gato от DeepMind. Это единый транс- формер, который решает множество задач: играет в Atari, управляет роборукой, отвечает текстом, обрабатывает визуальные сигналы – всё в одной модели. Она демонстрирует, что универсальное моделирование разных типов задач возможно в рамках единой архитектуры. Архитектура JEPA (Joint Embedding Predictive Architecture) – подход, предложенный Яном ЛеКуном, показывает иной путь: модель мира не генерирует визуализации, а предсказывает смысловые изменения. Она прогнозирует не каждый кадр, а ключевые события: "объект поднят", "сдвинулся вправо", "исчез". Это упро- щенный, но более осмысленный взгляд на моделирование мира. OpenAI разрабатывает модель Sora, которая может по тексту создавать видеосцены, соблю- дая физику движения. Это пример того, как генерация и симуляция могут быть объедине- ны в рамках world-модели. В задачах обучения с подкреплением модель Dreamer использует внутреннюю world-модель: агент учится "во сне", проигрывая сценарии в виртуальной среде, прежде чем действовать в реальности. Такой подход ускоряет обучение и снижает риски ошибок. Применение world-моделей Робототехника Робот с внутренней моделью может прогнози- ровать результат своего действия: "Если я схвачу, что будет?", "Если поверну, не опрокинется ли объект?" Это делает роботов гибкими, безопас- ными и приспособленными к неожиданностям. IoT и цифровые двойники В системах умного производства, когда мно- жество сенсоров дают поток данных, модель мира может собирать целостную картину состояния, предсказывать сбои, оптимизиро- вать процессы и предлагать решения заранее. Симуляции и игры Вместо вручную прописанных миров можно дать задачу модели – она создаст интерактив- ную среду с физикой и логикой. Это ускоряет разработку и открывает путь к бесконечному разнообразию сценариев. Умные агенты и autonomie Мировые модели делают агентов не реагента- ми, а прогнозирующими субъектами. Они могут учиться быстрее, переносить навыки между задачами и действовать безопаснее. Вывод и перспективы World-модели – следующий шаг после языко- вых моделей: они не просто оперируют слова- ми, а думают о действии, последствиях и динамике. LLM – хранилище текста, world- модель – симулятор мира. Конечно, остается множество препятствий: потребность в вычислительной мощности, шум- ные и неполные данные, склонность к ошибкам в предсказаниях. Модели могут "галлюцинировать" логически противоречивое развитие событий. Тем не менее направление уже сформировано. Многие ведущие лаборатории делают ставку на world-модели как основу следующего поко- ления ИИ. Эволюция от LLMк моделяммира – путь к машинам, способным не просто понимать текст, а понимать мир, действовать и предсказывать. Когда память (LLM) объединится с воображением (world model), мы приближаемся к ИИ нового типа – к системе, которая не только отвечает, но и живет в мире. n Алексей Коржебин Эксперт редакции журнала "Системы безопасности" КОЛОНКА ЭКСПЕРТА От языковых моделей к моделям мира Большие языковые модели (LLM) уже стали нормой: они пишут тексты, составляют код, отвечают на вопросы. Но весь их мир – это тексты. Они не "видят" и не "чувствуют" среду, в которую погружен агент. Следующий шаг – модели мира (world models), которые не просто обрабатывают язык, а строят внутреннее представление реаль- ности, способны предсказывать ее изменение и действовать внутри этой модели.