你有沒有躺著刷手機累了發(fā)呆的時候，突然蹦出一個離譜腦洞：咱們每天摸得到吃得著的世界，會不會其實是別人電腦里跑的一段代碼？從幾千年前莊周分不清自己是人還是蝶，到《黑客帝國》里真假難分的虛擬城市，這個問題人類已經(jīng)糾結(jié)幾千年了。

這個虛擬世界假說的核心邏輯，其實一點都不復(fù)雜。沒準就是某個比咱們發(fā)達太多的高級文明，出于科研、娛樂或者咱們壓根猜不到的目的，照著他們的本底現(xiàn)實捏出了咱們這個模擬世界。

等模擬世界里的文明發(fā)展到一定程度，也會照著這個邏輯搭自己的子世界，這不就形成了沒完沒了的無限套娃。真正的本底現(xiàn)實只有最頂端那一個，這么算下來，咱們活在真實世界的概率，其實微乎其微，想想都有點后背發(fā)麻。

就咱們現(xiàn)在的科技水平，既沒法證實這個假說，也沒法把它證偽，但咱們可以從做技術(shù)的角度掰扯掰扯。要是真用海量數(shù)據(jù)和芯片模擬咱們這個世界，會不會留下啥能被咱們發(fā)現(xiàn)的破綻？

做模擬用的芯片，不管多先進，運算速度和數(shù)據(jù)精度都有上限。處理器跑每一條指令都需要時鐘周期，所以模擬世界必須給信息傳遞設(shè)一個速度上限，不然不同區(qū)域的信號對不上，整個世界直接就卡崩停滯了。

咱們熟知的相對論說光速不可超越，搞不好就是這套模擬系統(tǒng)給咱們這些數(shù)字生命劃好的規(guī)則紅線啊。

同樣的道理，芯片處理不了無限細分的數(shù)據(jù)，一旦超過最小精度就會出現(xiàn)舍入誤差。所以咱們這個模擬世界里，肯定也得存在最小的微觀單位，不可能無限拆分物質(zhì)或者能量。

海森堡提出來的不確定性原理，說咱們沒法同時測準微觀粒子的位置和動量，本質(zhì)上搞不好就是系統(tǒng)為了省算力，沒提前把所有細節(jié)都渲染到位，才留了這么個破綻。

寫程序的都懂，能優(yōu)化就絕不會硬算，要是真把每個粒子都挨個渲染，那再多算力也不夠造。最省力的辦法就是先拿函數(shù)模擬出宏觀效果，沒人深究細節(jié)的時候就保持模糊狀態(tài)省資源。

只有當(dāng)咱們這些數(shù)字生命較真，非要盯著單個微觀粒子看的時候，系統(tǒng)才會臨時渲染出具體的位置和路徑。什么量子坍縮、薛定諤的貓，搞不好就是這套偷懶優(yōu)化機制的體現(xiàn)。

就算只模擬一個縣城大小的局部世界，就咱們現(xiàn)在這點算力、數(shù)據(jù)和能源儲備，也很難實現(xiàn)真正的實時交互和因果一致。但難歸難，現(xiàn)實里已經(jīng)有人動手搭局部世界模型了。

別覺得世界模型還是科幻片里的概念，這可是現(xiàn)在AI領(lǐng)域最火的方向之一，不少業(yè)內(nèi)大佬都稱它是AI通往通用智能的下一個關(guān)鍵突破口。說直白點，就是AI在自己的腦子里構(gòu)建出外部環(huán)境的模擬，提前推演不同選擇會帶來什么變化，不用動手試就能提前知道結(jié)果，穩(wěn)多了。

其實世界模型的研究早就有了，直到今年隨著算力和算法的提升，結(jié)合強化學(xué)習(xí)和海量訓(xùn)練數(shù)據(jù)，才真正從實驗室走出來落地應(yīng)用。

動作最快的就是自動駕駛領(lǐng)域的車企，2024年7月，蔚來就發(fā)布了用于智能駕駛的未來世界模型NWM。

車企做世界模型其實有天生的優(yōu)勢，駕駛場景本身就有明確的交通規(guī)則約束，物理參數(shù)和規(guī)則比機器人應(yīng)用場景簡單太多。而且汽車早就量產(chǎn)落地，跑在路上攢的真實數(shù)據(jù)總量比機器人領(lǐng)域多太多，搭模型和迭代的速度都快不少。

除了能讓自動駕駛開得更順更穩(wěn)，世界模型還解決了這個領(lǐng)域的核心痛點，那就是高質(zhì)量的危險場景數(shù)據(jù)太難采集。你就算組建大規(guī)模的路測車隊天天跑，收集到的大多都是重復(fù)的普通路況，真正的高危場景比如暴雨、突發(fā)剮蹭，既很難主動碰到，也不能人為造事故復(fù)現(xiàn)。

有了世界模型就能在虛擬空間生成無數(shù)種危險場景，給AI隨便練手，直接解決了數(shù)據(jù)不足的大問題。

除了自動駕駛，英偉達去年推出的Cosmos平臺，也在給機器人搭建包含重力、碰撞等物理規(guī)則的世界模型，讓機器人先在虛擬環(huán)境里訓(xùn)練操作能力，出來之后上手更快。

現(xiàn)在咱們一邊自己搭世界模型做更聰明的AI，一邊還在追問自己會不會就是別人模型里的數(shù)字生命。這場跨越了千年的討論，估計永遠也不會有板上釘釘?shù)淖罱K答案。

但科技一步步往前走，總歸是在幫我們一點點離真相更近。

參考資料：人民日報 人工智能世界模型發(fā)展觀察