Atualizado em
Modelos de mundo são sistemas de IA que aprendem representações de um ambiente para estimar como ele pode mudar. Isso permite prever consequências, simular possibilidades e planejar ações antes de interferir no mundo real.
SÉRIE · Da instrução à ação
4 de 6
O que são modelos de mundo na IA?
Um modelo de mundo, ou world model, é uma representação interna que permite a um sistema estimar como determinado ambiente funciona e como ele pode mudar.
Imagine um robô diante de uma mesa.
Reconhecer que existe uma caneca sobre ela é uma tarefa. Prever o que acontecerá se o braço empurrar a caneca até a borda é outra.
Para agir, não basta identificar objetos. É útil representar relações como:
- onde eles estão;
- como podem se mover;
- o que tende a acontecer com o tempo;
- como uma ação modifica o ambiente.
Essa é a ideia central dos modelos de mundo: aprender regularidades que permitam antecipar estados e consequências.
No preprint World Models, de David Ha e Jürgen Schmidhuber, disponibilizado no arXiv em 2018, os autores exploraram sistemas capazes de aprender uma representação espacial e temporal comprimida de um ambiente e utilizá-la para orientar ações.
Qual é a diferença para um modelo de linguagem?
Um modelo de linguagem aprende relações presentes em sequências de linguagem.
Ele pode produzir uma descrição excelente de uma bola caindo.
Isso não significa, por si só, que tenha sido treinado para prever com precisão a trajetória daquela bola em um ambiente físico.
Modelos de mundo procuram aprender relações que envolvem estado, espaço, movimento, tempo e consequência.
Essa distinção não cria dois mundos completamente separados. Sistemas podem combinar linguagem, visão, vídeo e outras modalidades.
O ponto é a finalidade.
Como uma IA aprende um modelo do mundo?
Não existe uma única arquitetura chamada “modelo de mundo”.
O sistema pode aprender observando:
- vídeos;
- imagens em sequência;
- sensores;
- trajetórias de robôs;
- jogos;
- ambientes simulados.
A partir desses dados, tenta identificar relações suficientemente regulares para antecipar o que provavelmente acontecerá depois.
Em 2025, por exemplo, a Meta apresentou o V-JEPA 2, um modelo treinado principalmente com vídeo para aprender representações do mundo físico, compreender movimento e realizar previsões.
Após uma etapa adicional utilizando dados de interação robótica, o sistema também foi usado em tarefas de planejamento e controle de robôs em ambientes novos.
O objetivo não é guardar cada vídeo visto.
É aprender relações que possam ser aplicadas a situações novas.
O modelo precisa gerar uma cópia do mundo?
Não.
Essa é uma distinção importante.
Alguns modelos de mundo podem gerar imagens ou ambientes visuais. Outros fazem previsões em representações internas, sem precisar produzir uma espécie de filme completo mostrando aquilo que acontecerá.
O V-JEPA 2, por exemplo, trabalha principalmente prevendo representações abstratas do vídeo, em vez de reconstruir todos os pixels da cena.
Já o Genie 3, do Google DeepMind, segue outro caminho: gera ambientes interativos que podem ser explorados em tempo real.
Os dois exemplos ajudam a evitar uma confusão comum.
“Modelo de mundo” descreve uma função, não uma aparência específica.
O essencial é que exista alguma representação capaz de ajudar o sistema a antecipar como o ambiente pode evoluir.
Para que servem modelos de mundo?
Uma aplicação evidente está na robótica.
Antes de mover um braço, um robô pode estimar quais ações parecem mais adequadas para alcançar determinado objetivo.
Mas a ideia vai além.
Modelos de mundo podem contribuir para:
- planejamento de ações;
- controle de robôs;
- veículos e sistemas autônomos;
- treinamento em ambientes simulados;
- geração de ambientes interativos;
- pesquisa sobre agentes capazes de operar no mundo físico.
O Google DeepMind apresenta o Genie 3 justamente como uma plataforma para gerar ambientes nos quais agentes podem interagir e aprender.
Isso aproxima modelos de mundo de outra ideia importante desta série: agir não é simplesmente responder mais texto.
De prever consequências a escolher ações
Um modelo de mundo pode ajudar um sistema a representar um ambiente e estimar como ele pode mudar.
Isso acrescenta algo importante à sequência que construímos até aqui.
Começamos com uma instrução. Acrescentamos contexto. Depois vimos a infraestrutura que permite usar ferramentas e executar etapas. Agora aparece a possibilidade de considerar consequências antes de agir.
Ainda falta, porém, uma decisão fundamental:
qual ação executar?
Um sistema pode ter várias ferramentas disponíveis e diferentes caminhos para atingir o mesmo objetivo.
Se ele consegue avaliar a situação, escolher um próximo passo, observar o resultado e decidir novamente, entramos em outra categoria de sistema.
Chegamos aos agentes de IA.
No próximo texto, veremos o que muda quando a inteligência artificial deixa de apenas responder e passa a escolher o que fazer em seguida.
DA INSTRUÇÃO À AÇÃO
Próximo: O que são agentes de IA e como eles funcionam?
4 de 6 – Modelos de mundo
Anterior: O que é harness em IA e como ele funciona?