世界模型：从认知科学到具身智能｜世界模型读书会第二期

导语

世界模型正在成为连接认知科学与下一代人工智能的重要线索：智能体如何形成对世界的内部表征，并据此预测未来、规划行动？这一问题从认知科学、神经科学与控制论中的早期思想出发，逐渐发展出一系列可学习、可预测并服务于决策的计算模型。本期为世界模型读书会第二期，将沿着认知科学、强化学习、具身智能与复杂系统的脉络，梳理世界模型从认知理论到计算范式的发展，并探讨其如何连接感知、预测、规划与行动。

集智俱乐部联合认知科学、具身智能、AI Agent、复杂系统与高阶网络等领域的研究者发起，围绕世界模型的思想源流、理论基础、技术路线与应用边界展开专题分享和讨论。读书会自2026年8月7日起，每周五晚19:30-21:30，将以“世界如何被表征、其动力学如何被建模、内部模型如何服务于智能体”为主线，尝试讨论整理世界模型统一框架。

报告简介

世界模型正在成为人工智能领域最受关注的研究方向之一。

2022 年，Yann LeCun 在其 AI 愿景论文《A Path Towards Autonomous Machine Intelligence》中，将预测性世界模型置于自主智能架构的核心，提出智能体需要在抽象表征空间中学习世界规律、预测未来并规划行动，由此推动了 JEPA（Joint Embedding Predictive Architecture）这一潜空间预测路线的发展。2024 年，OpenAI 将 Sora 描述为“世界模拟器”（World Simulator），李飞飞创立 World Labs 聚焦空间智能（Spatial Intelligence）；2025 年，NVIDIA 发布面向物理 AI 的 Cosmos 世界基础模型平台，进一步推动了世界模型在具身智能和物理世界模拟中的发展。

然而，世界模型并非一个新概念。1867 年，亥姆霍兹提出知觉是一种基于内部假设的“无意识推理”；1943 年，Craik 提出心智通过构建现实的“小尺度模型”实现对未来的预测和模拟；1970 年，Ashby 的“好调节器定理”（Good Regulator Theorem）进一步指出，一个有效的调节系统必须在某种意义上包含被调节对象的模型。这些跨越神经科学、认知科学与控制论的思想，构成了今天世界模型研究的重要思想源流。

从思想走向计算模型，人工智能领域逐渐发展出可学习、可预测、可用于决策的世界模型方法。1990 年，Sutton 提出的 Dyna 架构首次系统地将环境模型引入强化学习，通过学习环境动力学并生成“想象经验”（Imagined Experience）辅助策略优化；随后，World Models、PlaNet、Dreamer 等工作进一步推动了基于潜在状态空间的世界模型发展，使智能体能够在内部模拟未来并进行规划学习。

本次分享将从认知科学、强化学习与具身智能三条线索出发，梳理世界模型从思想萌芽到技术实现的发展脉络：大脑如何通过认知地图、抽象表征和动作-价值结构理解世界？这一思想如何经由 Dyna、模型预测控制（MPC）、World Models 和 Dreamer 系列发展为可计算算法？生成式世界模拟器（Sora、Genie、Cosmos）与联合嵌入预测架构（JEPA）等不同技术路线之间有何差异？世界模型在机器人、自动驾驶以及复杂系统建模与调控中又面临怎样的机遇与挑战？

本次分享将尝试回答：

世界模型是什么？它从哪里来？又将如何推动下一代智能系统的发展？

分享大纲

1. 世界模型的思想源流：大脑如何表征和预测世界

• 思想萌芽：Helmholtz 的无意识推理与 Craik 的小尺度模型

• 认知地图：从 Tolman 的潜伏学习到海马空间表征

• 目标与价值塑造的内部表征

• 动作符号的神经表征与组合泛化

• 主动推断、自由能原理与预测加工

世界模型的计算范式：强化学习、生成模型与预测表征

• 为什么需要世界模型

• 从 Dyna 到 Dreamer系列：潜在动力学模型与基于想象的学习范式

• 生成式世界模型：从视频生成到可交互模拟

• 非生成式路线：潜空间预测、动作等变与 JEPA 系列

• 方法坐标系：重建程度 × 动作条件

世界模型与具身智能：从预测到行动

• 世界模型在机器人中的应用

• 世界模型在自动驾驶中的应用

世界模型与复杂系统：从预测建模到主动调控

未来展望：世界模型与通用智能

• 世界模型的挑战

• 表征的三层抽象阶梯

• 语言与世界模型

• 压缩、预测与智能

核心概念

• 世界模型（World Model）

智能体对世界结构、状态变化和因果关系的内部建模，用于预测、规划和行动。

• 心智模型（Mental Model）

Craik 提出的观点：智能通过内部“小尺度模型”模拟现实并预测未来。

• 认知地图（Cognitive Map）

Tolman 提出的空间和关系知识表征机制，由海马神经科学发现支持。

• 预测加工（Predictive Processing）

大脑通过预测输入并最小化预测误差形成世界理解。

• 主动推断与自由能原理（Active Inference & Free Energy Principle）

感知、学习与行动的统一性原理

• 好调节器定理（Good Regulator Theorem）

控制理论证明有效调节需要内部模型。

• 潜在动力学模型（Latent Dynamics Model）

在抽象状态空间学习世界演化规律。

• 联合嵌入预测架构（JEPA）

通过潜空间预测学习任务相关表征，避免像素级重建。

主讲人介绍

主讲人：牟牧云，北京通用人工智能研究院高级研究工程师，北京师范大学系统科学学院博士，研究兴趣涵盖复杂系统建模与调控、强化学习与世界模型、具身智能以及认知科学等领域。

参考文献

1. Ho M K, Abel D, Correa C G, et al. People construct simplified mental representations to plan[J]. Nature, 2022, 606(7912): 129-136.

2. Tian L Y, Garzón Gupta K, Hanuska D J, et al. Neural representation of action symbols in primate frontal cortex[J]. Nature, 2026: 1-11.

3. Friston K. The free-energy principle: a unified brain theory?[J]. Nature reviews neuroscience, 2010, 11(2): 127-138.

4. LeCun Y. A path towards autonomous machine intelligence version 0.9. 2, 2022-06-27[J]. Open Review, 2022, 62(1): 1-62.

5. Long X, Zhao Q, Zhang K, et al. A survey: Learning embodied intelligence from physical simulators and world models[J]. arXiv preprint arXiv:2507.00917, 2025.

时间信息

2026年8月14日（周五）晚上19:30-21:30，腾讯会议线上进行，微信视频号+集智俱乐部B站号同步直播，感兴趣的朋友扫码报名加入世界模型读书会后，可进入学员群进行交流。

直播信息

报名读书会：「世界模型」

集智俱乐部联合北京通用人工智能研究院高级研究工程师牟牧云、北脑和协和医学院研究生胡洁雯共同发起，围绕世界模型的思想源流、理论基础、技术路线与应用边界展开专题分享和讨论。

读书会自2026年8月7日起，每周五晚19:30-21:30线上开展，持续8-10周，包含主讲分享与讨论交流，并提供会后视频回放，诚邀相关领域研究者及跨学科兴趣者参与。

扫描海报中二维码报名参加读书会

报名方式

第一步：微信扫码填写报名信息。

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：

第三步：添加运营助理微信，拉入对应主题的读书会社区（微信群）。

PS：

我们鼓励围绕复杂系统、人工智能及相关具体问题的深入探讨。为保证讨论质量，请避免发表脱离本期读书会主题、缺乏实证基础或过于空泛的哲学思辨类内容。

若讨论内容明显偏离主题，经主持人提醒后仍未调整，为维护整体学习环境，我们将不得不将该成员请出讨论群，并根据其实际参与进度，对未参与部分按比例办理退费。

感谢您的理解与配合，让我们共同营造一个专注、深入、有收获的共学空间。

加入社区可享核心资源

成为会员即可解锁完整学习生态，包括：线上实时问答、全部课程录播回看、独家资料共享、高质量社群交流、第一手信息同步，以及通过参与共创任务获取积分等权益。

特色退费与激励机制

我们提供以下两种途径，让您的投入获得实际回馈：

1. 任务达标退费路径
   

   认领并合格完成任意两期字幕任务，即可退还全额报名费，并额外获得集智专属周边奖励。

2. 运营成长激励路径
   

   合格完成一个字幕任务后，可申请成为运营助理。在读书会项目顺利结项后，将退还学费。表现优异者，还有机会获得额外的奖学金。

相关内容推荐

1. 「世界模型」读书会推荐阅读材料

扫描下方二维码可跳转至集智斑图网站阅读文章：《世界模型》读书会推荐阅读材料。

1. 往期公众号相关内容推荐