很多人可能不太理解世界模型的用途，但我认为 Genie 4 让我们更清晰地看到了它们如何帮助我们更接近 AGI。

Google 已经在将 Genie 与 Gemini 结合（遗憾的是，在实时循环中使用的是 3.8 Flash）。Gemini 可以观察模拟过程，将目标拆解为更简单的步骤，并随着世界变化调整其计划。

最终，将 LLM 的推理能力与世界模型所学到的物理动力学相结合，可以为智能体提供测试行动并提升其时空推理能力的方式。这类似于人类可以在行动之前想象一个真实场景并思考可能发生什么。

这为智能体提供了一个在真实世界中尝试之前比较行动并从模拟结果中学习的地方，前提是模拟足够准确。

我认为这可以帮助解决模型仍然面临的一些空间推理和物理推理难题。人类可以在心理上预演即将要做的事情。但 LLM 只能进行基于文本的推理，可以用文字描述物理和数学上的可能性，而交互式世界模型则赋予 AI 一种将这些可能性实际演绎出来的方式。

显然，物理模拟和长期一致性方面仍有待改进，但这是让 AI 拥有更丰富的交互和学习环境的重要一步。