世界模型的下一步？牛津、NUS團隊提出「心智世界建模」MWM：遠不止物理世界

牛津大學與新加坡國立大學（NUS）的研究團隊近期提出一項名為「心智世界建模」（Mental World Model，簡稱 MWM）的新技術概念，試圖將人工智慧領域中「世界模型」的定義，從單純的物理環境模擬，大幅延伸至認知與心理層面的理解。這項研究被視為 AI 在「理解世界」方向上的一次重要演進，因為它不再只專注於物體運動、空間關係等外在物理規則，而是讓模型具備推測他人意圖、情緒與信念的能力，從而實現更接近人類互動的判斷與決策。傳統的世界模型長期以來以物理定律與可觀測事件為基礎，主要用來預測物體下一步的位置或狀態變化，例如在自動駕駛中估算車輛與行人的相對運動軌跡。

然而，這類模型對於人類行為背後的心理動機幾乎毫無掌握。MWM 的核心突破在於將「心智狀態」正式納入模型建構的變數，讓機器能夠根據行為與情境，推演對方可能擁有的知識、誤解或目標，藉此補足純物理模擬所無法觸及的認知層面。研究團隊指出，這種建模方式對自動駕駛、人機協作、社交機器人等領域尤為關鍵，因為這些場景大量涉及對人類行為動機的推測，而非僅是物理碰撞的預測。舉例來說，當自動駕駛車遇到行人突然停在路邊時，傳統世界模型只能判斷其位置與速度，但 MWM 則可以進一步推測該行人是否因迷路、正在等待某人，或誤以為綠燈尚未亮起，從而做出更符合實際需求的應對策略。目前這項研究仍處於理論與初步實驗階段。

團隊以簡化情境測試 MWM 在「推測錯誤信念」上的表現，例如模擬一個人看到物體被移動前後的反應差異。在這類測試中，系統需要判斷觀察者是否擁有正確的資訊，或者是否因為視線被遮蔽等原因而產生了錯誤認知。結果顯示，具備心智世界建模能力的系統，在預測他人下一步行動的準確度上，明顯優於僅依賴物理世界模型的傳統方法。這項成果也為後續開發更符合人類認知邏輯的通用人工智慧提供了新的架構方向。研究團隊認為，MWM 不僅能提升機器在複雜社交環境中的適應力，更有機會讓 AI 從「感知與反應」的層次，逐步邁向「理解與共情」的更高階段。

未來若能在更多真實場景中驗證與擴展，這套模型或許將成為下一代人工智慧系統的核心組件之一。值得注意的是，MWM 的提出並非否定傳統世界模型的價值，而是將其視為基礎，再疊加上社會認知層面的運算能力。研究團隊強調，人類的日常決策往往同時依賴物理規則與心理推測，因此讓 AI 同時掌握這兩種建模方式，才能更貼近真實世界的互動需求。例如，在社交機器人與人類協作時，機器人若能理解人類的疲勞、困惑或急迫感，就能更自然地調整溝通節奏與任務分配。從技術架構來看，MWM 需要整合感知系統、行為推論引擎，以及一個能夠動態更新「他者心智狀態」的內部表徵。

這意味著 AI 不僅要觀察外在行為，還必須根據先前的互動經驗，持續修正對於他人知識與信念的假設。這種「心智理論」的運算化，過去在認知科學與心理學中已有大量討論，但將其正式納入世界模型的框架，並以可量化、可訓練的方式實現，則是本次研究的關鍵貢獻。儘管目前僅在簡化情境中驗證，但研究團隊已規劃下一步將 MWM 導入更複雜的虛擬環境，例如多人協作遊戲或模擬城市交通場景，以測試模型在動態、多主體環境中的表現。同時，也將探索如何讓模型從少量互動中快速學習人類的認知模式，降低對大規模標註資料的依賴。這些進展若能順利實現，將大幅提升 AI 在客服、教育、醫療照護等需要深度理解人類情感的領域的實用性。

整體而言，牛津大學與新加坡國立大學團隊提出的心智世界建模，不僅是技術名詞的更新，更代表 AI 研究從「物理世界」向「心理世界」的關鍵轉折。當機器開始能夠揣摩人類的意圖、誤解與信念，人機互動的品質與安全性也將迎來質的飛躍。未來，這項技術或許將成為通用人工智慧不可或缺的一塊拼圖，讓 AI 真正具備與人類並肩思考、共同決策的能力。