Gli LLM lavorano soprattutto con linguaggio e conoscenza simbolica; i World Model cercano di prevedere come cambiano gli ambienti e quali conseguenze producono le azioni. Il futuro potrebbe nascere dalla loro collaborazione.
In questi giorni Yann LeCun, per molti anni responsabile della ricerca sull’intelligenza artificiale di Meta, ha raccolto oltre un miliardo di dollari per AMI Labs, una nuova società dedicata allo sviluppo dei cosiddetti world model.
Il dato è confermato:
- LeCun ha annunciato un finanziamento iniziale di 1,03 miliardi di dollari, pari a circa 890 milioni di euro. L’obiettivo dichiarato è sviluppare sistemi capaci di ragionare, pianificare e costruire rappresentazioni del mondo. [Yann LeCun, annuncio di AMI Labs]
Spesso i world model vengono presentati come intelligenze artificiali che non si limitano a prevedere le parole, ma comprendono la realtà fisica.
È un modo efficace per introdurre l’argomento, ma richiede una precisazione: oggi non possiamo affermare che questi sistemi comprendano il mondo come una persona. Possiamo dire che cercano di rappresentarne alcuni aspetti, prevedere come potrebbero cambiare e simulare le conseguenze di determinate azioni.
La differenza non è soltanto terminologica. Riguarda il possibile futuro dell’intelligenza artificiale.
Che cos’è un LLM
Un Large Language Model, o LLM, viene addestrato principalmente su grandi quantità di testo e codice.
Il suo obiettivo iniziale è prevedere il token successivo, dove un token può essere una parola, una parte di parola, un simbolo o un elemento di codice.
Questa definizione può sembrare riduttiva. In realtà, ripetendo il processo su enormi quantità di informazioni, il modello apprende regolarità linguistiche, relazioni tra concetti, strutture logiche e numerosi schemi presenti nei dati.
Un LLM può quindi:
- rispondere a domande;
- riassumere documenti;
- tradurre testi;
- generare e analizzare codice;
- confrontare informazioni;
- preparare relazioni;
- interagire attraverso il linguaggio naturale;
- utilizzare strumenti esterni quando viene inserito in un sistema agente.
I modelli moderni possono inoltre ricevere immagini, audio e altri tipi di input. Chiamarli “modelli linguistici” non significa necessariamente che vedano soltanto testo, ma il linguaggio continua a rappresentare la loro principale interfaccia per descrivere problemi, obiettivi e risultati.
GPT-4, per esempio, è stato presentato come un modello multimodale basato su Transformer, preaddestrato a prevedere il token successivo e successivamente affinato per seguire meglio le istruzioni. [OpenAI, GPT-4 Technical Report]
Che cos’è un world model
Un world model cerca invece di costruire una rappresentazione interna di un ambiente e delle sue trasformazioni.
Può ricevere osservazioni provenienti da video, immagini, sensori o simulazioni e imparare relazioni come:
- dove si trovano gli oggetti;
- come si muovono;
- che cosa può accadere dopo un evento;
- come cambia l’ambiente in seguito a un’azione;
- quali sequenze di azioni possono avvicinare a un obiettivo.
Il modello non deve necessariamente ricostruire ogni dettaglio visibile. Può lavorare in uno spazio astratto, detto spazio latente, nel quale conserva le caratteristiche considerate più utili per prevedere e pianificare.
Nel lavoro del 2018 di David Ha e Jürgen Schmidhuber, un agente imparava una rappresentazione compressa dell’ambiente e poteva addestrare la propria strategia all’interno di una simulazione prodotta dal suo world model. [Ha e Schmidhuber, World Models]
Nella visione proposta da Yann LeCun, il world model diventa uno dei componenti di un sistema più ampio: percepisce l’ambiente, anticipa possibili stati futuri e aiuta un agente a scegliere un piano d’azione. [Yann LeCun, A Path Towards Autonomous Machine Intelligence]
La differenza non è semplicemente tra parole e realtà
La contrapposizione “LLM uguale parole, world model uguale realtà” è utile per iniziare, ma non descrive completamente la situazione.
Anche un world model può utilizzare architetture Transformer e rappresentare immagini, video e azioni sotto forma di token. Alcuni modelli generano sequenze visive attraverso un processo tecnicamente simile alla previsione di una sequenza linguistica.
Allo stesso modo, un LLM può apprendere una grande quantità di conoscenza sul mondo attraverso i testi e manifestare rappresentazioni interne di spazi, oggetti e relazioni.
La distinzione più utile riguarda quindi tre domande:
- Quali dati rappresenta il modello?
- Che cosa deve prevedere?
- Per quale compito viene valutato?
Un LLM viene normalmente valutato per la qualità delle risposte, del codice o dei contenuti generati.
Un world model viene valutato soprattutto per la capacità di rappresentare un ambiente, prevederne l’evoluzione e sostenere una decisione o un’azione.
Entrambi producono previsioni statistiche. Nessuno dei due possiede automaticamente una garanzia di verità.
LLM e world model a confronto
| Caratteristica | LLM | World model |
|---|---|---|
| Informazioni principali | Testo, codice e dati multimodali associati al linguaggio | Video, immagini, sensori, azioni e stati ambientali |
| Obiettivo tipico | Prevedere o generare una sequenza di token | Prevedere stati futuri e conseguenze delle azioni |
| Punto di forza | Linguaggio, conoscenza generale e interazione con le persone | Spazio, tempo, dinamiche ambientali e pianificazione |
| Risultato | Testo, codice, istruzioni o chiamate a strumenti | Stato previsto, simulazione o piano d’azione |
| Applicazioni principali | Documenti, software, assistenza, ricerca e comunicazione | Robotica, guida autonoma, simulazioni e ambienti 3D |
| Limite ricorrente | Risposte plausibili ma non necessariamente corrette o verificate | Simulazioni plausibili ma non necessariamente fedeli alla fisica reale |
| Dati disponibili | Molto abbondanti sul Web | Più costosi, incompleti e difficili da raccogliere |
| Maturità applicativa | Già largamente utilizzato | In rapida evoluzione, ma ancora prevalentemente sperimentale |
I vantaggi degli LLM
Il principale vantaggio degli LLM è la loro versatilità.
Il linguaggio permette di rappresentare moltissimi problemi attraverso un’interfaccia comune. Una persona può chiedere al modello di analizzare un contratto, spiegare del codice, confrontare due documenti o preparare una comunicazione senza conoscere il funzionamento interno del sistema.
Gli LLM beneficiano inoltre di:
- enormi quantità di testo e codice disponibili per l’addestramento;
- strumenti e infrastrutture già maturi;
- relativa facilità di integrazione con applicazioni aziendali;
- capacità di trasferire conoscenze tra ambiti differenti;
- possibilità di utilizzare API, database e programmi esterni.
Sono particolarmente adatti quando il problema può essere descritto e risolto prevalentemente attraverso informazioni simboliche o linguistiche.
Non serve un world model fisico per riassumere una relazione, tradurre un testo o cercare una funzione all’interno di un programma.
I limiti degli LLM
Un LLM può descrivere molto bene un’azione senza essere in grado di prevederne con affidabilità tutte le conseguenze fisiche.
Può conoscere la definizione di gravità, attrito o fragilità perché tali concetti compaiono nei testi. Ciò non equivale ad aver appreso un modello sufficientemente preciso per controllare un robot in un ambiente mai incontrato.
Gli LLM possono inoltre:
- generare informazioni non corrette ma linguisticamente plausibili;
- perdere coerenza nelle pianificazioni molto lunghe;
- non mantenere autonomamente uno stato persistente dell’ambiente;
- avere difficoltà davanti a situazioni che richiedono una rappresentazione spaziale precisa;
- proporre azioni senza poter simulare in anticipo i loro effetti reali.
Questo non li rende inutili per la pianificazione. Significa che, nei sistemi fisici o critici, il linguaggio da solo potrebbe non essere una base sufficiente per agire.
I vantaggi dei world model
Il vantaggio principale di un world model è la possibilità di valutare un’azione prima di eseguirla.
Un robot può osservare la posizione degli oggetti, simulare diverse traiettorie e scegliere quella che sembra più adatta a raggiungere l’obiettivo.
Un veicolo autonomo può valutare come potrebbe evolvere una situazione stradale.
Un agente virtuale può allenarsi in ambienti generati senza produrre conseguenze immediate nel mondo reale.
Meta ha mostrato con V-JEPA 2 un modello addestrato principalmente su video, capace di sostenere semplici attività di pianificazione robotica in ambienti nuovi. Nei test descritti da Meta, il modello ha ottenuto percentuali di successo tra il 65% e l’80% in attività di presa e spostamento di oggetti. Sono risultati di ricerca significativi, ma ancora circoscritti a compiti e condizioni sperimentali.
I world model possono essere utili per:
- robotica industriale e domestica;
- veicoli autonomi;
- simulazione di fabbriche e magazzini;
- addestramento di agenti virtuali;
- videogiochi e ambienti interattivi;
- creazione di mondi tridimensionali;
- assistenti indossabili consapevoli dello spazio circostante;
- generazione di dati sintetici per situazioni rare o pericolose.
I limiti dei world model
Un ambiente generato può sembrare realistico senza rispettare correttamente le leggi fisiche.
Una simulazione visivamente perfetta potrebbe sbagliare:
- il peso di un oggetto;
- la resistenza di un materiale;
- una collisione;
- la permanenza di un elemento non più visibile;
- la reazione di una persona;
- l’evoluzione di una situazione dopo molti passaggi.
World Labs distingue infatti almeno tre funzioni che vengono spesso raccolte sotto lo stesso nome:
- renderer, che produce rappresentazioni visive;
- simulatore, che cerca di riprodurre la dinamica di un ambiente;
- planner, che valuta le azioni necessarie per raggiungere un obiettivo.
Un modello capace di produrre un video spettacolare non è automaticamente un simulatore fisicamente affidabile. La stessa World Labs definisce “world model” uno dei termini più importanti ma anche più sovraccarichi dell’attuale ricerca sull’AI. [World Labs, A Functional Taxonomy of World Models]
I world model richiedono inoltre grandi quantità di dati temporali, spaziali e legati alle azioni. Questi dati sono più costosi e difficili da raccogliere rispetto ai testi disponibili sul Web.
Non eliminano quindi l’errore: sostituiscono il rischio della risposta linguistica errata con quello della simulazione errata.
Possono coesistere?
Non soltanto possono coesistere: questa integrazione è già in corso.
- Meta riferisce che l’allineamento di V-JEPA 2 con un modello linguistico migliora i risultati nelle attività di domanda e risposta sui video.
- NVIDIA Cosmos combina testo, immagini, video, suoni e azioni per lo sviluppo di robot, veicoli autonomi e sistemi di analisi visiva. [NVIDIA, Cosmos Physical AI Development Platform]
- Google DeepMind utilizza modelli della famiglia Gemini all’interno di Genie 4 per interpretare le istruzioni, sostenere la coerenza delle simulazioni e pianificare eventi in mondi interattivi. DeepMind precisa però che la tecnologia presenta ancora limiti nella durata delle simulazioni, nella permanenza degli oggetti e nella riproduzione accurata dei luoghi reali. [Google DeepMind, Genie 4]
Questi esempi mostrano che la distinzione non coincide con una separazione tecnica assoluta.
Il sistema futuro potrebbe funzionare così:
- L’LLM interpreta la richiesta formulata da una persona.
- Traduce l’obiettivo in una serie di condizioni e sotto-obiettivi.
- Il world model simula differenti azioni e possibili conseguenze.
- Un componente di pianificazione seleziona una soluzione.
- Controlli deterministici verificano limiti e condizioni di sicurezza.
- Il sistema esegue l’azione e confronta il risultato con quello previsto.
- L’LLM spiega alla persona cosa è accaduto e quali incertezze rimangono.
- L’LLM diventa l’interfaccia linguistica e il coordinatore ad alto livello.
- Il world model diventa il simulatore dell’ambiente.
- Il software di controllo applica regole e limiti che non devono essere affidati esclusivamente a nessuno dei due.
Dove useremo gli uni e gli altri
Gli LLM continueranno probabilmente a prevalere in:
- gestione e analisi dei documenti;
- sviluppo del software;
- assistenza ai clienti;
- traduzione;
- formazione;
- ricerca e sintesi delle informazioni;
- comunicazione con persone e sistemi;
- orchestrazione di strumenti digitali.
I world model avranno un ruolo maggiore quando sarà necessario:
- rappresentare uno spazio;
- prevedere un movimento;
- anticipare una conseguenza fisica;
- addestrare un robot;
- simulare situazioni rare;
- controllare un dispositivo inserito in un ambiente dinamico;
- generare mondi tridimensionali persistenti.
I sistemi ibridi saranno probabilmente necessari per robot domestici, logistica, veicoli autonomi, assistenti indossabili e agenti capaci di passare dalle istruzioni linguistiche alle azioni fisiche.
Non avrebbe molto senso utilizzare un costoso world model per riassumere un documento. Sarebbe altrettanto imprudente affidare il controllo diretto di una macchina industriale a un LLM privo di una rappresentazione verificata dell’ambiente.
Una collaborazione, non una successione
Il futuro dell’intelligenza artificiale potrebbe non avere un solo cervello, ma una squadra di modelli specializzati.
Gli LLM non verranno necessariamente cancellati dai world model. Potrebbero diventare il livello attraverso il quale le persone esprimono obiettivi, regole e domande.
I world model potrebbero aggiungere ciò che oggi manca a molti sistemi: la capacità di rappresentare uno spazio, immaginare differenti evoluzioni e confrontare le conseguenze prima di intervenire.
Il linguaggio descrive il mondo; non coincide con il mondo. Ma una simulazione del mondo, senza linguaggio, potrebbe non comprendere correttamente ciò che una persona vuole ottenere.
Per questo il sistema più utile potrebbe essere quello che sa quando parlare e quando simulare.
Consisterà nella capacità di assegnare a ciascun modello il compito per il quale dispone delle evidenze e delle capacità più adatte.
Fonti consultate
Fonti verificate l’8 novembre 2026:
- Yann LeCun, annuncio della costituzione e del finanziamento di AMI Labs, marzo 2026.
- Ashish Vaswani et al., Attention Is All You Need, NeurIPS 2017.
- OpenAI, GPT-4 Technical Report, 2023.
- David Ha e Jürgen Schmidhuber, World Models, 2018.
- Yann LeCun, A Path Towards Autonomous Machine Intelligence, 2022.
- Meta AI, Introducing the V-JEPA 2 world model, 2025.
- World Labs, A Functional Taxonomy of World Models, 3 giugno 2026.
- NVIDIA, Cosmos Physical AI Development Platform, consultato l’8 novembre 2026.
- Google DeepMind, Genie 4, consultato l’8 novembre 2026.
