Weltmodelle beginnen, die Schicht des „Geistes“ zu ergänzen!
Stellen Sie sich folgendes Szenario vor: A legt einen Becher in den Schrank, B sieht das nicht.
Frage: Wo wird B als Nächstes nach dem Becher suchen?
Wenn das Weltmodell nur die physischen Fakten kennt, trifft es eine falsche Vorhersage über Bs nächste Entscheidung: „Der Becher ist jetzt im Schrank, also sollte man im Schrank danach suchen.“ (oben)
Aber ein Modell, das auch die menschliche Psyche versteht, kann korrekt vorhersagen: „B weiß nicht, dass der Becher verschoben wurde, also geht er davon aus, dass der Becher noch auf dem Tisch steht, und wird höchstwahrscheinlich zurück zum Tisch gehen, um danach zu suchen.“ (unten)
Der nächste Zustand der Welt wird auch von psychischen Variablen bestimmt
Dies offenbart ein zentrales Problem: Ein Weltmodell, das nur Objekte, Positionen und Bewegungen verfolgt, kann Vorhersagen treffen, die „physikalisch plausibel, aber verhaltensbezogen falsch“ sind.
Kürzlich hat das Forschungsteam der Universität Oxford und der Nationalen Universität Singapur in ihrer neuesten Studie „Mental World Modeling“ einen allgemeinen Rahmen vorgeschlagen: Mental World Modeling (MWM, Modellierung der psychischen Welt). Diese Arbeit integriert diese psychischen Variablen selbst in den Weltzustand (world state), anstatt sie nur als nachträgliche Erklärungen (post-hoc explanations) zu behandeln.
Zum Zeitpunkt der Veröffentlichung hat MWM bereits den ersten Platz der täglichen Rangliste von Hugging Face Daily Papers erreicht.
Hugging Face Paper: https://huggingface.co/papers/2607.27201
Die fehlende Hälfte des Weltmodells
Die meisten vorhandenen Weltmodelle konzentrieren sich hauptsächlich auf die physische Ebene der Welt:
Welche Objekte und Agenten existieren?
Wo befinden sie sich?
Wie wird sich die sichtbare Szene entwickeln?
In diesen Modellen ist der Mensch oft nur ein Objekt, das sich bewegt und Handlungen ausführt, sein innerer Zustand wird nicht wirklich in das Weltmodell aufgenommen. Aber Menschen in der realen Welt sind keine einfach beweglichen Objekte.
Für menschenzentrierte Intelligenz (human-centered intelligence) reicht das bei weitem nicht aus.
Warum? Weil die Verhaltensentscheidungen von Menschen nicht allein durch die äußere Umgebung aus Objekten, Raumstrukturen und physikalischen Gesetzen bestimmt werden, sondern durch das Zusammenspiel von äußerer Umgebung und inneren psychisch-sozialen Variablen entstehen.
Zum Beispiel muss ein Serviceroboter beurteilen, ob der Benutzer verwirrt ist, die Geduld verliert oder auf indirekte Weise Hilfe sucht; ein medizinischer Assistent muss die Kognition, das Risikowahrnehmen, die Angst und das Vertrauen des Patienten berücksichtigen; ein kollaborativer Agent muss erkennen: Einige Handlungen sind zwar physikalisch durchführbar, können aber aufgrund von sozialen Normen, Rollenbeziehungen oder dem Hintergrund zwischenmenschlicher Interaktionen unangemessen sein.
Alle diese Szenarien erfordern, dass intelligente Systeme kontinuierlich die psychischen und sozialen Zustände von Agenten verfolgen, einschließlich: Was sie wissen, was sie glauben, worauf sie achten, was sie wollen, was sie vorhaben zu tun, was sie fühlen und welche Handlungen sie für sozial normativ zulässig halten. Selbst wenn zwei Szenarien physikalisch völlig identisch sind, können sie zu völlig unterschiedlichen Verhaltensweisen führen, wenn sich die Überzeugungen, Ziele, Emotionen, zwischenmenschlichen Beziehungen oder sozialen Verantwortlichkeiten der beteiligten Menschen unterscheiden.
Zusammengefasst: Ein Weltmodell, das die physische Szene exakt rekonstruieren kann, ist möglicherweise immer noch nicht in der Lage, das menschliche Verhalten korrekt vorherzusagen.
Die Kognitionswissenschaft hat diese Fähigkeiten bereits durch Theorien wie psychische Modelle (mental models), Theorie der Psyche (Theory of Mind, ToM), das BDI-Agentenmodell (Belief–Desire–Intention agency) und verkörperte Kognition (embodied cognition) untersucht.
Allerdings bauen die meisten aktuellen Forschungsprojekte zur künstlichen Intelligenz entweder physikalische Weltmodelle ohne psychische Zustände oder reduzieren die psychische Schlussfolgerung auf isolierte Frage-Antwort-Aufgaben zur Theorie der Psyche (Theory-of-Mind question answering).
Beide Perspektiven reichen nicht aus, um eine wirklich vollständige Welt zu beschreiben – denn der nächste Zustand der Welt wird nicht nur durch physische Faktoren bestimmt, sondern entsteht durch die gemeinsame Evolution von physischem Zustand und psychischem Zustand (jointly physical and mental).
Wie können psychische Variablen wirklich in den Zustandsraum des Weltmodells integriert werden?
Diese Studie versucht, einen formalen Rahmen für die Modellierung der psychischen Welt vorzuschlagen, um Weltmodelle zu erstellen, die sowohl physische Dynamiken als auch psychische Dynamiken repräsentieren können.
Das Ziel der Mental World Modeling (Modellierung der psychischen Welt) ist nicht, das private subjektive Bewusstsein und die Erfahrung einer bestimmten Person zu simulieren, sondern einen externen, approximativen, aufgabenrelevanten Weltsimulator (task-relevant world simulator) zu erstellen. Der globale Zustand dieses Simulators enthält gleichzeitig physische Variablen (physical variables) und psychische Variablen (mental variables).
Zwei Subjekte, drei Rechenmodule, ein gekoppelter physisch-psychischer Zustand. Als globaler Simulator generiert das psychische Weltmodell zuerst die Informationen, die der Zielagent sehen und ableiten kann, und lässt den Agenten dann auf der Grundlage dieser Wahrnehmung handeln.
Erstens pflegt die Mental World Modeling einen gekoppelten physisch-psychischen Weltzustand (coupled physical–mental world state), der gleichzeitig die physische Umgebung und die potenziellen psychischen Zustände der Agenten repräsentiert.
Zweitens kann ein Zielagent (target agent) nur eine transformierte, partielle Ego-Perspektive dieses globalen Zustands beobachten (partial, first-person rendering). Für jeden Zielagenten generiert MWM eine lokale Beobachtungsperspektive, die auf diesen Agenten zugeschnitten ist – also die Informationen, die diese Person tatsächlich sehen, hören, wissen und ableiten kann;
Anschließend handelt der Zielagent auf der Grundlage dieser Beobachtung, und das Weltmodell simuliert, wie diese Handlung gleichzeitig Folgendes verändert:
Die objektive Szene in der physischen Welt;
Die Zustandskonfiguration in der psychisch-sozialen Welt (mental-social configuration).
Wie lässt sich die Gültigkeit von MWM überprüfen?
Um diesen Rahmen überprüfbar zu machen, hat das Team ein modulares Referenzsystem namens MENTIS implementiert – ein trainingsfreies, vollständig beobachtbares Benchmark-System, das Systeme, die auf großen Sprachmodellen (LLM) basieren, dazu zwingt, im Sinne eines psychischen Weltmodells zu schlussfolgern.
Ablauf von MENTIS.
Das System wandelt zuerst die Eingangsszene in einen strukturierten aktuellen Zustand um
generiert die Beobachtungen des Ziel-Pseudo-Agenten
, analysiert jede Kandidatenoption in einen Handlungszweig, simuliert parallel die nachfolgenden Veränderungen des physischen Zustands und des psychischen Zustands, bewertet schließlich verschiedene zukünftige Ergebnisse und wählt die endgültige Handlung aus.
Angesichts einer kontextbezogenen Szene, eines Zielagenten und einer Gruppe von Kandidatenhandlungen zerlegt MENTIS den Prozess der Entscheidungsvorhersage in eine Reihe klarer Phasen: Zustandsanalyse → Generierung von Zielbeobachtungen → Handlungszerlegung → Simulation des gekoppelten physisch-psychischen Zustandsübergangs → Bewertung auf Zweigebene → endgültige Entscheidung.
Zuerst analysiert es die Szene in einen physisch-psychischen Zustand mit typisierter Struktur;
Anschließend generiert es aus diesem Zustand die lokalen Beobachtungen, die der Zielagent erhalten kann;
Danach zerlegt es jede Kandidatenhandlung in ihre entsprechende Auswirkung auf physischer Ebene und Auswirkung auf psychischer Ebene;
Anschließend simuliert es für jeden möglichen Handlungszweig dessen nächsten gekoppelten physisch-psychischen Zustand;
Schließlich bewertet es jeden Zweig in drei Dimensionen: physische Plausibilität, psychische Konsistenz und soziale Normativität, und wählt die endgültige Handlung durch deterministische Regeln aus.
Mit anderen Worten: MENTIS lässt das Modell nicht mehr direkt von der Szene zur Verhaltensvorhersage springen, sondern verlangt von ihm, explizit zu modellieren: In welchem Zustand sich die Welt gerade befindet, wie der Zielagent die Welt wahrnimmt, wie verschiedene Handlungen den physischen und psychischen Zustand verändern und welches Verhalten auf physischer und sozialer Ebene am plausibelsten ist.
MENTIS erfordert kein Training, daher spiegeln seine Ergebnisse die Schlussfolgerungsfähigkeit wider, die durch die Modellstruktur selbst entsteht, und nicht durch angepasste Parameter, die durch Anpassung gewonnen werden. Jede Phase im System gibt maschinenüberprüfbare Zwischenergebnisse aus, sodass Zustände, Beobachtungen und simulierte Zukünfte aufgezeichnet, mit menschlichen Annotationen verglichen oder direkt durch echte Annotationen zur Analyse ersetzt werden können.
Ist MWM wirklich wirksam? Was ist der Engpass?
Die Forscher haben eine Reihe von Experimentalgruppen entworfen, die speziell die Glieder testen, an denen dieser Rahmen versagen könnte, und die experimentellen Ergebnisse zeigen ein konsistentes Muster.
Erstens ist die explizite Modellierung der psychischen Welt für die Vorhersage menschlicher Entscheidungen notwendig.
Notwendigkeitsleiter (F1 der endgültigen Handlung, 448 Datensätze). (a) F1-Werte von acht Weltmodellen auf verschiedenen Stufen der Leiter (dünne Linien zeigen Ergebnisse einzelner Modelle, dicke Linien zeigen Durchschnittsergebnisse) (b) Ergebnisse der S6-Auslöschungsexperimente an acht Modellen (weiße Punkte zeigen die entsprechenden Werte jedes Modells).
Bei den 8 getesteten Weltmodellen, die auf großen Sprachmodellen (LLM) basieren, beträgt der durchschnittliche F1-Wert bei direkter Beantwortung 63,3; alle vollständigen MWM-Konfigurationen erreichen die beste Leistung von 87,9; das Entfernen des psychischen Kanals führt zu einem Leistungsabfall von etwa 12,1 Punkten bei allen Modellen, das Entfernen des physischen Kanals zu einem Abfall von 16,5 Punkten, und die getrennte Vorhersage der Zustandsübergänge beider Zustände führt ebenfalls zu einem Abfall von 6,4 Punkten.
