慕尼黑工大 / IDSIA

慕尼黑工业大学与瑞士 IDSIA 研究所，是于尔根·施密德胡伯的学术根据地，也是全站叙事的起点。1990 年他在技术报告《Making the World Differentiable》（编号 FKI-126-90）中提出：用一个循环神经网络（M）学习预测环境接下来会发生什么，再用这个学到的模型训练一个小型控制器（C）在「想象」出的环境里练习决策——这就是三十年后几乎每一个世界模型系统都在重复的 M+C 范式。1991 年他又在 IJCNN 上发表论文，提出用预测误差本身作为内在奖励，让智能体主动探索让自己「意外」的地方，这是好奇心驱动探索机制的开山之作。

这两篇论文本身都不缺发表记录，但在很长时间里几乎无人问津，也几乎没法真正跑起来。核心症结在于：论文设想的「用循环神经网络学习预测世界」，依赖的是能稳定训练深层循环网络的技术，而这项技术当时还不存在——能缓解普通 RNN 训练中梯度消失问题的长短期记忆网络（LSTM），要到 1997 年才由 IDSIA 的霍克赖特与施密德胡伯合作提出（Neural Computation 9(8): 1735–1780）；同时代个人电脑和工作站的算力，也远不足以支撑一个训练稳定、效果可信的深度网络。想法比能让它跑起来的硬件和算法，早到了将近三十年。

直到 2018 年，大卫·哈与施密德胡伯合作发表《World Models》，用现代深度学习工具把同一套 M+C 范式重新实现了一遍，「世界模型」这个词才重新回到聚光灯下。施密德胡伯此后多次公开强调，后来几乎所有自称「世界模型」的工作都应该引用他 1990 年的论文——这场优先权之争没有共识，却恰好说明了这个领域的一个特点：不少「全新突破」，往细里刨，常常能挖到几十年前就已经存在的雏形。这条线索，就是理解整个世界模型研究史的钥匙。