现在，哥本哈根大学的科学家们，就像一群好奇宝宝，正在重新研究一个酷炫的假设，叫做“奥赛罗世界模型”。他们想搞清楚，那些我们平时用来聊天、写文章的大型语言模型（LLM），比如ChatGPT那种，能不能光凭着分析我们下棋的顺序（就是你一步我一步的那些棋谱），就自己偷偷摸摸地学会奥赛罗的规则，甚至在“脑子”里构建出棋盘的样子！
神秘的“奥赛罗世界模型”是啥意思？
“奥赛罗世界模型”这个假设，简单来说就是：如果一个语言模型，只给它看一大堆下棋的顺序，没有给它任何规则，也没有给它看棋盘长什么样，那它能不能自己就在“脑子”里画出棋盘，并且知道怎么下棋才算走对路？
如果这个假设是真的，那就太神奇了！理论上，这些模型应该能光靠自己脑子里的“地图”，就能预测下一步棋应该怎么走才有效。
为什么大家开始关注“世界模型”？
最近，大家都在讨论生成式人工智能（就是能自己创作东西的AI）能不能像人类一样，在脑子里构建一个“世界模型”。尤其是OpenAI搞出了一个能把文字变成视频的Sora，还有Meta公司的Yann LeCun教授吐槽说现在的AI有些像“死胡同”，让这个话题更火了。
其实啊，这个问题早就有人问过了。以前就有科学家尝试让GPT-2（一种早期的语言模型）去学奥赛罗，看它能不能在脑子里搞出个“内部模型”。虽然那些早期研究有点小瑕疵，比如他们不太确定模型到底是怎么学的，但它们确实发现，Transformer网络（就是现在大部分大型语言模型的基础），好像真的能从简单的数据里发现规律和结构！
这就有点打脸那些说大型语言模型只是“随机鹦鹉”的说法了。什么叫“随机鹦鹉”呢？就是说这些模型只是瞎模仿人类说的话，根本不懂自己在说什么。但是，如果它们能从棋谱里学会棋盘和规则，那可就不是“随机鹦鹉”那么简单了，这说明它们可能拥有我们想象不到的更深层次的能力！
AI自己构建“内部地图”？太酷了吧！
在最新的研究中，哥本哈根大学的这帮科学家可下了功夫。他们找来了七种不同的大型语言模型，像是我们熟悉的GPT-2、LLaMA-2等等，然后让它们去预测奥赛罗的下一步棋怎么走。他们用了两大堆数据：一堆是真实的下棋记录，大概有14万盘；另一堆是电脑自己生成的棋谱，足足有几百万盘！
这次研究和以前不一样的地方是，他们用了一种叫“表示对齐工具”的东西。这个工具就像是一个“透视镜”，能让研究人员直接看到每个模型在“脑子”里画出来的奥赛罗棋盘，然后直接拿来比较。科学家们说，这个工具解决了以前研究中遇到的难题，能更清楚地看到模型到底在想什么。
结果简直让人大吃一惊！这些模型不仅学会了怎么玩奥赛罗，更厉害的是，它们在“脑子”里形成的棋盘空间结构，居然和真实的棋盘惊人地相似！即使是不同类型的模型，它们“看”棋盘的方式也高度一致，就像大家共享了一张一模一样的“地图”。
这些模型的表现，也和它们的“脑子”结构以及训练的数据量有关系。用真实棋谱训练的模型，大部分错误率都低于6%。而用电脑生成的大量棋谱训练的模型，错误率更是直线下降，从一开始的50%降到了不到0.1%！简直是“学霸”级别的表现！
有趣的是，像Flan-T5和LLaMA-2这些平时就已经“博览群书”（在大量普通文本上预训练过）的模型，并没有一直比那些没有预先学过“语文”的模型表现得更好。这说明啥呢？说明学会奥赛罗棋盘的“世界模型”，不一定非要先有语言知识，光凭下棋的顺序也能学得会！
这项研究对AI有啥大影响？
这项研究可是给了那些批评大型语言模型的人一个响亮的耳光。有些人觉得，那些只用一种数据训练的AI（比如只看文字的），肯定搞不懂那些需要“看”或者“空间想象”的问题。但是奥赛罗棋盘本来就是个需要“看”的东西，这些模型居然能光凭棋谱就把棋盘的样子“重建”出来，这说明它们的抽象能力简直逆天！
这项研究还解决了一个AI领域的老大难问题，叫做“符号接地问题”。啥意思呢？就是那些抽象的符号，比如奥赛罗里的“C3”（代表棋盘上的某个格子），AI怎么才能把它们和真实世界的意义联系起来？现在，模型学会了把“C3”这样的符号，和棋盘上特定的位置以及它们之间的空间关系联系起来，而不是把它们当成一堆没意义的符号。
Yifei Yuan和Anders Søgaard，是在ICLR 2025上发表这项研究的两位作者，他们认为自己的研究为“奥赛罗世界模型”假设提供了比以前更有力的证据。