Badacze odkryli, że sztuczne inteligencje uczące się poprzez bezpośrednią interakcję ze światem fizycznym spontanicznie rozwijają reprezentacje semantyczne zbliżone do języka naturalnego, bez potrzeby eksplicytnego nadzoru lingwistycznego. World modele - systemy nauczające się poprzez sensomotoryczne doświadczenia - samodzielnie organizują koncepty i kategorie obiektów w sposób, który przypomina semantyczne struktury znane z języka. To oznacza, że znaczenie słów niekoniecznie musi być kodowane z góry, lecz może naturalnie wyłaniać się z tego, jak maszyna oddziałuje z otoczeniem i czego się z tych interakcji uczy.
Odkrycie ma fundamentalne znaczenie dla naszego rozumienia, skąd bierze się sens słów. Przez dziesięciolecia językoznawcy i философowie debatowali, czy znaczenie musi być abstrakcyjnym konstruktem, czy może wyrastać z doświadczeń wcielonego podmiotu - tego, jak ciało lub czujniki odczuwają świat. Te badania dostarczają empirycznych dowodów przemawiających za drugą opcją. World modele nie miały dostępu do słowników ani anotacji semantycznych, a mimo to wytworzyły reprezentacje konceptualne, które wykazują wiele cech języka.
Implikacje praktyczne i teoretyczne są szerokie. Dla AI oznacza to potencjalnie bardziej naturalny sposób budowania inteligentnych systemów - zamiast wkuwania reguł lingwistycznych, można pozwolić modelom nauczyć się poprzez eksplorację. Dla lingwistyki i kognitywistyki to podpowiada, że ludzkie języki mogły ewoluować z wcielonego doświadczenia naszych przodków, a nie pojawiły się jako całkowicie abstrakcyjne artefakty. Badania nad nienadzorowaniem powstających reprezentacji mogą fundamentalnie zmienić podejście do projektowania systemów AI zdolnych do rzeczywistego rozumienia znaczenia, a nie tylko manipulacji symbolami.