世界模型如何承载记忆与代际传承？微软Project Fez研究解读

当世界模型遇见记忆：一场被忽视的设计探索

当大多数人讨论世界模型（World Models）时，话题往往围绕环境模拟、物理预测或游戏生成展开。Google的Genie等交互式世界模型展示了令人惊叹的技术能力，但翻遍它们的演示，你很难找到一个真正回答"这对普通人的日常生活意味着什么"的案例。

微软Project Fez的UX研究实习生Jiwon——一位来自帝国理工学院设计工程专业的硕士研究生——试图填补这个空白。她在实习期间的核心研究问题是：世界模型如何赋能真正有意义、人们真正在乎的个人体验？ 她的答案是：从记忆出发。

这个选择有充分的理由。记忆是高度个人化、关系化且伦理敏感的领域。团队援引记忆的5R框架（Retrieve、Recall、Reminisce、Reflect、Reconstruct），发现现有技术已经很好地支持了"检索"和"回忆"这类实用功能，而那些更具情感深度的维度——"怀旧"与"反思"——却几乎无人涉足。

世界模型（World Models）是AI领域的一个核心概念，指系统通过大量数据学习环境的内部表征，从而能够预测未来状态、模拟场景演化并生成连贯的交互体验。Google DeepMind的Genie系列是典型代表：它可以从单张图片生成可交互的2D游戏世界，让用户在生成的虚拟环境中实时操作。类似地，OpenAI的Sora、Meta的V-JEPA等模型也在视频预测和物理推理方面展现了世界模型的雏形。目前世界模型的主要应用集中在游戏生成、机器人训练、自动驾驶仿真等场景，其评价标准通常是画面逼真度、物理一致性和交互流畅度。Jiwon的研究之所以独特，在于她将世界模型从"模拟环境"的框架中抽离出来，转而追问：当一个系统能够生成任意视觉世界时，它能否服务于人类最私密、最情感化的需求——记忆的保存、传递与共享？这一问题将世界模型的技术能力与人文关怀连接起来，开辟了一个此前被忽视的设计空间。

四类人群，一个共同答案：家庭

为了理解人们对记忆的真实需求，Jiwon招募了四组不同关系的参与者：跨代家庭成员、异地情侣、因失去亲人而分离的人，以及深度数字化的青少年。招募过程颇为曲折，团队在LinkedIn、Facebook群组、WhatsApp社区甚至冷邮件中广泛搜寻，最终获得了跨越三代人（16岁至65岁以上）的多样化样本。

第一轮焦点小组的目标不是设计未来技术，而是理解人们内心深处对记忆的渴望。研究者设计了一个"记忆盒子"练习：参与者只能选择一段想要保存的记忆，并解释原因。这个限制条件迫使人们暴露自己最看重的价值和愿望。

结果出乎意料地一致：当被问及什么最重要时，人们反复回到家庭关系。 尽管研究刻意招募了多样化关系群体，家庭仍然成为贯穿所有叙事的主线。两种互补的渴望浮现出来——年长参与者希望将记忆、故事和价值观传递给后代；而年轻和年长的参与者都表达了想要了解前几代人的愿望。这种愿望往往由缺失所驱动：故事从未被讲述、亲人已不在世、家族历史难以触及。

当AI说"这像1940年代的士兵"：一场关于真实性的伦理实验

第二轮焦点小组面临一个核心挑战：如何帮助没有设计或机器学习背景的人，在90分钟内想象出全新的记忆交互方式？

Jiwon的解决方案颇具巧思。她设计了一套"能力卡片"，将世界模型的关键能力翻译成人人能理解的"超能力"——刻意避免使用"AI功能"这样的表述，因为这会立刻将人们锚定到对AI的既有假设上。参与者还会收到基于第一轮主题的"场景卡片"，比如"为朋友创建一份记忆礼物"。

在完成创意构想后，研究者才揭示这些"超能力"对应的AI功能，并询问参与者：你们会保留、改变还是拒绝什么？

结果呈现出一种引人深思的张力。人们对AI介入记忆的初始反应普遍消极，尤其是当AI威胁到记忆的真实性或个人视角时。多位参与者对AI生成的解读表示强烈保留，担心生成内容被误认为事实，或覆盖个人有意义的回忆。

但随着讨论深入，一种矛盾浮现：人们所表达的许多渴望——连接碎片化记忆、在更广阔语境中理解记忆、探索新视角——恰恰是AI能够提供有意义支持的领域。人们描述的未被满足的需求与AI能力高度吻合，尽管他们最初对AI介入持抵制态度。

关键在于，一旦这些渴望被更细致地探讨，对话的焦点就从"AI是否应该参与"转向了"AI应该如何参与"。接受度取决于AI如何传达其贡献：人们更愿意接受AI将内容呈现为建议、可能性或解读，而非权威的现实陈述。他们也希望AI对不确定性保持诚实，而不是假装生成了完美的、事实准确的视觉内容。

这三点的共同指向是一个强烈的愿望：为人类判断和能动性保留空间。

记忆的5R框架源自记忆研究与认知心理学的交叉领域，被广泛用于理解人类与过去互动的方式。五个维度分别是：Retrieve（检索）——从外部存储中找回信息，如搜索照片或翻看聊天记录；Recall（回忆）——从大脑中主动提取过往经历；Reminisce（怀旧）——带有情感温度地重温过去，常伴随叙事和分享；Reflect（反思）——对记忆进行意义建构，理解它如何塑造自我；Reconstruct（重构）——每次回忆时大脑都会重新拼合信息，记忆因此是可变的、被当下情境重塑的。现有技术（相册应用、时间线、聊天记录搜索）主要支持前两者，而怀旧与反思这两个最具情感深度的维度，恰恰缺乏专门的技术支持。这一框架解释了为什么Jiwon选择从记忆出发：世界模型的生成能力，可能恰好适合为怀旧和反思创造新的交互形式，但同时也引发了关于"重构"边界的伦理问题——当AI参与重构时，记忆的真实性如何保障？

Steve的数字遗产：一个关于"被记住"的设计愿景

基于这些发现，Jiwon构建了一个名为Steve的人物场景。Steve是一位退休教授和祖父，灵感来自一位已经在使用AI为孙辈创建数字故事书的真实参与者。

在设想的未来中，Steve通过一副AI眼镜和一套数字遗产工具包，开始为孙女Sophie创建一份跨越时间的礼物。整个过程通过五个短片展现：

第一幕：意图的建立。 Steve打开工具包，发现里面有一本指南和AI眼镜。系统邀请他写一封给孙女的未来信件，并选择4-5件珍贵物品。通过引导式对话，AI帮助Steve澄清意图和目的。设计洞察在于：与其要求Steve一开始就定义世界，不如让物品触发思考，AI则回应并提供可能意图的建议。这种丰富的反思性对话，让Steve复杂而细腻的情感渴望逐渐被表达出来。

第二幕：家庭对话中的意义生成。 晚餐后，Steve与伴侣和女婿围坐一桌，展开珍爱的物品。对话转向Steve自己的童年和祖辈。"我希望Sophie了解她的根源，不仅是我，还有之前几代人。"AI在此扮演"语境浮现者"的角色——从网络检索相关信息，触发反思，但意义的建构仍属于用户。

一个关键的设计选择：AI没有生成Steve祖父的图像。在第二轮焦点小组中，17位参与者中只有2人表示愿意查看这类推测性视觉内容。多数人倾向于完全不看生成版本，部分原因是知道图像并非事实真实会降低其情感意义。当原始图像不存在时，这种担忧更为强烈。

第三幕：人机迭代循环。 Steve看到世界模型的第一版后，要求"更温暖的氛围"，并逐步调整到更像Sophie房间的样子。当AI发现Steve没有祖父的单张照片时，将碎片信息组织成一个"拼图板"——而不是创造一个字面意义上的"AI祖父"。这种有意避免字面重构的设计，回应了人们对逝者被AI重现的伦理顾虑。

第四幕：世界作为共享空间。 Steve邀请伴侣一起探索这个世界。生成的照片相册成为共享的反思空间，伴侣自然地提问并引出意义。AI保持在背景中，捕捉涌现的内容，而不是介入对话。设计洞察在于：体验刻意保留了Steve最亲密人际关系的位置，承认了解他、与他共享历史的人能提供AI不应试图替代的关怀和理解。

第五幕：以接收者为中心的设计。 Steve的孙女Sophie坐下来一起想象新版本。"我喜欢冰城堡和魔法，"她说，"我一直想要一个会说话的朋友一起冒险。"这一场景强调了接收者的愿望同样重要，同时保留了Steve和伴侣共同创造的原始世界——多个版本可以分支、共存，而非强制合并。

数字遗产（Digital Legacy）是一个快速兴起的跨学科议题，涉及法律、伦理、产品设计和AI技术。它指的是个人在去世后留下的数字资产——包括社交媒体账号、照片、聊天记录、音视频，以及近年来越来越多的AI生成内容。当前主流平台的处理方式各异：Facebook允许将账号转为纪念状态，Google提供Inactive Account Manager来指定数据继承人，但这些方案大多停留在"数据访问权"层面，很少触及"如何让后代理解这些数据背后的意义"这一更深层的问题。Steve的场景之所以具有设计价值，在于它把数字遗产从"存储与继承"重新定义为"意义传递与关系维系"。AI眼镜、数字遗产工具包和世界模型共同构成了一个支持系统，但设计的核心不是技术炫技，而是帮助Steve在生前完成意图澄清、家庭对话和意义建构。这与当前AI复活逝者、生成虚拟分身等争议性实践形成鲜明对比，提出了一条更克制、更人本的路径。

比技术能力更重要的事：四条设计原则

Jiwon的研究最终凝练为一组设计原则，其适用范围远超世界模型，指向一种更广泛的人本AI关系：

第一，AI体验应丰富而非替代让人成为人的品质。 体验应该为真实关系、深思熟虑的对话、反思和想象创造空间。

第二，建立新的人机协作模式。 AI赋能想象力和协作，但将人、关系和核心价值观置于体验中心。过程应与结果同等有价值——当最终作品携带人们对话、视角和关怀的可见痕迹时，它就从人类努力和关系中获得了额外意义，也就不再是"AI垃圾"。

第三，将AI嵌入熟悉的活动和社会实践。 利用用户的环境、关系和线上线下资源，让交互感觉舒适直观。

第四，在加速生产之前，为意图和反思保留时间。 在情感重要的语境中，速度应来自AI的响应能力和消除不必要努力的能力，而非催促反思、解读和批判性评估——意义恰恰在这些环节中诞生。

在伦理层面，研究提出了几条明确立场：在情感重要语境中做出有意的伦理选择，靠的不是限制AI能力，而是决定何时、如何以及是否使用它们。聚焦情感上恰当的表示，而非字面重构；在体验的不同阶段选择性使用生成式AI；通过透明化AI的贡献和角色来保留能动性和控制权；尊重多人创作中的多元所有权。

AI垃圾（AI Slop）是2024年前后流行起来的术语，指大量低质量、同质化、缺乏人类意图的AI生成内容。它通常具有几个特征：批量生产、风格雷同、事实模糊、情感空洞，且往往以流量为导向而非以意义为导向。AI垃圾的泛滥引发了广泛批评，因为它不仅稀释了信息生态，还让人们对AI生成内容产生普遍的不信任感。Jiwon在设计原则中明确提出，当最终作品携带人们对话、视角和关怀的可见痕迹时，它就不再是AI垃圾——这一判断标准将"人类参与度"和"关系可见性"置于核心。换言之，区分有意义AI体验与AI垃圾的关键，不在于生成内容的技术质量，而在于创作过程中是否保留了人的意图、反思和情感投入。这一观点对当前AI产品设计具有直接的指导意义：与其追求更快的生成速度，不如设计能够承载人类关系和反思过程的交互节奏。

一个不那么"科幻"的未来愿景

Jiwon在演讲结尾抛出了一个值得深思的观点：她所呈现的可能是较少见的、面向未来的AI愿景。没有人类复制品、虚拟城市或科幻体验。但技术野心并不自动使体验变得有意义或令人向往。

当前AI已经擅长通过帮助人们更快行动、生产更多来创造实用价值。但这种"超级生产力"是否真正令人向往，是另一个问题。对Jiwon而言，令人向往的实用性为人们创造了学习、反思和维系日常联结的空间——这些才是让人成为人的东西。

这个项目计划在CHI会议的Late Breaking Work板块发表。团队还产出了关于世界模型作为社交媒体新延伸的提案、第二轮焦点小组的详细报告，以及可复用的能力卡片和场景卡片工具包。

在所有人都追逐更大、更快、更逼真的模型时，这项工作提醒我们：最有价值的未来，或许不是AI能生成什么令人惊叹的内容，而是它的能力如何帮助人们更好地反思、连接和更有意义地生活。