Een team van wetenschappers heeft een innovatieve benadering ontwikkeld om de manier waarop kunstmatige intelligentie de fysieke wereld begrijpt, fundamenteel te veranderen. Het nieuwe paradigma, dat bekendstaat als 'Code-as-World', stelt AI-systemen in staat om fysieke processen te vatten door deze te transformeren naar uitvoerbare computercode. Hiermee wordt gepoogd de tekortkomingen van huidige visuele taalmodellen (VLMs) op te lossen, die weliswaar gebeurtenissen kunnen beschrijven, maar vaak geen diepgaand inzicht hebben in de onderliggende mechanica.
Volgens een wetenschappelijke publicatie van 27 augustus 2026 op arxiv.org missen conventionele modellen vaak expliciete representaties van fysieke parameters en de dynamiek van objecttoestanden. Hierdoor kunnen ze moeilijk voorspellen hoe de wereld reageert op specifieke interventies. De 'Code-as-World'-methode vervangt de puur visuele of tekstuele analyse door een systeem waarin de samenstelling van objecten en hun evolutie direct in code worden vastgelegd. Dit creëert een kwantitatieve abstractie van de realiteit, waardoor fysieke redeneringen meetbaar en controleerbaar worden.
Om deze code-representaties te genereren op basis van multimodale data, zoals video's of tekstuele beschrijvingen, maakt het systeem gebruik van een zogenaamde 'agentic discovery loop'. Dit proces is gebaseerd op abductief redeneren, waarbij de AI voortdurend zoekt naar de meest aannemelijke verklaring voor een waarneming. De AI-agent doorloopt hierbij een iteratieve cyclus van vijf fasen: het opstellen van een hypothese in code, het uitvoeren daarvan, het renderen van het resultaat, het vergelijken van dit resultaat met de oorspronkelijke observatie en het verfijnen van de code bij eventuele fouten.
Deze methodiek heeft geleid tot de ontwikkeling van het model 'Code-as-World-VL', dat specifiek is getraind voor kwantitatieve fysieke redenering. In experimenten met de benchmark 'QuantiPhy' behaalde dit model resultaten die volgens de auteurs van de superieur zijn aan die van toonaangevende commerciële AI-modellen. De resultaten tonen aan dat het gebruik van uitvoerbare representaties een krachtig fundament kan bieden voor fysieke intelligentie.
Het onderzoek is het resultaat van een samenwerking tussen diverse wetenschappers, waaronder Jialong Wu, Yimo Cai en Hanyang Wang. De volledige technische details en de methodologie van dit project zijn inzichtelijk via de .
Hoewel deze doorbraak zich richt op hoogwaardig academisch onderzoek naar fysieke simulaties, is er in de bredere technologiewereld ook aandacht voor code-educatie via platforms zoals codemonkey.com, al staat dit platform los van de wetenschappelijke ontwikkeling van het Code-as-World-project. De verschuiving naar het simuleren van natuurwetten via code markeert een belangrijke stap in de evolutie van AI, waarbij systemen niet langer enkel patronen herkennen, maar daadwerkelijk de wetten van de fysica kunnen toepassen.