To świetny punkt i pokazuje, jak modele świata są ograniczone przez brak pamięci oraz przez fakt, że pamięć jest w nieefektywnym i drogim formacie (klatki wideo zawierające piksele). Jaki byłby idealny rodzaj pamięci? Byłby to zasadniczo graf sceny (James Clark, 1976!), hierarchicznie opisujący wszystkie obiekty w świecie wraz z ich właściwościami, w sposób łatwy do zapytania i operowania na nim. To jest powód, dla którego kluczowa teza mówi, że idealna ścieżka ewolucyjna widzi połączenie modeli świata i silników, gdzie strona AI dostarcza ogromne ilości luźno zorganizowanej wiedzy audiowizualnej i tekstowej, a silnik zapewnia spójną, powtarzalną reprezentację danych i symulację.