Dette er et godt poeng og viser hvordan verdensmodeller begrenses av mangel på minne, og av det faktum at minnet er i et ineffektivt og dyrt format (videorammer som inneholder piksler). Hva ville vært den ideelle typen minne? Det ville i bunn og grunn være en scenegraf (James Clark, 1976!) som hierarkisk beskriver alle objektene i en verden sammen med deres egenskaper, på en måte som er enkel å spørre og jobbe med. Dette er grunnen til kjernetesen om at den ideelle evolusjonære veien innebærer en sammensmelting av verdensmodeller og motorer, hvor AI-siden leverer enorme mengder løst organisert audiovisuell og tekstlig kunnskap, og motoren gir konsistent reproduserbar datarepresentasjon og simulering.