OpenAI近期推出的視頻生成模型Sora在業(yè)界引發(fā)了廣泛關注,被視為視頻生成技術的一大飛躍。盡管Sora因其卓越的視頻穩(wěn)定性和清晰度而備受市場喜愛,但一些來自競爭對手的科學家卻對其持保留意見。盡管如此,仍有人對Sora寄予厚望,認為它有可能成為人工智能領域的新高峰——世界模擬器,這也是OpenAI所追求的目標。
OpenAI也在其官網(wǎng)文章中寄望,Sora絕不僅僅是個視頻生成器,而是一個現(xiàn)實世界的模擬器。通過學習和模擬數(shù)據(jù)分布,生成與真實世界相似的虛擬樣本,從而給現(xiàn)實世界提供預知信息。但這一前景被Meta的首席AI科學家Yann LeCun公開反駁,這位以直言不諱聞名的AI大佬直言:搞搞視頻就好,別吹有的沒的。
注定失敗的模擬器
LeCun在X上公開發(fā)文稱,通過生成像素來對世界進行模擬是一種資源浪費,且注定會失敗。而該貼也引發(fā)了極大關注,一眾網(wǎng)友在評論區(qū)華山論劍。簡單來說,LeCun認為Sora模型試圖推斷太多不相關的細節(jié),就像是通過試圖分析足球的材料來判斷足球的運行軌跡。
他指出,生成式模型適用于文本內(nèi)容,因為文本是離散的,且是由數(shù)量有限的符號組成的數(shù)據(jù),在這種情況下,處理預測中的不確定性變得十分容易。但如果換到以像素為單位的預測領域,不確定性就會變得非常棘手,且不可能成功。
底下的網(wǎng)友也紛紛發(fā)言,有人稱Sora雖然令人印象深刻,但幾乎每個場景都可能出現(xiàn)邏輯問題,比如藝術家測試視頻中三頭小狼莫名其妙分裂成五頭小狼。這讓模擬現(xiàn)實變得多少不太靠譜。
也有人說,Sora是應夢想而生,人可以做清醒的夢,或者做不太清醒的夢。這種看起來不太清醒的發(fā)言則是賭Sora有那么一些可能實現(xiàn)OpenAI“世界模擬器”的壯言。
與此同時,LeCun所在的Meta上周發(fā)布了一個視頻聯(lián)合嵌入預測架構V-JEPA,據(jù)稱其通過觀看視頻來教導大模型理解和對物理世界建模,算是Sora之外,對世界模擬器的另一種嘗試。
此外,V-JEPA還可以靈活丟棄不可預測的信息,而將訓練和樣本運行效率提升1.5-6倍。不過,V-JEPA顯然顯然沒在市場引發(fā)多大動靜,相比Sora要低調很多。
聲明:本網(wǎng)頁內(nèi)容旨在傳播知識,若有侵權等問題請及時與本網(wǎng)聯(lián)系,我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com