這個由美國人工智能公司OpenAI發(fā)布的文生視頻模型,，只需要一段提示文本，就能生成具有多個角色和特定動作類型,，且主題和背景基本準(zhǔn)確的高清視頻,。相較于Runway Gen 2,、Pika等AI視頻生成應(yīng)用幾秒鐘連貫性的視頻產(chǎn)出,，Sora可生成長達(dá)60秒的連續(xù)、穩(wěn)定,、高品質(zhì)視頻,，且提示文本越充分、細(xì)節(jié)越精確,，生成的視頻越真實,。

 不過，出于可能被濫用的擔(dān)憂，OpenAI表示目前并沒有公開發(fā)布Sora的計劃,。模型有限的訪問權(quán)限只被授予小部分研究人員和創(chuàng)意人士等群體,，以便OpenAI獲取他們的使用反饋。

 目前,，官網(wǎng)上已更新了48個Sora生成的演示視頻,。這些視頻清晰且真實的細(xì)節(jié)和超高的精度不禁引發(fā)人們思考：這是否意味著具備人類同等智能或超越人類智能的通用人工智能（AGI）的到來？

 對研究AGI意義重大

 Sora問世后,，360集團創(chuàng)始人周鴻祎發(fā)表了看法：Sora的出現(xiàn)讓AGI到來的時間提前了,。原來估計需要十來年，現(xiàn)在可能只要兩三年,。他認(rèn)為,，Sora雖然看起來只是個文生視頻工具，但實際上是AI認(rèn)知世界并與之進行交互的里程碑,，會給整個產(chǎn)業(yè)帶來巨大進步,。

 “實現(xiàn)AGI的技術(shù)路線多樣，涉及不同的研究方法和應(yīng)用方向,?！敝袊茖W(xué)院自動化研究所副總工程師、紫東太初大模型中心常務(wù)副主任王金橋向科技日報記者介紹,，目前,，學(xué)術(shù)界和工業(yè)界廣泛討論的AGI技術(shù)路線主要有三條。一是信息智能,，即“大數(shù)據(jù)+自監(jiān)督學(xué)習(xí)+大算力”,。這種方法依賴大量數(shù)據(jù)，通過自監(jiān)督學(xué)習(xí)算法來訓(xùn)練模型,，同時需要巨大的計算能力來處理復(fù)雜任務(wù),。二是博弈智能。這種技術(shù)路線強調(diào)在人機交互中通過強化學(xué)習(xí)的方式訓(xùn)練智能體,，使其能進行自主學(xué)習(xí)和決策,。三是類腦智能。這種方法試圖通過模仿人腦的運行方式實現(xiàn)AGI,。

 在王金橋看來,，根據(jù)官網(wǎng)的演示視頻，Sora至少在畫質(zhì),、長視頻生成,、多鏡頭一致性、學(xué)習(xí)世界規(guī)律,、多模態(tài)融合等方面實現(xiàn)突破,。

 “Sora能引發(fā)如此轟動,，并不只是因為它生成的視頻時間更長、清晰度更高,，而是因為它能在一定程度上模擬物理世界中的物體運動和交互,。”王金橋說,，“這種能力對于AGI的研究具有重要意義,，因為它涉及機器對現(xiàn)實世界的深入理解和高度模擬，而這些是實現(xiàn)AGI的核心挑戰(zhàn),?！?

 記者了解到，為了準(zhǔn)確模擬物理世界,，Sora被投喂了極大規(guī)模的訓(xùn)練數(shù)據(jù),，并使用了擴散模型等先進的算法?！皩τ贏GI而言,，Sora讓大家看到，規(guī)模效應(yīng)不只在文字模態(tài)上成立,，在視頻模態(tài)上也成立,。”北京月之暗面科技有限公司（Moonshot AI）聯(lián)合創(chuàng)始人周昕宇認(rèn)為,，“通過擴展視頻生成模型可以建立通用物理世界模擬器,。這是實現(xiàn)AGI的必要過程?！?

 距真正實現(xiàn)AGI仍有距離

 雖然進步顯著,、令人驚艷，但Sora仍然存在一些技術(shù)缺陷,。

 從目前Sora生成的視頻來看,，它在處理某些細(xì)節(jié)時可能會出錯，例如混淆物體的左右方向,。同時,，它也無法完全理解復(fù)雜的因果關(guān)系，或在長時間跨度內(nèi)保持故事線的高度一致連貫,。這些技術(shù)缺陷導(dǎo)致生成的視頻內(nèi)容可能出現(xiàn)與邏輯錯誤,，或與常識、真實情形不符的情況,。

 “Sora模擬真實物理世界的方式,，是通過對給定的文字、圖像,、參考視頻進行建模,，然后預(yù)測想要生成的視頻數(shù)據(jù)的條件概率分布。這與語言模型的原理沒有本質(zhì)區(qū)別,，同樣是在做無損壓縮,。”周昕宇說,，“只要壓縮得足夠好,，就可以模擬出足夠真實的物理世界?！?

 王金橋強調(diào),，盡管Sora能夠通過學(xué)習(xí)了解表層的運動和交互關(guān)系，但是還沒有學(xué)習(xí)到物理規(guī)律的本質(zhì),。比如,，它不知道多大的風(fēng)能吹滅蠟燭，不了解玻璃掉到地上會碎,、掉到地毯上不會碎的本質(zhì)原因,。這也是Sora目前最為人詬病之處。

 “從Sora為數(shù)不多的公開資料來看,，它仍是數(shù)據(jù)驅(qū)動下的擬合,，也就是模擬人類所能看到的物理世界。但真實的物理世界遠(yuǎn)不僅包含人類視覺信息,?！北本┲嘘P(guān)村科金技術(shù)有限公司技術(shù)副總裁張杰認(rèn)為，Sora的創(chuàng)意來自大數(shù)據(jù)量下的概率擬合,，它并沒有產(chǎn)生新知識,，距離“深度模擬真實物理世界”這一目標(biāo)還有很長的路要走。

 中國社會科學(xué)院哲學(xué)研究所科技哲學(xué)研究室主任,、研究員段偉文同樣表達(dá)了審慎的觀點,。“Sora這種近乎人類的表達(dá)實際上是一種基于現(xiàn)有數(shù)據(jù)和語料的合成智能,?！彼f，“它給實現(xiàn)AGI找到了一種可行的路徑,，但距真正的AGI還有很長的距離,，且對實現(xiàn)AGI的價值相對有限?！?

 事實上,，實現(xiàn)AGI這一目標(biāo)可謂道阻且長。王金橋談到了幾大挑戰(zhàn),。首先是數(shù)據(jù)瓶頸,。盡管像GPT-4這樣的預(yù)訓(xùn)練語言模型在數(shù)據(jù)標(biāo)注上取得了進展,，但數(shù)據(jù)依然是深度學(xué)習(xí)中的一個關(guān)鍵限制因素；其次是泛化瓶頸,。目前的AI系統(tǒng)往往在特定任務(wù)上表現(xiàn)出色,，但在面對新任務(wù)時難以有效適應(yīng)；最后是能耗瓶頸,。隨著AI模型變得越來越復(fù)雜,，所需的計算資源和能源消耗也越來越大。這對硬件設(shè)備提出了更高要求,。

 或?qū)⒙氏嚷涞貍髅筋I(lǐng)域

 Sora的發(fā)布不僅推動了技術(shù)的發(fā)展,，也引發(fā)了對AI治理和倫理的探討。

 段偉文提到,，OpenAI采取了相關(guān)手段來阻止不當(dāng)視頻的發(fā)布,。王金橋進一步解釋道， Sora內(nèi)置的文本提示過濾器可篩選發(fā)送給模型的所有提示,，阻止對暴力,、色情內(nèi)容、仇恨言論以及名人肖像等敏感或不適當(dāng)內(nèi)容的請求,。視頻內(nèi)容過濾器能檢查生成的視頻幀,，屏蔽違反OpenAI安全政策的內(nèi)容。

 另外,，OpenAI團隊可能會定期對Sora進行優(yōu)化和更新,，以改進其過濾機制，確保模型能夠更好地識別和處理敏感內(nèi)容,。同時,，團隊可能會監(jiān)控系統(tǒng)的使用情況，以便及時發(fā)現(xiàn)并解決新出現(xiàn)的問題,。

 “從技術(shù)上看,，Sora避免極端暴力、色情,、名人肖像等內(nèi)容出現(xiàn)的方式,，主要依靠的是模型的對齊能力?！敝荜坑钫f,，“這一點和語言模型的區(qū)別不大，也已經(jīng)有比較多的實踐經(jīng)驗,?！?

 據(jù)國際數(shù)據(jù)公司預(yù)測，Sora將率先在短視頻,、廣告,、互動娛樂,、影視制作和媒體等傳媒領(lǐng)域得到應(yīng)用。Sora的諸多能力,，可以輔助這些領(lǐng)域的工作者更高效地進行視頻創(chuàng)作,，加快生產(chǎn)速度,，提高產(chǎn)出數(shù)量,。這將助力相關(guān)行業(yè)降低成本、提升效率,，進一步優(yōu)化用戶體驗,。

（編輯:映雪 ）