2024年開年，火通Sora的用(yong)人橫空出世(shi)，給AI界投(tou)下一枚重磅炸彈。工智

這個由美國人工智能公司OpenAI發布的火通文生視頻模型，只需要一段提示文本，用人就能生成具有多個角色和特定動作類型，工智百姓彩票最新網址且(qie)主題(ti)和(he)背景基本(ben)準(zhun)確(que)的(de)(de)火(huo)通(tong)高清視頻。相較于Runway Gen 2、用(yong)(yong)人(ren)Pika等AI視頻生成(cheng)應用(yong)(yong)幾秒鐘(zhong)連貫性的(de)(de)工(gong)智視頻產出，Sora可生成(cheng)長達60秒的(de)(de)火(huo)通(tong)連續、穩定、用(yong)(yong)人(ren)高品質(zhi)視頻，工(gong)智且(qie)提示文本(ben)越充(chong)分(fen)、火(huo)通(tong)細節越精(jing)確(que)，用(yong)(yong)人(ren)生成(cheng)的(de)(de)工(gong)智視頻越真實(shi)。

不過，出于可能被濫用的擔憂，OpenAI表示目前并沒有公開發布Sora的百姓彩票計(ji)劃。模型有(you)限的(de)訪問(wen)權(quan)限只被授予小部分(fen)研究人員(yuan)和(he)創意人士等群體，以便(bian)OpenAI獲(huo)取(qu)他(ta)們(men)的(de)使用反饋。

目前，官網上(shang)已(yi)更(geng)新了(le)48個Sora生成(cheng)的演(yan)示視(shi)頻(pin)。這(zhe)些視(shi)頻(pin)清晰且真(zhen)實的細節和超(chao)高的精度不禁(jin)引發人們思(si)考：這(zhe)是否(fou)意味著具備人類同等智(zhi)(zhi)能或超(chao)越人類智(zhi)(zhi)能的通用(yong)人工智(zhi)(zhi)能（AGI）的到來？

對研究(jiu)AGI意(yi)義(yi)重(zhong)大

Sora問世后，360集團創始人周鴻祎發表了看(kan)(kan)法(fa)：Sora的出(chu)現讓AGI到來(lai)(lai)(lai)的時間提前了。原來(lai)(lai)(lai)估計需(xu)要十來(lai)(lai)(lai)年，現在可能只(zhi)(zhi)要兩三年。他(ta)認為，Sora雖然(ran)看(kan)(kan)起來(lai)(lai)(lai)只(zhi)(zhi)是(shi)個文生視頻(pin)工具，但(dan)實際(ji)上是(shi)AI認知世界并與之進行交(jiao)互的里程碑，會給(gei)整個產業帶來(lai)(lai)(lai)巨(ju)大進步(bu)。

“實現AGI的技術路線多樣，涉及不同的研究方法和應用方向。”中國科學院自動化研究所副總工程師、紫東太初大模型中心常務副主任王金橋向科技日報記者介紹，目前，百姓彩票網學(xue)術(shu)界和(he)工業(ye)界廣泛討(tao)論的AGI技(ji)術(shu)路線(xian)主要有(you)三(san)條。一是信息(xi)智(zhi)能(neng)(neng)，即“大(da)(da)(da)數(shu)(shu)據+自監(jian)(jian)督(du)學(xue)習(xi)+大(da)(da)(da)算力(li)”。這(zhe)種(zhong)方(fang)(fang)法(fa)依賴大(da)(da)(da)量數(shu)(shu)據，通(tong)過自監(jian)(jian)督(du)學(xue)習(xi)算法(fa)來(lai)(lai)訓練模型，同時需要巨大(da)(da)(da)的計算能(neng)(neng)力(li)來(lai)(lai)處理復雜任(ren)務。二是博(bo)弈(yi)智(zhi)能(neng)(neng)。這(zhe)種(zhong)技(ji)術(shu)路線(xian)強調在人機交互中通(tong)過強化學(xue)習(xi)的方(fang)(fang)式訓練智(zhi)能(neng)(neng)體(ti)，使(shi)其能(neng)(neng)進行自主學(xue)習(xi)和(he)決策。三(san)是類腦(nao)智(zhi)能(neng)(neng)。這(zhe)種(zhong)方(fang)(fang)法(fa)試圖通(tong)過模仿人腦(nao)的運行方(fang)(fang)式實現AGI。

在王金橋看來，根據官網的演示視頻(pin)，Sora至(zhi)少在畫質、長視頻(pin)生成、多鏡(jing)頭一致性、學習世界規律(lv)、多模態融合等方面實現突(tu)破。

“Sora能引發如此轟(hong)動(dong)，并不只(zhi)是(shi)因(yin)為(wei)(wei)它生(sheng)成的(de)視頻(pin)時間更(geng)長(chang)、清(qing)晰度(du)更(geng)高，而是(shi)因(yin)為(wei)(wei)它能在(zai)一定程度(du)上模擬(ni)物(wu)理世界中的(de)物(wu)體運(yun)動(dong)和交(jiao)互。”王金橋說，“這種(zhong)能力對于AGI的(de)研究具(ju)有重(zhong)要意義，因(yin)為(wei)(wei)它涉(she)及機(ji)器對現(xian)實世界的(de)深入理解和高度(du)模擬(ni)，而這些是(shi)實現(xian)AGI的(de)核心挑戰。”

記者了(le)解到，為了(le)準確模(mo)(mo)擬物理世(shi)界，Sora被投(tou)喂了(le)極大規模(mo)(mo)的訓練數據，并(bing)使用了(le)擴(kuo)散(san)模(mo)(mo)型等(deng)先進的算法。“對(dui)于AGI而(er)言，Sora讓大家看到，規模(mo)(mo)效(xiao)應不(bu)只在文字模(mo)(mo)態(tai)上(shang)成立，在視頻模(mo)(mo)態(tai)上(shang)也成立。”北京月之暗面科技有(you)限(xian)公司（Moonshot AI）聯合創始人周(zhou)昕(xin)宇認(ren)為，“通過(guo)擴(kuo)展(zhan)視頻生成模(mo)(mo)型可以(yi)建立通用物理世(shi)界模(mo)(mo)擬器。這是實現AGI的必要過(guo)程。”

距真正實現(xian)AGI仍有(you)距離

雖(sui)然進步顯著(zhu)、令(ling)人驚艷，但Sora仍然存(cun)在一(yi)些(xie)技術缺陷。

從(cong)目(mu)前Sora生成(cheng)的視頻(pin)來看，它在處理(li)某些(xie)細節時(shi)可能(neng)會出(chu)錯(cuo)，例(li)如混淆物(wu)體的左右方向。同(tong)時(shi)，它也無法完全理(li)解復雜的因果關系，或在長時(shi)間跨度內保持故事線的高度一致連(lian)貫。這(zhe)些(xie)技(ji)術缺陷導致生成(cheng)的視頻(pin)內容(rong)可能(neng)出(chu)現與邏輯(ji)錯(cuo)誤，或與常識、真實情(qing)形不符的情(qing)況。

“Sora模(mo)(mo)擬真實(shi)物理世(shi)(shi)界的(de)方式，是(shi)通(tong)過對給定的(de)文字、圖像、參考視頻進(jin)行建模(mo)(mo)，然后預測想要(yao)生成的(de)視頻數(shu)據(ju)的(de)條件(jian)概(gai)率分(fen)布。這與語言模(mo)(mo)型的(de)原理沒有本質區別(bie)，同(tong)樣是(shi)在做無損壓(ya)縮。”周(zhou)昕宇說，“只要(yao)壓(ya)縮得(de)足夠(gou)好(hao)，就可(ke)以模(mo)(mo)擬出足夠(gou)真實(shi)的(de)物理世(shi)(shi)界。”

王金橋強調，盡管Sora能夠通過學(xue)習了解(jie)表層的(de)運動和交互(hu)關系，但(dan)是(shi)還(huan)沒(mei)有學(xue)習到物理規律的(de)本質。比如，它不(bu)(bu)知(zhi)道多大的(de)風能吹滅蠟(la)燭，不(bu)(bu)了解(jie)玻璃掉到地(di)(di)上(shang)會(hui)碎、掉到地(di)(di)毯上(shang)不(bu)(bu)會(hui)碎的(de)本質原因。這也是(shi)Sora目前(qian)最為人詬病之處。

“從Sora為數不(bu)多的(de)公開(kai)資料來看，它(ta)仍是數據(ju)驅(qu)動下(xia)的(de)擬(ni)合，也就是模(mo)擬(ni)人類(lei)所能(neng)看到的(de)物(wu)理世(shi)界。但真(zhen)實的(de)物(wu)理世(shi)界遠不(bu)僅包含人類(lei)視(shi)覺(jue)信息(xi)。”北京中關村科金(jin)技術(shu)有限公司技術(shu)副總裁張杰認為，Sora的(de)創意來自(zi)大數據(ju)量(liang)下(xia)的(de)概(gai)率擬(ni)合，它(ta)并沒有產生(sheng)新知識，距離(li)“深度模(mo)擬(ni)真(zhen)實物(wu)理世(shi)界”這(zhe)一目標(biao)還(huan)有很長的(de)路要走。

中國社會科學院(yuan)哲學研(yan)(yan)究(jiu)所科技哲學研(yan)(yan)究(jiu)室(shi)主任、研(yan)(yan)究(jiu)員段偉文(wen)同樣表(biao)達(da)了審慎(shen)的觀點。“Sora這(zhe)種(zhong)(zhong)近(jin)乎人(ren)類的表(biao)達(da)實(shi)際(ji)上是一種(zhong)(zhong)基于現有(you)(you)數(shu)據和(he)語料的合成智能。”他說(shuo)，“它給實(shi)現AGI找到了一種(zhong)(zhong)可行的路徑(jing)，但距(ju)真正(zheng)的AGI還有(you)(you)很長的距(ju)離，且對(dui)實(shi)現AGI的價值相對(dui)有(you)(you)限(xian)。”

事實(shi)上，實(shi)現(xian)AGI這(zhe)一(yi)目(mu)標(biao)可謂道阻且長(chang)。王金橋談到(dao)了(le)幾大(da)挑戰。首(shou)先是(shi)(shi)數(shu)據瓶頸。盡(jin)管(guan)像GPT-4這(zhe)樣的(de)預(yu)訓練語言模(mo)型(xing)在(zai)數(shu)據標(biao)注上取得了(le)進展(zhan)，但數(shu)據依(yi)然是(shi)(shi)深度學習中的(de)一(yi)個關(guan)鍵限(xian)制(zhi)因素；其次是(shi)(shi)泛化瓶頸。目(mu)前(qian)的(de)AI系統往往在(zai)特定任務上表現(xian)出色，但在(zai)面對新任務時(shi)難以有效適應；最后是(shi)(shi)能耗瓶頸。隨(sui)著(zhu)AI模(mo)型(xing)變得越來越復(fu)雜，所需的(de)計算資源和能源消(xiao)耗也越來越大(da)。這(zhe)對硬件(jian)設備提(ti)出了(le)更高(gao)要求。

或將率先落地(di)傳媒領域(yu)

Sora的發布不(bu)僅推動了(le)技術的發展，也引(yin)發了(le)對AI治(zhi)理和倫理的探討(tao)。

段偉(wei)文提到，OpenAI采取了相(xiang)關手段來阻止不當視(shi)頻的(de)(de)(de)發(fa)布。王(wang)金橋進一步解釋道， Sora內置的(de)(de)(de)文本提示(shi)過濾器可(ke)篩選發(fa)送給(gei)模型的(de)(de)(de)所(suo)有提示(shi)，阻止對暴力、色情內容(rong)(rong)、仇恨言(yan)論以及(ji)名人(ren)肖像等(deng)敏感或不適當內容(rong)(rong)的(de)(de)(de)請求。視(shi)頻內容(rong)(rong)過濾器能檢查生成(cheng)的(de)(de)(de)視(shi)頻幀，屏蔽違反OpenAI安(an)全(quan)政策(ce)的(de)(de)(de)內容(rong)(rong)。

另外(wai)，OpenAI團(tuan)隊可能會定期對Sora進(jin)行優化和(he)更新，以(yi)改進(jin)其(qi)過濾機制(zhi)，確保模(mo)型能夠更好地識別和(he)處理敏感內容。同時，團(tuan)隊可能會監控系(xi)統的(de)使用情況，以(yi)便及時發(fa)現(xian)并解決新出現(xian)的(de)問(wen)題。

“從技(ji)術上看(kan)，Sora避(bi)免極端(duan)暴力(li)、色情、名人肖像(xiang)等內容出(chu)現的(de)方式，主(zhu)要依(yi)靠的(de)是模型的(de)對齊(qi)能力(li)。”周昕宇說，“這一點和(he)語(yu)言模型的(de)區別(bie)不大(da)，也(ye)已(yi)經(jing)有比較多(duo)的(de)實踐經(jing)驗。”

據國際數據公(gong)司預(yu)測，Sora將率先在短視(shi)(shi)頻、廣告、互動娛樂、影視(shi)(shi)制作(zuo)和(he)媒體等傳媒領域得(de)到應用(yong)。Sora的諸多能力，可以輔助(zhu)這些(xie)領域的工作(zuo)者更高效(xiao)(xiao)地進行(xing)視(shi)(shi)頻創作(zuo)，加快生產速度(du)，提高產出數量。這將助(zhu)力相關行(xing)業(ye)降低(di)成本、提升效(xiao)(xiao)率，進一步(bu)優化用(yong)戶體驗。