Sora很驚艷，但“實現AGI”言之過早

　　2月15日，一手締造了ChatGPT的OpenAI再放“大招”，發布了其第一個文生視頻大模型Sora。在官方分享的演示視頻中，該模型可以根據用戶輸入的提示詞，生成長達一分鐘連貫穩定的高清視頻。

　　雖然Sora還未公開應用，但已引發大量關注。原因無他，OpenAI發布的演示視頻一度讓人們無法分辨這是人為攝制的還是人工智能（AI）生成的作品，以至于許多人評價它們“毫無AI感”。

　　國內外的圈內“大佬”紛紛下場對Sora給出肯定的回應。2月16日，360公司創始人周鴻祎發表千字長文點贊，指出Sora展現的是大模型對真實世界有了理解和模擬之后，會帶來新的成果和突破……這就離AGI（通用人工智能）真的不遠了，不是10年或20年的問題，可能一兩年就可以實現。埃隆·馬斯克則在一條分享Sora生成視頻的帖子下回復：“gg humans（人類完蛋了）。”

　　媒體紛紛引用這些評價，并將Sora與“世界模型”“通用人工智能”等詞語聯系起來，大有Sora已掃清通往AGI障礙之勢。

　　筆者翻看了OpenAI發布的Sora生成的48個演示視頻，被其逼真的畫面、富有想象力的場景、多視角的流暢切換等所震撼。相比2023年Runway、Pika等發布的AI視頻，Sora在時長、精細度、真實性等方面均取得了長足進步。

　　但這就是“世界模型”乃至AGI的終章嗎？筆者認為言之尚早。

　　首先，盡管Sora能夠生成真假難辨的視頻內容，但這并不能證明AI已經掌握物理規律、理解運動中的物理世界。換言之，Sora的出色僅體現在它作為文生視頻工具的能力方面，并不代表它具備了實現AGI的潛力。

　　根據OpenAI官網介紹，Sora的成功，在于OpenAI團隊對如何在視頻數據上進行大規模生成模型訓練進行了探索。團隊從大語言模型（LLM）中汲取了靈感——將各種類型的視覺數據轉化為統一的表示方法“patch”（類似于LLM中的token），以便進行大規模生成模型的訓練。

　　這種工程技術上的進步，使得大模型能夠輸出讓人眼前一亮的結果。但這并不能證明Sora在視覺數據訓練中掌握了人類世界的全部知識，更無法佐證其“煉成”了“世界模型”。

　　細心的網友肯定發現了Sora演示視頻中一些有違常理的畫面，如動物無緣無故增加或消失、物體反重力上升等，這正符合其作為生成式AI工具“不會對發現知識、生成數據中的錯誤風險負責”的預期。

　　OpenAI也稱，Sora模型還存在許多不足，比如它無法準確模擬諸如玻璃碎裂、人們吃東西等許多基本交互的物理效應。顯然，Sora并沒有掌握世界的運轉規律，比如動量守恒、摩擦作用、不同材料的密度不同、物質不可瞬移等，可見它并非“世界模型”。事實上，目前學界對“世界模型”的定義眾說紛紜，更不要提“煉成”了。

　　其次，Sora的生成效果和效率有待商榷。目前，出于多方面的考慮，Sora僅面向少數藝術家和開發者開放，并未面向公眾開放應用。當前OpenAI發布的演示視頻大概率是精挑細選出來的“優品”，并不能代表Sora的真實表現。

　　一類工具或一種生產方式是否可用、好用，并不取決于它是否產生了令人眼前一亮的效果，而是取決于它能否給出消滅不確定性的保證、降低工作產出的方差。人們往往更愿意為了保證穩定性而換取一些效果的下降。而以Sora為代表的AI工具是否能夠持續減少不確定性，目前還存在巨大疑問。從這個角度來說，Sora盡管表現亮眼，但我們仍應觀其后效。

　　AGI是AI領域科學家為之奮斗的最高目標。北京通用人工智能研究院院長朱松純這樣描述AGI：它需要在復雜動態的物理和社會環境中滿足3個關鍵要求——處理無限任務、具備自主性、具備價值系統（由價值驅動完成各類任務）。這背后的核心是AI系統要具備相當的“認知架構”，即人類所熟知的常識、共同的行動規范和價值觀。

　　從這些描述中可知，當下實現AGI的難度巨大。事實上，OpenAI在提及AGI時的用詞十分考究：“Sora是理解和模擬現實世界模型的基礎，而這一能力將是實現AGI的重要里程碑。”

　　對AI技術的階段性突破表示高度贊賞是人之常情，但動輒言及“實現AGI”“人類gg”這類溢美之詞，反而可能產生副作用，稍不留神就會造成誤讀。AI的確是非常開放的空間，人們對通過這一技術路線開發出的產品充滿想象，但是如今AI已經與人類的經濟、政治、文化、倫理等系統深度融合，因此對AI技術突破的評價，還是嚴謹為宜。