OpenAI 的新视频生成工具可以从婴儿身上学到很多东西

Sora（这个名字在日语中是“天空”的意思）并不是第一个 T2V 工具，但它看起来比 Meta 的Make-a-Video AI等早期成果更加复杂。它可以将简短的文字描述变成长达一分钟的详细、高清电影剪辑。例如，提示“一只猫叫醒了熟睡的主人，要求吃早餐。主人试图忽视这只猫，但猫尝试了新的策略，最后，主人从枕头底下拿出了他秘密藏匿的零食，以拖延猫一段时间。”在任何社交网络上。可爱吧？好吧，在某种程度上。OpenAI似乎一反常态地坦诚地谈论了该工具的局限性。例如，它可能“难以准确模拟复杂场景的物理原理”。

这是温和地说。样本集中的一个视频说明了该模型的困难。制作这部电影的提示是“两艘海盗船在一杯咖啡内航行时互相战斗的逼真特写视频”。第一眼看上去，令人印象深刻。但随后人们注意到其中一艘船以一种难以解释的方式快速移动，很明显，虽然索拉可能对液体中的光反射了解很多，但它对控制大帆船运动的物理定律知之甚少或一无所知。
其他限制：索拉对于因果关系可能有点模糊；“一个人可能会咬一口饼干，但之后，饼干可能不会有咬痕”。啧啧啧。它还可能“混淆提示的空间细节，例如混淆左右”。等等。
尽管如此，这只是一个开始，并且毫无疑问会随着另外十亿万亿次计算能力而变得更好。尽管好莱坞制片厂的老板们可以继续在他们的特大号床上安然入睡，但 Sora 很快就会足以取代某些类型的库存视频，就像 Midjourney 和 Dall-E 等人工智能正在取代 Shutterstock 类型的摄影一样。

尽管 OpenAI 在该工具的局限性方面做出了让步，但 OpenAI 表示 Sora“可以作为能够理解和模拟现实世界的模型的基础”。据称，这将是实现通用人工智能（AGI）的一个“重要里程碑”。

这就是事情变得有趣的地方。请记住，OpenAI 的企业目标是实现 AGI 的圣杯，该公司似乎相信生成式人工智能代表了朝着这一目标迈出的切实一步。问题是，实现 AGI 意味着制造出对现实世界的理解至少与我们的水平相当的机器。除此之外，这需要了解运动物体的物理学。因此，OpenAI 项目的隐含赌注似乎是，有一天，如果有足够的计算能力，能够预测像素在屏幕上如何移动的机器也将了解它们所描绘的物理对象在现实生活中的行为方式。换句话说，这是一个赌注，机器学习范式的外推最终将使我们获得超级智能机器。

但能够驾驭现实世界的人工智能需要了解的不仅仅是物理定律在现实世界中的运作方式。他们还需要弄清楚人类如何在其中运作。对于任何关注艾莉森·戈普尼克 (Alison Gopnik) 工作的人来说，这对于目前被世界视为“人工智能”的机器来说似乎有些牵强。

戈普尼克因其对儿童学习方式的研究而闻名。看着她的泰德演讲，婴儿在想什么？对于那些认为技术是情报问题答案的技术人员来说，这将是一次有益的经历。数十年的研究探索了婴儿在玩耍时进行的复杂的情报收集和决策，她得出这样的结论：“婴儿和幼儿就像人类的研发部门”。这位专栏作家花了一年的时间观察我们孙女第一年的发育，特别是观察她如何开始找出因果关系，他倾向于同意这一点。如果 Sam Altman 和 OpenAI 的人真的对 AGI 感兴趣，也许他们应该花一些时间与婴儿相处。
原文链接；https://www.theguardian.com/commentisfree/2024/feb/24/openai-video-generation-tool-sora-babies-ai-artificial-intelligence

原标题：OpenAI 的新视频生成工具可以从婴儿身上学到很多东西

关键词：