上帝掷不掷骰子？又来了

这几天，OpenAI发布了“自然语言生成视频”的大模型工具Sora，全世界都再次被震撼了！Sora可以直接生成长达60s的一镜到底视频，从网上公布的几个样例来看，也实在是极为精彩，业内兴奋大呼：新的智能时代开启了！OpenAI同时宣称Sora是“作为世界模拟的视频生成模型”。

另一方面，网上也盛传了很多Sora生成的物理悖谬的视频，有人认为，这些都是事物发展过程必然遇到的正常现象，随着时间的推移，就会好。但另有人却认为，OpenAI、GPT、Sora目前的技术路线根本就不适合作为走向“世界模型”的内核，没有出路。特别值得一提的是，图灵奖获得者、人工智能大牛杨立昆（Yann Lecun）也在近日公开批判Sora不是世界模型，生成式路线注定失败。他认为：仅根据文字提示生成逼真的视频，并不代表模型理解了物理世界，“生成视频的过程与基于世界模型的因果预测完全不同”；认为文本生成之所以可行，是因为文本本身是离散的，有着有限数量的符号，处理预测中的不确定性相对容易。而在高维连续的感觉输入中处理预测不确定性基本上是不可能的。同时也有多位大佬，包括keras的创始人 François Chollet 等也持有相似观点。有专业分析文章认为：Sora 将视频编码映射到隐空间，再切割成时空补丁形成时空令牌，用Transformer学习在上下文中令牌间连接的概率分布，这会导致局部合理与整体荒谬的矛盾（如Sora生成的“幽灵椅子”视频），用Diffusion模型计算传输映射会导致临界态图像的生成被直接跳过，从而造成临界状态的缺失的物理谬误（如Sora 生成的果汁泼溅与小狗视频）。

到底谁是对的呢？

这让我们又回忆起100年前爱因斯坦派们与玻尔派们关于“因果性”及“不确定性的确定性”长达一个世纪的争论。爱因斯坦派们认为量子力学理论是不完备的，认为世界应该是由有明确规律的因果逻辑驱动，“上帝不掷骰子”；而玻尔派们则认为不确定性本身就是确定性，“我们不应该别去指挥上帝应该怎么做”。这场世纪论战直到今天还没有完全尘埃落定。

今天看来，OpenAI与Yann Lecun之争与百年前爱因斯坦与玻尔之争极为相似。

现代人工智能推进的核心目标是“世界模型”，即能真正理解物理世界运行的模型，这一点是已经达到共识的，具有争议的是如何制造世界模型，谁才是真正的世界模型？OpenAI与Yann Lecun的争论实际上代表了两种技术路线之争：OpenAI GPT以及刚发布的Sora，简单讲是采取大数据的思路，让AI从大数据中自行学习物理世界运行规律。这显然是不会严格遵循因果论的，因为从大数据中学到什么就是什么，可以不需要因果推导。这个观点舍恩伯格在最早的《大数据时代》著作中就作了清晰的表述。而另一种思路就是物理世界运行是本质上是由物理规律和数学公式驱动的，从大数据中永远无法真正理解物理世界。比如1+1等于2，本来是确定的，而从大数据中学习，反倒可能得出来2.1。而GPT最厉害的自然语言生成，是因为自然语言是离散的，所以基于大数据会有很好的效果，但对如视频这样对连续运行的多模态物理世界模拟，长远讲，大数据的思路就不通。

目前我们还不好判断谁是对的，可以借用朋友的一句话：“结论还要看看进展。但关键是怎么解读世界模型了，如果是人类凭直觉感知的世界模型，我觉得GPT与sora有机会，如果是物理定律定义的世界模型，GPT与sora就还不知道在哪”。

不过有一点是确定的：就是OpenAI的GPT与Sora将在实践中发挥巨大的作用，推动人类社会发生翻天覆地的变化，从而进入新的数字智能时代！这一情形和当年爱因斯坦与玻尔的世纪争论时也是一模一样：无论量子力学的理论是否完备，但是量子力学在推进人类进步过程中发挥的重大作用却如日月新天般，并且是不可否认、不可逆转的。因此，无论如何，对大模型，我们应该跟踪它、学习它、应用它，来改变自己的技术，改变自己的业务，改变自己的行业，改变我们的世界！

是的，上帝掷不掷骰子？这个世界之辩，又来了！但历史重演的重点并不是争论又来了，而是人类社会发生重大转型与进步的时代又来了！