人民大學高瓴教授為Sora吵起來了(圖)

2024-03-27 | 來源: 智東西 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

最近，中國人民大學高瓴人工智能學院十幾位老師為了Sora掐起架來了！

事情要從春節假期說起。OpenAI發布視頻生成模型Sora後，學院好多老師睡不著覺了，正巧趕上內部述職會，大家討論得愈發激烈，院長文繼榮看熱鬧不嫌事大，拍板說既然內部已經開始鬧分裂了，幹脆把過程公開化。

於是在上周，高瓴人工智能學院舉辦了一場長達2個半小時的AI學術思辨系列講座，在劉勇准聘副教授主持下，學院宋睿華、魏哲巍、徐君、孫浩、許洪騰、陳旭、李崇軒、黃文炳、林衍凱、張驍、毛佳昕、沈蔚然等十余位教師激情對線，掐架互懟，各抒己見，進行了一場既好玩又能引人深思的精彩辯論。

講座包含了兩個學術報告和兩個辯論議題。兩大議題都是Sora和視頻生成模型的關鍵問題：1、智能還是偽裝，Sora到底懂不懂物理世界？2、純數據驅動路線能不能實現通用人工智能？

以下是精華整理：

一、Sora取得了什麼突破？帶來哪些“危”與“機”?

在正式開辯前，中國人民大學高瓴人工智能學院李崇軒准聘副教授科普了Sora的前生今世。

Sora是一個文到視頻生成模型，能根據輸入文本生成高質量、細節豐富的、前後一致的1分鍾視頻，並具有視頻擴展、視頻銜接等編輯功能。

之所以出圈，是因為它在時長、清晰度、一致性、理解能力上取得了非常大的突破。

視頻生成在AI學術界非常火，特別是在2023年進展很快，國內外很多大公司和創業公司都在做，比如谷歌、百度、Runway、Stability.AI、Pika等，高瓴人工智能學院自己也孵化了一家，是盧志武教授團隊創辦的智子引擎。

清華教授談布林肯訪華: 抓住大選前“窗口期”穩定中美關系(圖)

美國大學示威潮：南加州大學宣布取消主畢業禮

美大學示威延燒川普稱比起維州右翼集會小巫見大巫

Sora的底層邏輯是通過收集大量的視頻-文本數據，對其進行壓縮、分塊表示、序列化，再用使用Transformer架構生成序列塊後解碼為視頻。

其訓練方式借鑒了文生圖技術，通過去噪從隨機噪聲中生成數據；網絡結構參考了大語言模型，核心技術是面向圖像生成的擴散Transformer（DiT）。

Sora具備極強的可擴展性，並能夠刻畫世界交互行為或進行數字模擬，體現出模型的湧現性。其局限性是仍不能把握更為廣泛的物理場景。

第二個學術報告是由中國人民大學高瓴人工智能學院許洪騰長聘副教授帶來的，題目為《Sora帶來的“危”與“機”》。

他提到由於生成式AI的加持，人們在生產和生活中將進一步實現“所思即所得”，思維成為了最核心的生產力，語言成為了最核心的生產資料。

在這一背景下，中國人民大學研究團隊在大語言模型、跨模態生成、具身智能、模擬經濟環境輔助決策等領域有著多方面的研究。從廣義的設計、生產、治理方面而言，語言成為最核心的生產資料，人們進入了“創造力平權”時代。

但這種影響也直接導致了生成的幻象對現實世界的逼近和幹擾，使得人們同時進入了“後真相”時代，將使多個領域面臨新的挑戰。如新聞方面將面臨假新聞和社會矛盾激化的問題，司法層面需要新的證據形式和新的知識產權邊界。

總之，許洪騰認為，Sora帶來的科技變革會對世界秩序產生新的影響。

二、議題一：智能還是偽裝，Sora到底懂不懂物理世界？

在兩個學術報告後，高瓴人工智能學院正反雙方激情開辯，第一個議題是“智能還是偽裝，Sora到底懂不懂物理世界？”，核心觀點如下：