人民大学高瓴教授为Sora吵起来了(图)

2024-03-27 | 来源: 智东西 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

正方黄文炳：Sora懂物理世界！

角度一：Sora生成的视频具有时间连续性、空间不变性，捕捉了光影变化，这些都与物理世界规律相符，因此Sora学到了基本物理规律。

角度二：不同于物理学规律，物理规律是指大多数人在现实生活中的直接感受，比如球从高处往低处掉，而非物理学家基于数据推导出的严谨理论。可以看到，Sora生成的绝大部分的视频都是满足日常生活中物理规律的运动。

Sora懂不懂物理世界？这里的物理世界，不是指物理学家的世界，而是大多数人懂得且能感受到的一般物理世界。

角度三：以图灵测试为例，如果无法区分被测试者是AI还是人，就代表这个AI系统具备了智能。那么只要Sora生成的东西，大家通过常理判断出来是真的、没办法区分出是人还是AI的，我们认为它就是“懂”的。

反方孙浩：正方辩友被Sora的表象欺骗了，对物理规律的理解存在偏差。

首先纠正下对物理世界的基本定义：物理世界是指自然规律和物理定律支配的空间，如守恒、对称等，包括能观察到的物质及基本运动现象，是客观存在的，如果Sora懂物理世界，那么它生成的视频必然能够准确模拟和刻画相关的规律，但目前Sora并不能做到。

其次，Sora的基本运行机制是基于扩散Transformer对视频、语言数据进行压缩，学习期分布。但基于视频和语言有限维数据生成的视频，停留在视频的表象，只能达到“逼真”的效果，离“真实”相差甚远。传统动画渲染也可以达到类似的效果，这并不能代表Sora具有模拟和理解现实世界的能力。

但我们也没法否定Sora在创作设计、视觉效果等领域的巨大潜力。

正方魏哲巍：物理学家费曼说过：“What I cannot create, I cannot understand. ”提出生成即理解的观点。从数学角度来看，这句话的逆否命题就是：我能够理解的，我就能生成。反过来看，是不是生成的就能理解呢？我认为是。

人类对物理世界的理解并不完全依赖于物理公式。比如水浪表象背后有一系列波动方程，大多数人都理解水的物理形态、波动过程，但不会懂动力学方程，也不会通过动力学方程去理解。

东京大学研发的仿人机器人"武藏" 可以驾驶汽车

这项全球大学排名加国五大学上榜

培养亿万富翁最多的12所美国大学

牛顿抽象出重力学方程的过程，是不是真的有个苹果砸到脑袋后就突然蹦出一个方程？其实不是的，他从很早之前的各种公式、论文中推导出来，绝对不是仅仅有视频就能把方程推导出来。

但从人理解物理世界的角度来说，我们跟Sora一样，所以我们认为Sora既然生成了，那么它就是理解了。

反方徐君：Sora不能理解物理世界的一个重要原因是，它企图从大量非实验数据中发现物理规律，也就是说不做实验，而是被动地观察世界。

基于统计因果中的结论“非干预，不因果”，如果不能施加干预，算法就不能发现统计因果规律；如果连统计的因果规律都发现不了，就更不要说表述物理现象因果关系的物理规律了。

所以无论是Sora还是ChatGPT，如果只是被动收集数据来训练大模型，它会被欺骗，只能学习到相关关系，而非因果关系，很难学到真正的物理规律。

人类发现物理规律的过程中，反直觉的思考和假设很重要。比如在现实生活中，按照直觉，亚里士多德的直觉观念“物体在不受力的情况下会保持静止”没什么错，但伽利略、牛顿发现了反直觉规律——物体在不受力的情况下会保持匀速直线运动。

因此，以直觉为主导的推理方法是靠不住的，基于直接观察的直觉结论并不总是可靠。Sora如果仅仅依托直觉去拟合非实验的观测数据，不引入反直觉思考，不干预世界，则发现不了真正的物理规律。

正方宋睿华：我方认为这种观点太“以人为中心”，完全错误地阐释了什么叫物理世界。物理世界不应仅限于人类能理解的范畴，无论有没有人，这个世界都是物理世界。

机器学习模型通过数据学习的过程与物理学家建立和优化模型的过程相似。机器学习有了一些模型和未知的参数，同时在现实数据上定义一个损失或者人类反馈，再进行优化；物理学家也采用类似的方式，先反直觉地发明一些公式，加入一些参数，在理想化假设条件下做一些实验数据，再公式有多大的计算损失，接着进行充分思考，从而优化模型。

今天的神经网络的拟合能力可以逼近任何函数，可以表示更为复杂的函数，比之前那些聪明的物理学家所知道的公式范围还要大。如果神经网络这样的学习过程都不能被称为智能，难道人就是吗？为什么非要是人提出的公式、做的实验才叫智能呢？