人民大学高瓴教授为Sora吵起来了(图)

最近，中国人民大学高瓴人工智能学院十几位老师为了Sora掐起架来了！

事情要从春节假期说起。OpenAI发布视频生成模型Sora后，学院好多老师睡不着觉了，正巧赶上内部述职会，大家讨论得愈发激烈，院长文继荣看热闹不嫌事大，拍板说既然内部已经开始闹分裂了，干脆把过程公开化。

于是在上周，高瓴人工智能学院举办了一场长达2个半小时的AI学术思辨系列讲座，在刘勇准聘副教授主持下，学院宋睿华、魏哲巍、徐君、孙浩、许洪腾、陈旭、李崇轩、黄文炳、林衍凯、张骁、毛佳昕、沈蔚然等十余位教师激情对线，掐架互怼，各抒己见，进行了一场既好玩又能引人深思的精彩辩论。

讲座包含了两个学术报告和两个辩论议题。两大议题都是Sora和视频生成模型的关键问题：1、智能还是伪装，Sora到底懂不懂物理世界？2、纯数据驱动路线能不能实现通用人工智能？

以下是精华整理：

一、Sora取得了什么突破？带来哪些“危”与“机”?

在正式开辩前，中国人民大学高瓴人工智能学院李崇轩准聘副教授科普了Sora的前生今世。

Sora是一个文到视频生成模型，能根据输入文本生成高质量、细节丰富的、前后一致的1分钟视频，并具有视频扩展、视频衔接等编辑功能。

之所以出圈，是因为它在时长、清晰度、一致性、理解能力上取得了非常大的突破。

视频生成在AI学术界非常火，特别是在2023年进展很快，国内外很多大公司和创业公司都在做，比如谷歌、百度、Runway、Stability.AI、Pika等，高瓴人工智能学院自己也孵化了一家，是卢志武教授团队创办的智子引擎。

美大学陷入紧张拜登支持言论自由

哥伦比亚大学学生抗议风波,是怎么走到这一步的？

美大学示威延烧川普称比起维州右翼集会小巫见大巫

Sora的底层逻辑是通过收集大量的视频-文本数据，对其进行压缩、分块表示、序列化，再用使用Transformer架构生成序列块后解码为视频。

其训练方式借鉴了文生图技术，通过去噪从随机噪声中生成数据；网络结构参考了大语言模型，核心技术是面向图像生成的扩散Transformer（DiT）。

Sora具备极强的可扩展性，并能够刻画世界交互行为或进行数字模拟，体现出模型的涌现性。其局限性是仍不能把握更为广泛的物理场景。

第二个学术报告是由中国人民大学高瓴人工智能学院许洪腾长聘副教授带来的，题目为《Sora带来的“危”与“机”》。

他提到由于生成式AI的加持，人们在生产和生活中将进一步实现“所思即所得”，思维成为了最核心的生产力，语言成为了最核心的生产资料。

在这一背景下，中国人民大学研究团队在大语言模型、跨模态生成、具身智能、模拟经济环境辅助决策等领域有着多方面的研究。从广义的设计、生产、治理方面而言，语言成为最核心的生产资料，人们进入了“创造力平权”时代。

但这种影响也直接导致了生成的幻象对现实世界的逼近和干扰，使得人们同时进入了“后真相”时代，将使多个领域面临新的挑战。如新闻方面将面临假新闻和社会矛盾激化的问题，司法层面需要新的证据形式和新的知识产权边界。

总之，许洪腾认为，Sora带来的科技变革会对世界秩序产生新的影响。

二、议题一：智能还是伪装，Sora到底懂不懂物理世界？

在两个学术报告后，高瓴人工智能学院正反双方激情开辩，第一个议题是“智能还是伪装，Sora到底懂不懂物理世界？”，核心观点如下：