我要评论一段 ai 生成的体操视频，引发近百万网友围观，lecun 等一众大佬还因为它吵起来了。
体操表演，emmmm 怎么不算呢？
通过视频右上角的水印，此段视频正是由那个一度被认为是“下一代”文生视频的 dream machine（来自 luma ai）生成的。
大伙儿看后纷纷坐不住，围绕此讨论的，是 ai 视频领域的一个熟悉的话题：ai 是否理解物理规律。
lecun 直接开麦：
视频生成模型不理解基本物理知识。更不用说人体了。
华盛顿大学计算机科学教授 pedro domingos 看后也“摇了摇头”：
agi 可能并不会像一些人预期的那样即将到来。
畸变确实离谱
自 sora 问世以来，“ai 是否理解物理规律”这个话题就被越来越多人关注。
下面这段 sora 生成的“寄居蟹用灯泡当外壳的夜间场面”是个经典的例子，海浪与沙滩的互动非常细腻，寄居蟹腿上的纤毛也活灵活现。
对比真实拍摄的类似场景照片，也就灯泡没有电源不应该亮这一个明显破绽了。
最近 luma ai 的 dream machine 也一样，生成的第一视角探废弃房子真实感拉满：
由此，不少人认为 sora、luma 等的视频生成模型已经理解了简单的物理规律。
然鹅，这次被放出的视频着实有点太离谱。
不仅腿脚乱飞，频频上演大变活人：
就这高难度的空中悬浮翻跟头，也是牛顿都要被气活了的节奏：
以至于网友看后还表示，说恐怖大可不必，说搞笑还差不多。
如此抽象，lecun 直接评论视频生成模型不会懂物理。
他还进一步解释，sora 或者其它视频生成模型都有类似的问题，视频生成技术无疑也肯定会随时间推移而进步。
但：
真正理解物理的学习系统并不会具有生成性。就像鸟类、哺乳动物等比任何视频生成系统更了解物理。然而，它们都不能生成详细的视频。
类似还有另一种思考：
即使 ai 视频生成模型之后会进化的很好，生成的视频质量“完美”，那么就意味着它理解物理了？
lecun 等的观点，立马引起网友的质疑：
鸟和哺乳动物也会生成详细的视频，只不过是在大脑中生成无法将其具象化。
然鹅，这种反驳并未说服 lecun。
此外，还有不少人持反对意见。
例如，谷歌 deepmind / brain 团队研究员 lucas beyer 就指出：
这就像是展示一个由几年前的 dall・e mini 生成的图像，然后称当前的图像生成方式注定失败一样。
毕竟，之前生图模型生成的图像 be like：
至于模型会生成如此离谱的视频？
有网友认为是缺乏体操表演数据，还有网友认为是身体部位的模糊处理，使得模型无法理解人体结构，继而不能保证肢体动作的连贯性。
视频生成在计算上更为复杂，并且具有高度的上下文相关性，对详细标注的训练数据有更大的需求，这些需求现在还未得到充分满足。
前段时间 sd 3 翻车，同样对人体生成效果不好，网友也讨论过这一问题，过于严格的数据审核，可能误删了一些无害的成人图像，影响了模型对人体结构的理解。
one more thing
除了 luma ai 的 dream machine 生成体操视频大翻车，runway 的 gen-3 也……
同款三头六臂：
同款空中悬浮绝活：
参考链接：
[1]https://x.com/ylecun/status/1807497091964449266
[2]https://x.com/giffmana/status/1807511985807908926
[3]https://x.com/ericdai_bioe/status/1807540558216454281
[4]https://x.com/grady_booch/status/1807556807982010451
发表评论