在過去的一周裡，相信大家的朋友圈都被乙個詞刷過：sora。
2月16日凌晨，在沒有任何預警和訊息披露的情況下，OpenAI突然發布了首款文盛模型：SORA，大幅重新整理了行業多個指標，一次性將生成時間提公升了15倍，顛覆了該領域生成式AI的全球市場格局。
OpenAI新人氣SORA熱度持續發酵，以黑馬身份佔據各大平台話題中心——馬斯克感嘆“人類甘願賭博輸”; 楊麗坤批評“SORA不是世界模型，引數數量可能只有30億”; 周弘毅預測“AGI的實現時間將從10年縮短到1年”......
似乎在一夜之間，人們又回到了一年多前那個焦慮的“chatgpt時刻”。 在爭議之外，索拉的“牛”在哪裡？ 對於創業者和行業來說，會不會引出“**？
丁博士在人工智慧領域擁有20多年的研究和工作經驗，曾為矽谷公司PayPal創立了人工智慧平台，並出版了《生成式AI》一書。 中信學院邀請丁磊博士從資深從業者的角度為我們梳理思路。
來源 |中信書院 （ID： CITICBOOK） 作者 |編輯：丁磊|三昧。
從文字到**sora是多麼“可怕”
OpenAI 發布了 Sora 基於一段文字生成的 60 秒**，要知道不久前，谷歌最新的**生成模型 VideoPoet 發布，它的生成**只有 10 秒。
當然，SORA的突破不僅僅在時長上，這60秒**，無論是流暢度和穩定性，還是對光影反射、運動模式等細節的處理，尤其是對物理世界的學習能力，都表現出了非常高的水平。
那麼，Sora究竟是如何根據一段文字生成如此驚人的**的呢？
我們知道**是由一幀一幀連線起來的，如果我們想理解“文字生成”，首先要理解“文字生成”。
近兩年，隨著Midjourney、Stable Diffusion、Dall-E等一流世代工具的出現，以及效能的公升級和強化，幾乎與ChatGPT一起，人們對生成式AI的關注度被推到了前所未有的高度。 這些工具能夠根據提示建立非常不同的風格和豐富的內容，並且它們對細節的處理已經相當不錯（參見圖 1）。
圖1：生成工具生成的影象源：這些生成工具的背後，是一條叫做擴散模型的關鍵技術，它可以連續地將乙個類似馬賽克的**與提示詞提供的資訊結合起來，多次還原，最終形成乙個完整清晰的**。
擴散模型的完整擴散過程包括正向擴散和反向擴散兩個過程（如圖2所示），在正向擴散過程中，**通過逐漸新增高斯雜訊而變得模糊，在反向擴散過程中，通過學習正向和反向過程對模型進行訓練，並將兩者結合起來，形成最終的擴散模型。
圖2：擴散模型擴散過程。
既然我們有了**，為了得到最終的**，我們需要想辦法讓**移動，這需要著名的變形金剛模型。
Transformer 模型是乙個強大的模型，用於處理各種序列問題，乙個是文字生成，ChatGPT 使用 Transformer 模型根據使用者輸入的提示詞生成連續的文字內容。 另一種型別是生成，因為它本質上是由連續的幀組成的，我們也可以將其理解為影象資料的序列，無非是它在影象領域的自然延伸。
在實踐中，SORA將**分解為更小的資料單元補丁（時空片段），每個補丁相當於文字序列模型中的乙個令牌（token），這也是SORA最重要的概念之一。
從SORA生成的**中，我們似乎能夠感知到，它就像擁有了理解世界常識的能力，能夠準確地模擬事物在現實世界中的真實表現，比如最基本的動作連貫性、流體操作的形狀、與動物的光影變化、 物體尺寸的比例等，無不呈現出彷彿在現實生活中拍攝的**，令人嘆為觀止。
例如，給出提示：“鏡頭跟隨一輛白色老式 SUV，頂部有乙個黑色行李架，它加速穿過一條被松樹包圍的陡峭土路，地形陡峭，車輪捲起灰塵。 SORA生成汽車在山間馳騁的**（圖3），而“世界模型”需要**車輪胎與路面的相互作用形成的車輪痕跡，汽車疾馳時揚起的灰塵，以及一系列的光影變化。
圖 3：SORA 生成的 ** 部分截圖 來源：OpenAI 官網。
SORA的出現，不僅在生成領域帶來了新的應用體驗，也讓人們對生成式AI有了新的認識和思考，它具有生成內容和理解世界的能力。
三維看SORA引起的“**”
SORA真正令人驚奇的是，該模型可以理解物體在物理世界中的存在和執行方式，並且該模型可以學習物理世界的規律並準確模擬真實的物理世界。 隨著這種能力的進一步深化，SORA驅動的人工智慧的跨越式發展，將大大拉近我們與未來更加通用的智慧型世界的距離。
點燃AI產業投資熱情。
資本市場一直非常敏感，SORA引爆了資本對AI產業的投資熱情，涉及AI概念的整體軌跡，更多的人看到了生成式AI的發展和希望。 其中，科技巨頭仍走在前列，國內外科技巨頭都在加大對AI技術的持續投入。
隨後，無論是網際網絡、資訊、金融、零售等行業，都有更多企業宣布積極投入大模型和AI相關布局的研發。 越來越多的投資者也意識到，要使人工智慧在特定行業得到更廣泛和更深入的應用，需要更多的投入和耐心，這對生產力水平的提高和產業結構的調整和發展也具有深遠的意義。
給行業帶來了“巨大的地震”
最先受到影響的無疑是影視、短片、廣告、互動娛樂等。 SORA可以快速生成高質量的**內容，大大降低了特效和高風險鏡頭的製作成本，提高了內容製作的效率。 借助SORA，廣告公司可以快速建立滿足市場需求的最佳廣告，縮短從創意到成品的週期。
而這將是一把雙刃劍，**內容製作成本和門檻將大大降低，同時也會加劇行業競爭，它對創作者提出了更高的要求，創作者必須不斷創新，才能保持自己作品的吸引力和市場占有率。
我們離失業還很遠嗎？
不僅**，生成式AI帶動了文字、影象、音訊等各種內容生成技術的快速發展，應用場景的快速演進，將影響到各行各業，這也加劇了人們的擔憂和擔憂，有人不禁感嘆“矽基生命終將取代碳基生命”和“AI接管人類社會的步伐正在加快”。 有些人可能會選擇完全“躺平”，認為人工智慧進化得太快了，甚至可以學習物理世界，而我們離失業還很遙遠！
目前，各種生成式AI模型仍處於發展階段，還有待進一步應用，現在談論它們是否能取代人類的工作還為時過早，但這並不能否認AI的影響。 人工智慧帶來的變化深深植根於各行各業，深深植根於我們生活的每乙個角落。
人工智慧的快速發展將大大提高生產效率和工作方式，重新定義人在工作中的位置。 隨著越來越多的新職業和新崗位的出現，如AI產品經理、提示工程師、AI創作者、AI調音師等，這些職業的需求和數量將逐漸增加，可以說AI也會帶來職業結構的變化。
與其說是AI取代了從業者，不如說是AI取代了枯燥繁重的工作內容，AI不會淘汰人類，而是淘汰落後的生產力。 當談到人工智慧時，我們不應該將其視為競爭對手，而應將其視為我們合作、訓練和使用的合作夥伴。 俗話說，君子不一樣，做事就行。
從SORA到世界模型的生成式AI的未來就在這裡。
面對SORA帶來的衝擊，人們的反應也可以說是喜憂參半。 一方面，我們見證了生成式AI的又乙個“奇蹟”，另一方面，我們或許會發現，大型語言模型離解決實際問題還很遙遠，“馴服”大型模型還需要時間。
一些研究聲稱，隨著越來越多的人使用它，大型模型似乎變得更笨，甚至出現了“幻覺”。 造成這個問題的主要原因是，目前主流的生成模型仍然缺乏對物理世界的理解，以至於普通人容易回答的問題在大模型眼中無法給出正確的輸出。
SORA的出現讓我們更加意識到了這個問題，也為生成式AI的未來發展提供了方向，就是讓大模型理解和學習物理世界，建立大模型與物理世界的聯絡。 這將不可避免地導致人工智慧的新應用和突破。 有人認為，SORA意味著實現通用人工智慧的時間大大縮短。
人腦感知事物的過程類似於模型。 從認識論的角度來看，在人腦的認知過程中，逐漸形成了乙個“世界模型”。 人們的主觀知識不一定從一開始就符合現實規律，而是通過不斷的實踐和不斷的比較，對模型得到的預期結果和實踐結果進行修正，以縮小模型與實踐的差異。 這種調整機制可以使人腦的世界模型更接近真相。
這就好比說，體育是人類對物質世界的認知和學習過程的體現。 以桌球為例，運動員一開始就可以掌握最簡單的推攻技巧，一般可以處理常規的來球，回球路線也符合他們的預期。 隨著來球速度和旋轉的變化，球員發現很難完全應對之前的接球技巧，回球時而入網，時而出網。
球員們逐漸意識到，他們可以通過調整球拍接球的強度和角度來應對不同的來襲情況。 隨著來球變得越來越多樣化，大腦變得越來越複雜，構建乙個“世界模型”，然後很容易處理場上的任何情況。 這就是人類“世界模型”認知和學習的過程。
“世界模型”也是心理學和工程學科學中的乙個重要概念。 例如，知名 AI 科學家 Yann Lecun 在談到機器智慧型時提到了世界模型的重要性：世界模型模組構成了架構中最複雜的部分，其作用包括估計有關世界狀態以及世界未來狀態的缺失資訊（圖 4）。
圖 4：自主智慧型的系統架構（從原始圖中簡化） 資料來源：Yann Lecun，“通往自主機器智慧型的道路”。
世界模型可以看作是世界相關方面的一種“模擬器”，它模擬了真實的物理世界，使機器和人類一樣，對世界有了全面而準確的理解，可以是世界的自然演化，也可以是特定行為產生的未來世界狀態。
回到SORA的討論，SORA帶給人們的震撼是，它似乎通過學習，在物理場景中不斷創造乙個“知識系統”，通過整合這些知識，產生高質量的內容，為人類帶來真實的視覺體驗。 當然，如果我們以“世界模型”的標準重新審視當前一代的結果，SORA距離真正意義上的“世界模型”還有很長的路要走。
一方面，SORA在處理複雜的場景和物理效果時仍然存在一些缺點。 例如，當場景涉及多個物體的互動或複雜的物理運動時，SORA可能會出錯或偏差。
另一方面，SORA主要依靠大量的訓練資料來學習**的生成規律，雖然有效，但在一定程度上限制了其在新場景下的泛化能力。
一旦AI與物理世界建立了連線，學會了“世界模型”，AI的推理和先進能力將實現突破，這將在許多應用場景和專業領域大有可為。 這樣的AI能夠執行複雜的任務和操作，甚至能夠完全模仿人類智慧型的行為，最終實現通用人工智慧。
引領科技革命。
為什麼這次又是美國？
我為矽谷公司PayPal建立了乙個資料科學平台，服務全球使用者，我在AI領域有20多年的研究和工作經驗。 在矽谷工作多年，我很清楚為什麼像 OpenAI 和 Sam Altman 這樣的人會出生在矽谷——是矽谷的“工程師文化”造就了他們。
OpenAI是美國矽谷重視工程師地位的文化土壤，有著很強的“工程師文化基因”，簡單來說就是工程師可以引領研發，擁有更大的自主權，擁有更大的創造力空間。
同時，OpenAI堅持產品驅動，沒有知識分子的明確高度，無論是Transformer還是Instruction Tuning等演算法模型，它都不會因為別人發明而迴避它，而是堅持“要麼接受，要麼放棄”的原則，繼續在自己的大模型中努力。 對於乙個企業來說，最大的價值創造永遠在使用者使用的產品中。
那麼，為什麼谷歌這樣的大公司很難在人工智慧領域的研發上超越OpenAI呢？
乙個關鍵因素是，這些大公司仍然按照原有的軟體開發方法開發新的AI技術，將任務拆分為不同的細分領域，多部門人員負責細分業務，這就是“養雞模式”。
以大模型訓練為核心的新興AI技術研發本質上是一項艱鉅的任務，這就要求核心領導層在技術、產品、業務層面具備端到端的願景和管理能力。 這更像是一種“育兒模式”，家長需要站在大局觀上，親自教導和訓練孩子，也就是說，孩子的教育不需要那麼多老師，核心人物也就只有少數。 根據 OpenAI 發布的 SORA 技術報告，SORA 創作團隊只有 13 人。
值得一提的是，OpenAI的CEO山姆·奧特曼（Sam Altman）個人能力非常強，不僅懂技術，還懂業務運營，甚至在去年年底發生舉世聞名的“公鬥”事件後，他都能迅速回到原來的位置，可見他的影響力之強。 正是有了這樣一位統控公司整體運營模式，避免過於受股東約束的領導者，OpenAI才能始終走在AI技術創新的最前沿。
就AI產業的發展而言，中國的人才不亞於美國，想要在AI競爭中快速佔據有利位置，不妨加快布局，充分尊重模型訓練本身的規律，用客觀全面的AI思維迎接新一輪的挑戰。
在我的新書《生成式人工智慧：AIGC的邏輯和應用》中，我詳細研究了AIGC的未來趨勢及其對個人的影響。
推薦閱讀]丁磊的《生成式人工智慧》闡述了人工智慧的未來，這是一本了解AIGC邏輯和應用的書。
本文為原創，**轉載請註明出處：中信書院。