AI恐怖體操視頻腿腳亂飛、大變活人，LeCun：視頻生成模型根本不懂物理
一段AI生成的體操視頻，引發(fā)近百萬(wàn)網(wǎng)友圍觀，LeCun等一眾大佬還因?yàn)樗称饋?lái)了。
體操表演，emmmm怎么不算呢？
通過(guò)視頻右上角的水印，此段視頻正是由那個(gè)一度被認(rèn)為是“下一代”文生視頻的Dream Machine（來(lái)自Luma AI）生成的。
大伙兒看后紛紛坐不住，圍繞此討論的，是AI視頻領(lǐng)域的一個(gè)熟悉的話題：AI是否理解物理規(guī)律。
LeCun直接開麥：
視頻生成模型不理解基本物理知識(shí)。更不用說(shuō)人體了。
華盛頓大學(xué)計(jì)算機(jī)科學(xué)教授Pedro Domingos看后也“搖了搖頭”：
AGI可能并不會(huì)像一些人預(yù)期的那樣即將到來(lái)。
畸變?nèi)甘畴x譜
自Sora問(wèn)世以來(lái)，“AI是否理解物理規(guī)律”這個(gè)話題就被越來(lái)越多人關(guān)注。
下面這段Sora生成的“寄居蟹用燈泡當(dāng)外殼的夜間場(chǎng)面”是個(gè)經(jīng)典的例子，海浪與沙灘的互動(dòng)非常細(xì)膩，寄居蟹腿上的纖毛也活靈活現(xiàn)。
對(duì)比真實(shí)拍攝的類似場(chǎng)景照片，也就燈泡沒(méi)有電源不應(yīng)該亮這一個(gè)明顯破綻了。
最近Luma AI的Dream Machine也一樣，生成的第一視角探廢棄房子真實(shí)感拉滿：
由此，不少人認(rèn)為Sora、LUMA等的視頻生成模型已經(jīng)理解了簡(jiǎn)單的物理規(guī)律。
然鵝，這次被放出的視頻著實(shí)有點(diǎn)太離譜。
不僅腿腳亂飛，頻頻上演大變活人：
就這高難度的空中懸浮翻跟頭，也是牛頓都要被氣活了的節(jié)奏：
以至于網(wǎng)友看后還表示，說(shuō)恐怖大可不必，說(shuō)搞笑還差不多。
如此抽象，LeCun直接評(píng)論視頻生成模型不會(huì)懂物理。
他還進(jìn)一步解釋，Sora或者其它視頻生成模型都有類似的問(wèn)題，視頻生成技術(shù)無(wú)疑也肯定會(huì)隨時(shí)間推移而進(jìn)步。
但：
真正理解物理的學(xué)習(xí)系統(tǒng)并不會(huì)具有生成性。就像鳥類、哺乳動(dòng)物等比任何視頻生成系統(tǒng)更了解物理。然而，它們都不能生成詳細(xì)的視頻。
類似還有另一種思考：
即使AI視頻生成模型之后會(huì)進(jìn)化的很好，生成的視頻質(zhì)量“完美”，那么就意味著它理解物理了？
LeCun等的觀點(diǎn)，立馬引起網(wǎng)友的質(zhì)疑：
鳥和哺乳動(dòng)物也會(huì)生成詳細(xì)的視頻，只不過(guò)是在大腦中生成無(wú)法將其具像化。
然鵝，這種反駁并未說(shuō)服LeCun。
此外，還有不少人持反對(duì)意見。
例如，谷歌DeepMind/Brain團(tuán)隊(duì)研究員Lucas Beyer就指出：
這就像是展示一個(gè)由幾年前的Dall·E mini生成的圖像，然后稱當(dāng)前的圖像生成方式注定失敗一樣。
畢竟，之前生圖模型生成的圖像be like：
至于模型會(huì)生成如此離譜的視頻？
有網(wǎng)友認(rèn)為是缺乏體操表演數(shù)據(jù)，還有網(wǎng)友認(rèn)為是身體部位的模糊處理，使得模型無(wú)法理解人體結(jié)構(gòu)，繼而不能保證肢體動(dòng)作的連貫性。
視頻生成在計(jì)算上更為復(fù)雜，并且具有高度的上下文相關(guān)性，對(duì)詳細(xì)標(biāo)注的訓(xùn)練數(shù)據(jù)有更大的需求，這些需求現(xiàn)在還未得到充分滿足。
前段時(shí)間SD 3翻車，同樣對(duì)人體生成效果不好，網(wǎng)友也討論過(guò)這一問(wèn)題，過(guò)于嚴(yán)格的數(shù)據(jù)審核，可能誤刪了一些無(wú)害的成人圖像，影響了模型對(duì)人體結(jié)構(gòu)的理解。
One More Thing
除了Luma AI的Dream Machine生成體操視頻大翻車，Runway的Gen-3也……
同款三頭六臂：
同款空中懸浮絕活：
本文轉(zhuǎn)自 量子位 ，作者：量子位
