【IT之家 2 月 23 日热点】OpenAI 最新推出的 AI 视频生成模型 Sora 在面世之初便聚焦了业界目光，然而，这一技术革新并未赢得 Meta 首席人工智能科学家、被誉为“人工智能教父”之一的 Yann LeCun 的认同。他直言不讳地指出，Sora 想要实现构建通用物理世界模拟器的目标，在当前方法下实为偏离正轨之举。
    LeCun 在其社交媒体平台 X（原 Twitter）上发表了尖锐的观点：“以生成像素的方式来模拟现实世界的行为，类似于过去被广泛摒弃的‘通过合成进行分析’的方法，这不仅是对资源的巨大浪费，而且注定走向失败。”他强调，此类尝试犹如在计算足球运动轨迹时，却过度关注每个足球材料的微观作用，而非仅仅依赖质量和速度这些关键因素，这种做法在解析三维空间中复杂的预测不确定性时显得效率极低且无实际意义。
    对于生成模型与判别模型这场旷日持久的辩论，LeCun 坚持认为，生成模型采用“解释性潜在变量”生成像素的路径并不高效。尽管生成式模型在诸如 ChatGPT 等大型语言模型领域取得了显著成果，因为文本数据具有离散性和有限符号数量的特点，但在模拟真实世界的复杂场景如 Sora 所做的那样，挑战显然更为艰巨。
    为了提供另一种可能的选择，LeCun 上周在 Meta 公布了他的最新研究成果——名为“视频联合嵌入预测架构”（V-JEPA）的模型。Meta 官方博客透露，相较于 OpenAI 的生成式方法，V-JEPA 能够筛选并丢弃不可预测的信息部分，从而将训练和样本效率提升至原来的1.5到6倍。
    总结来说，LeCun 对 OpenAI Sora 模型的质疑，不仅折射出他对现有模拟技术路线的深度反思，也通过 V-JEPA 的提出，为理解并模拟世界的运转方式提供了全新的视角和解决方案。这场关于生成模型与判别模型的较量，无疑再次激发了人工智能领域的热烈讨论与深入探索。