近日，由OpenAI研发的视频生成模型——Sora，在国际科技界引发了广泛关注。彭博社提供的一段以"Sora"根据提示词生成的视频作品成为焦点，该视频描述为：“在哥斯达黎加翠绿丛林的黄金时刻，一只鹦鹉穿越丛林，降落在树枝上，与一群猴子共享水果盛宴，场景采用35毫米胶片拍摄风格。”然而，通过外媒体验后的深度解析，揭示了Sora在模拟真实世界物理规律上的明显局限性。2月23日，一段依据记者提供的上述提示词生成的10秒演示视频中，尽管初看之下鹦鹉飞越丛林的画面并无异常，但细心观察却暴露出不少问题：鹦鹉飞行时翅膀形态扭曲；虽提示为单只鹦鹉，画面中却出现了多只；甚至有一只猴子在画面中拥有鹦鹉般的尾巴。尽管Sora在视频生成能力上展现了显著的进步，但其对复杂场景的精确建模及物理因果关系的理解仍有较大差距。
OpenAI Sora项目负责人Bill Peeble对此表示，“Sora能够处理如此复杂的场景并生成视频确实展现了一次飞跃，但在片段的不同阶段，我们仍会发现一些奇特的动作现象。”OpenAI团队坦言，Sora距离达到理想状态还有漫长的路要走，目前可能难以精准模拟物体间的互动、理解和呈现因果逻辑，例如饼干被咬后不见痕迹、空间细节混淆以及随时间推移事件的连续性表达等难题。
近期，Meta首席科学家杨立昆和AI科学家马库斯等人也纷纷指出Sora尚无法深入理解人类物理世界。杨立昆强调，仅凭逼真的视频生成并不能证明模型真正理解物理世界，这一过程与基于世界模型进行因果预测有着根本不同，存在巨大的误导可能性。而马库斯则评论道，虽然Sora制作的短视频片段乍一看惊艳无比，但仔细审视便能发现系统对常识的理解仍然欠缺。
相较于文本到图像的即时生成，Sora每段视频的产出需要更长的计算时间和资源。据Peebles透露，Sora并非实时运行，生成一个视频所需的时间足以让人去享用一顿餐点。目前，OpenAI仅为评估风险的安全团队（红队成员）以及部分视觉艺术家、设计师和电影制作人开放了Sora访问权限，以便获取专业反馈来改进模型。
OpenAI发言人Natalie Summers补充说明，Sora尚未设定明确的发布时间表，原因在于公司正致力于降低与选举相关的安全风险。鉴于2024年全球多地将举行选举，各方对于超现实人工智能深度伪造技术可能被用于误导选民的担忧日益增长，此时推出强大的新型视频生成工具显然不合时宜。同时，关于Sora的训练数据基础详情以及向公众开放的具体日期，OpenAI目前并未对外公布。
