與此同時，知名 AI 學者、Meta AI 研究科學家田淵棟也認為，關(guān)于 Sora 是否有潛力學到精確的物理(當然現(xiàn)在還沒有)，其背后的關(guān)鍵問題是：為什么像「預(yù)測下一個 token」或「重建」這樣簡單的思路會產(chǎn)生如此豐富的表示?

他表示，損失函數(shù)如何被激發(fā)的并不重要，損失函數(shù)的設(shè)計動機(無論多么哲學化或復雜)并不直接決定模型能否學習到更好的表示。事實上，復雜的損失函數(shù)可能與看起來很簡單的損失函數(shù)實際上產(chǎn)生了類似的效果。

最后他稱，為了更好地理解事物，我們確實需要揭開 Transformers 的黑匣子，檢查給定反向傳播的訓練動態(tài)，以及如何學習隱藏的特征結(jié)構(gòu)，并探索如何進一步改進學習過程。

田淵棟還表示，如果想要學習精確的物理，他敢打賭需要主動學習或者策略強化學習(無論如何稱呼它)來探索物理的精細結(jié)構(gòu)(例如物體之間的相互作用、硬接觸)。

其他觀點：Sora 被認為是「數(shù)據(jù)驅(qū)動的物理引擎」太荒謬

除了眾多 AI 圈大佬之外，也有一些專業(yè)性的觀點開始反駁 Sora 懂物理引擎這一說法。

比如下面這位推特博主，他認為 OpenAI 是數(shù)據(jù)驅(qū)動的物理引擎這一觀點是荒謬愚蠢的， 就好像收集了行星運動的數(shù)據(jù)并將它們喂給一個預(yù)測行星位置的模型，然后就得出該模型內(nèi)部實現(xiàn)了廣義相對論的結(jié)論。