该公司展示了一些令人印象深刻的样本片段，从一对夫妇走过雪地，到机载摄像机平稳地跟踪一辆白色老式SUV在土路上行驶。

对于生成式人工智能技术来说，这无疑是一个相当大的飞跃——也许在视频之外的领域也是如此。事实上，OpenAI 已经将 Sora 称为“世界模拟器”，能够理解我们周围三维世界的重要方面，无论是输出类似 CGI 的数字景观场景还是一个女人走下来的视频夜晚霓虹灯闪烁的街道。

该公司写道：“我们的结果表明，扩展视频生成模型是构建物理世界通用模拟器的一条有前途的途径。”

“它学习 3D 几何形状和一致性，”Sora 研究科学家 Tim Brooks告诉Wired。“我们并没有将这一点纳入其中——它完全是通过查看大量数据而得出的。”

从广义上讲，Sora 是扩散变压器模型的自然演变，迄今为止该模型主要用于人工智能生成高分辨率图像。简而言之，扩散模型的工作原理是逐渐向原始图像添加噪声，然后逐步学习如何消除这些噪声，从而创建新图像。

为了训练 Sora，OpenAI 为其提供了大量带字幕的视频，以在视频片段和文本输入之间建立联系。

除了根据提示生成全新的片段外，Sora 还可以扩展现有剪辑或将人工智能生成的图像转换为视频。

在开发 Sora 时，OpenAI 研究人员观察到“在大规模训练时会出现许多有趣的新兴功能”。例如，根据该公司的文件，它可以“模拟现实世界中人、动物和环境的某些方面” 。

生成的剪辑显示，Sora 可以在平移、跟踪或缩放时生成具有动态且极其平滑的摄像机移动的镜头，展示了对 3D 空间的相当程度的明显理解。

令人着迷的是，该公司甚至似乎暗示这项技术可以发展成为一个游戏平台。

该公司写道：“这些功能表明，视频模型的持续扩展是开发物理和数字世界以及生活在其中的物体、动物和人类的高性能模拟器的一条有前途的道路。”
与此同时，索拉还远非完美。其一，该模型仍然没有完全理解因果关系。

该公司写道：“例如，一个人可能咬了一口饼干，但之后饼干可能没有咬痕。”

另一个片段显示一个玻璃杯泄漏了里面的东西，但实际上并没有先破碎。

尽管有其局限性，Sora 可能是对未来的早期一瞥，在这个未来中，人工智能生成的视频很快就会变得无法与真实的东西区分开来。

OpenAI 非常清楚该技术被滥用的可能性。因此，该公司选择慢慢向“红队人员推出该工具，以评估关键领域的危害或风险”。项目研究员比尔·皮布尔斯 (Bill Peebles) 告诉《连线》杂志：“我们将非常谨慎地考虑由此带来的所有安全影响。 ”

原文链接：https://futurism.com/openai-sora-ai-simulate-worlds