Sora 發(fā)布至今，雖然仍未正式對外開放，但對其技術(shù)細(xì)節(jié)、切實(shí)影響的討論從未停歇。討論的背后，是為了探索人工智能的更本質(zhì)問題。

對舊有視覺生成思路的檢驗(yàn)和校正，是 Sora 帶來的直觀影響。在此基礎(chǔ)上，Sora 所引發(fā)的思考，如多模態(tài)大模型和物理世界、AGI 技術(shù)實(shí)現(xiàn)路徑等等，更值得深思。

問題之一是，Sora 的生成效果確實(shí)驚艷，較高分辨率和鏡頭多角度變換后的主體一致性，這種程度的生成效果是否意味著 Sora 是世界模型？在能夠生成逼真視頻的基礎(chǔ)上，是否可以說 Sora 可以理解物理世界？

問題之二是，OpenAI 所堅(jiān)信的大力出奇跡的 Scaling Law 邊界在哪？純數(shù)據(jù)驅(qū)動(dòng)路線能不能實(shí)現(xiàn) AGI ？

在此背景下，2024 年 3 月 20 日，中國人民大學(xué)高瓴人工智能學(xué)院舉辦了一場關(guān)于 Sora 的思辯會，碰撞出諸多之前不曾考慮到的觀點(diǎn)，同樣可以引發(fā)行業(yè)內(nèi)人士的深思。

文繼榮院長在辯論會現(xiàn)場談到，ChatGPT 出來后，學(xué)院拿出了「 All in 大模型」的決心；Sora 出現(xiàn)的2024年，全院也在商討新的定位和前進(jìn)路徑，但無論如何終究會回到高瓴人工智能學(xué)院的 Slogan ：創(chuàng)造智能而有溫度的未來。

以下為辯論現(xiàn)場實(shí)錄，AI 科技評論在不影響語意的前提下進(jìn)行調(diào)整：

一、智能還是偽裝：Sora 到底懂不懂物理世界？

正方黃文炳：

我們認(rèn)為 Sora 懂物理世界。根據(jù) Sora 發(fā)布的視頻，我們可以觀察到，無論鏡頭怎么旋轉(zhuǎn)，畫面所呈現(xiàn)的時(shí)間連續(xù)性、空間角度切換后的不變性、光影的反射和變化都和物理世界規(guī)律相符。從這個(gè)角度來講，如果這些不是物理規(guī)律，那是什么呢？

第二個(gè)角度我們強(qiáng)調(diào)的是：Sora 懂物理規(guī)律，而不是說懂物理學(xué)規(guī)律，物理規(guī)律和物理學(xué)規(guī)律不是一個(gè)概念。

基本的物理規(guī)律就是指大多數(shù)人在現(xiàn)實(shí)生活中的直接感受，比如自由落體，可以觀察到一個(gè)球從高處往低處掉?？梢钥吹?Sora 生成的絕大部分的視頻都是滿足日常生活中物理規(guī)律的運(yùn)動(dòng)。

而物理學(xué)的規(guī)律是指物理學(xué)家通過這個(gè)實(shí)驗(yàn)或者理論推導(dǎo)出來的嚴(yán)格的物理公式或規(guī)則。

今天的辯題是懂不懂物理世界，這個(gè)物理世界不是指物理學(xué)家的世界，而是我們絕大多數(shù)人懂得且感受到的一般的物理世界。

第三個(gè)角度是關(guān)于什么叫「懂」，或者說什么叫「學(xué)到」。有些人會從 Sora 不懂物理公式，或不懂嚴(yán)格的物理過程，判斷 Sora 不懂物理世界，但這個(gè)懂一定是 AI 的懂嗎？

這里需要回顧一下圖靈測試。圖靈測試就是指在測試者和被測試者被隔開的情況下，對兩者進(jìn)行隨意提問，如果大多數(shù)人都無法區(qū)分兩者的行為的話，就代表這一 AI 系統(tǒng)具備了智能，那從這個(gè)角度來說生成即智能、生成即智能、生成即智能（現(xiàn)場笑）。

只要 Sora 生成的東西，大家通過常理判斷出來是真的，且沒辦法區(qū)分出是人還是 AI，我們認(rèn)為它就是學(xué)到了，是懂的。

反方孫浩：

我為正方辯友被 Sora 的表象欺騙了深表遺憾（現(xiàn)場笑），同時(shí)也為對方辯友對物理規(guī)律的理解偏差表示遺憾。

首先來糾正下物理世界的基本定義。物理世界是指自然規(guī)律和物理學(xué)定律支配的世界，例如守恒、對稱等等，它包括我們所有能觀察到的物質(zhì)還有運(yùn)動(dòng)的基本的現(xiàn)象，實(shí)際上是客觀存在的這個(gè)宇宙。如果 Sora 能懂物理世界，那么它生成的視頻必然就得懂相關(guān)的規(guī)律，能模擬、準(zhǔn)確地來刻畫這種規(guī)律，但顯然 Sora 現(xiàn)在是達(dá)不到的。

其次，Sora 的基本運(yùn)行的機(jī)制就是基于 Diffusion Transformer 對視頻、語言的數(shù)據(jù)進(jìn)行壓縮，并且把它的分布給學(xué)習(xí)出來。然而，僅僅依靠視頻、語言來去描述我們客觀的三維世界顯然是不足的，它是有很強(qiáng)的界限的。

許多介質(zhì)的演化，比如說流體，需要特殊的狀態(tài)量去把它描述出來才行，因此僅僅基于有限維的視頻和語言的數(shù)據(jù)來訓(xùn)練模型，那它的表達(dá)能力實(shí)際上是不夠的。即便生成出來的內(nèi)容顯得比較逼真，但是它和「真」完全是兩個(gè)概念。

所以，還需理清一下逼真和真實(shí)概念之間的差別。Sora 生成的視頻確實(shí)是很逼真的，但是它只是停留在視頻的表象，缺乏實(shí)質(zhì)。傳統(tǒng)的生成動(dòng)畫的渲染技術(shù)也可以達(dá)到一樣的效果，這并不能代表 Sora 具有模擬和理解現(xiàn)實(shí)世界的能力。

但我們也沒法否定 Sora 在創(chuàng)作設(shè)計(jì)、視覺效果等領(lǐng)域的巨大潛力。

正方魏哲巍：

著名物理學(xué)家費(fèi)曼說過一句話：What I cannot create ，I don‘t understand.  即，我不能生成的東西，我就不能理解。從數(shù)學(xué)的角度來看，這句話的逆否命題就是：我能夠理解的，我就能生成。反過來看，是不是生成的就能理解呢？我認(rèn)為是。

比如水浪表象的背后一定有一系列的波動(dòng)方程，但人是不是通過這個(gè)方程去理解它？大部分的人真的懂動(dòng)力學(xué)方程嗎？不是。但是不是大多數(shù)人都理解水的物理形態(tài)呢？我認(rèn)為是理解了的。

這個(gè)理解可以從兩個(gè)層面去理解，一個(gè)是我們知道物體基于重力會下落，水會有一個(gè)波動(dòng)的過程；另一個(gè)是，真正知道它背后運(yùn)動(dòng)的方程，那這個(gè)方程是不是人通過表象抽象出來的呢？

我認(rèn)為絕大部分不是，比如牛頓抽象出重力學(xué)的方程的過程，是不是真的有一個(gè)蘋果砸到腦袋上之后就突然蹦出一個(gè)方程？其實(shí)不是的。它從很早之前的各種各樣的公式、論文中推導(dǎo)出來，絕對不是僅僅有視頻就能把方程推導(dǎo)出來。

但從人理解物理世界的角度來說，我們跟 Sora 應(yīng)該是完全一樣的。所以我們認(rèn)為 Sora 既然生成了，那么它就是理解了。

反方徐君：

Sora 不能夠理解物理世界的一個(gè)重要原因是，它企圖從大量的非實(shí)驗(yàn)數(shù)據(jù)里面去發(fā)現(xiàn)物理規(guī)律。也就是說它不做實(shí)驗(yàn)，它只是被動(dòng)地觀察我們這個(gè)世界。

基于統(tǒng)計(jì)因果中的結(jié)論“非干預(yù)，不因果”：如果不能去實(shí)施干預(yù)，算法就不能發(fā)現(xiàn)統(tǒng)計(jì)因果規(guī)律。如果連統(tǒng)計(jì)的因果規(guī)律都不能發(fā)現(xiàn)的話，那么更不要說是物理的規(guī)律，物理規(guī)律的一個(gè)特征就是表述物理世界中各種現(xiàn)象的因果關(guān)系。

所以無論是 Sora 還是 ChatGPT，如果只是以現(xiàn)在這種形式被動(dòng)地搜集數(shù)據(jù)，然后去訓(xùn)練一個(gè)大模型的話，它是可以被欺騙的，它所學(xué)到的內(nèi)容只是「相關(guān)」，而不是「因果」。這是第一個(gè)論點(diǎn)。

第二點(diǎn)，從人類最近幾百年發(fā)現(xiàn)物理規(guī)律的進(jìn)程來看，科學(xué)發(fā)現(xiàn)不僅僅需要實(shí)際的數(shù)據(jù)和觀察現(xiàn)象，更加需要人類反直覺的思考和假設(shè)。

亞里士多德的直覺觀念“物體在不受力的情況下會保持靜止”在現(xiàn)實(shí)生活中是一個(gè)非常正常、符合直覺的現(xiàn)象。這個(gè)錯(cuò)誤的直覺觀念的引導(dǎo)下，人類數(shù)個(gè)世紀(jì)都沒有能夠發(fā)現(xiàn)正確的物理學(xué)定律。直到伽利略、牛頓意識到物體在不受力的情況下會保持勻速直線運(yùn)動(dòng)這種反直覺的規(guī)律，這才創(chuàng)造了今天的物理學(xué)大廈。以直覺為主導(dǎo)的推理方法是靠不住的，基于直接觀察的直覺結(jié)論并不總是可靠。

 類似的例子還有很多，物理學(xué)里面有很多理想模型：像黑體，現(xiàn)實(shí)世界無論怎么觀測都找不到一個(gè)真正的黑體。雖然我們在實(shí)際生活中永遠(yuǎn)觀察不到，但是它對我們發(fā)現(xiàn)物理學(xué)的規(guī)律極其重要，如果沒有這些理想化的假設(shè)，物理學(xué)的大廈無法建立起來。所以說，如果 Sora 僅僅是被動(dòng)地觀察世界，而沒有辦法進(jìn)行類似人類的反直覺推理假設(shè)，它永遠(yuǎn)不能構(gòu)建正確的物理規(guī)律。

可見，Sora 僅僅依托了它的直覺去擬合非實(shí)驗(yàn)的觀測數(shù)據(jù)，不引入反直覺思考，不干預(yù)世界，它發(fā)現(xiàn)不了真正的物理規(guī)律。

正方宋睿華：

對方辯友認(rèn)為，要想掌握人類的物理規(guī)律，是需要一些反直覺的思考和假設(shè)，以及需要干預(yù)、驗(yàn)證物理世界。我方認(rèn)為這樣的觀點(diǎn)完全錯(cuò)誤地闡釋了什么叫物理世界，因?yàn)檫@種觀點(diǎn)太以人為中心了。其實(shí)這個(gè)世界無論有沒有人，它都是物理世界，不能說只有人能理解的物理世界才叫物理世界。

說回到機(jī)器學(xué)習(xí)的核心，就是有了一些模型和未知的參數(shù)，同時(shí)在現(xiàn)實(shí)的數(shù)據(jù)上可以定義一個(gè)損失或者說人為地評價(jià)它，最后再進(jìn)行一個(gè)優(yōu)化。

物理學(xué)家基本上也采用這樣的范式。他們先反直覺地發(fā)明一些公式，同時(shí)會加進(jìn)來一些參數(shù)，接著在理想化的假設(shè)條件下做了一些實(shí)驗(yàn)的數(shù)據(jù)，干預(yù)了這個(gè)世界，然后得到一些數(shù)據(jù)，就可以去算公式有多大的損失，接著又進(jìn)行了一個(gè)非常充分的、聰明的思考，從而優(yōu)化這個(gè)模型。

而今天的神經(jīng)網(wǎng)絡(luò)，當(dāng)增加寬度時(shí)相當(dāng)于多段線性折線函數(shù)，可以趨近連續(xù)曲線，接著當(dāng)它的層次加深的時(shí)候，它還可以表示更為復(fù)雜的函數(shù)，所以它比之前那些聰明的物理學(xué)家所知道的公式范圍還要大。

如果神經(jīng)網(wǎng)絡(luò)這樣的一個(gè)學(xué)習(xí)過程都不能被稱為智能，難道人就是嗎？為什么非要是人提出的公式、做的實(shí)驗(yàn)才叫智能呢？

再從機(jī)器學(xué)習(xí)的角度來說，對方辯友認(rèn)為做了一些理想的假設(shè)、實(shí)驗(yàn)后，發(fā)現(xiàn)了一些所謂的放之四海而皆準(zhǔn)、其實(shí)也并非的規(guī)律，難道不是傳統(tǒng)機(jī)器學(xué)習(xí)的一種 feature engineering 嗎？你其實(shí)只是發(fā)現(xiàn)了其中一條比較管用的feature，然后再做了一些實(shí)驗(yàn)來驗(yàn)證它是 99% 或者更高的適用性，這是更為狹隘的對物理世界的刻畫。

目前 Sora 的確還有一些反物理世界的現(xiàn)象存在。但更重要的是，「懂物理世界」和「精確地懂物理世界」并不是等同的。人也是同樣的道理，難道說讓一個(gè)人閉著眼睛在腦海中想 Sora 生成的這種兩個(gè)海盜船在這咖啡杯里航行的畫面，人就能夠精確地模擬出來畫面嗎？

反方許洪騰：

首先，能生成逼真的視頻和懂物理世界兩者之間本來就沒有必然聯(lián)系。

類比人類世界，人類的建筑師、畫家，他們能畫出這個(gè)世界、甚至能創(chuàng)造出這個(gè)世界的實(shí)體，但也并不代表他們真的懂物理世界。因?yàn)樵谌硕锢硎澜缰?，比如原始時(shí)期，我們就可以用石頭搭房子了、在石壁上畫下壁畫。

那個(gè)時(shí)候可能還都還不存在真正意義上的懂不懂物理世界這一回事，但是已經(jīng)可以去創(chuàng)造相應(yīng)的藝術(shù)作品或相應(yīng)的客觀實(shí)體。從這個(gè)角度來講，我不認(rèn)為現(xiàn)在 Sora 現(xiàn)在具備生成逼真視頻的能力，就真的懂物理世界。

其次，人類對物理世界的理解跟掌握是有一套嚴(yán)格的方法論的，我們會去做假設(shè)、做觀測，然后會通過實(shí)驗(yàn)最終實(shí)現(xiàn)對物理現(xiàn)象的反演。但目前能看到的是， Sora 這樣的生成式模型的學(xué)習(xí)范式就是數(shù)據(jù)驅(qū)動(dòng)。

喂給 Sora 數(shù)據(jù)之后，最多可以說它觀測到了一些數(shù)據(jù)，且這些數(shù)據(jù)還不是在一個(gè)嚴(yán)格的實(shí)驗(yàn)環(huán)境下得到的。在這種條件下，如果說他能理解物理世界的話，也肯定是用一種超出我們認(rèn)知范圍內(nèi)的方式在去理解。但是現(xiàn)階段我們還沒有看到任何的人工智能能夠真正在通用性或者對世界的理解上真的能達(dá)到人的水平。

最后，我覺得Sora 之所以這么強(qiáng)大，也許正是因?yàn)樗欢锢硎澜?。Sora 基于它的學(xué)習(xí)范式，它能夠掌握統(tǒng)計(jì)規(guī)律，它能把有關(guān)聯(lián)性的事物融合起來。比如它可以生成龜殼像水晶球一樣的烏龜，包括在咖啡杯里戰(zhàn)斗的海盜船，這是超現(xiàn)實(shí)的，這跟物理世界沒有必然聯(lián)系。

更早期的，以 stable diffusion 為代表的圖像生成模型，可以生成太空上騎馬、火星上騎馬等畫面，顯然這些現(xiàn)象都不是符合我們所在的物理世界的規(guī)律的，并不是理解物理世界的一種表現(xiàn)。正是因?yàn)樗荒芾斫馕锢硎澜?，Sora才可以基于統(tǒng)計(jì)相關(guān)性構(gòu)筑它自己的世界。所以說我認(rèn)為 Sora 是不懂物理世界的。

自由PK環(huán)節(jié)：

正方：

有一種說法是，ChatGPT不懂文字或者不懂語言。但 OpenAI 首席科學(xué)家伊利亞依然認(rèn)為，做 next token prediction，即能夠預(yù)測下一個(gè)詞、生成下一個(gè)詞，這就是理解了語言。伊利亞也舉了一個(gè)例子，喂給大模型一篇懸疑小說，指令是預(yù)測懸疑小說里邊的兇手是誰。如果他能夠準(zhǔn)確地預(yù)測出這個(gè)兇手是誰，那他到底是不是懂這篇小說？是不是理解這篇小說？

反方：

圖靈測試其實(shí)是工程的測試，就是說你沒有通過圖靈測試，你是沒有這個(gè)能力，但是通過了你未必有這個(gè)能力。

以考試為例，如果一位同學(xué)沒有通過一場考試，這說明這個(gè)同學(xué)沒學(xué)懂，但是通過了這場考試并不代表你已經(jīng)懂了，因?yàn)橛锌赡芡ㄟ^用強(qiáng)記的方式把所有的知識記憶下來，所以圖靈測試并不具有很強(qiáng)的說服力。

正方：

我恰恰覺得 Sora 是通過圖靈測試的，其實(shí)圖靈測試就兩點(diǎn)，第一是要與人比，第二是要用問答。其實(shí) ChatGPT 還是問答的形式，但是 Sora 已經(jīng)不是了，它其實(shí)在做的是一種電影測試。

電影測試，一方面是讓人看，生成視頻后讓人去辨別它有沒有錯(cuò)誤；另一方面，它不是問答，而是用視覺的方式讓人去判斷有沒有智能。

反方：

什么叫懂物理世界？這個(gè)物理必須跟真世界是一致的，部分 AI 可能懂懸疑小說，但他不懂物理世界。如果 Sora 所有的數(shù)據(jù)數(shù)據(jù)都來自哈利波特的魔法世界，他一樣能預(yù)測下一幀，那他能懂物理嗎？并不是，它懂的是魔法。

正方：

關(guān)于懂物理世界，我方堅(jiān)持認(rèn)為達(dá)到常人的理解即可不需要懂物理公式。比如在生活中，在馬路上來了一輛車，你會用牛二定律去算它是多長時(shí)間能到面前嗎？并不用，就自己腦補(bǔ)一下，預(yù)測未來可能車撞過來了，躲開就 OK 了。這種理解有誤差、有偏差，沒有關(guān)系。

另外，人類對物理的理解也是片面的，不斷進(jìn)步的。不能說現(xiàn)在穿越回去對亞里士德說你根本就不懂物理，我比你懂物理懂得多。也不能說我們現(xiàn)在對物理的理解就是對的。

物理規(guī)律是怎么來的？很多時(shí)候也是物理學(xué)家統(tǒng)計(jì)出來的規(guī)律，在我們有限的觀察下去驗(yàn)證它是不是對的，然后基于我們現(xiàn)在的理解，認(rèn)為它能解釋一些問題，形成的物理規(guī)律。但隨著時(shí)間的演化，人類對物理世界的理解也在加深，一些物理定律也隨著觀察的增多失效，所以我們不能要求 Sora 一出來，就要求它懂牛二定律，這個(gè)肯定不合適。

二、純數(shù)據(jù)驅(qū)動(dòng)路線能不能實(shí)現(xiàn)通用人工智能？

反方許洪騰：

我理解的通用人工智能，其實(shí)就是類人的人工智能，希望最后的人工智能跟人一樣具有一定的通用性。那么人是怎么學(xué)習(xí)的？人是從數(shù)據(jù)中學(xué)習(xí)的。我們從出生開始一直都在接收數(shù)據(jù)，訓(xùn)練自己。這至少可以證明從數(shù)據(jù)中接收信息，讓人去進(jìn)行學(xué)習(xí)這件事情是可行的，不管是我們自己的體驗(yàn)還是現(xiàn)在的Sora。

但我為什么反對這樣的技術(shù)路線？是因?yàn)槲矣X得這個(gè)路線效率是非常低的，從算力或者數(shù)據(jù)的角度來講是不可行的。人其實(shí)是有初始設(shè)計(jì)的，或者說我們是一種特殊的動(dòng)物，我們的大腦結(jié)構(gòu)跟別的動(dòng)物的大腦結(jié)構(gòu)不一樣。那這個(gè)結(jié)構(gòu)是怎么來的？結(jié)構(gòu)是經(jīng)過億萬年物種演化而來，5億年前三葉蟲才開始出現(xiàn)眼睛這個(gè)器官，才能夠接觸到視覺信息，然后逐步一直演化到人類的大腦，人類的眼睛，中間經(jīng)過了5億年的時(shí)間，無數(shù)代的生物迭代和數(shù)據(jù)接收。

這是目前為止我們已知的產(chǎn)生效智能的一種方式，但這種方式的效率我覺得是非常低的。我不認(rèn)為這種方式是能夠?qū)崿F(xiàn)通用人工智能的一種合理的技術(shù)路線，這是我的一個(gè)主要觀點(diǎn)。

另外，現(xiàn)在我們已經(jīng)面臨能源和數(shù)據(jù)量的瓶頸。按照 OpenAI 的數(shù)據(jù)消耗速度和增長趨勢，很快訓(xùn)練用的視頻數(shù)據(jù)消耗速度就可能會超過我們能夠產(chǎn)生的速度。到那個(gè)時(shí)候很可能需要由 Sora 來自己產(chǎn)生數(shù)據(jù)，然后來自我訓(xùn)練。如果是這樣，這種情況下是不是還是我們傳統(tǒng)意義上說的純數(shù)據(jù)驅(qū)動(dòng)？它是否還能自我進(jìn)化？我認(rèn)為這是存疑的，所以我現(xiàn)在反對這個(gè)觀點(diǎn)。

正方毛佳昕：

第一點(diǎn)我覺得這個(gè)問題跟第一個(gè)議題是兩個(gè)完全不一樣的議題。第一個(gè)議題其實(shí)是關(guān)于一個(gè)現(xiàn)在已經(jīng)發(fā)生的事情，它到底能不能懂物理，理論上這是有客觀答案的。

第二個(gè)是對未來的預(yù)測，我們接著往下走能不能實(shí)現(xiàn)，我們覺得成功的概率非常大，我們站的觀點(diǎn)是數(shù)據(jù)驅(qū)動(dòng)是 work 的，所以我從一個(gè)數(shù)據(jù)驅(qū)動(dòng)的角度來回答這個(gè)問題。

首先我們怎么找數(shù)據(jù)呢？先看歷史，看人工智能發(fā)展的歷史。一開始大家的想法是要做個(gè)人工智能，但是過去差不多 60 多年來的發(fā)展，發(fā)現(xiàn)感知很難做不了，后來發(fā)現(xiàn)有足夠的數(shù)據(jù)可以解決感知的問題；后來覺得語言很難，認(rèn)知很難，但是ChatGPT出來又解決了這個(gè)問題。所以從歷史數(shù)據(jù)看，我們覺得數(shù)據(jù)驅(qū)動(dòng)是一條正確的路徑。

第二點(diǎn)，我們看歷史數(shù)據(jù)，看其他可以類比的數(shù)據(jù)是什么？那什么是通用人工智能，我們覺得人類是通用人工智能，那人類是怎么學(xué)習(xí)的呢？我覺得人類很多情況下，是通過數(shù)據(jù)來學(xué)習(xí)的，比如我學(xué)物理的方式就是我看了很多物理的書，我做了很多題目，我去考試。這個(gè)事情其實(shí)基本上跟我們現(xiàn)在訓(xùn)練大模型去做物理題的數(shù)據(jù)驅(qū)動(dòng)方式是一樣的，所以人的學(xué)習(xí)物理方式跟現(xiàn)在大模型學(xué)物理是一樣的。

第三點(diǎn)，為什么反對技術(shù)路線的原因是有效率方面的問題，這個(gè)問題我覺得 Hinton 也在想這個(gè)問題，因?yàn)?月份他在北京智源人工智能大會的時(shí)候做一個(gè)報(bào)告，最近也在牛津做了一個(gè)報(bào)告，他那個(gè)報(bào)告里面提到一個(gè)什么東西呢？大家知道Hinton其實(shí)是一個(gè)認(rèn)知科學(xué)家，他會類比人腦和計(jì)算機(jī)的差別。他說人腦是一個(gè)很高效的系統(tǒng)，同樣說一句話，人腦的用的功率比大模型小得多。但人腦的缺點(diǎn)是什么？是人腦里面的神經(jīng)網(wǎng)絡(luò)的權(quán)重沒辦法告訴另外一個(gè)人，在通訊效率上很差。

最后我想說，這個(gè)辯題里面數(shù)據(jù)驅(qū)動(dòng)的反面是什么，反面是理論驅(qū)動(dòng)，theory driven，這個(gè) theory 是什么呢？其實(shí)并不是物理定律，因?yàn)槲锢韺W(xué)知識對大模型來說，其實(shí)是數(shù)據(jù)，而不是theory，所以這個(gè) theory 其實(shí)是關(guān)于認(rèn)知的theory。

所以數(shù)據(jù)驅(qū)動(dòng)的路線對應(yīng)的另外一條路線，是基于人工智能的理論驅(qū)動(dòng)的路徑，或者是基于人是怎么認(rèn)知這個(gè)世界的理論來驅(qū)動(dòng)的路徑。

Hinton 之前是這個(gè)路徑的，比如，他之前經(jīng)常討論神經(jīng)網(wǎng)絡(luò)和學(xué)習(xí)算法是否是biological plausible的。但他最近的觀點(diǎn)發(fā)生了改變，他認(rèn)為人腦雖然在計(jì)算效率上存在優(yōu)勢，但在通訊效率上遠(yuǎn)比不上數(shù)字計(jì)算機(jī)。

反方沈蔚然：

我想說兩個(gè)觀點(diǎn)，第一個(gè)觀點(diǎn)是我們現(xiàn)在所謂的通用人工智能是一個(gè)什么樣子的概念？剛才徐老師提到通用人工智能可能是一個(gè)比較接近人的，但是如果你去翻閱相關(guān)的文獻(xiàn)，它的定義上實(shí)際上還有一個(gè)就是我們要超過人。

因?yàn)楝F(xiàn)在很多單個(gè)任務(wù)都超過人，我們希望能做一個(gè)通用人工智能的一個(gè)算法或者模型，在大部分任務(wù)上都能夠超過人，這才是我們的目標(biāo)。

我們對通用人工智能的期待非常高，那么純數(shù)據(jù)驅(qū)動(dòng)的路線能不能實(shí)現(xiàn)這樣一個(gè)事情呢？對方辯友說我們學(xué)習(xí)物理通過看書做題是接收的數(shù)據(jù)，但我不這么認(rèn)為，從物理學(xué)的角度來講，數(shù)據(jù)應(yīng)該是做實(shí)驗(yàn)得到的數(shù)據(jù)，你看書上的理論，這是你接受別人前人總結(jié)的結(jié)果。

這恰恰是我想表達(dá)第二個(gè)觀點(diǎn)，就是說現(xiàn)在的這種數(shù)據(jù)驅(qū)動(dòng)的方式，它沒有辦法把數(shù)據(jù)總結(jié)成一些比較簡潔、比較容易理解的理論，然后在此基礎(chǔ)上做進(jìn)一步的推導(dǎo)。我覺得這是要實(shí)現(xiàn)一個(gè)通用的人工智能，要想在很多方面做得比人更好，這是目前還回避不掉的一個(gè)事情。

你光用數(shù)據(jù)，可以擬合很多函數(shù)，理論上講你有無窮多的數(shù)據(jù)是可以擬合這些，但是你的效率會非常低，而且數(shù)學(xué)上有很多的函數(shù)，你要想完整地?cái)M合它，你需要無窮多的數(shù)據(jù)，這是不可能的。但是用數(shù)學(xué)的語言可以很簡單地描述這件事情，而我覺得要想達(dá)到通用人工智能，這些函數(shù)可能是過不去的，因?yàn)樗谖覀兡壳暗墓こ炭茖W(xué)領(lǐng)域當(dāng)中應(yīng)用非常廣泛。

正方林衍凱：

我發(fā)現(xiàn)對方辯友使用了很多辯論技巧，其實(shí)對方辯友一直在切換我們的辯題。首先剛開始把「純數(shù)據(jù)驅(qū)動(dòng)路線能夠不能使實(shí)現(xiàn)通用人工智能」切換成「能不能在有限的能源下實(shí)現(xiàn)通用人工智能」，或者說「在高效的能源下實(shí)現(xiàn)通用人工智能」，這并不是我們的辯題。還有辯友一上來把通用人工智能定義又做了一個(gè)切換，說要達(dá)到超過人的智力水平。

我回到 technical 的角度去討論第一點(diǎn)，大模型無法總結(jié)這種物理規(guī)律，或者說無法總結(jié)規(guī)律，他們做的更多的是這種 memory combination 的事情，但其實(shí)這一點(diǎn)在我們現(xiàn)在很多大模型的研究中，其實(shí)并不是這么指向的。

大模型干的是什么事情？干的是壓縮，壓縮的基礎(chǔ)剛開始是memory。其實(shí)我們在訓(xùn)練的過程中，大模型為了去最優(yōu)化它的函數(shù)，就是在找尋更好的能擬合這些數(shù)據(jù)的規(guī)律，而且能發(fā)生所謂的blocking。那么這一層其實(shí)是指向——我們做這種數(shù)據(jù)驅(qū)動(dòng)，其實(shí)能像人一樣發(fā)生思考的演化的。

再者，大家也提到目前的數(shù)據(jù)是有限，其實(shí)對于我來說真實(shí)世界的數(shù)據(jù)是無限的。大家把數(shù)據(jù)停留在網(wǎng)上，已經(jīng)產(chǎn)生了文本數(shù)據(jù)、視頻數(shù)據(jù)，大模型基于這些數(shù)據(jù)驅(qū)動(dòng)，大模型可以自主地探索這個(gè)物理世界的，那么它能接受到的數(shù)據(jù)其實(shí)是無限的。在此基礎(chǔ)上，我們根據(jù)這種數(shù)據(jù)去學(xué)習(xí)更多的知識，學(xué)習(xí)更多的物理規(guī)律其實(shí)是可行的。

反方孫浩：

雙方在理解上出現(xiàn)了一些偏差，首先這個(gè)問題叫「純數(shù)據(jù)驅(qū)動(dòng)路線能不能實(shí)現(xiàn)通用人工智能」？它其實(shí)一個(gè)關(guān)鍵的要素是實(shí)現(xiàn)，那么你在資源有限的情況下是不是能夠去做到這個(gè)事情？這實(shí)際上是一個(gè)很大的問題。

如果一個(gè)事情我們明知道這個(gè)做不到，但是我們知道它的路徑可能是可行的，但最終說我能不能去實(shí)現(xiàn)，答案是否定的。所以我認(rèn)為徐老師和沈老師提出來的觀點(diǎn)從現(xiàn)實(shí)意義上是很能站得住的。

那么我們再來看一下「純數(shù)據(jù)驅(qū)動(dòng)能不能實(shí)現(xiàn)通用人工智能」，它的另一個(gè)要素是數(shù)據(jù)驅(qū)動(dòng)這一塊。實(shí)際上我們復(fù)雜的世界，不僅僅是物理世界，還有很多包括人的情感等等世界構(gòu)成的，是極其復(fù)雜的，我們能觀測到的，或者說能獲取到的數(shù)據(jù)去描述這樣的世界，它是極其稀疏，甚至可能是缺失的。

那基于這樣的數(shù)據(jù)，再去訓(xùn)練一個(gè)人工智能的模型，它很難達(dá)到一個(gè)我們真正想要的這種通用的、類人的智能形式。所以說數(shù)據(jù)驅(qū)動(dòng)只是其中一個(gè)要素，但是它最終能不能實(shí)現(xiàn)，不能完全依靠它，這是第一個(gè)觀點(diǎn)。

第二個(gè)觀點(diǎn)還是我剛才講的世界是復(fù)雜的，但描述世界的方式是非常簡潔的，那么我們?nèi)フJ(rèn)知這個(gè)世界，不同的科學(xué)領(lǐng)域都有認(rèn)知這個(gè)世界的語音和方式，例如可以用微分方程的形式去描述它，它就具有很強(qiáng)的通用性。而它基于的數(shù)據(jù)卻是極其稀疏非常少的，基于人的假設(shè)、推斷、猜想形成的這套理論，那么像這種模型可以在某些特定的或者廣泛的任務(wù)上能夠?qū)崿F(xiàn)這種通用的能力的。

所以我雖然覺得數(shù)據(jù)是其中非常關(guān)鍵的一個(gè)要素，但它不是唯一的要素，而對方辨友如果把它給當(dāng)成唯一的要素去實(shí)現(xiàn)通用人工智能，我認(rèn)為這從觀點(diǎn)和定義上存在一個(gè)理解的偏差。

正方黃文炳：

我想反問對方辯友可能沒有仔細(xì)看這個(gè)辯題，我們問純數(shù)據(jù)驅(qū)動(dòng)路線能不能實(shí)現(xiàn)通用人工智能，是說能不能？你只要回答能還是不能？你不要給他加限制條件，我們并沒有強(qiáng)調(diào)說這個(gè)數(shù)據(jù)能不能獲取，而是說在足夠數(shù)據(jù)的條件之上，能不能實(shí)現(xiàn)通用人工智能。

而且還有兩個(gè)觀點(diǎn)我也不敢茍同，第一個(gè)是談到人工智能到底是什么的定義。我們認(rèn)為通用人工智能指的是機(jī)器所能掌握的處理大多數(shù)任務(wù)的一般的通用的能力。我們看到定義為AGI，不是AUI，不是 Artificial universal intelligence，它不是萬有的能力，我們說純數(shù)據(jù)驅(qū)動(dòng)能不能實(shí)現(xiàn)通用人工智能，它并不一定包括它能解決科學(xué)領(lǐng)域的方程、實(shí)驗(yàn)的結(jié)果，但是它一定能實(shí)現(xiàn)大多數(shù)人在日常生活中所掌握的通用的智能的能力。這是我方的觀點(diǎn)。

當(dāng)然，我們也承認(rèn)，包括我們自己做的研究也承認(rèn)數(shù)據(jù)驅(qū)動(dòng)不一定能實(shí)現(xiàn)所有的智能，包括物理的人工智能，就是說在物理的世界里，數(shù)據(jù)的獲取確實(shí)不容易。但它跟我們今天的辯題不矛盾啊。

同時(shí)在物理的場景里，確實(shí)有很多嚴(yán)格的假設(shè)，例如對稱性的假設(shè)，流體力學(xué)的方程，在這些場景下純數(shù)據(jù)能不能實(shí)現(xiàn)通用人工智能，那種智能還不一定是人工智能，我認(rèn)為是不行的。但是這并不影響今天的辯題。

自由PK環(huán)節(jié)：

反方 : 

我的答案是不能。為什么呢？

從一個(gè)角度來看，就是假設(shè)說了有兩個(gè)版本，第一個(gè)版本他認(rèn)為這個(gè)世界是不一樣的，第二個(gè)版本他的參數(shù)不一樣，他認(rèn)為這個(gè)世界是另外一個(gè)樣子的。那么現(xiàn)在的一個(gè)問題是這兩個(gè)版本到底哪個(gè)是對的？那么只有兩種情況，第一種情況是其中一個(gè)是對的，另外一種情況就是兩個(gè)都是錯(cuò)的。所以說從目前的情況來看，我們覺得 Sara 他在認(rèn)識物理世界的時(shí)候，他是有很大的一個(gè)偏差的?；谶@樣的一個(gè)極不穩(wěn)定的一個(gè)模型，它版本的更新是不是我們對于這個(gè)世界的認(rèn)識也得跟著它刷新一遍？這個(gè)肯定是不合適的，這是第一個(gè)。

第二個(gè)關(guān)于我們對于認(rèn)識這個(gè)世界，除了數(shù)據(jù)之外，它其實(shí)還有模型的一個(gè)處理能力，包括我們?nèi)艘惨粯樱覀內(nèi)瞬粌H僅有認(rèn)識這個(gè)世界數(shù)據(jù)的經(jīng)驗(yàn)，還有我們的理性的處理，也就是說對這個(gè)世界的處理能力，數(shù)據(jù)的處理能力，這個(gè)康德已經(jīng)說的很清楚。

所以如果從這個(gè)角度上看的話，Sora不僅要接收來自這個(gè)世界不同經(jīng)驗(yàn)的數(shù)據(jù)，同時(shí)它需要具備像人一樣，甚至超過人的理性的思維去處理這些數(shù)據(jù)，兩者缺一不可。

那么如果我們現(xiàn)在從數(shù)據(jù)的角度來看，Sora目前僅僅介紹了文本、視頻和圖像，那么我們世界有很多其他的數(shù)據(jù)，各個(gè)領(lǐng)域的數(shù)據(jù)它通通都沒有接觸到，所以在數(shù)據(jù)這個(gè)角度AGI已經(jīng)鎖死了它。

第二個(gè)，從模型的角度來看，目前它基于Diffusion Model和transformer這種簡單的結(jié)構(gòu)，不可能去產(chǎn)生理性的分析以及想象的能力的。所以從模型的處理能力上也鎖死了，所以我覺得不管從經(jīng)驗(yàn)的角度來看，還是從理性分析的角度來看，我覺得AGI都被圈住了。

正方：

我首先要補(bǔ)充下剛剛沒有說完的，從效率上講，Hinton原來是支持人腦非常高效，那應(yīng)該要模擬一個(gè)人腦的，最近他的觀念發(fā)生了變化，為什么呢？因?yàn)槿四X非常高效，但是人腦這種大腦它的最大缺陷是我們的交流能力非常差，比如說我要把我的想法傳遞給大家，效率可低了，但是大模型這種基于數(shù)字計(jì)算機(jī)的這種架構(gòu)，它在模型之間傳遞信息的效率非常高，我可以把整個(gè)模型的數(shù)據(jù)拷貝一份，或者我在訓(xùn)練的時(shí)候所有梯度去做一個(gè)reduce，這個(gè)效率比人腦高太多了。

你可以想象大模型在做的是什么呢？是一萬個(gè)、一億個(gè)跟你一樣聰明的人在不斷地讀書，然后他能獲得智能，大家能想象下這是什么水平。

第二個(gè)問題回應(yīng)下兩位老師，他們覺得人可能會有一個(gè)東西叫做理性，這種理性是人腦所具備的一種內(nèi)在的能力，而這種能力是進(jìn)化產(chǎn)生的，然后說現(xiàn)在的模型不具備這樣能力，并且現(xiàn)在的模型好像沒有進(jìn)化出這個(gè)機(jī)制，那你想想我們學(xué)院現(xiàn)在在干嘛呢？我們學(xué)院在不斷地改架構(gòu)，我們學(xué)院在把神經(jīng)網(wǎng)絡(luò)進(jìn)化，沒有什么理由認(rèn)為我們這種操作比大自然的自然選擇低效，所以那未來的模型會不會具備人類內(nèi)在的理性的能力呢？

反方: 

剛剛正方辯友的觀點(diǎn)恰恰說明你是認(rèn)可架構(gòu)的重要性的，而架構(gòu)本質(zhì)上它其實(shí)并不是純數(shù)據(jù)驅(qū)動(dòng)，它其實(shí)對應(yīng)的還是知識。而且回到這個(gè)辯題，純數(shù)據(jù)驅(qū)動(dòng)能不能實(shí)現(xiàn)通用人工智能？如果即使是按照正方辯友講的，就是一種類人的具有一定通用性的人工智能。

除了效率和資源上會制約這種純數(shù)據(jù)的數(shù)據(jù)路線的發(fā)展之外，另外一點(diǎn)重要的就是這種純數(shù)據(jù)的路線它歸根到底學(xué)習(xí)到的是統(tǒng)計(jì)規(guī)律，而統(tǒng)計(jì)規(guī)律它必然就會兩個(gè)問題，一個(gè)是它的外推，或者說是泛化，或者說是外差的能力，這是統(tǒng)計(jì)機(jī)器學(xué)習(xí)里面一直存在的一個(gè)困境，也就是它沒有這種外推去產(chǎn)生新的知識或者說新的能力，這個(gè)是它存在的瓶頸，包括劉老師也是做這個(gè)泛化性的研究的。

第二點(diǎn)，不管是架構(gòu)的演化，還是人大腦的演化，其中除了這種連續(xù)的、平滑的過程之外，很重要的一點(diǎn)是突變，這種突變其實(shí)并不是通過數(shù)據(jù)來催化，它是具有高度的隨機(jī)性跟偶然性的，那這種突變能否用純數(shù)據(jù)的方式去驅(qū)動(dòng)？至少這件事情現(xiàn)在還是存疑的。我的觀點(diǎn)就是這樣。

正方 ：

我們反問對方辯友，您在日常的吃飯、睡覺，看電腦、看電視的時(shí)候到底是用相關(guān)性做決策，還是用因果性做決策？

反方:

這個(gè)問題非常好，這個(gè)事情如果很重要的話，我會用因果性決策。如果這個(gè)事情很隨意的話，我自己的決策其實(shí)就是隨機(jī)的。

反方: 

我補(bǔ)充一點(diǎn)，我覺得人類理性決策很重要的一個(gè)點(diǎn)，仍然是需要從直覺走到反直覺。

正方 ：

當(dāng)你說到直覺反直覺的時(shí)候，你也得通過說出話來，你才知道什么叫是這個(gè)反直覺和直覺，從這個(gè)角度來說，我還是堅(jiān)持我在第一個(gè)辯題時(shí)候發(fā)表的一個(gè)觀點(diǎn)，就是正方的觀點(diǎn)，生成就是智能。

在生成的時(shí)候，我完全可以在我生成的內(nèi)容里面完成所謂的反直覺，完成所謂的因果推斷，完成所謂的關(guān)聯(lián)，就是說你作為一個(gè)人，你在這個(gè)世界上的時(shí)候，你難道不說話，整天在那里面就可以因果發(fā)現(xiàn)了嗎？你肯定不是，你肯定得通過說話。說話是什么，是數(shù)據(jù)，你肯定得通過記錄，記錄是什么，是數(shù)據(jù)，你肯定得做實(shí)驗(yàn)，去做實(shí)驗(yàn)也是一個(gè)數(shù)據(jù)，然后記錄結(jié)果。這些都是什么？都是數(shù)據(jù)，這些都是純數(shù)據(jù)驅(qū)動(dòng)。

反方 ：

生成即是智能其實(shí)是一個(gè)謬論。你生成的東西有可能是完全違反一些實(shí)際存在的一些基本認(rèn)知的，有可能是完全錯(cuò)誤的、不存在的，虛幻出來的一個(gè)東西。你如果從只是把生成內(nèi)容這個(gè)過程當(dāng)做是智能的話，這個(gè)實(shí)際上是個(gè)謬論，所以說請對方辯友不要再堅(jiān)持這么一個(gè)觀點(diǎn)。

正方：

孫老師，難道你生成的東西就都是對的嗎？還有人生成的東西就是對的嗎？不對呢，就不是人嗎？就不是通用人工智能嗎？我想你覺得通用人工智能最高標(biāo)準(zhǔn)，現(xiàn)在通用人工智能的標(biāo)準(zhǔn)應(yīng)該是和一個(gè)人對齊，一個(gè)普通人對齊。人也有對錯(cuò)，不是說生成的東西一定要是對的，我方并不持這種觀點(diǎn)。

反方：

生成的東西不一定是對的，但是我們必須突破這種直覺性的理解，才能實(shí)現(xiàn)我們?nèi)说闹悄?。比如說我舉一個(gè)例子，每天早上都聽到公雞打鳴后太陽就升起了，所以我們就認(rèn)為太陽是公雞叫出來的，這是一個(gè)謬論。

正方：

Sora 從數(shù)據(jù)里頭一樣能學(xué)出來，太陽升起來公雞才會叫啊。我們說到Sora有一個(gè)版本跟另一個(gè)版本不一樣這個(gè)問題，但其實(shí)人認(rèn)知也是不一樣的，拿一個(gè)同樣的問題來問我們在座的每一個(gè)人，像現(xiàn)在這個(gè)問題我們都有不同的見解，但不代表我們的不一樣，生成出來的結(jié)果就不智能。

反方：

你剛剛說的我們生成的東西是錯(cuò)的，就不是人了。關(guān)鍵是我們能夠判斷人是具有——如果要類人一樣的人工智能，對于特定或者說是很寬泛的一個(gè)事物，它是具有判斷或者正確與否的依據(jù)的，到目前為止，我們沒有發(fā)現(xiàn)有這個(gè)依據(jù)。

正方：

大模型有。大模型也在判斷正確與否，你說看到Sora生成的視頻為什么比別的算法生成的更加流暢，它甚至在變換視角的時(shí)候還是有這種三維的一致性的，一定是有一種判斷在的。

反方：

判斷并不是基于純數(shù)據(jù)的方式的，這里面有大量的架構(gòu)和知識來理解的。

正方：

我反駁一下對方辯友的觀點(diǎn)，第一，純數(shù)據(jù)驅(qū)動(dòng)跟基于純架構(gòu)，架構(gòu)跟數(shù)據(jù)并不是兩個(gè)相互對立的topic，純數(shù)據(jù)驅(qū)動(dòng)一般對應(yīng)的是符號驅(qū)動(dòng)，是理性主義跟經(jīng)驗(yàn)主義的對立，而不是說純數(shù)據(jù)驅(qū)動(dòng)就不需要模型架構(gòu)了，感覺對方辯友一直在企圖用一些跟辯題無關(guān)的話題來詭辯。

反方：

我覺得任何問題都需要增加一定的條件，如果我花了很長時(shí)間，用了大量數(shù)據(jù)，以至于整個(gè)地球的數(shù)據(jù)都不足以來訓(xùn)練我的模型，這其實(shí)是沒有意義的。這在很多科學(xué)中都是如此，比如密碼學(xué)中，如果說花了非常多時(shí)間，幾十萬年，幾千萬年的時(shí)間才能解答這個(gè)密碼，那這個(gè)密碼其實(shí)就是無解的。

所以我認(rèn)為在現(xiàn)實(shí)世界中一定要加上一個(gè)限定詞，我要在多少時(shí)間內(nèi)才能把這個(gè)問題給解決掉，或者需要多大的資源。但是我的觀點(diǎn)其實(shí)跟大家可能有點(diǎn)不一樣，這個(gè)問題我覺得更突出是一個(gè)「純」字，我認(rèn)為純數(shù)據(jù)的驅(qū)動(dòng)，它是不能解決通用人工智能問題的。

架構(gòu)也是有用的，隨著架構(gòu)的不斷優(yōu)化，那我們在訓(xùn)練數(shù)據(jù)的時(shí)候，可能會使訓(xùn)練的數(shù)據(jù)量形式的降低，如果我們增加了一些因果的原理，物理的原理，那我們可以把數(shù)據(jù)訓(xùn)練的成本降低，所以我認(rèn)為純數(shù)據(jù)驅(qū)動(dòng)是不能的，但是數(shù)據(jù)有一定作用，但是物理驅(qū)動(dòng)或者因果的原理同樣發(fā)揮著非常重要的作用。

正方 ：

我反駁一下對方辯友的兩個(gè)觀點(diǎn)。這個(gè)辯題我們就考慮在理想情況下，我們能不能達(dá)到 AGI，第二個(gè)后面說的純數(shù)據(jù)驅(qū)動(dòng)的問題，我就問一下，Sora 算不算純數(shù)據(jù)驅(qū)動(dòng)，它有沒有用Transformer 架構(gòu)？

反方：

實(shí)際上 Sora 用的 Transformer 架構(gòu)，Transformer 架構(gòu)本身也是基于知識去設(shè)計(jì)的，比如說它里面的幾個(gè)QVK，實(shí)際上是從物理的張量分析里面有一些理論基礎(chǔ)在里面去支撐它，然后去設(shè)計(jì)這個(gè)架構(gòu)的。

我們一直在講實(shí)際上的數(shù)據(jù)驅(qū)動(dòng)，一定是能夠輔助我們?nèi)?shí)現(xiàn)通用人工智能，但純數(shù)據(jù)驅(qū)動(dòng)不加知識的，不加我們對于客觀事件理解的，甚至一些先驗(yàn)的規(guī)律的，我們認(rèn)為這樣設(shè)計(jì)出來的模型是很難去達(dá)到一個(gè)通用人工智能。我覺得你們對這個(gè)議題的理解，純數(shù)據(jù)驅(qū)動(dòng)這一塊還沒有理解很深刻，那么未來人工智能發(fā)展可能若干年以后會發(fā)現(xiàn)純數(shù)據(jù)驅(qū)動(dòng)走不通了，最后又回到了數(shù)據(jù)加知識驅(qū)動(dòng)，最后實(shí)現(xiàn)通用人工智能。

正方 ：

如果transformer結(jié)構(gòu)沒有數(shù)據(jù)的話，你的模型參數(shù)怎么確定？你能一個(gè)結(jié)構(gòu)就能做成Sora那樣嗎？所以說其實(shí)人工智能三起兩落，那兩落大家現(xiàn)在看來都是因?yàn)闆]有走純數(shù)據(jù)驅(qū)動(dòng)的方式，所以我們現(xiàn)在大家坐在一起討論就是因?yàn)橛辛思償?shù)據(jù)驅(qū)動(dòng)的Sora，要不然我們沒有討論這個(gè)的意義。

還有剛才很多老師提了計(jì)算效率的問題，現(xiàn)在純數(shù)據(jù)驅(qū)動(dòng)一個(gè)典型方法機(jī)器學(xué)習(xí)，其實(shí)考慮的就是泛化性，考慮樣本有效性，你能說他沒有考慮真正的計(jì)算資源該怎么在有限的情況下去計(jì)算？而且以后可能會有更大的突破。

我們考慮的是未來，我們考慮未來能不能去實(shí)現(xiàn)，那么人類其實(shí)就是通過觀察數(shù)據(jù)，包括剛才提到的因果，其實(shí)也是數(shù)據(jù)，反事實(shí)數(shù)據(jù)，還有干預(yù)數(shù)據(jù)，通過數(shù)據(jù)我們得到一些知識。

我們在討論這個(gè)問題的時(shí)候，其實(shí)最重要的不是人工智能怎么更強(qiáng)，而是我們怎么跟人工智能一起去和諧共生。那么既然我們處理數(shù)據(jù)，我們?nèi)祟惒蝗缬?jì)算機(jī)，為什么我們不讓計(jì)算機(jī)用 AI 去處理，而我們?nèi)祟惾ヌ幚硪恍┮?guī)則，處理一些公式，處理一些定理，那所以說我們覺得純數(shù)據(jù)驅(qū)動(dòng)是實(shí)現(xiàn)人工智能，包括有溫度的人工智能的一個(gè)最終的愿景。雷峰網(wǎng)雷峰網(wǎng)雷峰網(wǎng)(公眾號：雷峰網(wǎng))

大家怎么看？

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。