體操運(yùn)動(dòng)，是所有AI視頻最殘酷的圖靈測(cè)試

　　昨天Sora全網(wǎng)上線，大家也都測(cè)試了很多了。

　　坦率的講， 產(chǎn)品完成度很高，但是模型質(zhì)量，真的有點(diǎn)不及預(yù)期。

　　不過(guò)今天不是來(lái)聊Sora模型的。

　　而是，昨天白天測(cè)試Sora的時(shí)候，生成的一段讓我發(fā)了很久的呆的體操視頻。

　　就是這個(gè)。

　　在前面5秒，她蓄勢(shì)抬手的時(shí)候，一切都還能看。

　　直到真的想做動(dòng)作時(shí)，一切都變成的鬼畜了起來(lái)。

　　畫(huà)面瞬間崩塌，甚至跟異形無(wú)異。

　　在發(fā)呆之后，同時(shí)又陷入了深思。

　　在我這玩AI視頻的一年里面，體操，好像永遠(yuǎn)都是所有AI視頻的噩夢(mèng)。

　　不管是Sora、Luma，還是可靈、Runway等等，在生成體操視頻時(shí)都會(huì)翻車(chē)。

　　有的翻車(chē)翻的比較溫柔，因?yàn)樗麄儎?dòng)作幅度小。

　　有的翻車(chē)翻得比較大，直接讓運(yùn)動(dòng)員在空中扭曲變形。

　　體操運(yùn)動(dòng)，就是AI視頻最殘酷的圖靈測(cè)試。

　　當(dāng)年大家都在用威爾斯吃面來(lái)衡量AI視頻時(shí)，但其實(shí)，體操才是真正的那個(gè)門(mén)神。

　　五個(gè)月前，DiT視頻模型剛剛出來(lái)的時(shí)候，一段Luma生成的體操視頻在X上就引發(fā)軒然大波。

　　視頻里面，運(yùn)動(dòng)員的四肢在空中扭曲變形。這段由Luma生成的視頻不僅讓近百萬(wàn)網(wǎng)友圍觀，還讓包括LeCun在內(nèi)的AI大佬們吵得不可開(kāi)交。

　　爭(zhēng)論的焦點(diǎn)只有一個(gè):AI到底理解不理解物理規(guī)律?

　　如今5個(gè)月過(guò)去，現(xiàn)在其實(shí)這個(gè)問(wèn)題，幾乎已經(jīng)有了共識(shí)。

　　物理規(guī)律，那肯定是不懂的。

　　回到體操運(yùn)動(dòng)，為啥人的跑步、走路等動(dòng)作現(xiàn)在幾乎很好，很多動(dòng)物的也很穩(wěn)定，但一旦涉及到復(fù)雜動(dòng)作，特別是體操這種，就直接炸了呢?

　　其實(shí)也挺簡(jiǎn)單的。

　　首先，我們得聊聊體操運(yùn)動(dòng)有多難。

　　一個(gè)標(biāo)準(zhǔn)的體操動(dòng)作，比如后空翻加轉(zhuǎn)體720度，看起來(lái)只有短短兩秒鐘，但這兩秒鐘里，有大概三重對(duì)于AI來(lái)說(shuō)非常地獄的難點(diǎn)。

　　第一個(gè)是物理難點(diǎn)。

　　不同于走路奔跑這些幾乎刻在基因里面的動(dòng)作。

　　體操運(yùn)動(dòng)，是要在一瞬間爆發(fā)出足夠的力量起跳，在空中完成兩周旋轉(zhuǎn)，然后穩(wěn)穩(wěn)落地。

　　這個(gè)過(guò)程中涉及了重力、慣性、角動(dòng)量守恒等多個(gè)物理定律。坦率的講，起跳角度差1度、力量差一分，你可能最后都是落地不穩(wěn)。

　　在現(xiàn)實(shí)世界中，一個(gè)體操運(yùn)動(dòng)員要經(jīng)過(guò)至少十年的訓(xùn)練，才能這些刻在記憶里、刻在肌肉里。而AI要在短短的訓(xùn)練過(guò)程中領(lǐng)悟這些規(guī)律，難度可想而知。

　　第二個(gè)是生物力學(xué)難點(diǎn)。

　　人的身體結(jié)構(gòu)極其復(fù)雜，206塊骨頭、超過(guò)600塊肌肉。

　　每一個(gè)骨頭和肌肉，都有自己的運(yùn)動(dòng)軌跡和配合。

　　對(duì)于人類(lèi)來(lái)說(shuō)，這種配合是與生俱來(lái)的本能。但對(duì)AI來(lái)說(shuō)，理解這種復(fù)雜的生物力學(xué)系統(tǒng)卻是一個(gè)巨大的挑戰(zhàn)。

　　就像在AI繪畫(huà)時(shí)經(jīng)常會(huì)畫(huà)出六根手指的人一樣，AI在生成一些復(fù)雜動(dòng)作時(shí)，也經(jīng)常會(huì)在生物力學(xué)層面犯下很多致命錯(cuò)誤。比如肘關(guān)節(jié)反向彎曲、膝蓋過(guò)度旋轉(zhuǎn)等等，還有最經(jīng)典的，轉(zhuǎn)身是真的只轉(zhuǎn)身不轉(zhuǎn)頭。。。

　　這些錯(cuò)誤之所以會(huì)發(fā)生，是因?yàn)锳I并不真正理解人體的構(gòu)造限制。它不知道人的關(guān)節(jié)只能在特定角度活動(dòng)，不懂得肌肉群之間的協(xié)同關(guān)系，更不理解人體在高速運(yùn)動(dòng)時(shí)的生物力學(xué)特性。

　　更重要的是，AI不理解"疼痛"這個(gè)概念。在現(xiàn)實(shí)中，疼痛是人體對(duì)不合理動(dòng)作的自然反饋，是保護(hù)機(jī)制的一部分。但AI生成的動(dòng)作中，可不管你痛不痛，能動(dòng)就行。

　　這就好比讓一個(gè)對(duì)人體結(jié)構(gòu)一無(wú)所知的畫(huà)家，閉著眼睛畫(huà)一個(gè)體操運(yùn)動(dòng)員的動(dòng)作連續(xù)圖。他可能會(huì)畫(huà)出看似流暢，實(shí)則完全違背人體工程學(xué)的畫(huà)面。

　　而這種生物力學(xué)上的局限性，恰恰是AI在生成體操視頻時(shí)最難突破的瓶頸之一。

　　第三個(gè)點(diǎn)則是美學(xué)難點(diǎn)。

　　體操不是純粹的體育競(jìng)技，更是一門(mén)藝術(shù)。

　　動(dòng)作的優(yōu)美程度、身體的線條感、整體的韻律美，都是體操比賽中的重要評(píng)分標(biāo)準(zhǔn)。一個(gè)動(dòng)作即使完成了技術(shù)動(dòng)作，如果缺乏美感，一樣會(huì)被扣分。

　　動(dòng)作要準(zhǔn)，還要優(yōu)美，這對(duì)AI來(lái)說(shuō)，太難了。

　　而這三重難度疊加在一起，就成了AI的噩夢(mèng)。

　　有人說(shuō)AI生成體操視頻失敗是因?yàn)橛?xùn)練數(shù)據(jù)不足，有人說(shuō)是數(shù)據(jù)集模糊處理導(dǎo)致模型無(wú)法理解人體結(jié)構(gòu)。

　　但更深層的問(wèn)題我覺(jué)得還是在于:AI終究還是在完美模仿。

　　就像一只鸚鵡再怎么會(huì)模仿人類(lèi)說(shuō)話(huà)，它也不知道它所說(shuō)的話(huà)是什么意思，哪怕它對(duì)答如流。

　　這個(gè)比喻非常精準(zhǔn)。

　　我覺(jué)得對(duì)現(xiàn)在的大模型如此、對(duì)AI繪圖如此、對(duì)AI視頻，更是如此。

　　當(dāng)AI生成視頻時(shí)，它實(shí)際上是在進(jìn)行一場(chǎng)概率游戲，根據(jù)已經(jīng)見(jiàn)過(guò)的畫(huà)面去猜測(cè)下一幀最可能是什么樣子。這就像是一個(gè)從沒(méi)學(xué)過(guò)體操的人，在試圖通過(guò)看過(guò)的視頻去復(fù)現(xiàn)一個(gè)高難度動(dòng)作。

　　但體操不是概率游戲。

　　一些比較前沿的學(xué)術(shù)屆，也嘗試引入物理引擎模擬(比如將動(dòng)作生成與物理模擬器結(jié)合)，或者在損失函數(shù)中加入物理規(guī)律約束，但還都在探索階段，離所謂的世界模擬器，還差太遠(yuǎn)太遠(yuǎn)了。

　　就像圖靈測(cè)試用人類(lèi)對(duì)話(huà)來(lái)檢驗(yàn)AI的智能水平，體操視頻我覺(jué)得就是在考驗(yàn)AI對(duì)現(xiàn)實(shí)世界的理解深度。它需要AI不僅能“完美模仿”，更要理解背后的物理規(guī)律、生物力學(xué)原理和美學(xué)標(biāo)準(zhǔn)。

　　這種理解，遠(yuǎn)比我們想象的要深刻得多。

　　恰恰印證了Pedro Domingos教授的判斷。通往AGI的路，也許比我們想象的還要遠(yuǎn)一些。

　　這條路或許很遠(yuǎn)。

　　但終點(diǎn)一定值得期待。