体操运动，是所有AI视频最残酷的图灵测试。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
体操运动，是所有AI视频最残酷的图灵测试。
原创 数字生命卡兹克 数字生命卡兹克 2024-12-11 09:01 北京
昨天Sora全网上线，大家也都测试了很多了。
坦率的讲， 产品完成度很高，但是模型质量，真的有点不及预期。
不过今天不是来聊Sora模型的。
而是，昨天白天测试Sora的时候，生成的一段让我发了很久的呆的体操视频。
就是这个。
在前面5秒，她蓄势抬手的时候，一切都还能看。
直到真的想做动作时，一切都变成的鬼畜了起来。
画面瞬间崩塌，甚至跟异形无异。
在发呆之后，同时又陷入了深思。
在我这玩AI视频的一年里面，体操，好像永远都是所有AI视频的噩梦。
不管是Sora、Luma，还是可灵、Runway等等，在生成体操视频时都会翻车。
有的翻车翻的比较温柔，因为他们动作幅度小。
有的翻车翻得比较大，直接让运动员在空中扭曲变形。
体操运动，就是AI视频最残酷的图灵测试。
当年大家都在用威尔斯吃面来衡量AI视频时，但其实，体操才是真正的那个门神。
五个月前，DiT视频模型刚刚出来的时候，一段Luma生成的体操视频在X上就引发轩然大波。
视频里面，运动员的四肢在空中扭曲变形。这段由Luma生成的视频不仅让近百万网友围观，还让包括LeCun在内的AI大佬们吵得不可开交。
争论的焦点只有一个：AI到底理解不理解物理规律？
如今5个月过去，现在其实这个问题，几乎已经有了共识。
物理规律，那肯定是不懂的。
回到体操运动，为啥人的跑步、走路等动作现在几乎很好，很多动物的也很稳定，但一旦涉及到复杂动作，特别是体操这种，就直接炸了呢？
其实也挺简单的。
首先，我们得聊聊体操运动有多难。
一个标准的体操动作，比如后空翻加转体720度，看起来只有短短两秒钟，但这两秒钟里，有大概三重对于AI来说非常地狱的难点。
第一个是物理难点。
不同于走路奔跑这些几乎刻在基因里面的动作。
体操运动，是要在一瞬间爆发出足够的力量起跳，在空中完成两周旋转，然后稳稳落地。
这个过程中涉及了重力、惯性、角动量守恒等多个物理定律。坦率的讲，起跳角度差1度、力量差一分，你可能最后都是落地不稳。
在现实世界中，一个体操运动员要经过至少十年的训练，才能这些刻在记忆里、刻在肌肉里。而AI要在短短的训练过程中领悟这些规律，难度可想而知。
第二个是生物力学难点。
人的身体结构极其复杂，206块骨头、超过600块肌肉。
每一个骨头和肌肉，都有自己的运动轨迹和配合。
对于人类来说，这种配合是与生俱来的本能。但对AI来说，理解这种复杂的生物力学系统却是一个巨大的挑战。
就像在AI绘画时经常会画出六根手指的人一样，AI在生成一些复杂动作时，也经常会在生物力学层面犯下很多致命错误。比如肘关节反向弯曲、膝盖过度旋转等等，还有最经典的，转身是真的只转身不转头。。。
这些错误之所以会发生，是因为AI并不真正理解人体的构造限制。它不知道人的关节只能在特定角度活动，不懂得肌肉群之间的协同关系，更不理解人体在高速运动时的生物力学特性。
更重要的是，AI不理解”疼痛”这个概念。在现实中，疼痛是人体对不合理动作的自然反馈，是保护机制的一部分。但AI生成的动作中，可不管你痛不痛，能动就行。
这就好比让一个对人体结构一无所知的画家，闭着眼睛画一个体操运动员的动作连续图。他可能会画出看似流畅，实则完全违背人体工程学的画面。
而这种生物力学上的局限性，恰恰是AI在生成体操视频时最难突破的瓶颈之一。
第三个点则是美学难点。
体操不是纯粹的体育竞技，更是一门艺术。
动作的优美程度、身体的线条感、整体的韵律美，都是体操比赛中的重要评分标准。一个动作即使完成了技术动作，如果缺乏美感，一样会被扣分。
动作要准，还要优美，这对AI来说，太难了。
而这三重难度叠加在一起，就成了AI的噩梦。
有人说AI生成体操视频失败是因为训练数据不足，有人说是数据集模糊处理导致模型无法理解人体结构。
但更深层的问题我觉得还是在于：AI终究还是在完美模仿。
就像一只鹦鹉再怎么会模仿人类说话，它也不知道它所说的话是什么意思，哪怕它对答如流。
这个比喻非常精准。
我觉得对现在的大模型如此、对AI绘图如此、对AI视频，更是如此。
当AI生成视频时，它实际上是在进行一场概率游戏，根据已经见过的画面去猜测下一帧最可能是什么样子。这就像是一个从没学过体操的人，在试图通过看过的视频去复现一个高难度动作。
但体操不是概率游戏。
一些比较前沿的学术届，也尝试引入物理引擎模拟（比如将动作生成与物理模拟器结合），或者在损失函数中加入物理规律约束，但还都在探索阶段，离所谓的世界模拟器，还差太远太远了。
就像图灵测试用人类对话来检验AI的智能水平，体操视频我觉得就是在考验AI对现实世界的理解深度。它需要AI不仅能“完美模仿”，更要理解背后的物理规律、生物力学原理和美学标准。
这种理解，远比我们想象的要深刻得多。
恰恰印证了Pedro Domingos教授的判断。通往AGI的路，也许比我们想象的还要远一些。
这条路或许很远。
但终点一定值得期待。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@gmail.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言