图：未来让我们丢掉工作的，只会是熟练使用AI工具的同事，而非AI本身。

　　春节期间，文生视频AI工具Sora横空出世，赢得一片赞美之声，更被业界推崇为“世界模拟器”（World Simulator），即可准确展现真实物质的运动规律。但今次笔者撰文“斗胆”预测，文生视频AI距离商用水准仍有不小差距。而在现有GPT技术框架下，本轮AI热潮在经历数年的快速迭代后将遭遇发展瓶颈。

　　必须要承认，Sora相较文生视频的AI前辈们──Runway、Pika，不仅在时长上实现了突破（Sora长达1分钟，Runway基础视频为4秒、Pika为3秒），并在视频流畅度、光影处理等方面均取得大幅进步。

　　这也是为什么，每次AI工具迭代都会引发一波“失业恐慌”。就在年初，IMF（国际货币基金组织）还发布报告指出，全球近40%的就业岗位会受到人工智能的影响。

　　图灵测试与中文房间

　　不过，笔者要为Sora泼冷水。现行AI技术的底层理论─人工神经网络（Artificial Neural Network），只是通过二进制方式模仿大脑神经的决策流程。也就是说，包括Sora在内的所有AI工具，貌似理解物质世界，但仅是“滥竽充数”。　　

　　早在1950年，英国科学家艾伦．图灵就提出一个标准，用来评判机器是否达到人工智能的水平。机器A被关在房间中，与屋外的人类B通过文字交流。如果人类B无法分辨房间内是人类还是机器，则机器A通过了“图灵测试”。

　　但到了1980年，美国科学家约翰．瑟尔提出了质疑。他描述了这样一种情况：如果一个只懂英语的人被关在屋里，手里拿着一本中英文词典，指导其根据接收到的中文信息选择合适的中文字符来做回答。从屋外的视角来看，这人好像会懂中文，但其实他一窍不通。

　　局部合理与整体荒谬

　　那么，如果给机器A一本《物质世界指南》，屋外的人类B很容易产生错判─房间里的机器A好像真的拥有了人工智能。事实上，GPT模型的性质仍属机器智能，依赖于高质量的数据标注与训练。GPT只是记住了如何根据上文来生成下文，并非真的掌握了自然语言。

　　正是由于“中文房间”效应，我们在使用ChatGPT时，经常遭遇AI出现“幻觉”：捏造内容或者答非所问。这种偏差在文生视频工具中又被放大了，特别是Sora将视频输出延长至1分钟，给了AI更多“犯错”机会。

　　当我们认真观看Sora的演示视频时会发现，如果只是聚焦单一物体，呈现出的运动效果非常优秀，但如果两个物体之间产生接触，Sora就无法准确模拟出真实的物理规律，如吹灭蜡烛。

　　这是因为GPT模型只能处理信息的相关性，而无法掌握物理的因果律。受此影响，Sora生成的AI视频“局部合理、整体荒谬”，极大地降低了自身的可靠性及稳定性。这一问题是由技术缺陷所致，靠算力和数据无法从根本上弥补。也因此，未来让我们丢掉工作的，只会是熟练使用AI工具的同事，而非AI本身。

　　至于外界憧憬的“世界模拟器”，只能等到脑科学实现重大突破的那一天了。