在機器學習中，模型的可調節(jié)參數(shù)就像蒼蠅，訓練數(shù)據(jù)就像氣味源，目標函數(shù)測量的誤差就像氣味。而調整模型權重的目的是向著氣味源(這里是低誤差，相當于更濃的氣味)移動。

最后，他得出結論，如果認為機器學習模型僅僅通過訓練行星運動的視頻就能在內部學到廣義相對論，那就更荒謬了。這是對機器學習原理的嚴重誤解。

此外，有網(wǎng)友指出 Sora 視頻示例中充滿了物理錯誤，比如一群小狗在雪中玩鬧的場景就很糟糕，大塊雪的運動就完全違反了重力(是否真如此，有待判斷)。

Sora 到底懂不懂物理?將來會不會懂?「預測下一個 token」是不是通往 AGI 的一個方向?我們期待各路研究者進行進一步驗證。