通用人工智能(AGI)

【Sora的出现让AGI到来的时间提前：十来年变成两三年】

AGI技术路线有三条：一是信息智能，即“大数据+自监督学习+大算力”。二是博弈智能。在人机交互中训练智能体，使其能进行自主学习和决策。三是类脑智能。通过模仿人脑的运行方式实现AGI。

Sora能在一定程度上模拟物理世界中的物体运动和交互。这种能力涉及机器对现实世界的深入理解和高度模拟，是实现AGI的核心挑战

Sora的技术缺陷--

目前，Sora模拟真实物理世界的方式，是通过对给定的文字、图像、参考视频进行建模，然后预测想要生成的视频数据的条件概率分布。这与语言模型的原理没有本质区别，同样是在做无损压缩。尽管Sora能够通过学习了解表层的运动和交互关系，但是还没有学习到物理规律的本质。它仍是数据驱动下的拟合，也就是模拟人类所能看到的物理世界。但真实的物理世界远不仅包含人类视觉信息。Sora这种近乎人类的表达实际上是一种基于现有数据和语料的合成智能。它给实现AGI找到了一种可行的路径，真正的AGI还有很长的路。

挑战1.数据瓶颈。数据仍是深度学习的关键限制因素；

挑战2.泛化瓶颈。特定任务表现出色，新任务难以适应；

挑战3.能耗瓶颈。模型越来越复杂，所需资源和能耗也越来越大。