與此同時，知名 AI 學者、Meta AI 研究科學家田淵棟也認為，關于 Sora 是否有潛力學到精確的物理(當然現在還沒有)，其背后的關鍵問題是：為什么像「預測下一個 token」或「重建」這樣簡單的思路會產生如此豐富的表示?

他表示，損失函數如何被激發(fā)的并不重要，損失函數的設計動機(無論多么哲學化或復雜)并不直接決定模型能否學習到更好的表示。事實上，復雜的損失函數可能與看起來很簡單的損失函數實際上產生了類似的效果。

最后他稱，為了更好地理解事物，我們確實需要揭開 Transformers 的黑匣子，檢查給定反向傳播的訓練動態(tài)，以及如何學習隱藏的特征結構，并探索如何進一步改進學習過程。

田淵棟還表示，如果想要學習精確的物理，他敢打賭需要主動學習或者策略強化學習(無論如何稱呼它)來探索物理的精細結構(例如物體之間的相互作用、硬接觸)。

其他觀點：Sora 被認為是「數據驅動的物理引擎」太荒謬

除了眾多 AI 圈大佬之外，也有一些專業(yè)性的觀點開始反駁 Sora 懂物理引擎這一說法。

比如下面這位推特博主，他認為 OpenAI 是數據驅動的物理引擎這一觀點是荒謬愚蠢的， 就好像收集了行星運動的數據并將它們喂給一個預測行星位置的模型，然后就得出該模型內部實現了廣義相對論的結論。