تسعى شركات مثل OpenAI إلى تطوير نماذج فيديو عالية الدقة تحاكي الواقع، لكن الدراسة كشفت عن تحديات كبيرة في كيفية تعامل هذه النماذج مع المفاهيم الفيزيائية. وقد أجرى الباحثون اختبارات على هذه النماذج في ثلاث سيناريوهات مختلفة شملت التنبؤ بأنماط معروفة، الخروج عن الأنماط التقليدية، ودمج عناصر مألوفة بطرق جديدة. الهدف كان معرفة ما إذا كانت هذه النماذج قادرة على تعلم القوانين الفيزيائية، أم أنها تعتمد فقط على الأنماط المستخلصة من بيانات التدريب.

نتائج الدراسة أظهرت أن هذه النماذج لا تتعلم قوانين العالم المادي بل تعتمد بشكل كبير على السمات السطحية المأخوذة من بيانات التدريب، حيث يأتي ترتيب الأولويات بالتركيز على اللون ثم الحجم فالسرعة وأخيرًا الشكل. 

عند اختبار النماذج في سيناريوهات مألوفة، حققت أداءً شبه مثالي، إلا أن الأداء انخفض بشكل ملحوظ عند مواجهتها بسيناريوهات غير معروفة، حتى في حالات تتضمن مفاهيم بسيطة مثل الحركة الخطية أو التصادم. 

وتبين من الدراسة أن زيادة حجم النماذج أو توسيع بيانات التدريب يؤدي فقط إلى تحسينات طفيفة، حيث أظهرت النماذج الأكبر قدرة أكبر على التعامل مع الأنماط المعروفة لكنها ما زالت تفتقر إلى فهم الفيزياء الأساسية ومعالجة سيناريوهات تتجاوز نطاق بيانات التدريب المتاحة. 

الدراسة أشارت أيضًا إلى أن تطوير هذه النماذج يتطلب تجاوز حدود بيانات التدريب والبدء في تعليم المبادئ الأساسية للفيزياء. ونظرًا لأن بيانات التدريب لا يمكنها تغطية كافة تفاصيل العالم المادي، فإن الوصول إلى نماذج توليد فيديو واقعية يتطلب فهمًا أعمق للقوانين الأساسية بدلاً من الاعتماد على حفظ الأنماط. 

من ناحية أخرى، تدعي OpenAI أن نموذجها Sora يمتلك فهمًا أوليًا للتفاعلات الفيزيائية والهندسة ثلاثية الأبعاد، في حين تعمل شركات أخرى مثل RunwayML و DeepMind التابعة لجوجل على تطوير نماذج مشابهة. 

على الرغم من وجود نماذج أولية لتوليد الفيديو بتقنيات الذكاء الاصطناعي، فإنها لا تزال في مراحل الاختبار أو متاحة بشكل محدود للشركات والجهات البحثية. وحتى الآن، لم تُعلن OpenAI عن موعد رسمي لإطلاق نموذج Sora الذي يتوقعه الكثيرون في عام 2024.