主要观点总结
文章讨论了AI在生成体操视频时的困难与挑战。文章指出，尽管AI产品完成度很高，但在面对体操这种复杂运动时，模型质量常常不及预期。文章通过深入分析体操运动的难度和AI面临的挑战，包括物理规律、生物力学和美学标准等方面，阐述了AI在生成体操视频时的困境。同时，文章也提到了学术界正在尝试的解决方案和通往AGI的路的遥远与期待。
关键观点总结
关键观点1: 体操是AI视频的噩梦，涉及复杂的物理规律、生物力学和美学标准。
文章指出体操运动的复杂性，包括瞬间的力量爆发、空中旋转等动作，对于AI来说是非常地狱级别的难点。AI面临理解物理规律、生物力学原理和美学标准的挑战。
关键观点2: AI在生成体操视频时面临三重难度。
文章详细阐述了这三重难度：物理难点、生物力学难点和美学难点，这些难度使得AI在生成体操视频时经常犯错，如画面崩塌、动作不流畅等。
关键观点3: AI在模仿背后的规律时存在理解深度不足的问题。
文章认为AI只是在模仿人类的行为，而没有真正理解背后的物理规律、生物力学原理和美学标准。这导致了AI在生成一些复杂动作时，会犯下致命错误。
关键观点4: 学术界正在尝试解决方案，但通往AGI的路仍很遥远。
文章提到一些前沿的学术界正在尝试引入物理引擎模拟等技术来改进AI的表现，但离真正的世界模拟器还有很长的路要走。
正文
坦率的讲， 产品完成度很高，但是模型质量，真的有点不及预期。
而是，昨天白天测试Sora的时候，生成的一段让我发了很久的呆的体操视频。
在我这玩AI视频的一年里面，体操，好像永远都是所有AI视频的噩梦。
不管是Sora、Luma，还是可灵、Runway等等，在生成体操视频时都会翻车。
当年大家都在用威尔斯吃面来衡量AI视频时，但其实，体操才是真正的那个门神。
五个月前，DiT视频模型刚刚出来的时候，一段Luma生成的体操视频在X上就引发轩然大波。
视频里面，运动员的四肢在空中扭曲变形。这段由Luma生成的视频不仅让近百万网友围观，还让包括LeCun在内的AI大佬们吵得不可开交。
争论的焦点只有一个：
AI到底理解不理解物理规律？
如今5个月过去，现在其实这个问题，几乎已经有了共识。
回到体操运动，为啥人的跑步、走路等动作现在几乎很好，很多动物的也很稳定，但一旦涉及到复杂动作，特别是体操这种，就直接炸了呢？
一个标准的体操动作，比如后空翻加转体720度，看起来只有短短两秒钟，但这两秒钟里，有大概三重对于AI来说非常地狱的难点。
体操运动，是要在一瞬间爆发出足够的力量起跳，在空中完成两周旋转，然后稳稳落地。
这个过程中涉及了重力、惯性、角动量守恒等多个物理定律。坦率的讲，起跳角度差1度、力量差一分，你可能最后都是落地不稳。
在现实世界中，一个体操运动员要经过至少十年的训练，才能这些刻在记忆里、刻在肌肉里。而AI要在短短的训练过程中领悟这些规律，难度可想而知。
人的身体结构极其复杂，206块骨头、超过600块肌肉。
对于人类来说，这种配合是与生俱来的本能。但对AI来说，理解这种复杂的生物力学系统却是一个巨大的挑战。
就像在AI绘画时经常会画出六根手指的人一样，AI在生成一些复杂动作时，也经常会在生物力学层面犯下很多致命错误。比如
肘关节反向弯曲、膝盖过度旋转等等，还有最经典的，转身是真的只转身不转头。。。
这些错误之所以会发生，是因为AI并不真正理解人体的构造限制。它不知道人的关节只能在特定角度活动，不懂得肌肉群之间的协同关系，更不理解人体在高速运动时的生物力学特性。
更重要的是，AI不理解"疼痛"这个概念。在现实中，疼痛是人体对不合理动作的自然反馈，是保护机制的一部分。但AI生成的动作中，可不管你痛不痛，能动就行。
这就好比让一个对人体结构一无所知的画家，闭着眼睛画一个体操运动员的动作连续图。他可能会画出看似流畅，实则完全违背人体工程学的画面。
而这种生物力学上的局限性，恰恰是AI在生成体操视频时最难突破的瓶颈之一。
动作的优美程度、身体的线条感、整体的韵律美，都是体操比赛中的重要评分标准。一个动作即使完成了技术动作，如果缺乏美感，一样会被扣分。
有人说AI生成体操视频失败是因为训练数据不足，有人说是数据集模糊处理导致模型无法理解人体结构。
但更深层的问题我觉得还是在于：
AI终究还是在完美模仿。
就像一只鹦鹉再怎么会模仿人类说话，它也不知道它所说的话是什么意思，哪怕它对答如流。
我觉得对现在的大模型如此、对AI绘图如此、对AI视频，更是如此。
当AI生成视频时，它实际上是在进行一场概率游戏，根据已经见过的画面去猜测下一帧最可能是什么样子。这就像是一个从没学过体操的人，在试图通过看过的视频去复现一个高难度动作。
