Sora 看起來是對於語意分割之類的 CV 難點擁有很好的表現，可以維持很多形象在序列和邏輯上的連續性、穩定的一貫狀態，只是有時候細節會變形。其實看起來有點像在作夢。
問題就在這裡了，人腦其實也很難長時間維持這麼清晰、細節不變換的影像輸出，就放在大腦裡面想像吧，或者做夢吧，細節也很難那麼清楚。
所以類神經網路模型發展到現在，有能力直接輸出連續且合理的影像是必要的嗎？就發展通用型 AI 而言，這難道不是一種對於認知能力的 overfitting？人類大可以為 AI 設計一些其他適當的工具，讓 AI 能進行創作，而非直接輸出他的想像，還以非常高的標準去要求成品吧。