各位魯魯下午好，
小魯看了 OpenAI 官網，發現了下圖敘述：
https://imgur.com/a/Zue62Q7.jpg
Sora 似乎將 2D-dimension 圖片堆疊後，
形成 3D-dimension Matrix，再切割成 1D-dimension，
接著將 1D 的每個正方形當作 Tokens 餵給 GPT，來形成我們所看到的生成式視頻，
接著是我的腦洞大開，
對數學 & 電腦陣列而言，3D-dimension 只是 3 個 element，
如果現在我將陣列 Array，input 4、5、6...以上的 element 形成 Matrix，
再將此 Matrix 切割成 1D-dimension 的 Tokens 餵給 GPT 去生成視頻，
是不是人類就能看到更高維度的世界模型？
PS：2D 能夠完全展示 3D 世界。所以即使我們只有 3D 圖片，也能完全理解 4D 世界。
更高維度 5D 以上，即使 Sora 能夠生成，人類應該也無法理解。