各位鲁鲁下午好，
小鲁看了 OpenAI 官网，发现了下图叙述：

Sora 似乎将 2D-dimension 图片堆叠后，
形成 3D-dimension Matrix，再切割成 1D-dimension，
接着将 1D 的每个正方形当作 Tokens 喂给 GPT，来形成我们所看到的生成式视频，
接着是我的脑洞大开，
对数学 & 电脑阵列而言，3D-dimension 只是 3 个 element，
如果现在我将阵列 Array，input 4、5、6...以上的 element 形成 Matrix，
再将此 Matrix 切割成 1D-dimension 的 Tokens 喂给 GPT 去生成视频，
是不是人类就能看到更高维度的世界模型？
PS：2D 能够完全展示 3D 世界。所以即使我们只有 3D 图片，也能完全理解 4D 世界。
更高维度 5D 以上，即使 Sora 能够生成，人类应该也无法理解。