I modelli video non possono simulare la fisica a catena: lo dimostra un paper

Un nuovo studio pubblicato su arXiv identifica un limite strutturale nei modelli di diffusione video: l’incapacità di ragionare correttamente su sequenze causali concatenate, indipendentemente dalla potenza di calcolo disponibile.

Il paper “The Seriality Gap in Video Diffusion Models” di Diaz Chao, Preechakul, Liu e Bai descrive esperimenti controllati su dinamiche di sfere rigide in collisione multipla. Il risultato è netto: le prestazioni dei modelli bidirectional video diffusion degradano all’allungarsi della catena causale — palla che colpisce palla che colpisce palla — anche aumentando i passi di denoising. Lo stesso test con una singola sfera, dove non esistono interazioni dipendenti, non mostra la medesima degradazione, isolando la struttura causale come causa del problema, non la lunghezza del video.

Gli autori battezzano questo fenomeno seriality gap: uno scarto tra compiti che richiedono computazione seriale crescente e l’architettura dei modelli di diffusione, il cui loop di denoising non scala in termini di ragionamento seriale. La dimostrazione formale è diretta — per la predizione video deterministica, aggiungere passi di denoising non aggiunge computazione seriale oltre quella del backbone.

L’unica via parzialmente efficace individuata nello studio è la generazione autoregressiva o a blocchi, che aumenta la profondità computazionale effettiva. Ma questo implica cambiamenti architetturali profondi, non semplici ottimizzazioni.

Il rilievo pratico è significativo per chi guarda ai modelli generativi come candidati a simulatori fisici o strumenti di reasoning spazio-temporale. Il gap non si chiude con più GPU: è inscritto nella struttura stessa dell’approccio diffusivo standard.