AIGC与传统的软件或APP等开发主要存在两处不同：

一是产品核心的多元化。传统软件、APP等是为了完成用户特定需求，将解决问题的算法编写为代码，代码（算法）即是产品的运转逻辑，故对于这些产品而言，最重要的核心就是代码（算法）本身，得到了源代码即可还原产品。而对于AIGC而言，虽然指导模型训练的算法仍很重要，但数据、硬件以及最终得到的模型亦不可忽视。即使得到了源代码，如果没有优质数据和硬件的支持，也很难还原出效果良好的模型。因此，相较于传统软件、APP等仅以源代码为核心，AIGC的核心呈现出“一主三副”的态势，即只有在代码（算法）、数据和硬件三个副核心的支持下，才能得到最为重要的模型这一主核心。

二是运行逻辑的黑箱化。对于传统软件、APP而言，通过对源代码的解读即能基本完全还原出其运行逻辑，即只要有了代码（算法），软件、APP等就是“透明”的，无论是用户还是监管方都能比较直白地理解其工作过程。但正如前文所言，在AIGC中，代码（算法）只是三个副核心中的其中一个，即使得到了代码（算法），也只能对AIGC的运行逻辑有大致了解。这是因为，代码（算法）只能做到指导AI如何对数据进行学习，但AI本身是在主动学习，其在训练数据中学到了什么样的知识，建立了怎样的神经元结构和相应参数库，是无法完全跟踪和全部预测的。打个比方，算法就像是老师告诉学生应当将错题与正确答案对比，找到错的地方并改错；但学生在刷题过程中具体错了哪些题，在改错过程中每一道错题对学生大脑中的知识体系产生了怎样的影响，则是老师也很难完全还原出来的。这种AI运行逻辑的不可知性被称为“算法黑箱”，是AI领域老生常谈的问题，也在AIGC中有所体现，例如，ChatGPT上线之初常常会自己编造虚假信息，但OpenAI对于其具体为什么会产生这种问题也语焉不详。

提请注意，企业在进军AIGC领域时，应当关注到以上两点AIGC与传统互联网产品之间的不同之处，并依此对开发策略和商业思路做出适当的调整，如相较于代码，应当更加关注和重视模型，并尽可能提升算法的可解释性等。

更多IT类相关推荐：
更多IT干货文章
IT精品就业培训课程

文章来源：网络  版权归原作者所有

上文内容不用于商业目的，如涉及知识产权问题，请权利人联系博为峰小编(021-64471599-8103)，我们将立即处理