It akronym GPT is, yn mar in pear jier tiid, it symboal wurden fan in grutte technologyske ûntwrichting. Efter dizze trije letters leit in paradigmaferskowing: wy binne oergien fan kompjûterark dy't manipulearre wurde troch kommando's nei digitale gearwurkers mei wa't wy yn petear binne. Om de grutte fan dizze revolúsje echt te begripen, moat men ûnder de motorkap sjen en de komplekse meganika fan dizze yntelliginsje ûndersykje.
I. Technyske definysje: De trije pylders fan it akronym
GPT stiet foar Generative Pre-trained Transformer. Elke term beskriuwt in krúsjale faze yn 'e skepping fan it model.
1. Generatyf
Yn 'e wrâld fan keunstmjittige yntelliginsje wurdt tradisjoneel in ûnderskied makke tusken twa soarten modellen: diskriminearjend en generatyf.
- In diskriminearjend model observearret gegevens en jout der in label oan (bygelyks: "Dit is in foto fan in kat").
- In generatyf model, lykas GPT, giet fierder. Op basis fan syn kennis is it by steat om folslein nije gegevens te produsearjen dy't earder net bestienen. As it miljoenen gedichten analysearre hat, sil it der net ien út 'e holle foardrage; it sil in nije komponearje, mei respekt foar de regels fan rym en meter dy't it "begrepen" hat.
2. Foarôf traind
Hjir leit de rûge krêft. Foardat it model jo skerm berikte, ûndergie it in massive learfaze. Stel jo in bibleteek foar dy't in grut part fan it wrâldwide ynternet befettet: de hiele Wikipedia, digitale bibleteken, diskusjeforums (lykas Reddit), kompjûterkoade-repositories (GitHub) en nijsargiven.
Moannenlang, op tûzenen krêftige prosessors, "lies" it model dizze tekst om net allinich spesifike feiten te learen, mar ek de djippe struktuer fan taal sels. Dizze "foartraining" lit it model oankomme mei in universele kulturele en taalkundige eftergrûn foardat it sels syn earste fraach krijt.
3. Transformator
Dit wie de wittenskiplike trochbraak fan 2017, ûntstien út in Google-ûndersyksartikel mei de titel "Oandacht is alles wat jo nedich binne"Foar de Transformer lêze AI-modellen sinnen wurd foar wurd, yn folchoarder (weromkommende modellen). De Transformer sjocht lykwols nei in sin as gehiel en tagelyk.
Mei tank oan in meganisme neamd Oandacht, kin it it belang fan elk wurd weagje yn relaasje ta oaren. Yn 'e sin "It bist is de strjitte net oerstutsen, om't it te wurch wie", begrypt de Transformer dat"it" ferwiist nei it bist. As de sin einiget mei "om't it te breed wie", begrypt it fuortendaliks dat "it" ferwiist nei de strjitte. Dit fermogen om komplekse kontekst te begripen is wat de antwurden fan GPT sa minsklik fiele lit.
Related: ChatGPT Down? Wêrom AI-glitches en hoe kinne jo fergees tagong krije ta de bêste GPT's
II. In koarte skiednis fan evolúsje: Fan GPT-1 oant GPT-5
It ferhaal fan GPT is ien fan eksponentiële groei, oandreaun troch it bedriuw OpenAI.
It wekker wurden (GPT-1 en GPT-2)
Yn 2018 lei GPT-1 de basis. It koe ienfâldige taken útfiere, mar syn ûnthâld wie koart. Yn 2019 skaalde GPT-2 flink op mei 1.5 miljard parameters (de ynterne ferbiningen fan it model). It waard sa betûft yn it generearjen fan gearhingjende tekst dat OpenAI yn earste ynstânsje wifkjend wie om it frij te jaan, út eangst dat it brûkt wurde soe om desinformaasje op yndustriële skaal te meitsjen.
De Eksploazje (GPT-3 en 3.5)
Yn 2020 oerstiek GPT-3 in psychologyske barriêre mei 175 miljard parameters. It wie in berekkeningsbeest. It wie net langer allinich in oersetter of in skriuwer; it waard by steat ta logysk redenearjen en kodearjen yn tsientallen programmeartalen. De GPT-3.5-ferzje tsjinne as de motor foar de iepenbiere lansearring fan ChatGPT yn novimber 2022, wat in wrâldwide sensaasje feroarsake.
Folwoeksenheid (GPT-4 en fierder)
GPT-4, útbrocht yn 2023, is multimodaal. It kin ôfbyldings analysearje, komplekse wiskundige problemen oplosse en folle hegere nivo's fan kreativiteit sjen litte. De krektens waard ferfine om "hallusinaasjes" te ferminderjen (mominten wêrby't de AI mei fertrouwen feiten útfûn).
Related: Unbeheind en fergese ChatGPT-5 op Free AI Online
III. Ynterne wurking: In kânsmasine
Yn tsjinstelling ta wat faak tocht wurdt, hat GPT gjin "tinzen" of mieningen. De wurking dêrfan is suver statistysk, mar op sa'n grutte skaal dat it yntelliginsje simulearret.
As in brûker in query typt, transformearret it model elk wurd yn in sekwinsje fan getallen dy't ynbêdingen (of vektorisaasje) neamd wurde. Dizze getallen meitsje it mooglik om wurden yn in wiskundige romte mei tûzenen diminsjes te pleatsen. Yn dizze romte is it wurd "Kening" wiskundich tichtby "Keninginne" of "Kroan".
It antwurdproses is in searje foarsizzingen:
- It model analysearret de prompt.
- It berekkent hokker wurd (of "token“) hat de heechste kâns om it antwurd te begjinnen.
- As dat wurd ienris keazen is, fiedt it it werom yn syn analyze om it folgjende wurd te foarsizzen.
- It werhellet dit proses oant it in einpunt berikt.
Wat it resultaat yndrukwekkend makket, is dat GPT net altyd it meast wierskynlike wurd kiest (wat it werhellend en saai meitsje soe), mar in "temperatuer"-ynstelling (kontroleare willekeurichheid) brûkt om syn styl en kreativiteit te fariearjen.
IV. De krúsjale stap: Minsklik ôfstimming (RLHF)
As jo in masine gewoan it hiele ynternet jouwe om te lêzen, riskearret it agressyf te wurden of gefaarlik advys te jaan, om't it ynternet sawol it bêste as it minste fan 'e minskheid befettet.
Om GPT "persoanlik" te meitsjen, brûkt OpenAI Reinforcement Learning from Human Feedback (RLHF). Tûzenen minsklike testers hawwe ynteraksje hân mei iere ferzjes fan it model en de antwurden beoardiele: "Dit is in goed antwurd", "Dit is ûnfatsoenlik", "Dit is falsk".
Troch dit proses learde de AI de hâlding oan te nimmen fan in nuttige, neutrale en etysk ferbûne assistint. Dizze lêste laach transformearret rau technology yn in massamerkprodukt.
V. Útdagings en beheiningen
Nettsjinsteande syn krêft bliuwt GPT in ark mei blinde flekken:
- HallusinaasjeOmdat it statistysk betrouber wêze wol, kin it in biografy of in juridyske boarne útfine dy't net bestiet, gewoan om't de wurden "goed byinoar klinke".
- Gebrek oan bewustwêzenGPT fielt neat. It hat gjin begryp fan 'e fysike wrâld. As it útleit hoe't jo in omelet koekje moatte, wit it net wat waarmte of de rook fan in aai is; it wit allinich de taalkundige relaasje tusken dy konsepten.
- Miljeu kostenIt trainen en útfieren fan dizze modellen fereasket in soad elektrisiteit en wetter (om servers te koelen).
Konklúzje
GPT is folle mear as gewoan tekstferwurkingssoftware. It is in kognitive ynfrastruktuer. Krekt sa't elektrisiteit de meganisaasje fan fysike arbeid mooglik makke, begjint GPT bepaalde foarmen fan yntellektuele arbeid te automatisearjen.
Troch te begripen dat GPT stiet foar Generative (kreëarring), Pre-trained (massive kennis) en Transformer (kontekstueel begryp), kinne wy better wurdearje wêrom't dizze technology in kearpunt markearret. Wy steane noch mar oan it begjin fan it ferkennen fan wat dizze hieltyd lichtere en yntelligintere modellen bringe sille nei wittenskip, ûnderwiis en artistike skepping.
