bélyegkép|275x275px|A ChatGPT elérhetősége a világban országok vagy régiók szerint (2025. január) A ChatGPT az OpenAI által fejlesztett, nagyméretű nyelvi modellekre épülő mesterséges intelligencia-alapú chatbot, amely az emberihez hasonló szövegértési és szövegalkotási képességekkel rendelkezik. A szolgáltatás 2022 novemberében vált nyilvánossá,OpenAI: ChatGPT research release announcement, 2022. és rövid idő alatt világszerte a generatív mesterséges intelligencia egyik legismertebb alkalmazásává vált.Roose, Kevin. „The Brilliance and Weirdness of ChatGPT”, The New York Times, 2022. december 5.
A ChatGPT a GPT-modellcsalád különböző verzióira épül, amelyek közül korábban a GPT–3.5 és a GPT–4 volt a legszélesebb körben elérhető. A későbbi fejlesztésekben megjelentek a multimodális képességeket kínáló modellek, például a GPT–4o és a GPT–4.1, majd 2025-től a továbbfejlesztett, nagyobb teljesítményű verziók, köztük a GPT–5 és a GPT–5.1. A ChatGPT képes természetes nyelvű válaszadásra, összefoglalásra, fordításra, szövegalkotásra, programkód írására és ellenőrzésére, továbbá hang- és képfeldolgozásra is; a multimodális modellek esetében pedig már képes képek, hangminták vagy videók elemzésére is.
A rendszer működése nagyméretű neurális hálózaton alapul, amelyet hatalmas mennyiségű szöveges adat feldolgozásával tanítottak be. A ChatGPT-t egyaránt alkalmazzák oktatásban, üzleti tervezésben, szoftverfejlesztésben, tartalomkészítésben, ügyfélszolgálati környezetben és kutatási célokra. Elterjedése jelentős társadalmi, technológiai és gazdasági hatásokat váltott ki, és széles körű vitákat indított a mesterséges intelligencia jogi, etikai és szabályozási kérdéseiről.
Betanítás A ChatGPT betanítása több lépcsőben zajlott, kombinálva a felügyelt tanulást és a megerősítéses tanulást emberi visszajelzéssel (RLHF). A modell alapját eredetileg a GPT–3.5 jelentette, amely a GPT–3 továbbfejlesztett változata, és a nagy nyelvi modellekre jellemző, nagyméretű, előzetesen betanított transzformer-architektúrát alkalmazza.
A tréningadatok nagy mennyiségű, emberek által létrehozott szövegből származtak, köztük online fórumokból, közösségi médiából, hírekből, könyvekből és beszélt nyelvi transzkriptumokból. A modell a betanítás során megtanulta a természetes nyelvi mintázatokat, a kontextuskezelést és a párbeszédes válaszformálást.
A felügyelt tanulási fázisban emberi oktatók olyan példabeszélgetéseket készítettek, amelyekben a felhasználó és az MI válaszai is szerepeltek. A megerősítéses tanulás során az oktatók rangsorolták a modell által generált válaszokat, majd ezekből jutalommodellek készültek, amelyekkel tovább finomhangolták a rendszert.
A betanítás technikai hátterét a Microsoft Azure szuperszámítógépes infrastruktúrája biztosította. A szolgáltatás indulása után az OpenAI folyamatosan gyűjtötte a felhasználói visszajelzéseket és értékeléseket, amelyeket újabb finomhangolásokhoz használt fel.
A működésbiztonság és a káros tartalmak elkerülése érdekében az OpenAI vállalati szintű moderációs API-t épített a rendszerbe, amely a felhasználói kéréseket előszűri, és blokkolja a gyűlölködő, rasszista, szexista vagy erőszakos tartalmakat.bélyegkép|275x275px|Pioneer Building, San Francisco – az OpenAI székháza Az OpenAI ugyanakkor elismerte, hogy a modell időnként hihetőnek hangzó, de téves vagy pontatlan válaszokat is adhat, a jutalmazási rendszer pedig túl-optimalizálható, ami a Goodhart-törvény szerinti torzulásokhoz vezethet. A kezdeti verziók a 2021 utáni eseményekről csak korlátozott információval rendelkeztek, és több kutatás is kimutatott torzításokat, például politikai irányultságot vagy társadalmi elfogultságot. Egyes példák arra utaltak, hogy a modell a női és a színes bőrű tudósokat alacsonyabb presztízsűnek írta le, mint férfi vagy fehér társaikat. Technikai felépítés A ChatGPT működését a transzformer-alapú nagy nyelvi modellek technológiai innovációi teszik lehetővé. A rendszer több egymásra épülő komponensből áll, amelyek együtt biztosítják a természetes nyelv feldolgozását, a multimodális bemenetek kezelését, a hosszú kontextusú válaszadást, valamint a külső eszközök igénybevételével történő összetett feladatvégzést.
Transzformer-architektúra A ChatGPT alapját az ún. transzformer-modell adja, amelyet eredetileg a „Attention Is All You Need” című tanulmány ismertetett. A transzformer önfigyelő (self-attention) mechanizmusa képes a szöveg különböző pontjai közötti kapcsolatok és függőségek modellezésére, függetlenül attól, hogy azok a mondaton belül hol helyezkednek el. A GPT-modell az autoregresszív transzformerek közé tartozik: minden új token előállítása a megelőző tokenek sorozatára épül, ami a nyelvi folyamatosság és a koherens szövegalkotás alapja.
Tokenizálás A nyers szöveg feldolgozásának első lépése a tokenizálás, amely során a modell a beviteli adatokat kisebb egységekre bontja. A GPT-család Byte Pair Encoding (BPE) alapú módszert alkalmaz, amely szótöredékeket és karaktercsoportokat kezel tokenként. A multimodális modellverziókban (például a GPT-4o és a GPT-5 esetében) a tokenizálási eljárás kiterjed a képi, hangi és videós bemenetekre is: ezek egységes tokenfolyammá alakulnak, amelyet a modell ugyanazon neurális architektúra segítségével dolgoz fel.bélyegkép|409x409px|A Chat GPT verset ír Joe Bidenről, de Donald Trumpról nem hajlandó (2023. május) Kontextusablak A ChatGPT a válaszait egy meghatározott méretű kontextusablak alapján állítja elő, amely korlátozza, hogy egyszerre mennyi szöveg „látható” számára. A GPT-3.5 modell körülbelül 4000 token kezelésére volt képes, míg a későbbi generációkban ez a határ jelentősen kitolódott: a GPT-4 esetében 8–32 000 token, a GPT-4 Turbo esetében 128 000 token, a GPT-4.1 esetében 200 000 token, a GPT-5 és GPT-5.1 modellekben pedig ennél is nagyobb, több százezres nagyságrendű kontextusablak vált elérhetővé. A nagy kontextus mítosza ellenére a modell továbbra sem rendelkezik tartós memóriával; minden válasz az adott beszélgetés kontextusán belül értelmezhető. Multimodális feldolgozás A GPT-4o, a GPT-4.1 és a GPT-5 modellek egységes multimodális architektúrát alkalmaznak. Ebben a szöveg, a kép, a hang vagy a videó ugyanazon neurális hálózati rétegekben kerül feldolgozásra, eltérően a korábbi megközelítésektől, ahol a vizuális vagy hangi adatok különálló encodereken keresztül jutottak be a rendszerbe. A multimodalitás teszi lehetővé többek között a képelemzést, a hangtartalmak értelmezését és a videók technikai szintű feldolgozását.
Finomhangolás: SFT, RLHF, PPO és DPO A ChatGPT fejlesztése több finomhangolási lépésből áll, amelyek célja, hogy a modell a nyers nyelvi mintázatok mellett emberi kommunikációs normákat is elsajátítson. A felügyelt finomhangolás (SFT) során emberek által írt példabeszélgetéseket használnak, amelyek meghatározzák, hogyan reagáljon a modell különböző helyzetekben. Ezt követi a megerősítéses tanulás emberi visszajelzéssel (RLHF), ahol a fejlesztők rangsorolják a modellválaszokat, és ezek alapján jutalommodelleket hoznak létre. A folyamat során a Proximal Policy Optimization (PPO) módszerrel optimalizálták a modell viselkedését, míg a modernebb modellekben egyre nagyobb hangsúlyt kap a Direct Preference Optimization (DPO), amely a preferenciák közvetlen tanulását teszi lehetővé. Memória és eszközhasználat (tool-use) A ChatGPT technikai képességei között kiemelt szerepet kap a memória és a külső eszközök használata. A modell alapvetően nem rendelkezik tartós, hosszú távú memóriával: a válaszok kizárólag az adott beszélgetés kontextusablakán belül értelmezhetők, és a rendszer nem őriz meg automatikusan információt különböző munkamenetek között. A nagyobb kontextusablak ugyan lehetővé teszi hosszabb dokumentumok vagy összetettebb feladatok kezelését, de ez továbbra sem tekinthető valódi memóriának.
A modernebb modellverziók, különösen a GPT–4.1 és GPT–5 esetében megjelentek olyan mechanizmusok, amelyek képesek strukturált módon kezelni a felhasználó által korábban megadott információkat, illetve összetett feladatok több lépésben történő végrehajtását. Ezek a rendszerek nem tartós emlékezetet hoznak létre, hanem a kontextus technikai bővítésével és a feladatokra vonatkozó utasítások jobb kezelésével biztosítanak következetesebb párbeszédet.
A ChatGPT a fejlettebb verziókban képessé vált különféle külső eszközök — például keresőmotorok, számítógépek, kódfuttatók, kép- vagy hangfeldolgozó modulok — használatára is. Az eszközhasználat célja, hogy a modell olyan feladatokat is el tudjon végezni, amelyeket a neurális hálózat önmagában nem képes pontosan vagy biztonságosan megoldani. A tool-use rendszerek működése során a modell felismeri, mikor szükséges külső modul bevonása, megfogalmazza a lekérdezést, majd a kapott eredményt beépíti a természetes nyelvű válaszába.
Fejlesztéstörténet és modellverziók bélyegkép|345x345px|A ChatGPT bemutatkozását követően shakespeare-i szonett formájában válaszol a bizarr kérdésre, hogy meggyilkolták-e a Wikipédia társalapítóját a Tienanmen téri vérengzés során (2022. december 30.) A ChatGPT technológiai fejlődése a GPT-modellcsalád gyors iterációin alapul. A korai, főként szövegalapú modellektől a multimodális rendszerekig vezető út jelentős ugrásokat hozott teljesítményben, megbízhatóságban és funkcionalitásban. Az alábbiakban a fő modellverziók kronologikus áttekintése olvasható.
A GPT–3.5 generáció (2022)
GPT–3.5
2022 novemberében vált a ChatGPT első publikus alapmodelljévé. A modell a GPT–3 továbbfejlesztett változata volt, amely pontosabb párbeszédes viselkedést, stabilabb kontextuskezelést és gyorsabb válaszadást kínált a korábbi verziókhoz képest.
GPT–3.5 Turbo A következő évben jelent meg és megbízhatóbb, költséghatékonyabb működést kínált. Ezt a változatot széles körben alkalmazták az első generációs API-integrációkban, majd fokozatosan háttérbe szorult a fejlettebb modellek megjelenésével.
A GPT–4 generáció (2023–2024)
GPT–4
2023 márciusában vált elérhetővé és jelentős, minőségi ugrást hozott szövegértésben, problémamegoldásban és a hosszabb, 32 000 tokent kezelő kontextus kezelésében. Teljesítménye számos tudományos és szakmai benchmarkon messze meghaladta a korábbi modellek eredményeit.
GPT–4 Turbo A modellcsalád következő tagja optimalizált működést és nagyobb, 128 000 tokenes kontextusablakot biztosított, míg a későbbi fejlesztések már egységes multimodális architektúrára épültek.bélyegkép|Schrödinger macskája (ChatGPT 4.0 & Dall-E 3.0 – 2024)|200x200px
GPT-4 vezérelt DALL-E
A DALL-E mesterséges intelligencia, amely képes részletes és élethű képeket generálni szöveges leírások alapján. A DALL-E és a GPT-4 között szoros kapcsolat volt, mivel mindkettőt az OpenAI fejlesztette ki, és a DALL-E szorosan integrálódik a GPT-4-hez. A GPT-4 lényegében a DALL-E "agyaként" működött, amely értelmezi a szöveges utasításokat és biztosította, hogy a generált képek pontosan tükrözzék a felhasználó elképzeléseit. Ez a mély integráció tette a DALL-E-t különösen hatékonnyá a képgenerálásban.
GPT–4.5
A GPT–4.5 a GPT–4-hez képest gyorsabb, megbízhatóbb volt, sokkal következetesebben érvelt, és összetett feladatokban – kód, logika, hosszú kontextus – lényegesen stabilabb teljesítményt nyújtott.
A GPT–4.5 a GPT–4 Turbóhoz képest sokkal megbízhatóbb volt. Jobb logikai képességeket, jobb kódegységességet és fejlettebb hosszú távú kontextuskezelést kínált, így összességében jóval robusztusabb modell volt. GPT–4o
A GPT 4o (ez a GPT-4 omni rövidítése) 2024 májusában jelent meg és már natív módon kezelte a szöveg, a kép, a hang és a videó feldolgozását. A GPT–4nél gyorsabb és informatívabb válaszokat adott, és számos nyelven jobb teljesítményt nyújtott.
GPT–4o mini Ugyanebben az évben vált elérhetővé. A kisebb és olcsóbb modellváltozat a GPT–3.5 helyét vette át a ChatGPT ingyenes rétegében.
Az o1 modellcsalád (2024 ősz)