GPT bezeichnet zweierlei: die Modellreihe von OpenAI und die Bauart, auf der die meisten heutigen Sprachmodelle beruhen. Die Abkürzung steht für Generative Pre-trained Transformer, auf Deutsch etwa erzeugender, vortrainierter Transformer.
- GPT
Generative Pre-trained Transformer: die Modellreihe von OpenAI und zugleich die Bauart, auf der die meisten heutigen Sprachmodelle beruhen.
Beispiel: „Wenn jemand von GPT spricht, meint er meist die Modelle von OpenAI und nicht die Bauart.“Die drei Teile der Abkürzung beschreiben das Verfahren: erzeugend, auf großen Textmengen vortrainiert, und auf der Transformer-Architektur aufgebaut.
Als Bauart ist der Begriff allgemein; als Name ist er an einen Anbieter gebunden. Diese Doppelrolle führt in Gesprächen regelmäßig zu Missverständnissen.
Warum der Begriff oft als Gattungsname benutzt wird
Weil er zuerst da war. Wie bei anderen Marken, die zum Gattungsnamen geworden sind, sagen viele GPT und meinen jedes Sprachmodell. In Angeboten und Verträgen gehört deshalb der genaue Anbieter und die genaue Reihe hinein, sonst ist offen, wovon die Rede ist.
Was die Bauart ausmacht
Das Vortraining auf großen Textmengen und die Erzeugung Stück für Stück. Das Modell lernt zunächst nur, Texte fortzusetzen, und wird erst danach auf Verhalten und Aufgaben nachtrainiert. Diese Trennung in Vortraining und Nachtraining liegt praktisch allen heutigen Sprachmodellen zugrunde, unabhängig vom Hersteller.
Was in Projekten davon zu beachten ist
Dass die Reihe mehrere Zweige hat. Neben den allgemeinen Modellen gibt es Varianten für kurze Antworten, für Bildverarbeitung und solche mit ausführlichem Zwischenschritt vor der Antwort, siehe Reasoning-Modelle. Welcher Zweig passt, entscheidet die Aufgabe und nicht die Bekanntheit.
Woran man die Zweige unterscheidet
An den Namen in der Schnittstelle. Die allgemeinen Modelle tragen die Reihenbezeichnung, die Modelle mit ausführlichem Zwischenschritt eine eigene. Wer eine Anwendung baut, wählt bewusst zwischen beiden und schreibt die Wahl samt Begründung auf.