Diese Definition umfasst weit mehr als nur das, was wir aktuell im öffentlichen Diskurs als "KI" betiteln. Ein System wie ChatGPT zählt präziser zu einer des Machine Learnings, den generativen Machine-Learning-Systemen. Dabei ist Machine Learing (ML) selbst nur ein möglicher Computing-Ansatz.

GPT ist die Abkürzung für Generative Pre-trained Transformer.

• Generative ML-Systeme generieren, also erzeugen, Text, Bilder, etc..

• Pre-trained, also vortrainiert, bedeutet, dass das ML-System, auf dem die jeweilige Anwendung basiert, bereits auf Grundlage bestimmter Daten zu einem bestimmten Zeitpunkt durch maschinelles Lernen trainiert wurde. Das Ergebnis dieses Trainings wurde in Form eines Modells gespeichert. Auf die jeweiligen Modelle kann später zurückgegriffen werden.

• Transformer sind ML-Systeme, welche aus bekannten Daten (Text, Bild, etc.) andere Daten erzeugen. Sie transformieren Daten mithilfe von Machine Learning unter Verwendung verschiedener Algorithmen. Diese Algorithmen bilden grundlegende Verarbeitungsprinzipien wie z. B. das Aufmerksamkeitsprinzip (Attention) logisch-mathematisch ab.
  Durch das Aufmerksamkeitsprinzip werden beispielsweise nur die stärksten errechneten Signale in einem neuronalen Netzwerk mit der vermutlich hilfreichsten Information, z. B. hinsichtlich des nächsten auszugebenden Wortbausteines eines Textes in einem spezifischen Kontext, berücksichtigt (neuronale Gewichtungen). – Weitere Merkmale der Architektur derartiger Modelle sind die Verwendung von Vektorrepräsentationen und Parameterräumen, auf die hier nicht näher eingegangen werden soll.
  In generativen Systemen zur Texterzeugung existiert keine Verständnishierarchie von Wörtern oder gar ganzen Sätzen. Nur auf diese Weise kann die enorme Performanz überhaupt erst erreicht werden.