Jak działa ChatGPT? Wyjaśniamy to bez żargonu

Jak działa ChatGPT?

ChatGPT działa jak bardzo zaawansowane podpowiadanie następnego fragmentu tekstu: dostaje Twoje pytanie i krok po kroku wybiera najbardziej prawdopodobne kolejne słowa. Nie szuka gotowej odpowiedzi w bazie i nie „wie”, że coś jest prawdą. Układa wypowiedź, która statystycznie pasuje do pytania i do tego, czego uczył się na ogromnych zbiorach tekstów.

Za tym stoi architektura sieci neuronowych o nazwie Transformer. Opisano ją w artykule „Attention Is All You Need” z czerwca 2017 roku. Jego autorzy pokazali, że model może działać wyłącznie w oparciu o mechanizm uwagi, bez rekurencji i splotów, które wcześniej dominowały w przetwarzaniu języka. Uwaga pozwala modelowi „spojrzeć” jednocześnie na wszystkie słowa w tekście i ocenić, które są ważne dla bieżącego miejsca.

Po polsku często mówi się, że ChatGPT „myśli” albo „rozumie”. To skrót myślowy. Dla użytkownika bywa przydatny, ale prowadzi do błędów: jeśli założysz, że model rozumie jak człowiek, zaufasz mu tam, gdzie nie powinieneś. Jeśli założysz, że przewiduje tekst, wiesz, że każdą liczbę, datę i przepis trzeba sprawdzić.

Ogólne tło, czym jest sztuczna inteligencja i jak uczą się modele, opisujemy we wpisie co to jest sztuczna inteligencja. Tutaj skupiamy się na jednym narzędziu i na tym, jak z niego korzystać.

Co to jest GPT?

GPT to skrót od „generative pre-trained transformer”, czyli generatywny, wstępnie wytrenowany transformer. Każde słowo w tej nazwie opisuje coś konkretnego.

• Generative (generatywny). Model tworzy nowy tekst, a nie wybiera spośród gotowych odpowiedzi.
• Pre-trained (wstępnie wytrenowany). Najpierw uczy się ogólnie języka na dużych zbiorach niepodpisanych danych, potem dostraja się go do konkretnych zadań.
• Transformer. Architektura sieci opisana w pracy z 2017 roku.

ChatGPT to nazwa produktu, czyli aplikacji z oknem czatu. GPT to nazwa rodziny modeli, które za nim stoją. Różnica ma znaczenie, gdy czytasz, że „ChatGPT został ulepszony”. Zwykle chodzi o zmianę modelu w tle albo o nowe funkcje wokół niego: wyszukiwanie w internecie, wczytywanie plików, pamięć między rozmowami.

Jak ChatGPT jest trenowany?

Trening ma dwa główne etapy: wstępny, na ogromnych zbiorach tekstu, i dostrajanie z udziałem ludzi, które uczy model zachowywać się jak pomocny rozmówca. Pierwszy etap daje wiedzę o języku i świecie. Drugi sprawia, że model odpowiada na polecenia, zamiast tylko kontynuować tekst.

W etapie wstępnym model uczy się jednego zadania: przewidzieć kolejny fragment tekstu (token) na podstawie poprzednich. Robi to miliardy razy na bardzo różnych tekstach i za każdym razem lekko koryguje swoje wewnętrzne liczby, czyli parametry. Dzięki temu zaczyna odtwarzać gramatykę, style, fakty i schematy rozumowania, które występują w danych.

Sam taki model byłby dziwnym rozmówcą. Na pytanie mógłby odpowiedzieć kolejnym pytaniem, bo tak zwykle wyglądają listy pytań w internecie. Dlatego dochodzi etap drugi. W pracy „Training language models to follow instructions with human feedback” (marzec 2022) badacze opisali metodę, w której ludzie porównują odpowiedzi modelu, a on uczy się preferować te lepsze. Wynik jest zaskakujący: w ocenach ludzi odpowiedzi modelu InstructGPT z 1,3 miliarda parametrów były preferowane nad odpowiedziami GPT-3 z 175 miliardami parametrów, czyli modelu około 100 razy większego.

Wniosek praktyczny: o jakości odpowiedzi decyduje nie tylko rozmiar modelu, ale i to, jak go dostrojono do rozmowy z ludźmi. Dlatego dwa modele o podobnej wielkości mogą zachowywać się zupełnie inaczej.

Jak ChatGPT generuje odpowiedź?

Model rozbija Twoje pytanie na tokeny, oblicza prawdopodobieństwo każdego możliwego następnego tokena i wybiera jeden z nich, a potem powtarza to, aż odpowiedź jest gotowa. Token to fragment tekstu: czasem całe słowo, czasem jego część lub znak interpunkcyjny. Dłuższe, rzadsze słowa, w tym polskie formy z odmianą, rozpadają się na więcej tokenów.

Za każdym razem model widzi całą dotychczasową rozmowę: Twoje pytanie, swoje wcześniejsze odpowiedzi i ewentualne instrukcje systemowe. Pojemność tej „widzianej” części nazywa się oknem kontekstu. Poza nim model nic nie pamięta. To dlatego w bardzo długiej rozmowie traci początek, a poprawne wklejenie całego materiału na starcie działa lepiej niż doprecyzowywanie w dwudziestym komunikacie.

Wybór kolejnego tokena nie jest sztywny. Model nie zawsze bierze najbardziej prawdopodobny kandydat, bo wtedy odpowiedzi byłyby powtarzalne i sztuczne. Dodaje się element losowości, więc to samo pytanie zadane dwa razy da dwie różne odpowiedzi. Dla Ciebie oznacza to dwie rzeczy:

• Jeśli potrzebujesz kilku wariantów, na przykład nagłówków, poproś o nie wprost.
• Jeśli potrzebujesz tej samej odpowiedzi za każdym razem (na przykład w obsłudze klienta), samo okno czatu nie wystarczy. Potrzebne są ścisłe instrukcje i dane, na których model ma się opierać.

Model nie uczy się podczas rozmowy z Tobą. Jego parametry są zamrożone po treningu. To, że „pamięta” wcześniejsze zdania, wynika z tego, że są one doklejane do kolejnych zapytań. Gdy zamkniesz rozmowę, ta wiedza znika, chyba że narzędzie ma osobną funkcję pamięci.

Dlaczego ChatGPT się myli?

ChatGPT się myli, bo jego zadaniem jest napisać wiarygodny tekst, a nie zweryfikować prawdę, i bo uczono go tak, że zgadywanie bywa opłacalniejsze niż przyznanie się do niewiedzy. Zjawisko nazywa się halucynacją: model podaje nieprawdziwą informację tym samym pewnym tonem co prawdziwą.

Badacze w pracy „Why Language Models Hallucinate” z września 2025 roku argumentują, że halucynacje biorą się z zwykłych statystycznych mechanizmów treningu i utrwala je sposób oceniania modeli. Testy punktują poprawne odpowiedzi, a odpowiedź „nie wiem” dostaje zero, więc model uczy się, że warto zgadywać. Autorzy proponują zmianę sposobu punktowania, tak aby niepewność nie była karana tak samo jak błąd.

Najczęstsze objawy halucynacji w pracy firmowej:

• Zmyślone źródła i cytaty. Link, który nie istnieje, nazwisko autora, którego nie ma.
• Pewne, ale błędne liczby. Ceny, limity, stawki, daty.
• Nieaktualne przepisy. Model zna prawo do końca swojego treningu, a przepisy się zmieniają.
• Pomieszane fakty o firmie. Gdy nie dostanie Twoich danych, wypełni lukę czymś typowym dla branży.

Jak ograniczyć ryzyko w praktyce? Daj modelowi materiał, na którym ma pracować, i poproś, żeby odpowiadał tylko na jego podstawie, a przy braku informacji napisał, że jej nie ma. Tak działa na przykład doradca AI w naszym wdrożeniu dla sklepu Kłaczek, o którym piszemy niżej.

Jak używać ChatGPT, żeby wyniki były użyteczne?

Dobre polecenie ma pięć elementów: rolę, zadanie, materiał, ograniczenia i format odpowiedzi. Im dokładniej je opiszesz, tym mniej model musi zgadywać.

1. 01
   Określ rolę i odbiorcę. Na przykład: „Jesteś specjalistą od obsługi klienta w sklepie z karmą. Piszesz do właściciela psa, który nie zna terminów weterynaryjnych”.
2. 02
   Opisz zadanie jednym zdaniem. Co dokładnie ma powstać: odpowiedź na maila, opis produktu, lista pytań do wywiadu.
3. 03
   Wklej materiał. Dane, regulamin, cennik, wcześniejsza korespondencja. Poproś, aby model korzystał tylko z tego materiału.
4. 04
   Ustal ograniczenia. Długość, ton, czego nie wolno pisać, jak ma zachować się przy braku informacji.
5. 05
   Wskaż format. Lista, tabela, trzy warianty, krótki akapit. Kolejna iteracja: poproś o poprawki do wyniku zamiast pisać polecenie od nowa.

Przykład pełnego polecenia dla sklepu internetowego: „Jesteś doradcą w sklepie z akcesoriami do domu. Poniżej wklejam opis produktu i politykę zwrotów. Napisz odpowiedź na maila klienta, który pyta, czy może zwrócić towar po 20 dniach. Korzystaj wyłącznie z wklejonej polityki. Jeśli odpowiedź nie wynika z tekstu, napisz, że sprawdzisz to i wrócisz z informacją. Maksymalnie 120 słów, ton uprzejmy, bez żargonu”. Każde zdanie tego polecenia zawęża pole błędu.

Kilka nawyków, które najbardziej poprawiają jakość:

• Pracuj iteracyjnie. Pierwszy wynik traktuj jako szkic. Napisz, co zmienić: „skróć o połowę”, „mniej oficjalnie”, „dodaj przykład z branży sklepu internetowego”.
• Pytaj o wątpliwości. Poproś: „Zadaj mi trzy pytania, zanim napiszesz”. Model często wskazuje braki, o których nie pomyślałeś.
• Rozdzielaj zadania. Zamiast jednego polecenia „napisz stronę firmy”, najpierw zbierz strukturę, potem treść sekcji, potem wersję skróconą.
• Wymagaj uzasadnienia. Poproś o wskazanie, z którego fragmentu materiału wynika każda teza. Łatwiej wtedy znaleźć zmyślenia.
• Sprawdź na końcu. Liczby, daty, nazwy własne i przepisy zweryfikuj w źródle.

Osobna sprawa to teksty do publikacji. ChatGPT pisze płynnie, ale gładki tekst nie jest tym samym co dobry tekst. Brakuje mu Twoich konkretów: realnych przykładów, własnych liczb, doświadczenia z klientami. Bez nich powstaje treść, którą mogłaby napisać każda firma w branży, a wyszukiwarki i czytelnicy rozpoznają ją bez trudu. Jak pisać teksty, które są użyteczne i widoczne w Google, opisujemy we wpisie jak pisać teksty SEO. Model niech pomaga w szkicu i redakcji, a fakty i przykłady wnosisz Ty.

Co potrafi ChatGPT 4 i kiedy pojawił się ChatGPT 5?

GPT-4 został udostępniony 14 marca 2023 roku i jako jeden z pierwszych modeli tej rodziny przyjmował na wejściu także obrazy, nie tylko tekst. GPT-5 zadebiutował 7 sierpnia 2025 roku. Dziś w ChatGPT dostępne są kolejne wersje, więc nazwy modeli zmieniają się szybciej niż artykuły o nich. Aktualną listę sprawdź w samej aplikacji.

GPT-5 opisano jako system złożony z szybkiego modelu do zwykłych pytań, głębszego modelu rozumującego i routera, który w locie wybiera, którego użyć, zależnie od rodzaju rozmowy, złożoności i potrzeby użycia narzędzi. Dla użytkownika oznacza to, że proste pytanie dostaje szybką odpowiedź, a trudne zadanie może wywołać dłuższe „namysł”.

Czego nie zmieniły nowe wersje? Podstawy. Nadal jest to model, który może się mylić, nie zna Twojej firmy bez materiałów i nie ponosi odpowiedzialności za skutki. Lepsze modele rzadziej halucynują i lepiej radzą sobie z długimi zadaniami, ale nie na tyle, żeby przestać sprawdzać liczby i przepisy.

ChatGPT w firmie: gdzie pomaga, a gdzie lepiej zbudować własne narzędzie?

Ogólny czat sprawdza się przy pracy własnej i szkicach, a przy kontakcie z klientem lepiej działa narzędzie ograniczone do Twoich danych. Powód jest prosty: czat ogólnego przeznaczenia odpowiada o wszystkim, więc może powiedzieć klientowi coś, czego nie powinien.

W sklepie Kłaczek (sklepklaczek.pl) zbudowaliśmy doradcę AI, który działa w czacie na stronie i odpowiada wyłącznie o asortymencie tego sklepu. Obok działa kalkulator dawki karmy. To przykład zasady, o której pisaliśmy wyżej: zamiast prosić model o wiedzę z pamięci, dajemy mu katalog i zawężamy zadanie.

Co wyróżnia dobre wdrożenie od zwykłego okna czatu na stronie?

• Zakres. Doradca odpowiada o ofercie, a pytania spoza zakresu kieruje do człowieka.
• Źródło prawdy. Ceny i dostępność pochodzą ze sklepu, nie z pamięci modelu.
• Jawność. Użytkownik wie, że rozmawia z AI. Od 2 sierpnia 2026 roku wymaga tego art. 50 AI Act, o ile nie jest to oczywiste. W razie wątpliwości skonsultuj się z prawnikiem.
• Przekazanie do człowieka. Reklamacje, wyjątki i emocje trafiają do Ciebie.

Szczegółowo o budowie takiego narzędzia piszemy w osobnym wpisie: jak zbudować chatbota.

Jest jeszcze druga strona. ChatGPT i podobne narzędzia stają się także miejscem, gdzie ludzie szukają firm i produktów. Dla sklepu CzystaKarma (czystakarma.pl) według naszych pomiarów liczba cytowań w Google AI Overviews wzrosła z zera w lipcu 2026 do 78 w dniu 7 września. Treść, którą dobrze rozumieją modele, czyli konkretna, uporządkowana, z odpowiedzią w pierwszym zdaniu, jest też łatwiejsza do zacytowania. To jeden z powodów, dla których piszemy w tym stylu. Szerzej o widoczności w wyszukiwarce i w AI piszemy w sekcji wzrost.