ChatGPT语言底层框架：
Transformer是一个由深度神经网络组成的多层网络，其模型的结构类似于神经元，Transformer 模型主要分为两大部分，分别是 Encoder 和 Decoder，建立了词与词之间的复杂关系，其参数之多，可以说其本身的语言模型已经接近人类，Transformer的训练时并行的，大大增加了效率；
ChatGPT的训练过程：
首先进行监督学习，就是是指利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，简单说就是在已知“答案”的情况下，训练机器输出的答案和标准答案的差距，通过不断的调整参数，达到训练效果的一种学习方式；
其次，奖励模型，针对一个问题，机器生成多个不同的回答，人工进行打分排序，训练奖励模型；
最后，强化学习，又称再励学习、评价学习或增强学习，使训练对象与环境不断进行交互，得到环境的反馈信息并调整自己的策略，最终完成特定的目标或者使得某个行为利益最大化，ChatGPT就是结合奖励奖励模型，不断的通过强化学习，更新预训练模型参数。
ChatGPT是一种由OpenAI开发的预训练语言模型，它是基于Transformer架构并使用了大量的文本数据训练而成。
首先，2017年，谷歌大脑团队发表了论文《Attention is all you need》，提出Transformer模型，打下了GPT的基础；
2018年，基于Transformer 架构，OpenAI发布了GPT-1模型，基于Transformer的生成式预训练语言模型。它有1.17亿个参数，用于回答给定的问题 ；
2019年，OpenAI发布了GPT-2模型，具有1.5亿个参数，可以生成一些简单的文本，但是不够强大，对于很多问题无法做出处理；
2020年，OpenAI发布了GPT-3模型，具有1.75万亿个参数，相对于GPT-2模型，功能更加强大，可以流畅的生成一些文本，可称为人工智能的划时代标志；
2022年，OpenAI推出ChatGPT，基于GPT-3的基础上开发出来的人工智能对话机器人，发布的那一刻，瞬间席卷全球，功能基本达到完善，已经可以独立处理多个领域的日常问题，满足了人们对于未来智能机器人的幻想，更有甚者，产生了“人工智能是否会取代人类日常工作”的恐惧心理。
