在最近几年，对话式AI的研究和发展已引发了广泛的关注。其中，聊天机器人是一个备受注视的领域。而GPT模型则是主流的生成式聊天机器人的底层技术之一。但是，虽然GPT模型具有很高的生成能力，但让它完全依赖机器学习来生成文本则存在一些潜伏的问题。

ChatGPT是一个基于GPT技术的聊天机器人，它在保持原有技术基础上，不断地进行模型更新，提高模型的精度和准确度。在我们使用ChatGPT进行聊天时，有时会遇到一些奇怪的回答，或ChatGPT的回答不符合我们的诉求。这类现象就是由于ChatGPT过度依赖机器学习致使的。

人类的语言是非常复杂的，其中既包括了文化、历史、社会、人际关系等方面的内容，也有很多人类情感、辞汇和习惯性言语等。一样的，生成式聊天机器人也要能够理解这些复杂的语言内容，这就需要很高的机器学习能力。不过，这类能力是一种靠训练和经验积累得来的，它其实不是人类语言理解的本质。

除这些，ChatGPT过度依赖机器学习还有其它的一些不足，比如，它其实不能真正理解语言中的含义，只是在“背书”，而且GPT模型很容易遭到误导。一旦ChatGPT从训练数据中学到了某些毛病的信息，就容易在模型生成文本时出现偏差。

另外，ChatGPT过度依赖机器学习还容易遭到旧有数据的影响。如果GPT模型在训练数据中学到了一些不恰当、过时的信息，它便可能会再次“背书”这些内容，从而致使生成的文本不够准确、乃至是毛病的。

为了解决这个问题，我们需要采取一些额外的方法来补充和弥补机器学习技术的不足。比如，我们可以采取知识图谱等技术来对ChatGPT进行补充，或利用人工智能技术中的基于规则的系统来束缚ChatGPT的生成结果。而ChatGPT开放API的特性，也能够让第三方厂商对其更自由灵活地创造更多的利用场景。

在以后的聊天机器人开发中，我们还需要进一步地探索和利用更多的技术方法来解决这些问题。这样才能让聊天机器人更加智能和人性化，进一步提高人们的交互体验。

ChatGPT在一定程度上可以帮助我们解决聊天机器人领域中的许多问题，但它其实不是完善的解决方案。我们需要采取多种技术手段来补充和弥补机器学习技术的不足，从而让聊天机器人变得更加智能和人性化。