ChatGPT是目前最为流行的开源聊天机器人模型之一，它被广泛利用于各类智能客服、智能问答、聊天助手等场景中。作为一种基于机器学习的自然语言处理技术，ChatGPT的底层架构是非常重要的。

ChatGPT的底层架构主要包括两个部份：Transformer模型和语言模型。Transformer模型是一种用于序列到序列的任务的神经网络结构，它最初是由Google的研究团队提出的。它是一种基于注意力机制的模型，能够有效地捕捉序列中的长距离依赖关系，因此在处理自然语言处理任务时，其效果非常显著。

ChatGPT使用的是GPT（Generative Pre-trained Transformer）模型，它是一种基于Transformer的语言生成模型。在GPT模型中，我们首先需要进行预训练，即在大范围的语料库中学习语言的特点，并利用这些特点构建一个语言模型。在预训练以后，我们可以在新的数据集上进行微调，以便更好地适应特定任务。

从底层架构的角度来看，ChatGPT主要遵守以下进程：

1. 预处理：将输入的自然语言文本处理成合适模型输入的情势，例如分词、编号等。

2. 输入嵌入：将处理后的语言数据转换为可供神经网络处理的向量表示情势，并输入到神经网络中。

3. Transformer模型：使用Transformer模型提取序列中的关键特点，并对序列中的每个位置进行建模。

4. 解码器：将提取出的特点解码成生成的语言序列。

5. 输出：输诞生成的语言序列，并根据任务需要进行相应的处理。

ChatGPT的底层架构非常优秀，能够在语音辨认、机器翻译、机器浏览理解、问答系统等多个领域中发挥重要的作用。通过不断地优化模型结构和参数，我们可以进一步提升ChatGPT的性能和利用范围，为人类社会的智能化发展做出更大的贡献。