人工智能演习过程图
数据网络：网络用于演习的数据，输出原始数据（未经处理的数据集）数据预处理：洗濯和格式化数据，输出预处理数据（适宜模型演习的数据）模型初始化：设定模型的初始参数，输出初始化模型（设定初始参数的模型）模型演习：利用数据演习模型，输出演习模型（经由一轮演习的模型）模型评估：评估模型的性能，输出评估结果（模型的性能指标）模型优化：根据评估结果优化模型，输出优化模型（经由优化的模型）模型支配：将模型运用于实际环境，输出终极模型（知足哀求的模型）下图是ChatGPT的事情流程简图：
ChatGPT事情流程简图
一、用户输入：用户供应的原始输入。
二、输入处理：处理用户的输入，准备送入模型。
分词器：将输入的文本分解为可以被模型理解的小块（token）。Tokenization：将输入的文本转换为token的过程。三、ChatGPT模型：吸收处理后的输入，开始天生回答。
Transformer模型：ChatGPT模型的核心部分，用于理解输入和天生回答。自把稳力机制：Transformer模型的关键部分，用于理解输入中的各个部分之间的关系。多头把稳力：自把稳力机制的一部分，许可模型同时关注输入的多个部分。缩放点积把稳力：多头把稳力的一部分，打算输入部分之间的关系。天生回答：根据理解的输入和学习到的模式，天生回答。四、输出处理：处理模型天生的输出，准备展示给用户。
反分词器：将模型天生的token重新组合成人类可读的文本。Detokenization：将token转换回文本的过程。五、用户看到回答：用户看到终极的回答。
Token样例