ChatGPT本身不具有生成图片的能力，它是一种基于深度学习的自然语言处理模型。其原理主要基于大量的文本数据进行训练。

具体而言，ChatGPT使用了一个被称为Transformer的神经网络架构，这种架构允许ChatGPT有效地建模长距离依赖关系，并在处理文本时保持上下文信息。

训练ChatGPT需要两个步骤：预训练和微调，在预训练阶段，模型会通过对海量文本数据进行无监督学习来获得语言理解能力，这些数据可以包括互联网上的各种来源，例如文章、网页、书籍等等。

在微调阶段，模型会使用特定任务相关的数据集进行有监督学习，在聊天机器人任务中，可以使用用户-回复对作为输入输出样例来微调ChatGPT。

由于ChatGPT仅基于文本输入和输出进行训练，并没有显式学习到图像生成或处理方面的知识，要实现与图片有关的功能（如从描述中生成图片），通常需要将ChatGPT与视觉处理模型或图像生成算法结合起来使用。