El recientemente lanzado ChatGPT, un agente conversacional de inteligencia artificial, ha captado una atención significativa en la academia y la vida real. Una multitud de usuarios tempranos de ChatGPT han explorado con entusiasmo sus capacidades y compartido sus opiniones en redes sociales, proporcionando retroalimentación valiosa. Tanto las consultas de los usuarios como las publicaciones en redes sociales han sido fundamentales para expresar preocupaciones públicas sobre este avanzado sistema de diálogo. Para comprender de manera integral estas preocupaciones públicas, se propone en este documento un novedoso Modelo de Tema Neural Auto-supervisado (SSTM), que formula la modelización de temas como un procedimiento de aprendizaje de representaciones. El SSTM propuesto utiliza concordancia previa de Dirichlet y tres términos de regularización para mejorar el rendimiento del modelado. Experimentos extensos en tres corpus de texto disponibles públicamente (Publicaciones de Twitter, Subreddit y consultas de usuarios de ChatGPT) demuestran la efectividad del enfoque propuesto en la extracción de preocupaciones públicas de mayor calidad. Además, el SSTM se desempeña de manera competitiva en los tres conjuntos de datos en cuanto a métricas de diversidad y coherencia de temas. Basándonos en los temas extraídos, podríamos obtener información valiosa sobre las preocupaciones del público respecto a tecnologías como ChatGPT, lo que nos permitiría formular estrategias efectivas para abordar estos problemas.