OpenAI pamatmodeļi, tostarp modeļi, kas nodrošina ChatGPT darbību, tiek izstrādāti, izmantojot trīs galvenos informācijas avotus: (1) internetā publiski pieejamu informāciju, (2) informāciju, kurai piekļūstam sadarbībā ar trešajām pusēm, un (3) informāciju, ko sniedz vai rada mūsu lietotāji, apmācībā iesaistītie cilvēki un pētnieki.
Tādu pamatmodeļu izstrāde, kādi tiek izmantoti ChatGPT, ietver vairākus posmus: apmācības datu sagatavošanu, pirmsapmācību un pēcapmācību, kā arī pastāvīgu novērtēšanu un uzlabošanu pēc ieviešanas. Šajos posmos dažādiem mērķiem var izmantot dažādu veidu informāciju, tostarp modeļa veiktspējas, uzticamības un drošības uzlabošanai.
Šajā rakstā ir sniegts pārskats par informāciju, ko izmantojam šo modeļu izstrādē, par to, kā mēs šo informāciju vācam un izmantojam atbilstoši privātuma aizsardzības tiesību aktiem, un par aizsardzības pasākumiem, ko piemērojam visā apmācības procesā. Lai uzzinātu, kā mēs vācam un izmantojam informāciju no mūsu pakalpojumu lietotājiem un kā atteikties no ChatGPT sarunu izmantošanas modeļu uzlabošanai, skatiet mūsu privātuma politiku un šo palīdzības centra rakstu.
Kas ir ChatGPT, un kā tas darbojas?
ChatGPT ir uz mākslīgā intelekta balstīts pakalpojums, kuram varat piekļūt internetā vai lietotnē. ChatGPT varat izmantot visdažādākajiem uzdevumiem: informācijas sakārtošanai un apkopošanai, palīdzībai tulkošanā, programmēšanā, izpētē un analīzē, vairāku soļu uzdevumu izpildei dažādos rīkos, attēlu analīzei vai ģenerēšanai, radošuma un ideju veicināšanai, kā arī citām ikdienas darbībām. ChatGPT ir izstrādāts tā, lai saprastu lietotāju jautājumus un norādījumus un atbildētu uz tiem, apgūstot likumsakarības lielā informācijas apjomā, tostarp tekstā, attēlos, audio un video.
Apmācības laikā modelis analizē sakarības šajos datos, piemēram, to, kā vārdi parasti tiek lietoti kopā noteiktā kontekstā, un izmanto šo izpratni, lai prognozētu nākamo visvarbūtīgāko vārdu, veidojot atbildi pa vienam vārdam. Tekstu var sadalīt mazākās vienībās, ko dažkārt sauc par „tokeniem” un kas var apzīmēt veselus vārdus, vārdu daļas vai pieturzīmes. Tokeni ir modeļa apstrādātā teksta pamatvienības. Līdzīgi modeļi, kas ģenerē cita veida saturu, piemēram, attēlus, apgūst likumsakarības, kas apmācības datos saista pikseļus savā starpā un ar attiecīgajiem attēlu parakstiem.
Piemēram, modeļa mācīšanās procesā (ko sauc par „apmācību”) modelim var uzdot pabeigt šādu teikumu: „Tā vietā, lai pagrieztos pa kreisi, viņa pagriezās ___.” Apmācības sākumā tā atbildes lielākoties ir nejaušas. Taču, apstrādājot lielu teksta apjomu un mācoties no tā, modelis arvien labāk atpazīst likumsakarības un prognozē nākamo visvarbūtīgāko vārdu. Šis process tiek atkārtots ar miljoniem teikumu, lai pilnveidotu modeļa izpratni un uzlabotu tā precizitāti.
Tā kā teikumu var ticami pabeigt dažādi, piemēram, „Tā vietā, lai pagrieztos pa kreisi, viņa pagriezās pa labi”, „apkārt” vai „atpakaļ”, modeļa atbildēm piemīt zināma nejaušība. Tāpēc uz vienu un to pašu jautājumu dažādos pieprasījumos var saņemt atšķirīgas atbildes.
Mašīnmācīšanās modeļi sastāv no lielām skaitļu kopām, ko sauc par „svariem” vai „parametriem”, un koda, kas šos skaitļus interpretē un izmanto. Šie modeļi nesaglabā un neglabā to datu kopijas, ar kuriem tie ir apmācīti. Tā vietā, modelim mācoties, tā parametru vērtības tiek nedaudz pielāgotas, lai atspoguļotu atklātās likumsakarības. Iepriekšējā piemērā modelis no nejaušu vārdu prognozēšanas pārgāja uz precīzākām prognozēm, nevis saglabājot apmācības teikumus, bet gan atjauninot savus iekšējos parametrus. Modelis neglabā apmācības laikā apstrādāto teikumu, attēlu vai audio kopijas. ChatGPT „nekopē un neielīmē” savu apmācības datu saturu — līdzīgi kā skolotājs pēc padziļinātām studijām spēj skaidrot jēdzienus, izprotot sakarības starp idejām, nevis burtiski iegaumējot vai atveidojot sākotnējos materiālus. Ģenerējot atbildi uz lietotāja pieprasījumu, modelis izmanto šos apmācībā iegūtos svarus, lai prognozētu un radītu jaunu saturu.
Kāda veida informācija tiek izmantota ChatGPT apmācībai?
No publiski pieejamā interneta satura mēs izmantojam tikai informāciju, kas internetā ir brīvi un atklāti pieejama. Tas var ietvert publiski pieejamas tīmekļlapas, publiskus forumus, emuārus un ierakstus, kā arī citu publiski pieejamu tiešsaistes saturu. Piemēram, ja piedalāties publiski pieejamā tiešsaistes diskusiju forumā vai publicējat publisku emuāra vai cita veida ierakstu, mēs varam izmantot šo publiski pieejamo saturu modeļu apmācībai. Tomēr mēs veicam pasākumus, lai apmācības procesā samazinātu personas datu apstrādi. Vācot publiski pieejamu interneta saturu, mēs apzināti neiegūstam datus no avotiem, par kuriem zināms, ka tie pieejami tikai par maksu, vai no tumšā tīmekļa. Turklāt mēs izmantojam filtrus, lai izslēgtu materiālus, no kuriem nevēlamies, lai mūsu modeļi mācītos, piemēram, naida runu, pieaugušajiem paredzētu saturu, vietnes, kurās apkopoti personas dati, un surogātpastu. Atlikusī informācija pēc tam tiek izmantota mūsu modeļu apmācībai.
Vietņu īpašnieki var noteikt, vai viņu vietņu publiski pieejamajam saturam drīkst piekļūt, lai to izmantotu apmācībai. To var izdarīt ar standarta tīmekļa piekļuves vadības līdzekļiem, piemēram, izmantojot robots.txt, lai liegtu piekļuvi GPTBot, kas var pārmeklēt publiski pieejamo saturu mūsu modeļu apmācībai. Mēs sniedzam norādījumus, lai palīdzētu vietņu īpašniekiem pārvaldīt savu vietņu un satura mijiedarbību ar mūsu MI sistēmām.
Modeļu apmācībai un uzlabošanai mēs izmantojam arī informāciju no trešo pušu partneriem. Tā var ietvert informāciju no datu kopām, kurām piekļūstam saskaņā ar līgumiem ar trešajām pusēm, kā arī informāciju, ko sniedz vai rada apmācībā iesaistītie cilvēki un pētnieki, ja to atļauj mūsu politikas un līgumi. Tas palīdz uzlabot mūsu modeļu kvalitāti, drošību un veiktspēju. Atkarībā no datu kopas šie avoti var ietvert tekstu, attēlus, audio, video vai cita veida datus.
Dažos apmācības procesos mēs arvien vairāk izmantojam arī sintētiskos datus. Piemēram, mēs varam izmantot informāciju un savus modeļus, lai ģenerētu sintētiskas uzvednes, piemērus vairākās valodās vai citus apmācības materiālus. Sintētiskie dati var palīdzēt uzlabot modeļu veiktspēju, tostarp papildinot apmācības datus jomās, kur datu ir maz vai tie ir nelīdzsvaroti, kā arī veicināt tādas modeļu izstrādes pieejas, kas uzlabo privātuma aizsardzību.
Vai ChatGPT apmācībai tiek izmantoti personas dati?
Ievērojama daļa tiešsaistes satura ietver informāciju par cilvēkiem, tāpēc mūsu apmācības datos nejauši var nonākt arī personas dati. Tomēr mēs veicam pasākumus, lai apmācības procesā samazinātu personas datu apstrādi.
Mēs izmantojam apmācības datus, lai attīstītu modeļa spējas, piemēram, prognozēšanas spēju, spriestspēju un problēmu risināšanas spēju, nevis lai veidotu personu profilus, sazinātos ar šīm personām vai personalizētu tām reklāmas.
Dažos gadījumos modeļi var mācīties no personas datiem, lai saprastu, kā valodā tiek lietoti tādi elementi kā vārdi un adreses, vai lai atpazītu sabiedrībā pazīstamas personas un organizācijas. Tas palīdz modelim ģenerēt precīzākas un kontekstam atbilstošākas atbildes.
Kā apmācības laikā tiek aizsargāti personas dati?
Mēs aktīvi veicam pasākumus, lai apmācības laikā ierobežotu personas datu apstrādi. Piemēram, mēs izslēdzam avotus, par kuriem zināms, ka tie apkopo lielu daudzumu personas datu, izmantojam filtrēšanu, lai samazinātu personas datu apjomu apmācības procesā, un identificējam un izņemam dublējošos saturu, lai mazinātu risku, ka modelis atkārto apmācības datus. Turklāt mēs apmācām savus modeļus neatbildēt uz pieprasījumiem sniegt privātu vai sensitīvu informāciju par personām.
Cik ilgi mēs glabājam informāciju
Apmācības datos ietverto informāciju mēs glabājam tikai tik ilgi, cik tas ir pamatoti nepieciešams šajā rakstā un mūsu privātuma politikā aprakstītajiem mērķiem, tostarp mūsu modeļu izstrādei un uzlabošanai, kā arī saistītiem zinātniskiem pētījumiem. Mēs periodiski pārskatām glabāšanas nepieciešamību, lai pārliecinātos, ka tā joprojām ir pamatota. Glabāšanas ilgums ir atkarīgs no informācijas veida un izmantošanas. Nosakot glabāšanas ilgumu, mēs ņemam vērā tādus faktorus kā informācijas apstrādes mērķis, tās apjoms, raksturs un sensitivitāte, iespējamais kaitējuma risks neatļautas izmantošanas vai izpaušanas gadījumā, kā arī mums piemērojamie juridiskie pienākumi.
Kā ChatGPT izstrādē tiek ievēroti privātuma aizsardzības tiesību akti?
Mēs izmantojam apmācības informāciju likumīgi. Mūsu pamatmodeļi nodrošina plašu noderīgu risinājumu klāstu, tostarp piekļūstamības rīkus, klientu atbalstu, programmatūras izstrādi, personalizētu izglītību un zinātnisko pētniecību. Šo iespēju nodrošināšanai ir vajadzīgs liels apmācības datu apjoms, tostarp publiski pieejama informācija un informācija no trešo pušu partneriem. Mēs piemērojam aizsardzības pasākumus visā apmācības procesā, tostarp šajā rakstā aprakstītos pasākumus personas datu apstrādes samazināšanai apmācības laikā un risku mazināšanai. Apmācības informācijā ietverto personas datu vākšanu un izmantošanu mēs pamatojam ar leģitīmajām interesēm saskaņā ar privātuma aizsardzības tiesību aktiem, piemēram, VDAR. Tas ietver mūsu modeļu apmācību un uzlabošanu lietotāju un plašākas sabiedrības labā atbilstoši mūsu misijai nodrošināt, lai mākslīgais vispārējais intelekts sniegtu labumu ikvienam, kā sīkāk skaidrots mūsu privātuma politikā. Mēs esam veikuši novērtējumu par ietekmi uz datu aizsardzību, lai palīdzētu nodrošināt, ka šo informāciju vācam un izmantojam likumīgi un atbildīgi.
Kad informāciju var izpaust vai nosūtīt
Mēs „nepārdodam” personas datus un izpaužam apmācības datos ietvertos personas datus tikai ierobežotos apstākļos, kas aprakstīti mūsu privātuma politikā. Piemēram, mēs varam kopīgot informāciju ar saistītajiem uzņēmumiem, piegādātājiem un pakalpojumu sniedzējiem, kas palīdz izstrādāt, testēt un uzlabot mūsu modeļus. Mēs varam izpaust informāciju arī tad, ja labticīgi uzskatām, ka tas ir nepieciešams juridiska pienākuma izpildei vai mūsu, mūsu lietotāju, darbinieku vai sabiedrības tiesību un drošības aizsardzībai, kā aprakstīts mūsu privātuma politikā.
Tā kā mūsu infrastruktūra darbojas visā pasaulē, apmācības datos ietvertie personas dati var tikt apstrādāti valstīs ārpus EEZ, Šveices vai Apvienotās Karalistes, tostarp Amerikas Savienotajās Valstīs. Šādos gadījumos mēs piemērojam atbilstošus aizsardzības pasākumus, piemēram, pamatojamies uz lēmumiem par aizsardzības līmeņa pietiekamību vai līguma standartklauzulām, kā aprakstīts mūsu privātuma politikā.
Jūsu tiesības un to īstenošana
Mēs atbildam uz iebildumiem un līdzīgiem pieprasījumiem īstenot savas tiesības. Valodas apguves rezultātā ChatGPT atbildes dažkārt var ietvert personas datus par cilvēkiem, kuru personas dati publiskajā internetā parādās vairākkārt, piemēram, par sabiedrībā pazīstamām personām. Personas noteiktās jurisdikcijās var iebilst pret savu personas datu apstrādi mūsu modeļos vai iesniegt citus pieprasījumus īstenot datu subjekta tiesības mūsu Privātuma portālā. Šīs tiesības varat īstenot arī, rakstot uz privacy@openai.com.
Lai palīdzētu mums izvērtēt jūsu pieprasījumu un atbildēt uz to, lūdzu, sniedziet pietiekamu informāciju, lai mēs saprastu, uz kādiem personas datiem tas attiecas, piemēram, savu vārdu, attiecīgos URL, konkrētus modeļa izvades piemērus vai citas ziņas, kas palīdz identificēt problēmu. Dažos gadījumos pirms rīcības veikšanas mēs varam lūgt jūs apliecināt savu identitāti vai apstiprināt, ka informācija attiecas uz jums. Plašāka informācija par šo pieprasījumu iesniegšanu, tostarp ieteikumi un informācija par pieprasījumu izskatīšanu, ir pieejama mūsu Palīdzības centra rakstā par personas datu dzēšanu no ChatGPT. Mēs izskatām pieprasījumus saskaņā ar piemērojamajiem privātuma aizsardzības tiesību aktiem un atbildam tajos noteiktajos termiņos.
Ņemiet vērā, ka saskaņā ar privātuma aizsardzības tiesību aktiem dažas tiesības var nebūt absolūtas. Piemēram, mēs varam nevarēt izpildīt pieprasījumu, ja nevaram pārbaudīt attiecīgo informāciju, ja pieprasījums neattiecas uz OpenAI apstrādātajiem personas datiem, ja ir piemērojams izņēmums vai ja mums ir cits likumīgs pamats pieprasījumu neizpildīt. Katrs pieprasījums tiek izvērtēts individuāli, un var būt nepieciešams līdzsvarot tiesības uz privātumu ar citiem svarīgiem apsvērumiem, piemēram, vārda brīvību un sabiedrības interesēm.
Tomēr mēs cenšamies dot priekšroku personas datu aizsardzībai un ievērot visus piemērojamos privātuma aizsardzības tiesību aktus. Ja uzskatāt, ka neesam pienācīgi risinājuši kādu problēmu, jums ir tiesības iesniegt sūdzību vietējā uzraudzības iestādē.
Plašāku informāciju par to, kā OpenAI rīkojas ar personas datiem, ko iegūstam no jums vai par jums, kad izmantojat mūsu vietni, lietotnes un pakalpojumus, skatiet mūsu privātuma politikā.