Temeljne modele družbe OpenAI, vključno z modeli, na katerih temelji ChatGPT, razvijamo z uporabo treh glavnih virov podatkov: (1) podatkov, ki so javno dostopni na spletu, (2) podatkov, do katerih dostopamo v sodelovanju s tretjimi osebami, in (3) podatkov, ki jih zagotovijo ali ustvarijo naši uporabniki, ljudje, ki učijo modele, in raziskovalci.
Razvoj temeljnih modelov, kakršne uporablja ChatGPT, poteka v več fazah, ki vključujejo pripravo učnih podatkov, začetno usposabljanje in naknadno učenje ter stalno vrednotenje in izboljševanje po uvedbi. V teh fazah se lahko uporabljajo različne vrste podatkov za različne namene, med drugim za izboljšanje zmogljivosti, zanesljivosti in varnosti modelov.
Ta članek predstavlja pregled podatkov, ki jih uporabljamo pri razvoju teh modelov, načinov njihovega zbiranja in uporabe v skladu z zakonodajo o varstvu osebnih podatkov ter zaščitnih ukrepov, ki jih izvajamo skozi celoten proces učenja. Če želite izvedeti, kako zbiramo in uporabljamo podatke uporabnikov svojih storitev ter kako onemogočite uporabo pogovorov s storitvijo ChatGPT za izboljševanje naših modelov, si oglejte naš pravilnik o zasebnosti in ta članek v centru za pomoč.
Kaj je ChatGPT in kako deluje?
ChatGPT je storitev, ki temelji na umetni inteligenci in do katere lahko dostopate prek spleta ali aplikacije. ChatGPT lahko uporabljate za najrazličnejše naloge, med drugim za urejanje in povzemanje informacij, pomoč pri prevajanju, programiranju, raziskovanju in analizi, izvajanje večstopenjskih nalog z različnimi orodji, analizo ali ustvarjanje slik, spodbujanje ustvarjalnosti in zamisli ter druga vsakdanja opravila. ChatGPT je zasnovan tako, da z učenjem vzorcev iz velikih količin podatkov, vključno z besedilom, slikami, zvokom in videoposnetki, razume vprašanja in navodila uporabnikov ter se nanje odziva.
Med učenjem model analizira odnose med temi podatki, na primer kako se besede običajno pojavljajo skupaj v določenem kontekstu. To razumevanje uporablja za napovedovanje najverjetnejše naslednje besede, ko ustvarja odgovor, besedo za besedo. Besedilo se lahko pretvori v manjše enote, včasih imenovane »žetoni«, ki lahko predstavljajo cele besede, dele besed ali ločila. Žetoni so gradniki besedila, ki jih model obdeluje. Podobno se modeli, ki ustvarjajo druge oblike vsebin, na primer slike, učijo vzorcev povezav med slikovnimi pikami ter med njimi in pripadajočimi opisi v učnih podatkih.
Med procesom učenja modela lahko model na primer dobi nalogo, naj dopolni stavek: »Namesto da bi zavila levo, je zavila ___.« Na začetku učenja so njegovi odgovori večinoma naključni. Ko pa model obdeluje velike količine besedila in se iz njih uči, postaja boljši pri prepoznavanju vzorcev in napovedovanju najverjetnejše naslednje besede. Ta postopek se ponovi na milijonih stavkov, da se njegovo razumevanje izpopolni in natančnost izboljša.
Ker je stavek mogoče smiselno dopolniti na več načinov, na primer »Namesto da bi zavila levo, je zavila desno«, »naokrog« ali »nazaj«, je v načinu odgovarjanja modela vedno prisoten element naključnosti. Zato lahko ob večkratni postavitvi istega vprašanja dobite različne odgovore.
Modeli strojnega učenja so sestavljeni iz velikih naborov števil, imenovanih »uteži« ali »parametri«, ter kode, ki ta števila razlaga in uporablja. Ti modeli ne shranjujejo ali hranijo kopij podatkov, na katerih se učijo. Namesto tega se med učenjem vrednosti parametrov modela rahlo prilagajajo, da odražajo vzorce, ki jih je prepoznal. V prejšnjem primeru je model napredoval od napovedovanja naključnih besed do natančnejših napovedi, ne s shranjevanjem učnih stavkov, temveč s posodabljanjem svojih notranjih parametrov. Model ne hrani kopij stavkov, slik ali zvočnih posnetkov, ki jih obdeluje med učenjem. ChatGPT ne »kopira in prilepi« vsebin iz svojih učnih podatkov. Podobno lahko učitelj po temeljitem študiju razloži pojme na podlagi razumevanja povezav med zamislimi, ne da bi se izvirno gradivo naučil na pamet ali ga dobesedno ponavljal. Ko model ustvarja odgovor na uporabnikovo zahtevo, te naučene uteži uporablja za napovedovanje in ustvarjanje nove vsebine.
Katere vrste podatkov se uporabljajo za učenje storitve ChatGPT?
Pri javno dostopnih spletnih vsebinah uporabljamo le podatke, ki so na spletu prosto in brezplačno dostopni. To lahko vključuje javno dostopne spletne strani, javne forume, javne bloge, javne objave in druge javno dostopne spletne vsebine. Če na primer sodelujete v javno dostopnem spletnem forumu ali objavite javni blog ali drugo objavo, lahko to javno dostopno vsebino uporabimo za učenje modelov. Vendar sprejemamo ukrepe za zmanjšanje obdelave osebnih podatkov v procesu učenja. Pri zbiranju javno dostopnih spletnih vsebin ne zbiramo namenoma podatkov iz virov, za katere vemo, da so plačljivi, ali s temnega spleta. Poleg tega s filtri odstranjujemo gradivo, iz katerega ne želimo učiti svojih modelov, kot so sovražni govor, vsebine za odrasle, spletna mesta, ki zbirajo osebne podatke, in neželena sporočila. Preostale podatke nato uporabimo za učenje svojih modelov.
Lastniki spletnih mest lahko s standardnimi spletnimi mehanizmi, kot je robots.txt, določijo, ali je dostop do javno dostopnih vsebin na njihovih spletnih mestih dovoljen za namene učenja. Z njimi lahko onemogočijo dostop pajku GPTBot, ki lahko pregleduje javno dostopne vsebine za pomoč pri učenju naših modelov. Pripravili smo smernice, ki lastnikom spletnih mest pomagajo upravljati, kako njihova spletna mesta in vsebine sodelujejo z našimi sistemi umetne inteligence.
Za učenje in izboljševanje svojih modelov uporabljamo tudi podatke zunanjih partnerjev. To lahko vključuje podatke iz zbirk, do katerih dostopamo na podlagi dogovorov s tretjimi osebami, ter podatke, ki jih zagotovijo ali ustvarijo ljudje, ki učijo modele, in raziskovalci, kadar to dovoljujejo naši pravilniki in dogovori. To pomaga izboljšati kakovost, varnost in zmogljivost naših modelov. Ti viri lahko vključujejo besedilo, slike, zvok, videoposnetke ali druge vrste podatkov, odvisno od zbirke podatkov.
V nekaterih procesih učenja vse pogosteje uporabljamo tudi sintetične podatke. Podatke in svoje modele lahko na primer uporabimo za ustvarjanje sintetičnih pozivov, večjezičnih primerov ali drugega gradiva za učenje. Sintetični podatki lahko pomagajo izboljšati zmogljivost modelov, tudi z dopolnjevanjem učnih podatkov na področjih, kjer jih je malo ali so neuravnoteženi. Podprejo lahko tudi pristope k razvoju modelov, ki bolje varujejo zasebnost.
Ali se za učenje storitve ChatGPT uporabljajo osebni podatki?
Velik del spletnih vsebin vsebuje podatke o ljudeh, zato lahko naši učni podatki nenamerno vključujejo tudi osebne podatke. Vendar sprejemamo ukrepe za zmanjšanje obdelave osebnih podatkov v procesu učenja.
Učne podatke uporabljamo za razvoj zmožnosti modela, kot so napovedovanje, sklepanje in reševanje problemov, ne pa za ustvarjanje profilov posameznikov, vzpostavljanje stikov z njimi ali prilagajanje oglasov zanje.
V nekaterih primerih se modeli lahko učijo iz osebnih podatkov, da bi razumeli, kako elementi, kot so imena in naslovi, delujejo v jeziku, ali da bi prepoznavali javne osebnosti in znane subjekte. To modelu pomaga ustvarjati natančnejše in kontekstu primernejše odgovore.
Kako so osebni podatki zaščiteni med učenjem?
Dejavno sprejemamo ukrepe za omejevanje obdelave osebnih podatkov med učenjem. Izključujemo na primer znane vire, ki zbirajo velike količine osebnih podatkov, s filtriranjem zmanjšujemo količino osebnih podatkov v procesu učenja ter prepoznavamo in odstranjujemo podvojene vsebine, da zmanjšamo tveganje ponavljanja učnih podatkov v odgovorih. Poleg tega svoje modele učimo, naj ne odgovarjajo na zahteve za zasebne ali občutljive podatke o posameznikih.
Kako dolgo hranimo podatke
Podatke v učnih zbirkah hranimo le toliko časa, kolikor je razumno potrebno za namene, opisane v tem članku in našem pravilniku o zasebnosti, vključno z razvojem in izboljševanjem modelov ter s tem povezanimi znanstvenimi raziskavami. Potrebo po nadaljnji hrambi redno preverjamo, njeno trajanje pa je odvisno od vrste podatkov in načina njihove uporabe. Pri določanju obdobja hrambe upoštevamo dejavnike, kot so namen obdelave podatkov, njihova količina, narava in občutljivost, morebitno tveganje škode zaradi nepooblaščene uporabe ali razkritja ter zakonske obveznosti, ki veljajo za nas.
Kako razvoj storitve ChatGPT poteka v skladu z zakonodajo o varstvu osebnih podatkov?
Učne podatke uporabljamo zakonito. Naši temeljni modeli omogočajo številne koristne načine uporabe, med drugim orodja za dostopnost, podporo strankam, razvoj programske opreme, prilagojeno izobraževanje in znanstvene raziskave. Te zmožnosti so odvisne od obsežnih učnih podatkov, vključno z javno dostopnimi podatki in podatki zunanjih partnerjev. Skozi celoten proces učenja izvajamo zaščitne ukrepe, vključno z ukrepi za zmanjšanje obdelave osebnih podatkov med učenjem in ublažitev tveganj, kot je opisano v tem članku. Zbiranje in uporabo osebnih podatkov, vključenih v učne podatke, utemeljujemo z zakonitimi interesi v skladu z zakonodajo o varstvu osebnih podatkov, kot je GDPR. Med te interese spadata učenje in izboljševanje naših modelov v korist uporabnikov in širše družbe, skladno z našim poslanstvom zagotoviti, da splošna umetna inteligenca koristi vsem. To je podrobneje pojasnjeno v našem pravilniku o zasebnosti. Izvedli smo oceno učinka v zvezi z varstvom podatkov, da bi zagotovili zakonito in odgovorno zbiranje ter uporabo teh podatkov.
Kdaj lahko podatke delimo ali prenesemo
Osebnih podatkov ne »prodajamo«, osebne podatke iz učnih zbirk pa razkrivamo le v omejenih okoliščinah, opisanih v našem pravilniku o zasebnosti. Podatke lahko na primer delimo s povezanimi družbami, dobavitelji in ponudniki storitev, ki podpirajo razvoj, preizkušanje in izboljševanje naših modelov. Podatke lahko razkrijemo tudi, če v dobri veri menimo, da je to potrebno za izpolnitev zakonske obveznosti ali za zaščito naših pravic in varnosti ter pravic in varnosti naših uporabnikov, zaposlenih ali javnosti, kot je opisano v našem pravilniku o zasebnosti.
Ker je naša infrastruktura razporejena po vsem svetu, se lahko osebni podatki v učnih zbirkah obdelujejo v državah zunaj EGP, Švice ali Združenega kraljestva, tudi v Združenih državah Amerike. V takšnih primerih uporabljamo ustrezne zaščitne ukrepe, kot so sklepi o ustreznosti ali standardne pogodbene klavzule, kot je opisano v našem pravilniku o zasebnosti.
Vaše pravice in kako jih uveljavljati
Odzivamo se na ugovore in podobne zahteve za uveljavljanje pravic. Zaradi učenja jezika lahko odgovori storitve ChatGPT včasih vključujejo osebne podatke posameznikov, katerih osebni podatki se večkrat pojavljajo na javno dostopnem spletu, na primer javnih osebnosti. Posamezniki v nekaterih jurisdikcijah lahko prek našega Portala zasebnosti ugovarjajo obdelavi svojih osebnih podatkov v naših modelih ali vložijo druge zahteve za uveljavljanje pravic posameznika, na katerega se nanašajo osebni podatki. Te pravice lahko uveljavljate tudi tako, da nam pišete na privacy@openai.com.
Da bomo lahko ocenili vašo zahtevo in se nanjo odzvali, nam posredujte dovolj informacij, da bomo razumeli, na katere osebne podatke se nanaša. To so lahko vaše ime, ustrezni URL-ji, konkretni primeri izhodnih vsebin modela ali druge podrobnosti, ki nam pomagajo prepoznati težavo. V nekaterih primerih vas lahko pred ukrepanjem prosimo, da potrdite svojo identiteto ali da se podatki nanašajo na vas. Več informacij o oddaji teh zahtev, vključno s priporočenimi praksami in načinom njihove obravnave, je na voljo v našem članku v Centru za pomoč o odstranitvi osebnih podatkov iz storitve ChatGPT. Zahteve obravnavamo v skladu z veljavno zakonodajo o varstvu osebnih podatkov in nanje odgovarjamo v predpisanih zakonskih rokih.
Upoštevajte, da nekatere pravice v skladu z zakonodajo o varstvu osebnih podatkov morda niso absolutne. Zahtevi na primer morda ne bomo mogli ugoditi, če ne moremo preveriti zadevnih podatkov, če se zahteva ne nanaša na osebne podatke, ki jih obdeluje OpenAI, če velja izjema ali če imamo za to drug zakonit razlog. Vsako zahtevo presojamo posebej, kar lahko vključuje tehtanje med pravico do zasebnosti in drugimi pomembnimi vidiki, kot sta svoboda izražanja in javni interes.
Kljub temu si prizadevamo dati prednost varstvu osebnih podatkov in upoštevati vso veljavno zakonodajo na tem področju. Če menite, da težave nismo ustrezno obravnavali, imate pravico vložiti pritožbo pri pristojnem lokalnem nadzornem organu.
Več informacij o ravnanju družbe OpenAI z osebnimi podatki, ki jih zbiramo od vas ali o vas, ko uporabljate naše spletno mesto, aplikacije in storitve, najdete v našem pravilniku o zasebnosti.