Miundo ya msingi ya OpenAI, ikiwa ni pamoja na miundo inayoendesha ChatGPT, huundwa kwa kutumia vyanzo vitatu vikuu vya taarifa: (1) taarifa zinazopatikana kwa umma mtandaoni, (2) taarifa tunazofikia kwa kushirikiana na wahusika wengine, na (3) taarifa zinazotolewa au kuzalishwa na watumiaji wetu, wakufunzi binadamu na watafiti.

Uundaji wa miundo ya msingi kama ile inayotumiwa katika ChatGPT unahusisha hatua kadhaa, zikiwemo kuandaa data ya mafunzo, mafunzo ya awali na mafunzo ya baadaye, pamoja na tathmini na maboresho yanayoendelea baada ya kuanza kutumiwa. Aina tofauti za taarifa zinaweza kutumiwa katika hatua hizi kwa madhumuni mbalimbali, yakiwemo kuboresha utendaji, utegemevu na usalama wa muundo. 

Makala haya yanatoa muhtasari wa taarifa tunazotumia kusaidia kuunda miundo hii, jinsi tunavyozikusanya na kuzitumia kwa kufuata sheria za faragha, na hatua za ulinzi tunazotumia katika mchakato mzima wa mafunzo. Ili kuelewa jinsi tunavyokusanya na kutumia taarifa kutoka kwa watumiaji wa huduma zetu, ikiwa ni pamoja na jinsi ya kuchagua mazungumzo yako ya ChatGPT yasitumike kusaidia kuboresha miundo yetu, tafadhali angalia sera ya faragha yetu na makala haya ya kituo cha usaidizi.

ChatGPT ni nini na inafanya kazi vipi?

ChatGPT ni huduma inayotumia akili unde ambayo unaweza kufikia kupitia mtandao au programu. Unaweza kutumia ChatGPT kwa kazi mbalimbali, zikiwemo kupanga na kufupisha taarifa, kusaidia kutafsiri, kuandika msimbo, kufanya utafiti na uchanganuzi, kukamilisha kazi zenye hatua kadhaa kwa kutumia zana mbalimbali, kuchanganua au kuzalisha picha, kuchochea ubunifu na mawazo, na shughuli nyingine za kila siku. ChatGPT imeundwa kuelewa na kujibu maswali na maagizo ya watumiaji kwa kujifunza mifumo inayojitokeza katika kiasi kikubwa cha taarifa, zikiwemo maandishi, picha, sauti na video. 

Wakati wa mafunzo, muundo huchanganua uhusiano katika data hii—kama vile jinsi maneno yanavyotokea pamoja kwa kawaida katika muktadha—na kutumia uelewa huo kutabiri neno linalofuata lenye uwezekano mkubwa zaidi, unapozalisha jibu neno moja baada ya jingine. Maandishi yanaweza kugawanywa katika vipashio vidogo, wakati mwingine vinavyoitwa “tokeni”, ambavyo vinaweza kuwakilisha maneno mazima, sehemu za maneno au alama za uakifishaji. Tokeni ni vipashio vya msingi vya maandishi ambavyo muundo huchakata. Vilevile, miundo inayozalisha aina nyingine za maudhui, kama picha, hujifunza mifumo ya uhusiano kati ya pikseli zenyewe na kati ya pikseli na maelezo ya picha yanayoambatana nazo katika data ya mafunzo.

Kwa mfano, katika mchakato wa muundo kujifunza (unaojulikana kama “mafunzo”), muundo unaweza kupewa kazi ya kukamilisha sentensi kama: “Badala ya kugeuka kushoto, aligeuka ___.” Mwanzoni mwa mafunzo, majibu yake huwa ya kubahatisha kwa kiasi kikubwa. Hata hivyo, muundo unavyoendelea kuchakata na kujifunza kutokana na kiasi kikubwa cha maandishi, unaboresha uwezo wake wa kutambua mifumo na kutabiri neno linalofuata lenye uwezekano mkubwa zaidi. Mchakato huu hurudiwa kwa mamilioni ya sentensi ili kuimarisha uelewa wake na kuboresha usahihi wake.

Kwa kuwa kuna njia kadhaa zinazowezekana za kukamilisha sentensi—kama vile “Badala ya kugeuka kushoto, aligeuka kulia”, “nyuma” au “kurudi alikotoka”—namna muundo unavyojibu huwa na kipengele cha nasibu. Kwa hiyo, swali lilelile linaweza kupata majibu tofauti linapoulizwa nyakati tofauti.

Miundo ya ujifunzaji wa mashine inajumuisha seti kubwa za nambari, zinazojulikana kama “uzani” au “vigezo”, pamoja na msimbo unaofasiri na kutumia nambari hizo. Miundo hii haihifadhi wala kubakiza nakala za data inayotumiwa kuifundisha. Badala yake, muundo unapojifunza, thamani za vigezo vyake hurekebishwa kidogo ili kuakisi mifumo iliyotambuliwa. Katika mfano wa awali, muundo uliboreka kutoka kutabiri maneno kwa kubahatisha hadi kutoa utabiri sahihi zaidi—si kwa kuhifadhi sentensi za mafunzo, bali kwa kusasisha vigezo vyake vya ndani. Muundo hauhifadhi nakala za sentensi, picha au sauti unazochakata wakati wa mafunzo. ChatGPT “hainakili na kubandika” kutoka kwa data yake ya mafunzo—sawa na mwalimu ambaye, baada ya kusoma kwa kina, anaweza kueleza dhana kwa kuelewa uhusiano kati ya mawazo bila kukariri au kurudia nyenzo za asili neno kwa neno. Unapozalisha jibu kwa ombi la mtumiaji, muundo hutumia uzani huu uliojifunza kutabiri na kuunda maudhui mapya.

Ni aina gani ya taarifa inayotumiwa kufundisha ChatGPT?

Kuhusu maudhui ya mtandaoni yanayopatikana kwa umma, tunatumia tu taarifa ambazo mtu yeyote anaweza kufikia mtandaoni bila malipo. Hizi zinaweza kujumuisha kurasa za wavuti, majukwaa ya mijadala, blogu, machapisho na maudhui mengine ya mtandaoni yanayopatikana kwa umma. Kwa mfano, ukishiriki katika jukwaa la mijadala la mtandaoni linalopatikana kwa umma au kuchapisha blogu au chapisho jingine linalopatikana kwa umma, tunaweza kutumia maudhui hayo kufundisha miundo. Hata hivyo, tunachukua hatua za kupunguza uchakataji wa taarifa binafsi katika mchakato wetu wa mafunzo.  Tunapokusanya maudhui ya mtandaoni yanayopatikana kwa umma, hatukusanyi kimakusudi data kutoka vyanzo vinavyojulikana kuhitaji malipo ili kuvifikia, wala kutoka sehemu fiche ya wavuti. Pia, tunatumia vichujio kuondoa maudhui ambayo hatutaki miundo yetu ijifunze kutoka kwayo, kama vile matamshi ya chuki, maudhui ya watu wazima, tovuti zinazokusanya taarifa binafsi kutoka vyanzo mbalimbali, na taka. Kisha taarifa zilizobaki hutumiwa kufundisha miundo yetu. 

Wamiliki wa tovuti wanaweza kudhibiti ikiwa maudhui ya tovuti zao yanayopatikana kwa umma yanaweza kufikiwa kwa matumizi ya mafunzo. Wanaweza kufanya hivyo kwa kutumia vidhibiti vya kawaida vya wavuti kama robots.txt kuzuia GPTBot, ambayo inaweza kupitia maudhui yanayopatikana kwa umma ili kusaidia kufundisha miundo yetu. Tunatoa mwongozo wa kuwasaidia wamiliki wa tovuti kudhibiti jinsi tovuti na maudhui yao yanavyoingiliana na mifumo yetu ya akili unde. 

Pia tunatumia taarifa kutoka kwa washirika wa nje kusaidia kufundisha na kuboresha miundo yetu. Hizi zinaweza kujumuisha taarifa katika seti za data tunazofikia kupitia makubaliano na wahusika wengine, pamoja na taarifa zinazotolewa au kuzalishwa na wakufunzi binadamu na watafiti pale ambapo sera na makubaliano yetu yanaruhusu. Hii husaidia kuboresha ubora, usalama na utendaji wa miundo yetu. Vyanzo hivi vinaweza kujumuisha maandishi, picha, sauti, video au aina nyingine za data, kutegemea seti ya data.

Pia tunazidi kutumia data iliyozalishwa kwa njia bandia katika baadhi ya michakato ya mafunzo. Kwa mfano, tunaweza kutumia taarifa na miundo yetu kuzalisha maagizo kwa njia bandia, mifano ya lugha mbalimbali au nyenzo nyingine za mafunzo. Data iliyozalishwa kwa njia bandia inaweza kusaidia kuboresha utendaji wa muundo, ikiwa ni pamoja na kuongeza data ya mafunzo katika maeneo yenye data chache au zisizo na uwiano. Inaweza pia kusaidia mbinu za uundaji wa miundo zinazoimarisha faragha.

Je, taarifa binafsi hutumiwa kufundisha ChatGPT?

Sehemu kubwa ya maudhui ya mtandaoni inahusisha taarifa kuhusu watu, kwa hivyo data yetu ya mafunzo inaweza kujumuisha taarifa binafsi bila kukusudiwa. Hata hivyo, tunachukua hatua za kupunguza uchakataji wa taarifa binafsi katika mchakato wetu wa mafunzo.

Tunatumia data ya mafunzo kukuza uwezo wa muundo—kama vile kutabiri, uwazaji na kutatua matatizo—si kuunda wasifu wa watu, kuwasiliana nao au kuwalenga kwa matangazo yanayowafaa kibinafsi.

Katika hali fulani, miundo inaweza kujifunza kutokana na taarifa binafsi ili kuelewa jinsi vipengele kama majina na anwani vinavyotumika katika lugha, au kutambua watu mashuhuri na taasisi zinazojulikana sana. Hii husaidia muundo kutoa majibu sahihi zaidi yanayofaa muktadha.

Taarifa binafsi zinalindwaje wakati wa mafunzo?

Tunachukua hatua madhubuti za kupunguza uchakataji wa taarifa binafsi wakati wa mafunzo. Kwa mfano, hatujumuishi vyanzo vinavyojulikana kukusanya kiasi kikubwa cha data binafsi kutoka vyanzo mbalimbali. Pia tunatumia uchujaji kupunguza taarifa binafsi katika mchakato wa mafunzo na kuchukua hatua za kutambua na kuondoa maudhui yaliyorudiwa, ili kupunguza hatari ya kurudia data ya mafunzo katika majibu. Aidha, tunafundisha miundo yetu kuepuka kujibu maombi ya taarifa za faragha au nyeti kuhusu watu. 

Muda tunaohifadhi taarifa

Tunahifadhi taarifa katika data ya mafunzo kwa muda tu unaohitajika kwa kiasi kinachofaa kwa madhumuni yaliyoelezwa katika makala haya na sera ya faragha yetu, ikiwa ni pamoja na kuunda na kuboresha miundo yetu na kwa madhumuni yanayohusiana ya utafiti wa kisayansi. Uhifadhi hupitiwa mara kwa mara ili kuhakikisha kuwa bado unahitajika, na muda wake hutofautiana kutegemea aina ya taarifa na jinsi zinavyotumiwa. Tunapoamua muda wa kuhifadhi taarifa, tunazingatia mambo kama madhumuni yetu ya kuzichakata, kiasi, aina na unyeti wa taarifa hizo, hatari inayoweza kutokea kutokana na matumizi au ufichuzi usioidhinishwa, na wajibu wowote wa kisheria tunaopaswa kutimiza.

Uundaji wa ChatGPT unazingatiaje sheria za faragha?

Tunatumia taarifa za mafunzo kwa mujibu wa sheria. Miundo yetu ya msingi inawezesha matumizi mengi yenye manufaa—yakiwemo zana za ufikivu, usaidizi kwa wateja, uundaji wa programu, elimu inayolingana na mahitaji ya kila mtu, na utafiti wa kisayansi. Uwezo huu unategemea data ya ufunzaji mkuu, ikijumuisha taarifa zinazopatikana kwa umma na taarifa kutoka kwa washirika wa nje. Tunatumia hatua za ulinzi katika mchakato mzima wa mafunzo, zikiwemo hatua zinazolenga kupunguza uchakataji wa taarifa binafsi katika mchakato huo na kupunguza hatari, kama ilivyoelezwa katika makala haya. Ukusanyaji na matumizi yetu ya taarifa binafsi zilizojumuishwa katika taarifa za mafunzo yanategemea maslahi halali chini ya sheria za faragha kama GDPR. Hii inajumuisha kufundisha na kuboresha miundo yetu kwa manufaa ya watumiaji na jamii kwa ujumla, kulingana na dhamira yetu ya kuhakikisha kuwa akili unde ya jumla inamnufaisha kila mtu, kama ilivyoelezwa kwa kina zaidi katika sera ya faragha yetu. Tumekamilisha tathmini ya athari kwa ulinzi wa data ili kusaidia kuhakikisha kuwa tunakusanya na kutumia taarifa hizi kwa njia halali na yenye uwajibikaji.

Wakati taarifa zinaweza kushirikiwa au kuhamishwa

“Hatuuzi” taarifa binafsi, na tunafichua taarifa binafsi zilizo katika data ya mafunzo katika hali chache tu zilizoelezwa katika sera ya faragha yetu. Kwa mfano, tunaweza kushiriki taarifa na kampuni washirika, wauzaji na watoa huduma wanaosaidia kuunda, kupima na kuboresha miundo yetu. Pia tunaweza kufichua taarifa tukiamini kwa nia njema kwamba hatua hiyo ni muhimu ili kutimiza wajibu wa kisheria au kulinda haki, usalama na ulinzi wetu na wa watumiaji wetu, wafanyakazi au umma, kama ilivyoelezwa katika sera ya faragha yetu.

Kwa kuwa miundombinu yetu iko katika sehemu mbalimbali duniani, taarifa binafsi zilizo katika data ya mafunzo zinaweza kuchakatwa katika nchi zilizo nje ya Eneo la Kiuchumi la Ulaya (EEA), Uswisi au Uingereza (ikiwa ni pamoja na Marekani). Hili linapotokea, tunatumia hatua zinazofaa za ulinzi, kama vile maamuzi yanayothibitisha utoshelevu wa ulinzi wa data au vifungu vya kawaida vya mikataba, kama ilivyoelezwa katika sera ya faragha yetu.

Haki zako na jinsi ya kuzitumia

Tunajibu maombi ya kupinga uchakataji na maombi mengine yanayohusiana na haki kama hizo. Kutokana na kujifunza lugha, majibu ya ChatGPT wakati mwingine yanaweza kujumuisha taarifa binafsi kuhusu watu ambao taarifa zao binafsi zinapatikana mara nyingi katika sehemu za mtandao zinazofikiwa na umma (kwa mfano, watu mashuhuri). Watu walio katika maeneo fulani ya kisheria wanaweza kupinga uchakataji wa taarifa zao binafsi na miundo yetu, au kuwasilisha maombi mengine ya kutekeleza haki zao kama wahusika wa data kupitia Tovuti ya Ufaragha yetu. Pia unaweza kutumia haki hizi kwa kuwasiliana nasi kupitia privacy@openai.com.

Ili kutusaidia kutathmini na kujibu ombi lako, tafadhali toa maelezo ya kutosha ili tuelewe ni taarifa zipi binafsi zinazohusiana na ombi hilo, kama vile jina lako, URL zinazohusika, mifano mahususi ya majibu ya muundo au maelezo mengine yanayosaidia kutambua tatizo. Katika hali fulani, tunaweza kukuomba uthibitishe utambulisho wako au uthibitishe kuwa taarifa hizo zinakuhusu kabla hatujaweza kuchukua hatua. Maelezo zaidi kuhusu jinsi ya kuwasilisha maombi haya, yakiwemo mapendekezo ya namna bora ya kufanya hivyo na jinsi maombi yanavyopitiwa, yanapatikana katika makala yetu ya Kituo cha Usaidizi kuhusu kuondoa data binafsi kwenye ChatGPT. Tunapitia maombi kwa mujibu wa sheria husika za faragha na kujibu ndani ya muda uliowekwa na sheria hizo.

Tafadhali fahamu kuwa, kwa mujibu wa sheria za faragha, baadhi ya haki zinaweza kuwa na mipaka. Kwa mfano, huenda tusiweze kutimiza ombi ikiwa hatuwezi kuthibitisha taarifa husika, ikiwa ombi halihusiani na taarifa binafsi zinazochakatwa na OpenAI, ikiwa kuna msamaha wa kisheria unaotumika, au ikiwa tuna sababu nyingine halali ya kutolitimiza. Kila ombi hutathminiwa kulingana na hali yake na linaweza kuhitaji kupima haki za faragha dhidi ya mambo mengine muhimu, kama vile uhuru wa kujieleza na maslahi ya umma.

Hata hivyo, tunajitahidi kuupa kipaumbele ulinzi wa taarifa binafsi na kuzingatia sheria zote husika za faragha. Ikiwa unahisi hatujashughulikia suala fulani ipasavyo, una haki ya kuwasilisha malalamiko kwa mamlaka ya usimamizi katika eneo lako.

Kwa maelezo zaidi kuhusu jinsi OpenAI inavyoshughulikia taarifa binafsi tunazokusanya kutoka kwako au kukuhusu unapotumia tovuti, programu na huduma zetu, tafadhali angalia sera ya faragha yetu.