โมเดลพื้นฐานของ OpenAI รวมถึงโมเดลที่ขับเคลื่อน ChatGPT พัฒนาขึ้นโดยใช้ข้อมูลจากแหล่งหลัก 3 แหล่ง ได้แก่ (1) ข้อมูลที่เผยแพร่ต่อสาธารณะบนอินเทอร์เน็ต (2) ข้อมูลที่เราเข้าถึงผ่านความร่วมมือกับบุคคลที่สาม และ (3) ข้อมูลที่ผู้ใช้ ผู้ฝึกสอนที่เป็นมนุษย์ และนักวิจัยของเราให้มาหรือสร้างขึ้น

การพัฒนาโมเดลพื้นฐาน เช่น โมเดลที่ใช้ใน ChatGPT มีหลายขั้นตอน ได้แก่ การเตรียมข้อมูลการฝึก การทำ pre-training และการฝึกภายหลัง ตลอดจนการประเมินและปรับปรุงอย่างต่อเนื่องหลังนำไปใช้งาน ในแต่ละขั้นตอน อาจใช้ข้อมูลประเภทต่างๆ เพื่อวัตถุประสงค์ที่หลากหลาย รวมถึงการปรับปรุงประสิทธิภาพ ความน่าเชื่อถือ และความปลอดภัยของโมเดล 

บทความนี้ให้ภาพรวมของข้อมูลที่เราใช้เพื่อช่วยพัฒนาโมเดลเหล่านี้ วิธีที่เราเก็บรวบรวมและใช้ข้อมูลดังกล่าวให้สอดคล้องกับกฎหมายความเป็นส่วนตัว และมาตรการคุ้มครองที่เราใช้ตลอดกระบวนการฝึก หากต้องการทำความเข้าใจวิธีที่เราเก็บรวบรวมและใช้ข้อมูลจากผู้ใช้บริการของเรา รวมถึงวิธีเลือกไม่ให้ใช้บทสนทนาใน ChatGPT เพื่อช่วยปรับปรุงโมเดล โปรดดูนโยบายความเป็นส่วนตัวของเราและบทความในศูนย์ช่วยเหลือนี้

ChatGPT คืออะไรและทำงานอย่างไร?

ChatGPT เป็นบริการที่ใช้ปัญญาประดิษฐ์ ซึ่งคุณเข้าถึงได้ผ่านอินเทอร์เน็ตหรือแอป คุณใช้ ChatGPT ทำงานได้หลากหลาย เช่น จัดระเบียบและสรุปข้อมูล ช่วยแปลภาษา ช่วยเขียนโค้ด วิจัยและวิเคราะห์ ทำงานหลายขั้นตอนโดยใช้เครื่องมือต่างๆ วิเคราะห์หรือสร้างรูปภาพ จุดประกายความคิดสร้างสรรค์และไอเดีย ตลอดจนกิจกรรมอื่นๆ ในชีวิตประจำวัน ChatGPT ได้รับการออกแบบให้เข้าใจและตอบสนองต่อคำถามและคำสั่งของผู้ใช้ โดยเรียนรู้รูปแบบจากข้อมูลจำนวนมาก ทั้งข้อความ รูปภาพ เสียง และวิดีโอ 

ระหว่างการฝึก โมเดลจะวิเคราะห์ความสัมพันธ์ภายในข้อมูลเหล่านี้ เช่น คำต่างๆ มักปรากฏร่วมกันอย่างไรในบริบท แล้วใช้ความเข้าใจนั้นคาดการณ์คำถัดไปที่มีแนวโน้มจะปรากฏมากที่สุด เพื่อสร้างคำตอบทีละคำ ข้อความอาจถูกแปลงเป็นหน่วยย่อย ซึ่งบางครั้งเรียกว่า “โทเค็น” โดยอาจแทนคำทั้งคำ ส่วนหนึ่งของคำ หรือเครื่องหมายวรรคตอน โทเค็นเป็นหน่วยพื้นฐานของข้อความที่โมเดลประมวลผล ในทำนองเดียวกัน โมเดลที่สร้างเนื้อหารูปแบบอื่น เช่น รูปภาพ จะเรียนรู้รูปแบบความสัมพันธ์ระหว่างพิกเซลต่างๆ และความสัมพันธ์กับคำบรรยายภาพที่เกี่ยวข้องในข้อมูลการฝึก

ตัวอย่างเช่น ระหว่างกระบวนการเรียนรู้ของโมเดล (ที่เรียกว่า “การฝึก”) โมเดลอาจได้รับโจทย์ให้เติมประโยค เช่น “แทนที่จะเลี้ยวซ้าย เธอกลับเลี้ยว___” ในช่วงแรกของการฝึก คำตอบส่วนใหญ่จะเป็นแบบสุ่ม อย่างไรก็ตาม เมื่อโมเดลประมวลผลและเรียนรู้จากข้อความจำนวนมาก ก็จะจดจำรูปแบบและคาดการณ์คำถัดไปที่มีแนวโน้มจะปรากฏมากที่สุดได้ดีขึ้น กระบวนการนี้ทำซ้ำกับประโยคหลายล้านประโยคเพื่อพัฒนาความเข้าใจและเพิ่มความแม่นยำ

เนื่องจากประโยคหนึ่งอาจเติมให้สมบูรณ์อย่างสมเหตุสมผลได้หลายแบบ เช่น “แทนที่จะเลี้ยวซ้าย เธอกลับเลี้ยวขวา” “เลี้ยวกลับ” หรือ “เลี้ยวย้อนกลับไป” วิธีตอบของโมเดลจึงมีความสุ่มเป็นส่วนหนึ่งอยู่ในตัว ด้วยเหตุนี้ คำถามเดียวกันจึงอาจได้คำตอบต่างกันเมื่อถามคนละครั้ง

โมเดลแมชชีนเลิร์นนิงประกอบด้วยชุดตัวเลขขนาดใหญ่ที่เรียกว่า “ค่าน้ำหนัก” หรือ “พารามิเตอร์” พร้อมกับโค้ดที่ตีความและใช้ตัวเลขเหล่านั้น โมเดลเหล่านี้ไม่ได้จัดเก็บหรือเก็บรักษาสำเนาของข้อมูลที่ใช้ฝึก แต่ขณะที่โมเดลเรียนรู้ ค่าพารามิเตอร์จะได้รับการปรับทีละเล็กน้อยเพื่อสะท้อนรูปแบบที่โมเดลค้นพบ ในตัวอย่างก่อนหน้านี้ โมเดลพัฒนาจากการคาดการณ์คำแบบสุ่มไปสู่การคาดการณ์ที่แม่นยำขึ้น ไม่ใช่ด้วยการเก็บประโยคที่ใช้ฝึกไว้ แต่ด้วยการปรับพารามิเตอร์ภายใน โมเดลไม่ได้เก็บสำเนาของประโยค รูปภาพ หรือเสียงที่ประมวลผลระหว่างการฝึก ChatGPT ไม่ได้ “คัดลอกและวาง” ข้อมูลการฝึก คล้ายกับครูที่ศึกษามาอย่างกว้างขวางแล้วสามารถอธิบายแนวคิดต่างๆ ได้ด้วยความเข้าใจความสัมพันธ์ระหว่างแนวคิด โดยไม่ต้องท่องจำหรือถ่ายทอดเนื้อหาต้นฉบับแบบคำต่อคำ เมื่อสร้างคำตอบตามคำขอของผู้ใช้ โมเดลจะใช้ค่าน้ำหนักที่ได้จากการเรียนรู้เหล่านี้เพื่อคาดการณ์และสร้างเนื้อหาใหม่

ข้อมูลประเภทใดที่ใช้สอน ChatGPT?

สำหรับเนื้อหาที่เผยแพร่ต่อสาธารณะบนอินเทอร์เน็ต เราใช้เฉพาะข้อมูลที่เข้าถึงได้อย่างเปิดเผยและไม่มีค่าใช้จ่ายเท่านั้น ข้อมูลนี้อาจรวมถึงหน้าเว็บ กระดานสนทนา บล็อก โพสต์ และเนื้อหาออนไลน์อื่นๆ ที่เผยแพร่ต่อสาธารณะ ตัวอย่างเช่น หากคุณร่วมแสดงความคิดเห็นในกระดานสนทนาออนไลน์ที่เปิดให้สาธารณะเข้าถึง หรือเผยแพร่บล็อกหรือโพสต์อื่นๆ ต่อสาธารณะ เราอาจใช้เนื้อหาที่เข้าถึงได้โดยสาธารณะนั้นเพื่อฝึกโมเดล อย่างไรก็ตาม เราดำเนินมาตรการเพื่อลดการประมวลผลข้อมูลส่วนบุคคลในกระบวนการฝึกของเรา  เมื่อรวบรวมเนื้อหาที่เผยแพร่ต่อสาธารณะบนอินเทอร์เน็ต เราไม่ได้จงใจเก็บข้อมูลจากแหล่งที่ทราบว่าต้องชำระเงินเพื่อเข้าถึง หรือจากดาร์กเว็บ นอกจากนี้ เรายังใช้ตัวกรองเพื่อลบเนื้อหาที่ไม่ต้องการให้โมเดลเรียนรู้ เช่น ถ้อยคำแสดงความเกลียดชัง เนื้อหาสำหรับผู้ใหญ่ เว็บไซต์ที่รวบรวมข้อมูลส่วนบุคคล และสแปม จากนั้นจึงนำข้อมูลที่เหลือมาใช้ฝึกโมเดลของเรา 

เจ้าของเว็บไซต์สามารถกำหนดได้ว่าจะอนุญาตให้เข้าถึงเนื้อหาที่เผยแพร่ต่อสาธารณะบนเว็บไซต์ของตนเพื่อนำไปใช้ฝึกโมเดลหรือไม่ โดยใช้เครื่องมือควบคุมเว็บมาตรฐาน เช่น robots.txt เพื่อปิดกั้น GPTBot ซึ่งอาจรวบรวมเนื้อหาที่เผยแพร่ต่อสาธารณะเพื่อช่วยฝึกโมเดลของเรา เรามีคำแนะนำเพื่อช่วยให้เจ้าของเว็บไซต์จัดการวิธีที่เว็บไซต์และเนื้อหาของตนโต้ตอบกับระบบ AI ของเรา 

เรายังใช้ข้อมูลจากพันธมิตรภายนอกเพื่อช่วยฝึกและปรับปรุงโมเดลของเรา ข้อมูลนี้อาจรวมถึงข้อมูลในชุดข้อมูลที่เราเข้าถึงผ่านข้อตกลงกับบุคคลที่สาม ตลอดจนข้อมูลที่ผู้ฝึกสอนที่เป็นมนุษย์และนักวิจัยให้มาหรือสร้างขึ้น ในกรณีที่นโยบายและข้อตกลงของเราอนุญาต ข้อมูลเหล่านี้ช่วยปรับปรุงคุณภาพ ความปลอดภัย และประสิทธิภาพของโมเดลของเรา แหล่งข้อมูลเหล่านี้อาจมีข้อความ รูปภาพ เสียง วิดีโอ หรือข้อมูลประเภทอื่นๆ ขึ้นอยู่กับชุดข้อมูล

เรายังใช้ข้อมูลสังเคราะห์มากขึ้นในกระบวนการฝึกบางส่วน ตัวอย่างเช่น เราอาจใช้ข้อมูลและโมเดลของเราเพื่อสร้างพรอมต์สังเคราะห์ ตัวอย่างหลายภาษา หรือสื่ออื่นๆ สำหรับการฝึก ข้อมูลสังเคราะห์ช่วยปรับปรุงประสิทธิภาพของโมเดลได้ เช่น โดยเสริมข้อมูลการฝึกในด้านที่มีข้อมูลน้อยหรือไม่สมดุล และยังอาจช่วยสนับสนุนแนวทางการพัฒนาโมเดลที่ส่งเสริมการคุ้มครองความเป็นส่วนตัว

มีการใช้ข้อมูลส่วนบุคคลเพื่อสอน ChatGPT หรือไม่?

เนื้อหาออนไลน์ส่วนใหญ่มีข้อมูลเกี่ยวกับบุคคล ดังนั้นข้อมูลการฝึกของเราจึงอาจมีข้อมูลส่วนบุคคลรวมอยู่ด้วยโดยไม่ได้ตั้งใจ อย่างไรก็ตาม เราดำเนินมาตรการเพื่อลดการประมวลผลข้อมูลส่วนบุคคลในกระบวนการฝึกของเรา

เราใช้ข้อมูลการฝึกเพื่อพัฒนาความสามารถของโมเดล เช่น การคาดการณ์ การให้เหตุผล และการแก้ปัญหา ไม่ใช่เพื่อสร้างโปรไฟล์ของบุคคล ติดต่อบุคคลเหล่านั้น หรือปรับโฆษณาให้เหมาะกับแต่ละบุคคล

ในบางกรณี โมเดลอาจเรียนรู้จากข้อมูลส่วนบุคคลเพื่อทำความเข้าใจว่าองค์ประกอบอย่างชื่อและที่อยู่มีบทบาทอย่างไรในภาษา หรือเพื่อให้รู้จักบุคคลสาธารณะและหน่วยงานที่เป็นที่รู้จัก การเรียนรู้นี้ช่วยให้โมเดลสร้างคำตอบได้ถูกต้องและเหมาะสมกับบริบทมากขึ้น

ข้อมูลส่วนบุคคลได้รับการคุ้มครองอย่างไรระหว่างการฝึก?

เราดำเนินมาตรการเชิงรุกเพื่อจำกัดการประมวลผลข้อมูลส่วนบุคคลระหว่างการฝึก ตัวอย่างเช่น เราไม่นำข้อมูลจากแหล่งที่ทราบว่ารวบรวมข้อมูลส่วนบุคคลไว้จำนวนมากมาใช้ ใช้การกรองเพื่อลดข้อมูลส่วนบุคคลในกระบวนการฝึก และดำเนินการค้นหาและลบเนื้อหาที่ซ้ำกันเพื่อลดความเสี่ยงที่โมเดลจะตอบโดยนำข้อมูลการฝึกมาใช้ซ้ำ นอกจากนี้ เรายังฝึกโมเดลให้หลีกเลี่ยงการตอบคำขอข้อมูลที่เป็นส่วนตัวหรือมีความอ่อนไหวเกี่ยวกับบุคคล 

เราเก็บรักษาข้อมูลไว้นานเท่าใด

เราเก็บรักษาข้อมูลในชุดข้อมูลการฝึกไว้เฉพาะเท่าที่จำเป็นอย่างสมเหตุสมผลสำหรับวัตถุประสงค์ที่อธิบายไว้ในบทความนี้และนโยบายความเป็นส่วนตัวของเรา รวมถึงการพัฒนาและปรับปรุงโมเดล และการวิจัยทางวิทยาศาสตร์ที่เกี่ยวข้อง เราทบทวนการเก็บรักษาข้อมูลเป็นระยะเพื่อให้แน่ใจว่ายังคงมีความจำเป็น โดยระยะเวลาจะแตกต่างกันไปตามประเภทของข้อมูลและวิธีการใช้งาน ในการกำหนดระยะเวลาการเก็บรักษา เราพิจารณาปัจจัยต่างๆ เช่น วัตถุประสงค์ในการประมวลผลข้อมูล ปริมาณ ลักษณะ และความอ่อนไหวของข้อมูล ความเสี่ยงต่อความเสียหายที่อาจเกิดจากการใช้หรือเปิดเผยโดยไม่ได้รับอนุญาต และภาระผูกพันทางกฎหมายที่เราต้องปฏิบัติตาม

การพัฒนา ChatGPT สอดคล้องกับกฎหมายความเป็นส่วนตัวอย่างไร?

เราใช้ข้อมูลการฝึกอย่างถูกต้องตามกฎหมาย โมเดลพื้นฐานของเราขับเคลื่อนการใช้งานที่เป็นประโยชน์หลากหลายด้าน ทั้งเครื่องมือช่วยการเข้าถึงสำหรับผู้พิการ การสนับสนุนลูกค้า การพัฒนาซอฟต์แวร์ การศึกษาที่ปรับให้เหมาะกับแต่ละบุคคล และการวิจัยทางวิทยาศาสตร์ ความสามารถเหล่านี้ต้องอาศัยข้อมูลการฝึกปริมาณมหาศาล รวมถึงข้อมูลที่เผยแพร่ต่อสาธารณะและข้อมูลจากพันธมิตรภายนอก เราใช้มาตรการคุ้มครองตลอดกระบวนการฝึก รวมถึงมาตรการที่ออกแบบมาเพื่อลดการประมวลผลข้อมูลส่วนบุคคลในกระบวนการฝึกและบรรเทาความเสี่ยง ตามที่อธิบายไว้ในบทความนี้ เราอาศัยฐานประโยชน์โดยชอบด้วยกฎหมายภายใต้กฎหมายความเป็นส่วนตัว เช่น GDPR ในการเก็บรวบรวมและใช้ข้อมูลส่วนบุคคลที่รวมอยู่ในข้อมูลการฝึก ซึ่งรวมถึงการฝึกและปรับปรุงโมเดลเพื่อผู้ใช้และสังคมในวงกว้าง โดยสอดคล้องกับพันธกิจของเราที่มุ่งให้ปัญญาประดิษฐ์ทั่วไปเป็นประโยชน์ต่อทุกคน ตามที่อธิบายไว้อย่างละเอียดในนโยบายความเป็นส่วนตัวของเรา เราได้ดำเนินการประเมินผลกระทบด้านการคุ้มครองข้อมูลแล้ว เพื่อช่วยให้มั่นใจว่าเราเก็บรวบรวมและใช้ข้อมูลนี้อย่างถูกต้องตามกฎหมายและมีความรับผิดชอบ

กรณีที่อาจมีการแชร์หรือโอนข้อมูล

เราไม่ “ขาย” ข้อมูลส่วนบุคคล และจะเปิดเผยข้อมูลส่วนบุคคลในข้อมูลการฝึกเฉพาะในกรณีที่จำกัดตามที่อธิบายไว้ในนโยบายความเป็นส่วนตัวของเราเท่านั้น ตัวอย่างเช่น เราอาจแชร์ข้อมูลกับบริษัทในเครือ ผู้ขาย และผู้ให้บริการที่สนับสนุนการพัฒนา ทดสอบ และปรับปรุงโมเดลของเรา เรายังอาจเปิดเผยข้อมูลเมื่อเชื่อโดยสุจริตว่าการดำเนินการดังกล่าวจำเป็นต่อการปฏิบัติตามภาระผูกพันทางกฎหมาย หรือเพื่อปกป้องสิทธิ ความปลอดภัย และความมั่นคงของเรา ตลอดจนของผู้ใช้ พนักงาน หรือสาธารณชน ตามที่อธิบายไว้ในนโยบายความเป็นส่วนตัวของเรา

เนื่องจากโครงสร้างพื้นฐานของเรากระจายอยู่ทั่วโลก ข้อมูลส่วนบุคคลในข้อมูลการฝึกจึงอาจได้รับการประมวลผลในประเทศนอกเขตเศรษฐกิจยุโรป (EEA) สวิตเซอร์แลนด์ หรือสหราชอาณาจักร (รวมถึงในสหรัฐอเมริกา) ในกรณีดังกล่าว เราจะใช้มาตรการคุ้มครองที่เหมาะสม เช่น คำวินิจฉัยรับรองความเพียงพอของการคุ้มครองข้อมูล หรือข้อสัญญามาตรฐาน ตามที่อธิบายไว้ในนโยบายความเป็นส่วนตัวของเรา

สิทธิของคุณและวิธีใช้สิทธิ

เราตอบสนองต่อคำขอคัดค้านและคำขอใช้สิทธิในลักษณะเดียวกัน จากการเรียนรู้ภาษา บางครั้งคำตอบของ ChatGPT อาจมีข้อมูลส่วนบุคคลของผู้ที่มีข้อมูลส่วนบุคคลปรากฏซ้ำหลายครั้งบนอินเทอร์เน็ตที่เข้าถึงได้โดยสาธารณะ (เช่น บุคคลสาธารณะ) บุคคลในเขตอำนาจศาลบางแห่งสามารถคัดค้านการประมวลผลข้อมูลส่วนบุคคลของตนโดยโมเดลของเรา หรือยื่นคำขอใช้สิทธิอื่นๆ ของเจ้าของข้อมูลผ่านพอร์ทัลความเป็นส่วนตัวของเรา คุณยังสามารถใช้สิทธิเหล่านี้ได้โดยติดต่อ privacy@openai.com

เพื่อช่วยให้เราประเมินและตอบสนองต่อคำขอของคุณได้ โปรดให้ข้อมูลเพียงพอที่เราจะเข้าใจว่าคำขอของคุณเกี่ยวข้องกับข้อมูลส่วนบุคคลใด เช่น ชื่อของคุณ URL ที่เกี่ยวข้อง ตัวอย่างผลลัพธ์จากโมเดลที่เฉพาะเจาะจง หรือรายละเอียดอื่นๆ ที่ช่วยระบุปัญหา ในบางกรณี เราอาจขอให้คุณยืนยันตัวตนหรือยืนยันว่าข้อมูลดังกล่าวเกี่ยวข้องกับคุณก่อนที่เราจะดำเนินการได้ ดูข้อมูลเพิ่มเติมเกี่ยวกับวิธียื่นคำขอเหล่านี้ รวมถึงแนวทางปฏิบัติที่แนะนำและวิธีพิจารณาคำขอได้ในบทความในศูนย์ช่วยเหลือของเราเกี่ยวกับการลบข้อมูลส่วนบุคคลออกจาก ChatGPT เราพิจารณาคำขอตามกฎหมายความเป็นส่วนตัวที่ใช้บังคับ และตอบกลับภายในระยะเวลาที่กฎหมายกำหนด

โปรดทราบว่าตามกฎหมายความเป็นส่วนตัว สิทธิบางประการอาจมีข้อจำกัด ตัวอย่างเช่น เราอาจไม่สามารถดำเนินการตามคำขอได้ หากเราไม่สามารถตรวจสอบยืนยันข้อมูลที่เกี่ยวข้องได้ หากคำขอไม่เกี่ยวข้องกับข้อมูลส่วนบุคคลที่ OpenAI ประมวลผล หากมีข้อยกเว้นที่ใช้บังคับ หรือหากเรามีเหตุผลอื่นที่ชอบด้วยกฎหมายในการไม่ดำเนินการตามคำขอนั้น เราประเมินคำขอเป็นรายกรณี และอาจต้องชั่งน้ำหนักระหว่างสิทธิความเป็นส่วนตัวกับข้อพิจารณาสำคัญอื่นๆ เช่น เสรีภาพในการแสดงความคิดเห็นและประโยชน์สาธารณะ

อย่างไรก็ตาม เรามุ่งมั่นที่จะให้ความสำคัญกับการคุ้มครองข้อมูลส่วนบุคคลและปฏิบัติตามกฎหมายความเป็นส่วนตัวที่ใช้บังคับทั้งหมด หากคุณรู้สึกว่าเรายังจัดการปัญหาได้ไม่เพียงพอ คุณมีสิทธิยื่นเรื่องร้องเรียนต่อหน่วยงานกำกับดูแลในพื้นที่ของคุณ

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับแนวปฏิบัติของ OpenAI ต่อข้อมูลส่วนบุคคลที่เราเก็บรวบรวมจากคุณหรือเกี่ยวกับคุณเมื่อคุณใช้เว็บไซต์ แอปพลิเคชัน และบริการของเรา โปรดดูนโยบายความเป็นส่วนตัวของเรา