Resumé af træningsdata i henhold til California Civil Code Section 3111

OpenAI tilbyder offentligt tilgængelige generative AI-systemer i delstaten Californien. Vi udvikler disse systemer ved hjælp af en række datakilder, herunder offentligt tilgængelige data, data som vi samarbejder med tredjeparter om at få adgang til, og oplysninger som vores brugere eller menneskelige trænere og forskere leverer eller genererer. Vi udvikler også vores systemer ved hjælp af syntetiske data.

Vi bruger data til at hjælpe vores systemer med bedre at forstå menneskeligt sprog og verden. Det gør det igen muligt for vores systemer at styrke menneskelig kreativitet, fremme videnskabelige opdagelser og medicinsk forskning og gøre det muligt for hundredvis af millioner mennesker at forbedre deres dagligdag. Vores systemer udvikles på datasæt, der indeholder billioner af token af tekst-, billed-, lyd- og audiovisuelt indhold.

Vi bruger et mangfoldigt sæt data til at udvikle vores systemer, herunder data, der kan være beskyttet af ophavsret, og data i det offentlige domæne. Selvom vi tager skridt til at reducere mængden af personoplysninger i vores træningsdatasæt, kan nogle af vores data indeholde personoplysninger og aggregerede forbrugeroplysninger som defineret i California Civil Code Section 1798.140. Vores brugere har mulighed for at fravælge, at deres indhold bruges til træning, samt for at anmode om fjernelse af visse personoplysninger fra ChatGPT-svar via vores privatlivsportal. Vi bruger en række teknikker til at behandle vores datasæt for at forbedre vores modellers ydeevne og nøjagtighed.

Vi begyndte at indsamle data til at udvikle vores systemer omkring 2018, og vi indsamler fortsat data i dag. Vi brugte første gang vores datasæt til systemudvikling i 2021.

Yderligere oplysninger om udviklingen af vores systemer findes i vores systemkort.