OpenAI’s grundmodeller, herunder de modeller, der driver ChatGPT, udvikles ved hjælp af tre primære informationskilder: (1) oplysninger, der er offentligt tilgængelige på internettet, (2) oplysninger, som vi samarbejder med tredjeparter om at få adgang til, og (3) oplysninger, som vores brugere, menneskelige trænere og forskere leverer eller genererer.
Udvikling af grundmodeller som dem, der bruges i ChatGPT, omfatter flere faser, herunder klargøring af træningsdata, fortræning og eftertræning samt løbende evaluering og forbedring efter udrulning. Forskellige typer oplysninger kan bruges i disse faser til forskellige formål, herunder at forbedre modellens ydeevne, pålidelighed og sikkerhed.
Denne artikel giver et overblik over de oplysninger, vi bruger til at hjælpe med at udvikle disse modeller, hvordan vi indsamler og bruger oplysningerne i overensstemmelse med privatlivslovgivningen, og de sikkerhedsforanstaltninger, vi anvender gennem hele træningsprocessen. Du kan læse mere om, hvordan vi indsamler og bruger oplysninger fra brugere af vores tjenester, herunder hvordan du fravælger, at ChatGPT-samtaler bruges til at hjælpe med at forbedre vores modeller, i vores privatlivspolitik og denne artikel i Hjælp.
Hvad er ChatGPT, og hvordan fungerer det?
ChatGPT er en tjeneste baseret på kunstig intelligens, som du kan få adgang til via internettet eller en app. Du kan bruge ChatGPT til en lang række opgaver, herunder at organisere og sammenfatte oplysninger, hjælpe med oversættelser, understøtte kodning, research og analyse, udføre flertrinsopgaver på tværs af værktøjer, analysere eller generere billeder, inspirere kreativitet og idéer samt andre dagligdags aktiviteter. ChatGPT er designet til at forstå og besvare brugeres spørgsmål og instruktioner ved at lære mønstre fra store mængder information, herunder tekst, billeder, lyd og video.
Under træning analyserer modellen relationer i disse data – f.eks. hvordan ord typisk optræder sammen i en kontekst – og bruger denne forståelse til at forudsige det næste mest sandsynlige ord, når den genererer et svar, ét ord ad gangen. Tekst kan omdannes til mindre enheder, som nogle gange kaldes ”tokens”, og som kan repræsentere hele ord, dele af ord eller tegnsætning. Tokens er de byggesten i tekst, som modellen behandler. På samme måde lærer modeller, der genererer andre former for indhold, f.eks. billeder, mønstre i, hvordan pixels relaterer sig til hinanden og til tilknyttede billedtekster i træningsdataene.
For eksempel kan modellen under sin læringsproces (kendt som ”træning”) få til opgave at færdiggøre en sætning som: ”I stedet for at dreje til venstre drejede hun ___.” Tidligt i træningen er dens svar i høj grad tilfældige. Men efterhånden som modellen behandler og lærer af en stor mængde tekst, bliver den bedre til at genkende mønstre og forudsige det mest sandsynlige næste ord. Denne proces gentages på tværs af millioner af sætninger for at forfine modellens forståelse og forbedre dens nøjagtighed.
Fordi der er flere plausible måder at færdiggøre en sætning på – f.eks. ”I stedet for at dreje til venstre drejede hun til højre”, ”rundt” eller ”tilbage” – er der et iboende element af tilfældighed i den måde, modellen svarer på. Derfor kan det samme spørgsmål give forskellige svar på tværs af forskellige forespørgsler.
Maskinlæringsmodeller består af store sæt tal, kendt som ”vægte” eller ”parametre”, sammen med kode, der fortolker og bruger disse tal. Disse modeller gemmer eller bevarer ikke kopier af de data, de trænes på. I stedet justeres værdierne af modellens parametre en smule, efterhånden som modellen lærer, så de afspejler de mønstre, den har identificeret. I det tidligere eksempel gik modellen fra at forudsige tilfældige ord til at lave mere nøjagtige forudsigelser – ikke ved at gemme træningssætningerne, men ved at opdatere sine interne parametre. Modellen bevarer ikke kopier af de sætninger, billeder eller den lyd, den behandler under træning. ChatGPT ”kopierer og indsætter” ikke fra sine træningsdata – på samme måde som en lærer efter omfattende studier kan forklare begreber ved at forstå relationerne mellem idéer uden at huske eller gengive de oprindelige materialer ordret. Når modellen genererer et svar på en brugeranmodning, bruger den disse lærte vægte til at forudsige og skabe nyt indhold.
Hvilken type oplysninger bruges til at træne ChatGPT?
Når det gælder offentligt tilgængeligt indhold på internettet, bruger vi kun oplysninger, der er frit og åbent tilgængelige på internettet. Det kan omfatte offentligt tilgængelige websider, offentlige fora, offentlige blogs, offentlige opslag og andet offentligt tilgængeligt onlineindhold. Hvis du f.eks. deltager i et offentligt tilgængeligt online-debatforum eller udgiver en offentlig blog eller et andet offentligt opslag, kan vi bruge dette offentligt tilgængelige indhold til modeltræningsformål. Vi tager dog skridt til at reducere behandlingen af personoplysninger i vores træningsproces. Når vi indsamler offentligt tilgængeligt internetindhold, indsamler vi ikke bevidst data fra kilder, der vides at være bag betalingsmure, eller fra det mørke net. Derudover anvender vi filtre til at fjerne materiale, som vi ikke ønsker, at vores modeller skal lære af, f.eks. hadefuld tale, voksenindhold, websteder der samler personoplysninger, og spam. De resterende oplysninger bruges derefter til at træne vores modeller.
Webstedsejere kan administrere, om offentligt tilgængeligt indhold fra deres websteder må tilgås til brug i træning, ved at bruge standardkontroller på nettet såsom robots.txt til at afvise GPTBot, som kan crawle offentligt tilgængeligt indhold for at hjælpe med at træne vores modeller. Vi tilbyder vejledning, der kan hjælpe webstedsejere med at administrere, hvordan deres websteder og indhold interagerer med vores AI-systemer.
Vi bruger også oplysninger fra tredjepartspartnere til at hjælpe med at træne og forbedre vores modeller. Det kan omfatte oplysninger i datasæt, som vi får adgang til gennem aftaler med tredjeparter, samt oplysninger, der leveres eller genereres af menneskelige trænere og forskere, hvor det er tilladt i henhold til vores politikker og aftaler. Dette hjælper med at forbedre kvaliteten, sikkerheden og ydeevnen af vores modeller. Disse kilder kan omfatte tekst, billeder, lyd, video eller andre datatyper, afhængigt af datasættet.
Vi bruger også i stigende grad syntetiske data i nogle træningsprocesser. Vi kan f.eks. bruge oplysninger og vores modeller til at generere syntetiske prompts, flersprogede eksempler eller andet træningsmateriale. Syntetiske data kan hjælpe med at forbedre modellens ydeevne, herunder ved at supplere træningsdata på områder, hvor data er sparsomme eller skævt fordelt, og kan også understøtte tilgange til modeludvikling, der styrker privatlivet.
Bruges personoplysninger til at træne ChatGPT?
En betydelig del af onlineindhold omhandler oplysninger om mennesker, så vores træningsdata kan tilfældigt indeholde personoplysninger. Vi tager dog skridt til at reducere behandlingen af personoplysninger i vores træningsproces.
Vi bruger træningsdata til at udvikle modellens evner – såsom forudsigelse, ræsonnering og problemløsning – ikke til at opbygge profiler af enkeltpersoner, kontakte dem eller tilpasse annoncer til dem.
I nogle tilfælde kan modeller lære af personoplysninger for at forstå, hvordan elementer som navne og adresser fungerer i sprog, eller for at genkende offentlige personer og velkendte enheder. Det hjælper modellen med at generere mere nøjagtige og kontekstmæssigt passende svar.
Hvordan beskyttes personoplysninger under træning?
Vi tager aktive skridt til at begrænse behandlingen af personoplysninger under træning. For eksempel udelukker vi kendte kilder, der samler store mængder personoplysninger, anvender filtrering for at reducere personoplysninger i træningsprocessen og tager skridt til at identificere og fjerne duplikeret indhold for at reducere risikoen for at gentage træningsdata. Derudover træner vi vores modeller i at undgå at besvare anmodninger om private eller følsomme oplysninger om enkeltpersoner.
Hvor længe vi opbevarer oplysninger
Vi opbevarer kun oplysninger i træningsdata, så længe det med rimelighed er nødvendigt til de formål, der er beskrevet i denne artikel og i vores privatlivspolitik, herunder for at udvikle og forbedre vores modeller og til relaterede videnskabelige forskningsformål. Opbevaring gennemgås regelmæssigt for at sikre, at den fortsat er nødvendig, og varierer afhængigt af typen af oplysninger, og hvordan de bruges. Når vi fastlægger opbevaringsperioden, tager vi hensyn til faktorer som vores formål med at behandle oplysningerne, oplysningernes mængde, art og følsomhed, den potentielle risiko for skade ved uautoriseret brug eller videregivelse samt eventuelle retlige forpligtelser, vi er underlagt.
Hvordan overholder udviklingen af ChatGPT privatlivslovgivningen?
Vi bruger træningsoplysninger lovligt. Vores grundmodeller driver en lang række gavnlige anvendelser – herunder tilgængelighedsværktøjer, kundesupport, softwareudvikling, personligt tilpasset undervisning og videnskabelig forskning. Disse evner afhænger af træningsdata i stor skala, herunder offentligt tilgængelige oplysninger og oplysninger fra tredjepartspartnere. Vi anvender sikkerhedsforanstaltninger gennem hele træningsprocessen, herunder skridt, der er designet til at reducere behandlingen af personoplysninger i træningsprocessen og mindske risici, som beskrevet i denne artikel. Vi baserer vores indsamling og brug af personoplysninger, der indgår i træningsoplysninger, på legitime interesser i henhold til privatlivslovgivning som GDPR, herunder for at træne og forbedre vores modeller for brugere og samfundet generelt i tråd med vores mission om at sikre, at kunstig generel intelligens gavner alle, som forklaret nærmere i vores privatlivspolitik. Vi har gennemført en konsekvensanalyse vedrørende databeskyttelse for at hjælpe med at sikre, at vi indsamler og bruger disse oplysninger lovligt og ansvarligt.
Hvornår oplysninger kan deles eller overføres
Vi ”sælger” ikke personoplysninger og videregiver kun personoplysninger i træningsdata under de begrænsede omstændigheder, der er beskrevet i vores privatlivspolitik. For eksempel kan vi dele oplysninger med tilknyttede selskaber, leverandører og tjenesteudbydere, der understøtter udviklingen, testningen og forbedringen af vores modeller. Vi kan også videregive oplysninger, hvis vi i god tro mener, at en sådan handling er nødvendig for at overholde en retlig forpligtelse eller for at beskytte vores rettigheder, sikkerhed og tryghed samt vores brugeres, medarbejderes eller offentlighedens rettigheder, sikkerhed og tryghed, som beskrevet i vores privatlivspolitik.
Da vores infrastruktur er global, kan personoplysninger i træningsdata blive behandlet i lande uden for EØS, Schweiz eller Storbritannien (herunder i USA). Når dette sker, anvender vi passende sikkerhedsforanstaltninger, såsom afgørelser om tilstrækkelighed eller standardkontraktbestemmelser, som beskrevet i vores privatlivspolitik.
Dine rettigheder, og hvordan du udøver dem
Vi besvarer indsigelser og lignende anmodninger om rettigheder. Som følge af at lære sprog kan ChatGPT-svar nogle gange indeholde personoplysninger om personer, hvis personoplysninger optræder flere gange på det offentlige internet (f.eks. offentlige personer). Personer i visse jurisdiktioner kan gøre indsigelse mod vores modellers behandling af deres personoplysninger eller fremsætte andre anmodninger om registreredes rettigheder via vores privatlivsportal. Du kan også udøve disse rettigheder ved at kontakte privacy@openai.com.
For at hjælpe os med at vurdere og besvare din anmodning bedes du give tilstrækkelige oplysninger til, at vi kan forstå, hvilke personoplysninger din anmodning vedrører, f.eks. dit navn, relevante URL’er, konkrete eksempler på modeloutput eller andre oplysninger, der hjælper med at identificere problemet. I nogle tilfælde kan vi bede dig om at bekræfte din identitet eller bekræfte, at oplysningerne vedrører dig, før vi kan handle. Flere oplysninger om, hvordan du indsender disse anmodninger, herunder bedste praksis og hvordan anmodninger gennemgås, findes i vores artikel i Hjælp om fjernelse af personoplysninger fra ChatGPT. Vi gennemgår anmodninger i overensstemmelse med gældende privatlivslovgivning og svarer inden for de gældende lovbestemte frister.
Vær opmærksom på, at nogle rettigheder i overensstemmelse med privatlivslovgivningen muligvis ikke er absolutte. For eksempel kan vi muligvis ikke imødekomme en anmodning, hvis vi ikke kan verificere de relevante oplysninger, hvis anmodningen ikke vedrører personoplysninger behandlet af OpenAI, hvis en undtagelse finder anvendelse, eller hvis vi har en anden lovlig grund til at gøre det. Anmodninger vurderes fra sag til sag og kan indebære en afvejning af privatlivsrettigheder over for andre vigtige hensyn, såsom ytringsfrihed og offentlighedens interesse.
Vi bestræber os dog på at prioritere beskyttelsen af personoplysninger og overholder al gældende privatlivslovgivning. Hvis du mener, at vi ikke har håndteret et problem tilstrækkeligt, har du ret til at indgive en klage til din lokale tilsynsmyndighed.
Du kan finde flere oplysninger om OpenAI’s praksis vedrørende personoplysninger, som vi indsamler fra eller om dig, når du bruger vores websted, apps og tjenester, i vores privatlivspolitik.