Modele bazowe OpenAI, w tym modele obsługujące ChatGPT, są opracowywane z wykorzystaniem trzech głównych źródeł informacji: (1) informacji publicznie dostępnych w internecie, (2) informacji, do których uzyskujemy dostęp we współpracy z podmiotami zewnętrznymi, oraz (3) informacji dostarczanych lub generowanych przez naszych użytkowników, trenerów i badaczy.
Opracowywanie modeli bazowych, takich jak te używane w ChatGPT, obejmuje kilka etapów, w tym przygotowanie danych treningowych, szkolenie wstępne i szkolenie końcowe, a także ciągłą ocenę i doskonalenie po wdrożeniu. Na tych etapach można wykorzystywać różne rodzaje informacji do rozmaitych celów, w tym poprawy wydajności, niezawodności i bezpieczeństwa modeli.
Ten artykuł zawiera ogólne informacje o danych, których używamy przy opracowywaniu tych modeli, sposobach ich gromadzenia i wykorzystywania zgodnie z przepisami o ochronie prywatności oraz zabezpieczeniach stosowanych w całym procesie szkolenia. Aby dowiedzieć się, jak gromadzimy i wykorzystujemy informacje od użytkowników naszych usług, w tym jak zrezygnować z wykorzystywania rozmów w ChatGPT do ulepszania naszych modeli, zapoznaj się z naszymi Zasadami prywatności oraz tym artykułem w Centrum pomocy.
Czym jest ChatGPT i jak działa?
ChatGPT to usługa oparta na sztucznej inteligencji, z której można korzystać przez internet lub aplikację. ChatGPT można używać do wielu zadań, takich jak porządkowanie i podsumowywanie informacji, pomoc w tłumaczeniu, programowaniu, badaniach i analizie, wykonywanie wieloetapowych zadań za pomocą różnych narzędzi, analizowanie lub generowanie obrazów, pobudzanie kreatywności i podsuwanie pomysłów oraz inne codzienne czynności. ChatGPT zaprojektowano tak, aby rozumiał pytania i instrukcje użytkowników oraz na nie odpowiadał dzięki uczeniu się wzorców na podstawie dużych ilości informacji, w tym tekstu, obrazów, dźwięku i filmów.
Podczas szkolenia model analizuje zależności w tych danych — na przykład to, jak słowa zwykle występują razem w określonym kontekście — i wykorzystuje tę wiedzę, aby podczas generowania odpowiedzi przewidywać kolejno najbardziej prawdopodobne słowa. Tekst może zostać podzielony na mniejsze jednostki, nazywane czasem „tokenami”, które mogą odpowiadać całym słowom, częściom słów lub znakom interpunkcyjnym. Tokeny są podstawowymi elementami tekstu przetwarzanymi przez model. Podobnie modele generujące inne rodzaje treści, na przykład obrazy, uczą się wzorców zależności między pikselami oraz między pikselami a powiązanymi z nimi podpisami w danych treningowych.
Na przykład w trakcie procesu uczenia modelu (zwanego „szkoleniem”) model może otrzymać zadanie uzupełnienia zdania: „Zamiast skręcić w lewo, skręciła w ___”. Na początku szkolenia jego odpowiedzi są w dużej mierze losowe. Jednak w miarę przetwarzania dużej ilości tekstu i uczenia się na jego podstawie model coraz lepiej rozpoznaje wzorce i przewiduje najbardziej prawdopodobne kolejne słowo. Proces ten jest powtarzany na milionach zdań, aby udoskonalić rozumienie modelu i zwiększyć jego dokładność.
Ponieważ zdanie można sensownie uzupełnić na kilka sposobów — na przykład „Zamiast skręcić w lewo, skręciła w prawo”, „zawróciła” lub „cofnęła się” — odpowiedzi modelu z natury zawierają element losowości. W rezultacie to samo pytanie może przynieść różne odpowiedzi przy kolejnych zapytaniach.
Modele uczenia maszynowego składają się z dużych zbiorów liczb, zwanych „wagami” lub „parametrami”, oraz kodu, który interpretuje i wykorzystuje te liczby. Modele te nie przechowują ani nie zachowują kopii danych, na których są szkolone. Zamiast tego w miarę uczenia się modelu wartości jego parametrów są nieznacznie korygowane, aby odzwierciedlały rozpoznane wzorce. We wcześniejszym przykładzie model przeszedł od przewidywania losowych słów do trafniejszych przewidywań — nie dzięki zapamiętaniu zdań treningowych, lecz dzięki aktualizacji swoich wewnętrznych parametrów. Model nie zachowuje kopii zdań, obrazów ani nagrań dźwiękowych przetwarzanych podczas szkolenia. ChatGPT nie „kopiuje i nie wkleja” treści ze swoich danych treningowych — podobnie jak nauczyciel, który po gruntownym przestudiowaniu materiału potrafi wyjaśnić pojęcia dzięki zrozumieniu zależności między ideami, bez zapamiętywania lub dosłownego odtwarzania oryginalnych materiałów. Generując odpowiedź na prośbę użytkownika, model wykorzystuje wyuczone wagi do przewidywania i tworzenia nowych treści.
Jakiego rodzaju informacje są używane do uczenia ChatGPT?
W przypadku publicznie dostępnych treści internetowych korzystamy wyłącznie z informacji, które są bezpłatnie i powszechnie dostępne w internecie. Mogą to być publicznie dostępne strony internetowe, fora, blogi, posty i inne ogólnodostępne treści online. Jeśli na przykład uczestniczysz w publicznie dostępnej dyskusji na forum internetowym albo publikujesz ogólnodostępny wpis na blogu lub w innym miejscu, możemy wykorzystać tę publicznie dostępną treść do szkolenia modeli. Podejmujemy jednak działania mające ograniczyć przetwarzanie danych osobowych w procesie szkolenia. Podczas gromadzenia publicznie dostępnych treści internetowych nie pozyskujemy celowo danych ze źródeł, o których wiadomo, że są objęte płatnym dostępem, ani z dark webu. Stosujemy również filtry, aby usuwać materiały, z których nie chcemy szkolić naszych modeli, takie jak mowa nienawiści, treści dla dorosłych, witryny gromadzące dane osobowe i spam. Pozostałe informacje są następnie wykorzystywane do szkolenia naszych modeli.
Właściciele witryn mogą decydować, czy publicznie dostępne treści z ich stron mogą być pobierane na potrzeby szkolenia, korzystając ze standardowych mechanizmów internetowych, takich jak plik robots.txt, aby zablokować GPTBot, który może indeksować publicznie dostępne treści w celu wspomagania szkolenia naszych modeli. Udostępniamy wskazówki, które pomagają właścicielom witryn zarządzać interakcjami ich stron i treści z naszymi systemami AI.
Do szkolenia i ulepszania naszych modeli wykorzystujemy również informacje od partnerów zewnętrznych. Mogą to być informacje ze zbiorów danych, do których uzyskujemy dostęp na podstawie umów z podmiotami zewnętrznymi, a także informacje dostarczane lub generowane przez trenerów i badaczy, jeśli zezwalają na to nasze zasady i umowy. Pomaga to poprawiać jakość, bezpieczeństwo i wydajność naszych modeli. W zależności od zbioru źródła te mogą obejmować tekst, obrazy, dźwięk, filmy lub dane innego rodzaju.
W niektórych procesach szkolenia coraz częściej wykorzystujemy również dane syntetyczne. Możemy na przykład wykorzystywać informacje i nasze modele do generowania syntetycznych promptów, wielojęzycznych przykładów lub innych materiałów treningowych. Dane syntetyczne mogą poprawiać wydajność modeli, między innymi przez uzupełnianie danych treningowych w obszarach, w których jest ich mało lub są niezrównoważone, a także wspierać metody opracowywania modeli, które zwiększają ochronę prywatności.
Czy dane osobowe są używane do uczenia ChatGPT?
Znaczna część treści online zawiera informacje o ludziach, dlatego nasze dane treningowe mogą przypadkowo obejmować dane osobowe. Podejmujemy jednak działania mające ograniczyć przetwarzanie danych osobowych w procesie szkolenia.
Danych treningowych używamy do rozwijania możliwości modelu — takich jak przewidywanie, rozumowanie i rozwiązywanie problemów — a nie do tworzenia profili osób, kontaktowania się z nimi czy personalizowania wyświetlanych im reklam.
W niektórych przypadkach modele mogą uczyć się na podstawie danych osobowych, aby zrozumieć funkcjonowanie w języku takich elementów jak imiona, nazwiska i adresy albo rozpoznawać osoby publiczne i powszechnie znane podmioty. Pomaga to modelowi generować trafniejsze odpowiedzi, lepiej dopasowane do kontekstu.
Jak chronione są dane osobowe podczas szkolenia?
Aktywnie ograniczamy przetwarzanie danych osobowych podczas szkolenia. Na przykład wykluczamy znane źródła gromadzące duże ilości danych osobowych, stosujemy filtry ograniczające obecność danych osobowych w procesie szkolenia oraz podejmujemy działania w celu wykrywania i usuwania powielonych treści, aby zmniejszyć ryzyko odtwarzania danych treningowych. Ponadto szkolimy nasze modele tak, aby nie odpowiadały na prośby o prywatne lub wrażliwe informacje dotyczące konkretnych osób.
Jak długo przechowujemy informacje
Informacje w danych treningowych przechowujemy tylko tak długo, jak jest to zasadnie konieczne do celów opisanych w tym artykule i naszych Zasadach prywatności, w tym do opracowywania i ulepszania naszych modeli oraz prowadzenia powiązanych badań naukowych. Okres przechowywania podlega regularnym przeglądom w celu potwierdzenia, że informacje nadal są potrzebne, i zależy od rodzaju informacji oraz sposobu ich wykorzystania. Ustalając okres przechowywania, uwzględniamy takie czynniki jak cel przetwarzania informacji, ich ilość, charakter i wrażliwość, potencjalne ryzyko szkody wynikającej z nieuprawnionego wykorzystania lub ujawnienia oraz spoczywające na nas obowiązki prawne.
W jaki sposób rozwój ChatGPT jest zgodny z przepisami o ochronie prywatności?
Informacje treningowe wykorzystujemy zgodnie z prawem. Nasze modele bazowe obsługują wiele użytecznych zastosowań, w tym narzędzia ułatwień dostępu, obsługę klienta, tworzenie oprogramowania, spersonalizowaną edukację i badania naukowe. Możliwości te zależą od szkolenia na wielką skalę z użyciem danych obejmujących informacje publicznie dostępne oraz informacje od partnerów zewnętrznych. W całym procesie szkolenia stosujemy zabezpieczenia, w tym działania mające ograniczać przetwarzanie danych osobowych i minimalizować ryzyko, zgodnie z opisem w tym artykule. Gromadzenie i wykorzystywanie danych osobowych zawartych w informacjach treningowych opieramy na prawnie uzasadnionych interesach przewidzianych w przepisach o ochronie prywatności, takich jak RODO. Obejmuje to szkolenie i ulepszanie naszych modeli z korzyścią dla użytkowników i całego społeczeństwa, zgodnie z naszą misją zapewnienia, aby ogólna sztuczna inteligencja przynosiła korzyści wszystkim. Więcej informacji zawierają nasze Zasady prywatności. Przeprowadziliśmy ocenę skutków dla ochrony danych, aby zapewnić zgodne z prawem i odpowiedzialne gromadzenie oraz wykorzystywanie tych informacji.
Kiedy informacje mogą być udostępniane lub przekazywane
Nie „sprzedajemy” danych osobowych, a dane osobowe zawarte w danych treningowych ujawniamy wyłącznie w ograniczonych okolicznościach opisanych w naszych Zasadach prywatności. Możemy na przykład udostępniać informacje podmiotom powiązanym, dostawcom i usługodawcom wspierającym opracowywanie, testowanie i ulepszanie naszych modeli. Możemy także ujawnić informacje, jeśli w dobrej wierze uznamy, że jest to konieczne do wypełnienia obowiązku prawnego lub ochrony praw, bezpieczeństwa i zabezpieczeń naszych oraz naszych użytkowników, pracowników lub społeczeństwa, zgodnie z opisem w naszych Zasadach prywatności.
Ponieważ nasza infrastruktura ma zasięg globalny, dane osobowe zawarte w danych treningowych mogą być przetwarzane w krajach spoza EOG, Szwajcarii lub Wielkiej Brytanii, w tym w Stanach Zjednoczonych. W takich przypadkach stosujemy odpowiednie zabezpieczenia, takie jak decyzje stwierdzające odpowiedni stopień ochrony lub standardowe klauzule umowne, zgodnie z opisem w naszych Zasadach prywatności.
Twoje prawa i sposób ich wykonywania
Rozpatrujemy sprzeciwy oraz podobne wnioski dotyczące wykonywania praw. W wyniku uczenia się języka odpowiedzi ChatGPT mogą czasami zawierać dane osobowe osób, o których informacje wielokrotnie pojawiają się w publicznie dostępnym internecie, na przykład osób publicznych. Osoby w określonych jurysdykcjach mogą sprzeciwić się przetwarzaniu swoich danych osobowych przez nasze modele lub złożyć inne wnioski dotyczące praw osób, których dane dotyczą, za pośrednictwem naszego Portalu ochrony prywatności. Możesz również skorzystać z tych praw, pisząc na adres privacy@openai.com.
Aby ułatwić nam ocenę wniosku i udzielenie odpowiedzi, podaj wystarczające informacje, byśmy mogli ustalić, jakich danych osobowych dotyczy wniosek, takie jak imię i nazwisko, odpowiednie adresy URL, konkretne przykłady wyników modelu lub inne szczegóły pomagające zidentyfikować problem. W niektórych przypadkach przed podjęciem działań możemy poprosić o potwierdzenie tożsamości lub tego, że informacje dotyczą Ciebie. Więcej informacji o składaniu takich wniosków, w tym o zalecanych praktykach i sposobie ich rozpatrywania, znajdziesz w naszym artykule w Centrum pomocy dotyczącym usuwania danych osobowych z ChatGPT. Rozpatrujemy wnioski zgodnie z obowiązującymi przepisami o ochronie prywatności i odpowiadamy w terminach określonych prawem.
Pamiętaj, że zgodnie z przepisami o ochronie prywatności niektóre prawa mogą podlegać ograniczeniom. Możemy na przykład nie być w stanie spełnić wniosku, jeśli nie możemy zweryfikować odpowiednich informacji, wniosek nie dotyczy danych osobowych przetwarzanych przez OpenAI, ma zastosowanie wyjątek lub istnieje inna zgodna z prawem podstawa odmowy. Wnioski są oceniane indywidualnie, co może wymagać wyważenia prawa do prywatności względem innych istotnych wartości, takich jak wolność wypowiedzi i interes publiczny.
Staramy się jednak priorytetowo traktować ochronę danych osobowych i przestrzegać wszystkich obowiązujących przepisów o ochronie prywatności. Jeśli uważasz, że nie rozwiązaliśmy problemu w odpowiedni sposób, masz prawo wnieść skargę do właściwego lokalnego organu nadzorczego.
Więcej informacji o praktykach OpenAI dotyczących danych osobowych, które gromadzimy od Ciebie lub na Twój temat podczas korzystania z naszej witryny, aplikacji i usług, znajdziesz w naszych Zasadach prywatności.