OpenAIના પાયાના મોડલ, જેમાં ChatGPTને ચલાવતાં મોડલનો પણ સમાવેશ થાય છે, માહિતીના ત્રણ મુખ્ય સ્રોતોનો ઉપયોગ કરીને વિકસાવવામાં આવે છે: (1) ઇન્ટરનેટ પર જાહેરમાં ઉપલબ્ધ માહિતી, (2) તૃતીય પક્ષો સાથેની ભાગીદારી દ્વારા અમને મળતી માહિતી અને (3) અમારા વપરાશકર્તાઓ, માનવ પ્રશિક્ષકો અને સંશોધકો દ્વારા પૂરી પાડવામાં અથવા તૈયાર કરવામાં આવતી માહિતી.

ChatGPTમાં વપરાતા પાયાના મોડલ જેવાં મોડલ વિકસાવવાની પ્રક્રિયામાં પ્રશિક્ષણ ડેટા તૈયાર કરવો, પ્રી-ટ્રેનિંગ અને પ્રશિક્ષણ પછીની પ્રક્રિયા સહિત અનેક તબક્કા હોય છે. અમલીકરણ પછી પણ સતત મૂલ્યાંકન અને સુધારા કરવામાં આવે છે. આ તબક્કાઓમાં મોડલની કામગીરી, વિશ્વસનીયતા અને સલામતી સુધારવા સહિત વિવિધ હેતુઓ માટે અલગ-અલગ પ્રકારની માહિતીનો ઉપયોગ થઈ શકે છે. 

આ લેખમાં આ મોડલ વિકસાવવામાં મદદરૂપ થતી માહિતી, પ્રાઇવસી કાયદાનું પાલન કરીને અમે તે માહિતી કેવી રીતે એકત્રિત કરીને વાપરીએ છીએ અને સમગ્ર પ્રશિક્ષણ પ્રક્રિયા દરમિયાન લાગુ કરતા સુરક્ષા ઉપાયોનો સંક્ષિપ્ત પરિચય આપવામાં આવ્યો છે. અમે અમારી સેવાઓના વપરાશકર્તાઓ પાસેથી માહિતી કેવી રીતે એકત્રિત કરીને વાપરીએ છીએ અને અમારા મોડલ સુધારવામાં મદદ કરવા માટે ChatGPTની વાતચીતનો ઉપયોગ થતો કેવી રીતે અટકાવી શકાય તે સમજવા માટે અમારી પ્રાઇવસી પોલિસી અને હેલ્પ સેન્ટરનો આ લેખ જુઓ.

ChatGPT શું છે અને તે કેવી રીતે કામ કરે છે?

ChatGPT કૃત્રિમ બુદ્ધિમત્તા પર આધારિત સેવા છે, જેનો ઉપયોગ તમે ઇન્ટરનેટ અથવા ઍપ દ્વારા કરી શકો છો. તમે માહિતી ગોઠવવા અને તેનો સાર કાઢવા, અનુવાદમાં મદદ મેળવવા, કોડ લખવા, સંશોધન અને વિશ્લેષણ કરવા, વિવિધ સાધનોમાં અનેક તબક્કાવાળાં કાર્યો પૂરાં કરવા, છબીઓનું વિશ્લેષણ કરવા અથવા બનાવવાની સાથે સર્જનાત્મકતા અને વિચારો માટે પ્રેરણા મેળવવા તથા રોજિંદી અન્ય પ્રવૃત્તિઓ સહિત અનેક કાર્યો માટે ChatGPTનો ઉપયોગ કરી શકો છો. ChatGPTને લખાણ, છબીઓ, ઑડિયો અને વિડિયો સહિતની વિશાળ માત્રામાં રહેલી માહિતીમાંથી ઢાંચા શીખીને વપરાશકર્તાના પ્રશ્નો અને સૂચનાઓ સમજવા તથા તેનો જવાબ આપવા માટે તૈયાર કરવામાં આવ્યું છે. 

પ્રશિક્ષણ દરમિયાન મોડલ આ ડેટામાં રહેલા સંબંધોનું વિશ્લેષણ કરે છે, જેમ કે સંદર્ભમાં શબ્દો સામાન્ય રીતે એકસાથે કેવી રીતે આવે છે. ત્યારબાદ જવાબ બનાવતી વખતે તે આ સમજના આધારે એક સમયે એક શબ્દ એમ આગળ આવવાની સૌથી વધુ સંભાવના ધરાવતા શબ્દનું અનુમાન કરે છે. લખાણને નાનાં એકમોમાં ફેરવી શકાય છે, જેને ક્યારેક “ટોકન” કહેવામાં આવે છે. તે આખા શબ્દો, શબ્દોના ભાગો અથવા વિરામચિહ્નો દર્શાવી શકે છે. ટોકન એ લખાણના પાયાના ઘટકો છે, જેના પર મોડલ પ્રક્રિયા કરે છે. એ જ રીતે, છબીઓ જેવી અન્ય પ્રકારની સામગ્રી બનાવતાં મોડલ પ્રશિક્ષણ ડેટામાં પિક્સેલ એકબીજા સાથે અને સંબંધિત કૅપ્શન સાથે કેવી રીતે જોડાય છે તેના ઢાંચા શીખે છે.

ઉદાહરણ તરીકે, મોડલની શીખવાની પ્રક્રિયા, જેને “પ્રશિક્ષણ” કહે છે, દરમિયાન તેને આવું વાક્ય પૂરું કરવાનું કહેવામાં આવી શકે છે: “ડાબે વળવાને બદલે તે ___ વળી.” પ્રશિક્ષણના શરૂઆતના તબક્કામાં તેના જવાબો મોટાભાગે અનિશ્ચિત હોય છે. પરંતુ મોડલ જેમ-જેમ મોટા પ્રમાણમાં લખાણ પર પ્રક્રિયા કરીને તેમાંથી શીખે છે, તેમ ઢાંચા ઓળખવાની અને આગળ આવવાની સૌથી વધુ સંભાવના ધરાવતા શબ્દનું અનુમાન કરવાની તેની ક્ષમતા સુધરે છે. તેની સમજ વધુ સૂક્ષ્મ બનાવવા અને ચોકસાઈ સુધારવા માટે લાખો વાક્યો પર આ પ્રક્રિયાનું પુનરાવર્તન કરવામાં આવે છે.

વાક્ય પૂરું કરવાની ઘણી સંભવિત રીતો હોય છે, જેમ કે “ડાબે વળવાને બદલે તે જમણે વળી,” “ફરી ગઈ” અથવા “પાછી વળી.” તેથી મોડલ જે રીતે જવાબ આપે છે તેમાં સ્વાભાવિક રીતે થોડી અનિશ્ચિતતા રહે છે. પરિણામે, એક જ પ્રશ્ન અલગ-અલગ વાર પૂછવાથી જુદા જવાબ મળી શકે છે.

યંત્ર અધ્યયન મોડલ સંખ્યાઓના વિશાળ સમૂહોથી બનેલાં હોય છે, જેને “વેઇટ” અથવા “પેરામીટર” કહેવામાં આવે છે. તેમની સાથે આ સંખ્યાઓનું અર્થઘટન અને ઉપયોગ કરતો કોડ હોય છે. આ મોડલ જે ડેટા પર પ્રશિક્ષિત થાય છે તેની નકલો સંગ્રહતાં કે જાળવી રાખતાં નથી. તેના બદલે, મોડલ શીખે તેમ તેણે ઓળખેલા ઢાંચા દર્શાવવા માટે તેના પેરામીટરના મૂલ્યોમાં થોડો ફેરફાર થાય છે. અગાઉના ઉદાહરણમાં મોડલે પ્રશિક્ષણનાં વાક્યો સંગ્રહવાને બદલે પોતાના આંતરિક પેરામીટર સુધાર્યા. તેથી તે અનિશ્ચિત શબ્દોનું અનુમાન કરવાને બદલે વધુ ચોક્કસ અનુમાન કરવા લાગ્યું. પ્રશિક્ષણ દરમિયાન જે વાક્યો, છબીઓ અથવા ઑડિયો પર મોડલ પ્રક્રિયા કરે છે, તેની નકલો તે જાળવી રાખતું નથી. ChatGPT પોતાના પ્રશિક્ષણ ડેટામાંથી “કૉપી અને પેસ્ટ” કરતું નથી. આ પ્રક્રિયા એવા શિક્ષક જેવી છે જે ખૂબ અભ્યાસ કર્યા પછી મૂળ સામગ્રીને શબ્દશઃ યાદ રાખ્યા કે તેની નકલ કર્યા વિના વિચારો વચ્ચેના સંબંધો સમજીને વિભાવનાઓ સમજાવી શકે છે. વપરાશકર્તાની વિનંતીનો જવાબ બનાવતી વખતે મોડલ શીખેલા આ વેઇટનો ઉપયોગ કરીને નવી સામગ્રીનું અનુમાન કરે છે અને તેને બનાવે છે.

ChatGPTને શીખવવા માટે કયા પ્રકારની માહિતી વપરાય છે?

ઇન્ટરનેટની જાહેરમાં ઉપલબ્ધ સામગ્રીમાંથી અમે માત્ર એવી માહિતીનો ઉપયોગ કરીએ છીએ જે ઇન્ટરનેટ પર મુક્તપણે અને ખુલ્લી રીતે મેળવી શકાય છે. તેમાં જાહેરમાં ઉપલબ્ધ વેબપેજ, જાહેર ચર્ચામંચ, જાહેર બ્લૉગ, જાહેર પોસ્ટ અને જાહેરમાં ઉપલબ્ધ અન્ય ઑનલાઇન સામગ્રીનો સમાવેશ થઈ શકે છે. ઉદાહરણ તરીકે, જો તમે જાહેરમાં ઉપલબ્ધ ઑનલાઇન ચર્ચામંચમાં ભાગ લો અથવા કોઈ જાહેર બ્લૉગ કે અન્ય પોસ્ટ પ્રકાશિત કરો, તો અમે મોડલના પ્રશિક્ષણ માટે જાહેરમાં ઉપલબ્ધ એ સામગ્રીનો ઉપયોગ કરી શકીએ છીએ. જોકે, અમારી પ્રશિક્ષણ પ્રક્રિયામાં વ્યક્તિગત માહિતી પર થતી પ્રક્રિયા ઘટાડવા અમે પગલાં લઈએ છીએ.  ઇન્ટરનેટ પર જાહેરમાં ઉપલબ્ધ સામગ્રી એકત્રિત કરતી વખતે અમે જાણીતા સશુલ્ક અવરોધ પાછળના સ્રોતો અથવા ડાર્ક વેબમાંથી ઇરાદાપૂર્વક ડેટા મેળવતા નથી. આ ઉપરાંત, અમારા મોડલ જે સામગ્રીમાંથી શીખે એવું અમે ઇચ્છતા નથી તેને દૂર કરવા માટે ગાળણીઓ લાગુ કરીએ છીએ. તેમાં દ્વેષપૂર્ણ ભાષણ, પુખ્ત વયની સામગ્રી, વ્યક્તિગત માહિતી એકત્રિત કરતી સાઇટ અને અનિચ્છનીય સંદેશાનો સમાવેશ થાય છે. ત્યારબાદ બાકીની માહિતીનો ઉપયોગ અમારા મોડલને પ્રશિક્ષિત કરવા માટે થાય છે. 

વેબસાઇટના માલિકો robots.txt જેવા માનક વેબ નિયંત્રણોનો ઉપયોગ કરીને નક્કી કરી શકે છે કે તેમની સાઇટની જાહેર સામગ્રી પ્રશિક્ષણ માટે મેળવી શકાય કે નહીં. તેઓ GPTBotને અવરોધી શકે છે, જે અમારા મોડલને પ્રશિક્ષિત કરવામાં મદદ કરવા માટે જાહેર સામગ્રીનું સ્વચાલિત અવલોકન કરી શકે છે. વેબસાઇટના માલિકોને તેમની સાઇટ અને સામગ્રી અમારી કૃત્રિમ બુદ્ધિમત્તા પ્રણાલીઓ સાથે કેવી રીતે ક્રિયા કરે છે તેનું સંચાલન કરવામાં મદદ કરવા માટે અમે માર્ગદર્શન આપીએ છીએ. 

અમે અમારા મોડલને પ્રશિક્ષિત કરવા અને સુધારવામાં મદદ માટે તૃતીય-પક્ષ ભાગીદારો પાસેથી મળતી માહિતીનો પણ ઉપયોગ કરીએ છીએ. તેમાં તૃતીય પક્ષો સાથેના કરાર દ્વારા અમને મળતા ડેટાસેટની માહિતી તેમજ અમારી નીતિઓ અને કરારો હેઠળ મંજૂરી હોય ત્યાં માનવ પ્રશિક્ષકો અને સંશોધકો દ્વારા આપવામાં અથવા તૈયાર કરવામાં આવેલી માહિતીનો સમાવેશ થઈ શકે છે. તેનાથી અમારા મોડલની ગુણવત્તા, સલામતી અને કામગીરી સુધારવામાં મદદ મળે છે. ડેટાસેટ પ્રમાણે આ સ્રોતોમાં લખાણ, છબીઓ, ઑડિયો, વિડિયો અથવા અન્ય પ્રકારનો ડેટા હોઈ શકે છે.

અમે કેટલીક પ્રશિક્ષણ પ્રક્રિયાઓમાં કૃત્રિમ ડેટાનો ઉપયોગ પણ વધુ પ્રમાણમાં કરી રહ્યા છીએ. ઉદાહરણ તરીકે, અમે માહિતી અને અમારા મોડલનો ઉપયોગ કરીને કૃત્રિમ સૂચનાઓ, બહુભાષી ઉદાહરણો અથવા અન્ય પ્રશિક્ષણ સામગ્રી બનાવી શકીએ છીએ. ડેટા ઓછો કે અસંતુલિત હોય તેવાં ક્ષેત્રોમાં પ્રશિક્ષણ ડેટાની પૂર્તિ કરવા સહિત કૃત્રિમ ડેટા મોડલની કામગીરી સુધારવામાં મદદ કરી શકે છે. તે મોડલના વિકાસ માટે પ્રાઇવસી વધારતી પદ્ધતિઓને પણ ટેકો આપી શકે છે.

શું ChatGPTને શીખવવા માટે વ્યક્તિગત માહિતીનો ઉપયોગ થાય છે?

ઑનલાઇન સામગ્રીનો નોંધપાત્ર ભાગ લોકો વિશેની માહિતી સાથે સંબંધિત હોય છે, તેથી અમારા પ્રશિક્ષણ ડેટામાં આકસ્મિક રીતે વ્યક્તિગત માહિતીનો સમાવેશ થઈ શકે છે. જોકે, અમારી પ્રશિક્ષણ પ્રક્રિયામાં વ્યક્તિગત માહિતી પર થતી પ્રક્રિયા ઘટાડવા અમે પગલાં લઈએ છીએ.

અમે પ્રશિક્ષણ ડેટાનો ઉપયોગ અનુમાન, রিজনিং અને સમસ્યાના ઉકેલ જેવી મોડલની ક્ષમતાઓ વિકસાવવા માટે કરીએ છીએ, વ્યક્તિઓની રૂપરેખા બનાવવા, તેમનો સંપર્ક કરવા કે તેમને વ્યક્તિગત જાહેરાતો બતાવવા માટે નહીં.

કેટલાક કિસ્સામાં નામ અને સરનામાં જેવા ઘટકો ભાષામાં કેવી રીતે કામ કરે છે તે સમજવા અથવા જાહેર હસ્તીઓ અને જાણીતી સંસ્થાઓને ઓળખવા માટે મોડલ વ્યક્તિગત માહિતીમાંથી શીખી શકે છે. તેનાથી મોડલ વધુ ચોક્કસ અને સંદર્ભને અનુરૂપ જવાબો આપી શકે છે.

પ્રશિક્ષણ દરમિયાન વ્યક્તિગત માહિતીનું રક્ષણ કેવી રીતે કરવામાં આવે છે?

પ્રશિક્ષણ દરમિયાન વ્યક્તિગત માહિતી પર થતી પ્રક્રિયા મર્યાદિત કરવા માટે અમે સક્રિય પગલાં લઈએ છીએ. ઉદાહરણ તરીકે, વ્યક્તિગત ડેટાનો મોટો જથ્થો એકત્રિત કરતા જાણીતા સ્રોતોને અમે બાકાત રાખીએ છીએ, પ્રશિક્ષણ પ્રક્રિયામાં વ્યક્તિગત માહિતી ઘટાડવા ગાળણીઓ લાગુ કરીએ છીએ અને પ્રશિક્ષણ ડેટાનું પુનરાવર્તન થવાનું જોખમ ઘટાડવા નકલી સામગ્રી ઓળખીને દૂર કરવાનાં પગલાં લઈએ છીએ. વધુમાં, વ્યક્તિઓ વિશેની ખાનગી અથવા સંવેદનશીલ માહિતી માટેની વિનંતીઓનો જવાબ ટાળવા અમે અમારા મોડલને પ્રશિક્ષિત કરીએ છીએ. 

અમે માહિતી કેટલો સમય જાળવી રાખીએ છીએ

અમારા મોડલ વિકસાવવા અને સુધારવા તથા સંબંધિત વૈજ્ઞાનિક સંશોધન સહિત આ લેખ અને અમારી પ્રાઇવસી પોલિસીમાં જણાવેલા હેતુઓ માટે વાજબી રીતે જરૂરી હોય ત્યાં સુધી જ અમે પ્રશિક્ષણ ડેટામાં માહિતી જાળવી રાખીએ છીએ. માહિતી જાળવી રાખવાની સતત જરૂરિયાત સુનિશ્ચિત કરવા તેની સમયાંતરે સમીક્ષા થાય છે અને માહિતીના પ્રકાર તથા તેના ઉપયોગ પ્રમાણે તેનો સમયગાળો બદલાય છે. માહિતી કેટલો સમય જાળવવી તે નક્કી કરતી વખતે અમે તેના પર પ્રક્રિયા કરવાનો હેતુ, માહિતીનું પ્રમાણ, સ્વરૂપ અને સંવેદનશીલતા, અનધિકૃત ઉપયોગ કે જાહેર થવાથી નુકસાન થવાનું સંભવિત જોખમ અને અમને લાગુ પડતી કાનૂની જવાબદારીઓ જેવા પરિબળો ધ્યાનમાં લઈએ છીએ.

ChatGPTનો વિકાસ પ્રાઇવસી કાયદાનું પાલન કેવી રીતે કરે છે?

અમે પ્રશિક્ષણ માટેની માહિતીનો કાયદેસર રીતે ઉપયોગ કરીએ છીએ. અમારા પાયાના મોડલ સુલભતા સાધનો, ગ્રાહક સહાય, સૉફ્ટવેર વિકાસ, વ્યક્તિગત શિક્ષણ અને વૈજ્ઞાનિક સંશોધન સહિત અનેક લાભદાયી ઉપયોગોને શક્તિ આપે છે. આ ક્ષમતાઓ લાર્જ-સ્કેલ ટ્રેનિંગ ડેટા પર આધારિત છે, જેમાં જાહેરમાં ઉપલબ્ધ માહિતી અને તૃતીય-પક્ષ ભાગીદારો પાસેથી મળતી માહિતી સામેલ છે. આ લેખમાં જણાવ્યા પ્રમાણે, અમે સમગ્ર પ્રશિક્ષણ પ્રક્રિયામાં સુરક્ષા ઉપાયો લાગુ કરીએ છીએ. તેમાં વ્યક્તિગત માહિતી પર થતી પ્રક્રિયા ઘટાડવા અને જોખમો ઓછાં કરવા માટે રચાયેલાં પગલાં સામેલ છે. પ્રશિક્ષણ માટેની માહિતીમાં સામેલ વ્યક્તિગત માહિતીના સંગ્રહ અને ઉપયોગ માટે અમે જીડીપીઆર જેવા પ્રાઇવસી કાયદા હેઠળના કાયદેસર હિતોને આધાર બનાવીએ છીએ. દરેક વ્યક્તિને આર્ટિફિશિયલ જનરલ ઇન્ટેલિજન્સનો લાભ મળે તે સુનિશ્ચિત કરવાના અમારા ધ્યેયને અનુરૂપ વપરાશકર્તાઓ અને વ્યાપક સમાજ માટે અમારા મોડલને પ્રશિક્ષિત કરવા અને સુધારવાનો તેમાં સમાવેશ થાય છે. અમારી પ્રાઇવસી પોલિસીમાં આ વિશે વધુ વિગત આપવામાં આવી છે. અમે આ માહિતી કાયદેસર અને જવાબદારીપૂર્વક એકત્રિત કરીને વાપરી રહ્યા છીએ તેની ખાતરી કરવામાં મદદ માટે ડેટા સુરક્ષા અસરનું મૂલ્યાંકન પૂર્ણ કર્યું છે.

માહિતી ક્યારે વહેંચવામાં અથવા સ્થાનાંતરિત કરવામાં આવી શકે છે

અમે વ્યક્તિગત માહિતી “વેચતા” નથી અને પ્રશિક્ષણ ડેટામાં રહેલી વ્યક્તિગત માહિતી અમારી પ્રાઇવસી પોલિસીમાં જણાવેલા મર્યાદિત સંજોગોમાં જ જાહેર કરીએ છીએ. ઉદાહરણ તરીકે, અમારા મોડલના વિકાસ, પરીક્ષણ અને સુધારામાં સહાય કરતા આનુષંગિકો, વિક્રેતાઓ અને સેવા પ્રદાતાઓ સાથે અમે માહિતી વહેંચી શકીએ છીએ. કાનૂની જવાબદારીનું પાલન કરવા અથવા અમારા તથા અમારા વપરાશકર્તાઓ, કર્મચારીઓ કે જનતાના અધિકારો, સલામતી અને સુરક્ષાનું રક્ષણ કરવા આવું કરવું જરૂરી હોવાનું અમને સદ્ભાવપૂર્વક લાગે તો અમે માહિતી જાહેર પણ કરી શકીએ છીએ. આ વિશે અમારી પ્રાઇવસી પોલિસીમાં જણાવવામાં આવ્યું છે.

અમારું માળખું વૈશ્વિક હોવાથી પ્રશિક્ષણ ડેટામાં રહેલી વ્યક્તિગત માહિતી પર યુરોપિયન આર્થિક વિસ્તાર, સ્વિટ્ઝર્લૅન્ડ અથવા યુનાઇટેડ કિંગડમની બહારના દેશોમાં, જેમાં યુનાઇટેડ સ્ટેટ્સનો સમાવેશ થાય છે, પ્રક્રિયા થઈ શકે છે. આવું થાય ત્યારે અમે અમારી પ્રાઇવસી પોલિસીમાં જણાવ્યા પ્રમાણે પર્યાપ્તતાના નિર્ણયો અથવા માનક કરારની કલમો જેવા યોગ્ય સુરક્ષા ઉપાયો લાગુ કરીએ છીએ.

તમારા અધિકારો અને તેમનો ઉપયોગ કરવાની રીત

અમે વાંધાની વિનંતીઓ અને અધિકારોને લગતી સમાન વિનંતીઓનો જવાબ આપીએ છીએ. ભાષા શીખવાના પરિણામે ChatGPTના જવાબોમાં ક્યારેક એવી વ્યક્તિઓ વિશેની વ્યક્તિગત માહિતી આવી શકે છે જેમની માહિતી જાહેર ઇન્ટરનેટ પર ઘણી વાર જોવા મળે છે, જેમ કે જાહેર હસ્તીઓ. અમુક ન્યાયક્ષેત્રોમાં વ્યક્તિઓ અમારા મોડલ દ્વારા તેમની વ્યક્તિગત માહિતી પર થતી પ્રક્રિયા સામે વાંધો ઉઠાવી શકે છે અથવા અમારા પ્રાઇવસી પોર્ટલ દ્વારા ડેટા વિષય તરીકેના અન્ય અધિકારો માટે વિનંતી કરી શકે છે. તમે privacy@openai.com પર સંપર્ક કરીને પણ આ અધિકારોનો ઉપયોગ કરી શકો છો.

તમારી વિનંતીનું મૂલ્યાંકન કરીને જવાબ આપવામાં અમને મદદ મળે તે માટે તમારી વિનંતી કઈ વ્યક્તિગત માહિતીને લગતી છે તે સમજવા પૂરતી માહિતી આપો. તેમાં તમારું નામ, સંબંધિત વેબ સરનામાં, મોડલના આઉટપુટનાં ચોક્કસ ઉદાહરણો અથવા સમસ્યા ઓળખવામાં મદદરૂપ અન્ય વિગતો સામેલ હોઈ શકે છે. કેટલાક કિસ્સામાં કોઈ પગલું લેતાં પહેલાં અમે તમને તમારી ઓળખ ચકાસવા અથવા માહિતી તમારી સાથે સંબંધિત હોવાની પુષ્ટિ કરવા કહી શકીએ છીએ. આ વિનંતીઓ કેવી રીતે મોકલવી, શ્રેષ્ઠ પદ્ધતિઓ અને વિનંતીઓની સમીક્ષા કેવી રીતે થાય છે તે સહિતની વધુ માહિતી ChatGPTમાંથી વ્યક્તિગત ડેટા દૂર કરવા વિશેના અમારા હેલ્પ સેન્ટરના લેખમાં ઉપલબ્ધ છે. અમે લાગુ પડતા પ્રાઇવસી કાયદા અનુસાર વિનંતીઓની સમીક્ષા કરીએ છીએ અને લાગુ પડતી કાનૂની સમયમર્યાદામાં જવાબ આપીએ છીએ.

કૃપા કરીને ધ્યાનમાં રાખો કે પ્રાઇવસી કાયદા અનુસાર કેટલાક અધિકારો નિરપેક્ષ ન પણ હોઈ શકે. ઉદાહરણ તરીકે, સંબંધિત માહિતીની ચકાસણી ન થઈ શકે, વિનંતી OpenAI દ્વારા પ્રક્રિયા કરવામાં આવેલી વ્યક્તિગત માહિતીને લગતી ન હોય, કોઈ અપવાદ લાગુ પડતો હોય અથવા આમ કરવા માટે અમારી પાસે અન્ય કાયદેસર કારણ હોય તો અમે વિનંતી પૂરી કરી શકીએ નહીં. દરેક વિનંતીનું અલગથી મૂલ્યાંકન કરવામાં આવે છે. તેમાં પ્રાઇવસીના અધિકારો અને અભિવ્યક્તિની સ્વતંત્રતા તથા જાહેર હિત જેવી અન્ય મહત્ત્વપૂર્ણ બાબતો વચ્ચે સંતુલન સાધવું પડી શકે છે.

તેમ છતાં, અમે વ્યક્તિગત માહિતીના રક્ષણને પ્રાથમિકતા આપવા અને લાગુ પડતા તમામ પ્રાઇવસી કાયદાનું પાલન કરવાનો પ્રયત્ન કરીએ છીએ. જો તમને લાગે કે અમે કોઈ સમસ્યાનું પૂરતું નિરાકરણ કર્યું નથી, તો તમને તમારા સ્થાનિક દેખરેખ અધિકારી સમક્ષ ફરિયાદ કરવાનો અધિકાર છે.

અમારી વેબસાઇટ, ઍપ્લિકેશન અને સેવાઓનો ઉપયોગ કરતી વખતે અમે તમારી પાસેથી અથવા તમારા વિશે એકત્રિત કરતી વ્યક્તિગત માહિતી અંગે OpenAIની પદ્ધતિઓ વિશે વધુ જાણવા માટે અમારી પ્રાઇવસી પોલિસી જુઓ.