ChatGPT ચલાવતા મોડલ સહિત OpenAIના પાયાના મોડલ માહિતીના ત્રણ મુખ્ય સ્રોતોનો ઉપયોગ કરીને વિકસાવવામાં આવે છે: (1) ઇન્ટરનેટ પર જાહેરમાં ઉપલબ્ધ માહિતી, (2) તૃતીય પક્ષો સાથે ભાગીદારી કરીને અમે મેળવેલી માહિતી અને (3) અમારા વપરાશકર્તાઓ, માનવ પ્રશિક્ષકો અને સંશોધકો દ્વારા પૂરી પાડવામાં આવેલી કે તૈયાર કરાયેલી માહિતી.

ChatGPTમાં વપરાતા મોડલ જેવા પાયાના મોડલ વિકસાવવામાં અનેક તબક્કાઓ હોય છે. તેમાં તાલીમનો ડેટા તૈયાર કરવો, પ્રી-ટ્રેનિંગ અને અનુવર્તી તાલીમ, તેમજ ઉપયોગમાં મૂક્યા પછી સતત મૂલ્યાંકન અને સુધારણા સામેલ છે. આ તબક્કાઓમાં મોડલની કાર્યક્ષમતા, વિશ્વસનીયતા અને સલામતી સુધારવા સહિતના વિવિધ હેતુઓ માટે જુદા જુદા પ્રકારની માહિતી વાપરી શકાય છે. 

આ લેખમાં આ મોડલ વિકસાવવામાં મદદ માટે અમે કઈ માહિતી વાપરીએ છીએ, ગોપનીયતા કાયદાઓનું પાલન કરીને તે માહિતી કેવી રીતે એકત્ર કરીએ છીએ અને વાપરીએ છીએ, તેમજ તાલીમની સમગ્ર પ્રક્રિયા દરમિયાન કયા સુરક્ષા ઉપાયો લાગુ કરીએ છીએ તેનો પરિચય આપવામાં આવ્યો છે. અમારી સેવાઓના વપરાશકર્તાઓ પાસેથી અમે માહિતી કેવી રીતે એકત્ર કરીએ છીએ અને વાપરીએ છીએ તે સમજવા માટે અમારી પ્રાઇવસી પોલિસી અને મોડલની કાર્યક્ષમતા સુધારવા માટે તમારા ડેટાનો ઉપયોગ કેવી રીતે થાય છે તે અંગેનો લેખ જુઓ. અમારા મોડલને સુધારવામાં મદદ માટે તમારી ChatGPT વાતચીતનો ઉપયોગ ન થાય તે વિકલ્પ કેવી રીતે પસંદ કરવો તેની માહિતી પણ તેમાં છે.

ChatGPT શું છે અને તે કેવી રીતે કામ કરે છે?

ChatGPT એ કૃત્રિમ બુદ્ધિ આધારિત સેવા છે, જેનો તમે ઇન્ટરનેટ કે ઍપ દ્વારા ઉપયોગ કરી શકો છો. તમે ChatGPTનો ઉપયોગ અનેક પ્રકારનાં કામો માટે કરી શકો છો, જેમ કે માહિતી ગોઠવવી અને તેનો સારાંશ તૈયાર કરવો, અનુવાદમાં મદદ મેળવવી, કોડ લખવામાં, સંશોધન અને વિશ્લેષણમાં સહાય મેળવવી, જુદાં જુદાં સાધનો દ્વારા અનેક પગલાંવાળાં કામો પૂર્ણ કરવાં, છબીઓનું વિશ્લેષણ કરવું કે છબીઓ બનાવવી, સર્જનાત્મકતા અને વિચારો માટે પ્રેરણા મેળવવી તથા અન્ય રોજિંદાં કામો કરવાં. ChatGPT લખાણ, છબીઓ, ઑડિયો અને વિડિયો સહિત મોટા પ્રમાણમાં માહિતીમાંથી ચોક્કસ ભાત શીખીને વપરાશકર્તાઓના પ્રશ્નો અને સૂચનાઓ સમજે અને જવાબ આપે એ રીતે બનાવવામાં આવ્યું છે. 

તાલીમ દરમિયાન, મોડલ આ ડેટામાં રહેલા સંબંધોનું વિશ્લેષણ કરે છે—જેમ કે કોઈ સંદર્ભમાં સામાન્ય રીતે કયા શબ્દો સાથે આવે છે. ત્યાર પછી આ સમજનો ઉપયોગ કરીને તે જવાબ તૈયાર કરતી વખતે એક પછી એક, આગળ આવવાની સૌથી વધુ શક્યતા ધરાવતા શબ્દનું અનુમાન કરે છે. લખાણને નાના એકમોમાં ફેરવી શકાય છે, જેને ક્યારેક “ટોકન” કહેવામાં આવે છે. તે આખા શબ્દો, શબ્દોના ભાગો કે વિરામચિહ્નોનું પ્રતિનિધિત્વ કરી શકે છે. ટોકન એ લખાણના મૂળભૂત એકમો છે, જેના પર મોડલ પ્રક્રિયા કરે છે. એ જ રીતે, છબીઓ જેવી અન્ય પ્રકારની સામગ્રી બનાવતા મોડલ તાલીમના ડેટામાં પિક્સેલ એકબીજા સાથે અને સંબંધિત વર્ણનાત્મક લખાણ સાથે કેવી રીતે જોડાયેલા છે તેની ભાત શીખે છે.

ઉદાહરણ તરીકે, મોડલની શીખવાની પ્રક્રિયા (જેને “તાલીમ” કહે છે) દરમિયાન, તેને આવું વાક્ય પૂરું કરવાનું કામ આપી શકાય: “ડાબી તરફ વળવાને બદલે, તે ___ વળી.” તાલીમની શરૂઆતમાં તેના જવાબો મોટે ભાગે રેન્ડમ હોય છે. જોકે, જેમ જેમ મોડલ મોટા પ્રમાણમાં લખાણ પર પ્રક્રિયા કરે છે અને તેમાંથી શીખે છે, તેમ તેમ તે ભાત ઓળખવામાં અને આગળ આવવાની સૌથી વધુ શક્યતા ધરાવતા શબ્દનું અનુમાન કરવામાં વધુ સારું બને છે. તેની સમજને વધુ પરિષ્કૃત કરવા અને સચોટતા વધારવા માટે લાખો વાક્યો પર આ પ્રક્રિયાનું પુનરાવર્તન થાય છે.

વાક્યને પૂરું કરવાની એકથી વધુ સંભવિત રીતો હોવાથી—જેમ કે “ડાબી તરફ વળવાને બદલે, તે જમણી તરફ વળી,” “તે ફરી ગઈ,” કે “તે પાછી વળી”—મોડલની જવાબ આપવાની રીતમાં સ્વાભાવિક રીતે જ અનિશ્ચિતતાનું તત્ત્વ હોય છે. આથી, એક જ પ્રશ્ન અલગ અલગ વખતે પૂછવાથી જુદા જુદા જવાબો મળી શકે છે.

યંત્રશિક્ષણના મોડલ સંખ્યાઓના મોટા સમૂહોથી બનેલા હોય છે, જેને “વજન” કે “પરિમાણો” કહેવામાં આવે છે. સાથે આ સંખ્યાઓનું અર્થઘટન કરતો અને તેનો ઉપયોગ કરતો કોડ પણ હોય છે. આ મોડલ જે ડેટા પર તાલીમ મેળવે છે તેની નકલો સંગ્રહતા કે જાળવી રાખતા નથી. તેના બદલે, મોડલ જેમ જેમ શીખે છે તેમ તેમ તેણે ઓળખેલી ભાતને પ્રતિબિંબિત કરવા માટે તેનાં પરિમાણોનાં મૂલ્યોમાં થોડો ફેરફાર થાય છે. અગાઉના ઉદાહરણમાં, મોડલ રેન્ડમ શબ્દોનું અનુમાન કરવાથી આગળ વધીને વધુ સચોટ અનુમાન કરતું થયું—તાલીમનાં વાક્યોનો સંગ્રહ કરીને નહીં, પણ તેનાં આંતરિક પરિમાણોમાં ફેરફાર કરીને. મોડલ તાલીમ દરમિયાન જે વાક્યો, છબીઓ કે ઑડિયો પર પ્રક્રિયા કરે છે તેની નકલો જાળવી રાખતું નથી. ChatGPT તેના તાલીમના ડેટામાંથી “નકલ કરીને મૂકતું” નથી—જેમ કોઈ શિક્ષક વ્યાપક અભ્યાસ પછી મૂળ સામગ્રીને યાદ રાખ્યા વિના કે શબ્દશઃ રજૂ કર્યા વિના, વિચારો વચ્ચેના સંબંધોને સમજીને વિભાવનાઓ સમજાવી શકે છે. વપરાશકર્તાની વિનંતીનો જવાબ તૈયાર કરતી વખતે, મોડલ શીખેલાં આ વજનોનો ઉપયોગ અનુમાન કરવા અને નવી સામગ્રી બનાવવા માટે કરે છે.

ChatGPTને શીખવવા માટે કયા પ્રકારની માહિતીનો ઉપયોગ થાય છે?

ઇન્ટરનેટ પર જાહેરમાં ઉપલબ્ધ સામગ્રીમાંથી અમે ફક્ત એવી માહિતીનો ઉપયોગ કરીએ છીએ જે ઇન્ટરનેટ પર નિઃશુલ્ક અને ખુલ્લી રીતે મેળવી શકાય છે. આમાં જાહેરમાં ઉપલબ્ધ વેબપૃષ્ઠો, જાહેર ચર્ચામંચો, જાહેર બ્લૉગ, જાહેર પોસ્ટ અને અન્ય જાહેરમાં ઉપલબ્ધ ઑનલાઇન સામગ્રી સામેલ હોઈ શકે છે. ઉદાહરણ તરીકે, જો તમે જાહેરમાં ઉપલબ્ધ ઑનલાઇન ચર્ચામંચમાં ભાગ લો અથવા જાહેર બ્લૉગ કે અન્ય પોસ્ટ પ્રકાશિત કરો, તો અમે જાહેરમાં ઉપલબ્ધ એ સામગ્રીનો ઉપયોગ મોડલને તાલીમ આપવા માટે કરી શકીએ છીએ. જોકે, અમે અમારી તાલીમ પ્રક્રિયામાં વ્યક્તિગત માહિતી પર થતી પ્રક્રિયા ઘટાડવાનાં પગલાં લઈએ છીએ.  ઇન્ટરનેટ પર જાહેરમાં ઉપલબ્ધ સામગ્રી એકત્ર કરતી વખતે, અમે એવા સ્રોતોમાંથી જાણીજોઈને ડેટા એકત્ર કરતા નથી જેના માટે ચૂકવણી જરૂરી હોવાનું જાણીતું હોય, કે પછી ડાર્ક વેબમાંથી પણ ડેટા એકત્ર કરતા નથી. વધુમાં, અમે એવી સામગ્રી દૂર કરવા માટે ફિલ્ટર લાગુ કરીએ છીએ જેમાંથી અમારા મોડલ શીખે એવું અમે ઇચ્છતા નથી, જેમ કે દ્વેષપૂર્ણ ભાષા, પુખ્ત વયના લોકો માટેની સામગ્રી, વ્યક્તિગત માહિતી એકત્ર કરતી સાઇટ અને સ્પામ. ત્યાર પછી બાકીની માહિતીનો ઉપયોગ અમારા મોડલને તાલીમ આપવા માટે થાય છે. 

વેબસાઇટના માલિકો robots.txt જેવાં પ્રમાણભૂત વેબ નિયંત્રણો દ્વારા GPTBotને પ્રવેશ નકારીને નક્કી કરી શકે છે કે તેમની સાઇટની જાહેરમાં ઉપલબ્ધ સામગ્રી તાલીમમાં ઉપયોગ કરવા માટે મેળવી શકાય કે નહીં. GPTBot અમારા મોડલને તાલીમ આપવામાં મદદ કરવા માટે જાહેરમાં ઉપલબ્ધ સામગ્રીનું સ્વચાલિત સ્કૅનિંગ કરી શકે છે. વેબસાઇટના માલિકો તેમની સાઇટ અને સામગ્રી અમારી કૃત્રિમ બુદ્ધિ પ્રણાલીઓ સાથે કેવી રીતે ક્રિયાપ્રતિક્રિયા કરે છે તેનું સંચાલન કરી શકે તે માટે અમે માર્ગદર્શન આપીએ છીએ. 

અમે અમારા મોડલને તાલીમ આપવા અને સુધારવામાં મદદ માટે તૃતીય-પક્ષ ભાગીદારો પાસેથી મળેલી માહિતીનો પણ ઉપયોગ કરીએ છીએ. આમાં તૃતીય પક્ષો સાથેના કરારો દ્વારા અમને ઉપલબ્ધ થતા ડેટાસેટની માહિતી, તેમજ અમારી નીતિઓ અને કરારો હેઠળ મંજૂરી હોય ત્યાં માનવ પ્રશિક્ષકો અને સંશોધકો દ્વારા પૂરી પાડવામાં આવેલી કે તૈયાર કરાયેલી માહિતી સામેલ હોઈ શકે છે. આનાથી અમારા મોડલની ગુણવત્તા, સલામતી અને કાર્યક્ષમતા સુધારવામાં મદદ મળે છે. ડેટાસેટ પ્રમાણે, આ સ્રોતોમાં લખાણ, છબીઓ, ઑડિયો, વિડિયો અથવા અન્ય પ્રકારનો ડેટા સામેલ હોઈ શકે છે.

અમે કેટલીક તાલીમ પ્રક્રિયાઓમાં કૃત્રિમ રીતે તૈયાર કરેલા ડેટાનો ઉપયોગ પણ વધુ ને વધુ કરી રહ્યા છીએ. ઉદાહરણ તરીકે, અમે માહિતી અને અમારા મોડલનો ઉપયોગ કરીને કૃત્રિમ રીતે સૂચનાઓ, બહુભાષી ઉદાહરણો અથવા અન્ય તાલીમ સામગ્રી તૈયાર કરી શકીએ છીએ. જ્યાં ડેટા ઓછો હોય કે અસંતુલિત હોય ત્યાં તાલીમના ડેટામાં પૂરક ઉમેરો કરીને તથા અન્ય રીતે કૃત્રિમ ડેટા મોડલની કાર્યક્ષમતા સુધારવામાં મદદ કરી શકે છે. તે મોડલના વિકાસમાં ગોપનીયતા વધારતા અભિગમોને પણ ટેકો આપી શકે છે.

શું ChatGPTને શીખવવા માટે વ્યક્તિગત માહિતીનો ઉપયોગ થાય છે?

ઑનલાઇન સામગ્રીના નોંધપાત્ર હિસ્સામાં લોકો વિશેની માહિતી હોય છે, તેથી અમારા તાલીમના ડેટામાં આકસ્મિક રીતે વ્યક્તિગત માહિતી સામેલ થઈ શકે છે. જોકે, અમે અમારી તાલીમ પ્રક્રિયામાં વ્યક્તિગત માહિતી પર થતી પ્રક્રિયા ઘટાડવાનાં પગલાં લઈએ છીએ.

અમે તાલીમના ડેટાનો ઉપયોગ મોડલની ક્ષમતાઓ—જેમ કે અનુમાન, রিজনিং અને સમસ્યા ઉકેલવાની ક્ષમતા—વિકસાવવા માટે કરીએ છીએ, વ્યક્તિઓની પ્રોફાઇલ બનાવવા, તેમનો સંપર્ક કરવા કે તેમને અનુરૂપ જાહેરાતો બતાવવા માટે નહીં.

કેટલાક કિસ્સાઓમાં, નામ અને સરનામાં જેવાં તત્ત્વો ભાષામાં કેવી રીતે કામ કરે છે તે સમજવા અથવા જાહેર જીવનની જાણીતી વ્યક્તિઓ અને જાણીતી સંસ્થાઓને ઓળખવા માટે મોડલ વ્યક્તિગત માહિતીમાંથી શીખી શકે છે. આનાથી મોડલને વધુ સચોટ અને સંદર્ભને અનુરૂપ જવાબો તૈયાર કરવામાં મદદ મળે છે.

તાલીમ દરમિયાન વ્યક્તિગત માહિતીનું રક્ષણ કેવી રીતે થાય છે?

અમે તાલીમ દરમિયાન વ્યક્તિગત માહિતી પર થતી પ્રક્રિયા મર્યાદિત કરવા માટે સક્રિય પગલાં લઈએ છીએ. ઉદાહરણ તરીકે, અમે મોટા પ્રમાણમાં વ્યક્તિગત ડેટા એકત્ર કરતા હોવાનું જાણીતું હોય એવા સ્રોતોને બાકાત રાખીએ છીએ, તાલીમ પ્રક્રિયામાં વ્યક્તિગત માહિતી ઘટાડવા માટે ફિલ્ટર લાગુ કરીએ છીએ અને તાલીમના ડેટાનું પુનરાવર્તન થવાનું જોખમ ઘટાડવા માટે ડુપ્લિકેટ સામગ્રી ઓળખીને દૂર કરવાનાં પગલાં લઈએ છીએ. વધુમાં, અમે અમારા મોડલને એવી તાલીમ આપીએ છીએ કે તેઓ વ્યક્તિઓ વિશેની ખાનગી કે સંવેદનશીલ માહિતી માગતી વિનંતીઓનો જવાબ આપવાનું ટાળે. 

અમે માહિતી કેટલા સમય સુધી જાળવી રાખીએ છીએ

આ લેખ અને અમારી પ્રાઇવસી પોલિસીમાં વર્ણવેલા હેતુઓ માટે વાજબી રીતે જરૂરી હોય તેટલા સમય સુધી જ અમે તાલીમના ડેટામાં માહિતી જાળવી રાખીએ છીએ. આ હેતુઓમાં અમારા મોડલ વિકસાવવા અને સુધારવા તથા સંબંધિત વૈજ્ઞાનિક સંશોધનનો સમાવેશ થાય છે. માહિતી જાળવી રાખવાની જરૂરિયાત ચાલુ છે કે નહીં તેની સમયાંતરે સમીક્ષા થાય છે. માહિતીનો પ્રકાર અને તેનો ઉપયોગ કેવી રીતે થાય છે તેના આધારે તેને જાળવી રાખવાનો સમય બદલાય છે. માહિતી કેટલો સમય જાળવી રાખવી તે નક્કી કરતી વખતે અમે તેના પર પ્રક્રિયા કરવાનો અમારો હેતુ, માહિતીનું પ્રમાણ, સ્વરૂપ અને સંવેદનશીલતા, અનધિકૃત ઉપયોગ કે માહિતી જાહેર થવાથી નુકસાનનું સંભવિત જોખમ અને અમને લાગુ પડતી કાનૂની જવાબદારીઓ જેવા પરિબળો ધ્યાનમાં લઈએ છીએ.

ChatGPTના વિકાસમાં ગોપનીયતા કાયદાઓનું પાલન કેવી રીતે થાય છે?

અમે તાલીમ માટેની માહિતીનો ઉપયોગ કાયદેસર રીતે કરીએ છીએ. અમારા પાયાના મોડલ અનેક લાભદાયક ઉપયોગોને શક્ય બનાવે છે—જેમાં સુલભતા વધારતાં સાધનો, ગ્રાહક સહાય, સૉફ્ટવેર વિકાસ, વ્યક્તિગત જરૂરિયાતોને અનુરૂપ શિક્ષણ અને વૈજ્ઞાનિક સંશોધનનો સમાવેશ થાય છે. આ ક્ષમતાઓ લાર્જ-સ્કેલ ટ્રેનિંગ ડેટા પર આધાર રાખે છે, જેમાં જાહેરમાં ઉપલબ્ધ માહિતી અને તૃતીય-પક્ષ ભાગીદારો પાસેથી મળેલી માહિતી સામેલ છે. અમે સમગ્ર તાલીમ પ્રક્રિયા દરમિયાન સુરક્ષા ઉપાયો લાગુ કરીએ છીએ. આ લેખમાં વર્ણવ્યા મુજબ, તેમાં તાલીમ પ્રક્રિયામાં વ્યક્તિગત માહિતી પર થતી પ્રક્રિયા ઘટાડવા અને જોખમો ઓછાં કરવા માટે રચાયેલાં પગલાં સામેલ છે. તાલીમ માટેની માહિતીમાં સામેલ વ્યક્તિગત માહિતીનો સંગ્રહ અને ઉપયોગ અમે જીડીપીઆર જેવા ગોપનીયતા કાયદાઓ હેઠળના કાયદેસર હિતોના આધારે કરીએ છીએ. તેમાં આર્ટિફિશિયલ જનરલ ઇન્ટેલિજન્સથી દરેકને લાભ થાય તે સુનિશ્ચિત કરવાના અમારા ધ્યેયને અનુરૂપ, વપરાશકર્તાઓ અને વ્યાપક સમાજ માટે અમારા મોડલને તાલીમ આપવી અને સુધારવા સામેલ છે. આ વિશે અમારી પ્રાઇવસી પોલિસીમાં વધુ વિગતે સમજાવ્યું છે. અમે આ માહિતી કાયદેસર રીતે અને જવાબદારીપૂર્વક એકત્ર કરીએ છીએ અને વાપરીએ છીએ તે સુનિશ્ચિત કરવામાં મદદ માટે ડેટા સુરક્ષા પર થતી અસરનું મૂલ્યાંકન પૂર્ણ કર્યું છે.

માહિતી ક્યારે વહેંચવામાં કે હસ્તાંતરિત કરવામાં આવી શકે છે

અમે વ્યક્તિગત માહિતીનું “વેચાણ” કરતા નથી અને તાલીમના ડેટામાં રહેલી વ્યક્તિગત માહિતી ફક્ત અમારી પ્રાઇવસી પોલિસીમાં વર્ણવેલા મર્યાદિત સંજોગોમાં જ જાહેર કરીએ છીએ. ઉદાહરણ તરીકે, અમે અમારા મોડલના વિકાસ, પરીક્ષણ અને સુધારણામાં સહાય કરતી સંલગ્ન સંસ્થાઓ, વિક્રેતાઓ અને સેવા પ્રદાતાઓ સાથે માહિતી વહેંચી શકીએ છીએ. અમારી પ્રાઇવસી પોલિસીમાં વર્ણવ્યા મુજબ, કાનૂની જવાબદારીનું પાલન કરવા અથવા અમારા તેમજ અમારા વપરાશકર્તાઓ, કર્મચારીઓ કે જનતાના અધિકારો, સલામતી અને સુરક્ષાનું રક્ષણ કરવા માટે માહિતી જાહેર કરવી જરૂરી છે એવું અમે સદ્ભાવનાપૂર્વક માનીએ ત્યારે પણ અમે તેમ કરી શકીએ છીએ.

અમારું માળખું વૈશ્વિક હોવાથી, તાલીમના ડેટામાં રહેલી વ્યક્તિગત માહિતી પર યુરોપીય આર્થિક વિસ્તાર, સ્વિટ્ઝર્લૅન્ડ કે યુનાઇટેડ કિંગડમની બહારના દેશોમાં (યુનાઇટેડ સ્ટેટ્સ સહિત) પ્રક્રિયા થઈ શકે છે. આવું થાય ત્યારે અમે અમારી પ્રાઇવસી પોલિસીમાં વર્ણવ્યા મુજબ યોગ્ય સુરક્ષા ઉપાયો લાગુ કરીએ છીએ, જેમ કે ડેટા સુરક્ષાની પર્યાપ્તતા અંગેના નિર્ણયો અથવા પ્રમાણભૂત કરારની કલમો.

તમારા અધિકારો અને તેનો ઉપયોગ કેવી રીતે કરવો

અમે વાંધો ઉઠાવવાની અને તેના જેવા અન્ય અધિકારોનો ઉપયોગ કરવાની વિનંતીઓને પ્રતિસાદ આપીએ છીએ. ભાષા શીખવાના પરિણામે, ChatGPTના જવાબોમાં ક્યારેક એવી વ્યક્તિઓની વ્યક્તિગત માહિતી સામેલ થઈ શકે છે જેમની વ્યક્તિગત માહિતી જાહેર ઇન્ટરનેટ પર અનેક વાર જોવા મળે છે (ઉદાહરણ તરીકે, જાહેર જીવનની જાણીતી વ્યક્તિઓ). અમુક કાનૂની અધિકારક્ષેત્રોમાં રહેતી વ્યક્તિઓ અમારા પ્રાઇવસી પોર્ટલ દ્વારા અમારા મોડલ તેમની વ્યક્તિગત માહિતી પર પ્રક્રિયા કરે તેની સામે વાંધો ઉઠાવી શકે છે અથવા પોતાના ડેટાને લગતા અન્ય અધિકારોનો ઉપયોગ કરવાની વિનંતી કરી શકે છે. તમે dsar@openai.com પર સંપર્ક કરીને પણ આ અધિકારોનો ઉપયોગ કરી શકો છો.

તમારી વિનંતીનું મૂલ્યાંકન કરવામાં અને જવાબ આપવામાં અમને મદદ કરવા માટે, તમારી વિનંતી કઈ વ્યક્તિગત માહિતી સાથે સંબંધિત છે તે સમજવા પૂરતી માહિતી આપો. જેમ કે તમારું નામ, સંબંધિત વેબ સરનામાં, મોડલના જવાબોનાં ચોક્કસ ઉદાહરણો અથવા સમસ્યા ઓળખવામાં મદદ કરતી અન્ય વિગતો. કેટલાક કિસ્સાઓમાં, પગલાં લઈએ તે પહેલાં અમે તમને તમારી ઓળખની ચકાસણી કરવા અથવા માહિતી તમારી સાથે સંબંધિત છે તેની ખાતરી કરવા કહી શકીએ છીએ. આ વિનંતીઓ કેવી રીતે સબમિટ કરવી, તે માટેની શ્રેષ્ઠ પદ્ધતિઓ અને વિનંતીઓની સમીક્ષા કેવી રીતે થાય છે તે વિશે વધુ માહિતી, ChatGPTમાંથી વ્યક્તિગત ડેટા દૂર કરવા અંગેના અમારા હેલ્પ સેન્ટરના લેખમાં ઉપલબ્ધ છે. અમે લાગુ પડતા ગોપનીયતા કાયદાઓ અનુસાર વિનંતીઓની સમીક્ષા કરીએ છીએ અને લાગુ પડતી કાનૂની સમયમર્યાદામાં જવાબ આપીએ છીએ.

કૃપા કરીને ધ્યાનમાં રાખો કે ગોપનીયતા કાયદાઓ અનુસાર કેટલાક અધિકારો નિરપેક્ષ ન પણ હોય. ઉદાહરણ તરીકે, જો અમે સંબંધિત માહિતીની ચકાસણી ન કરી શકીએ, વિનંતી OpenAI દ્વારા પ્રક્રિયા કરવામાં આવતી વ્યક્તિગત માહિતી સાથે સંબંધિત ન હોય, કોઈ અપવાદ લાગુ પડતો હોય અથવા વિનંતી પૂરી ન કરવા માટે અમારી પાસે અન્ય કાયદેસર કારણ હોય, તો અમે વિનંતી પૂરી કરી શકીએ નહીં. દરેક વિનંતીનું તેના સંજોગો અનુસાર મૂલ્યાંકન કરવામાં આવે છે. તેમાં ગોપનીયતાના અધિકારો અને અભિવ્યક્તિની સ્વતંત્રતા તથા જાહેર હિત જેવા અન્ય મહત્ત્વના મુદ્દાઓ વચ્ચે સંતુલન સાધવાની જરૂર પડી શકે છે.

જોકે, અમે વ્યક્તિગત માહિતીના રક્ષણને પ્રાથમિકતા આપવા અને લાગુ પડતા તમામ ગોપનીયતા કાયદાઓનું પાલન કરવા પ્રયત્ન કરીએ છીએ. જો તમને લાગે કે અમે કોઈ સમસ્યાનું યોગ્ય નિરાકરણ કર્યું નથી, તો તમને તમારા સ્થાનિક દેખરેખ સત્તામંડળ સમક્ષ ફરિયાદ કરવાનો અધિકાર છે.

તમે અમારી વેબસાઇટ, ઍપ્લિકેશન અને સેવાઓનો ઉપયોગ કરો ત્યારે અમે તમારી પાસેથી કે તમારા વિશે એકત્ર કરેલી વ્યક્તિગત માહિતી અંગે OpenAIની કાર્યપદ્ધતિઓ વિશે વધુ જાણવા માટે અમારી પ્રાઇવસી પોલિસી જુઓ.