OpenAIનાં ફાઉન્ડેશન મોડલ, જેમાં ChatGPTને શક્તિ આપતાં મોડલ પણ શામેલ છે, માહિતીના ત્રણ મુખ્ય સ્ત્રોતોનો ઉપયોગ કરીને વિકસાવવામાં આવે છે: (1) ઇન્ટરનેટ પર જાહેરમાં ઉપલબ્ધ માહિતી, (2) તૃતીય પક્ષો સાથે ભાગીદારી કરીને અમને મળતી માહિતી, અને (3) અમારા વપરાશકર્તાઓ, માનવ ટ્રેનર્સ અને સંશોધકો દ્વારા પ્રદાન અથવા જનરેટ કરવામાં આવેલી માહિતી.

ChatGPTમાં ઉપયોગમાં લેવાતા ફાઉન્ડેશન મોડલ જેવા મોડલ વિકસાવવામાં ઘણા તબક્કાઓ સામેલ હોય છે, જેમાં ટ્રેનિંગ ડેટા તૈયાર કરવો, પ્રી-ટ્રેનિંગ અને પોસ્ટ-ટ્રેનિંગ, તેમજ ડિપ્લોયમેન્ટ પછી સતત મૂલ્યાંકન અને સુધારો કરવો શામેલ છે. આ તબક્કાઓમાં વિવિધ હેતુઓ માટે અલગ-અલગ પ્રકારની માહિતીનો ઉપયોગ થઈ શકે છે, જેમાં મોડલની કામગીરી, વિશ્વસનીયતા અને સલામતી સુધારવી શામેલ છે. 

આ લેખમાં આ મોડલ વિકસાવવામાં મદદરૂપ થતી અમે ઉપયોગમાં લેતી માહિતી, પ્રાઇવસી કાયદાઓનું પાલન કરીને અમે તે માહિતી કેવી રીતે એકત્રિત અને ઉપયોગ કરીએ છીએ, અને સમગ્ર ટ્રેનિંગ પ્રક્રિયા દરમિયાન અમે લાગુ કરાતા સુરક્ષા ઉપાયોનો સારાંશ આપવામાં આવ્યો છે. અમારી સેવાઓના વપરાશકર્તાઓ પાસેથી અમે માહિતી કેવી રીતે એકત્રિત અને ઉપયોગ કરીએ છીએ તે સમજવા માટે, જેમાં અમારા મોડલ સુધારવામાં મદદ માટે ChatGPT વાર્તાલાપોના ઉપયોગમાંથી કેવી રીતે બહાર નીકળવું તે પણ શામેલ છે, કૃપા કરીને અમારી પ્રાઇવસી પોલિસી અને આ હેલ્પ સેન્ટર લેખ જુઓ.

ChatGPT શું છે અને તે કેવી રીતે કામ કરે છે?

ChatGPT એક આર્ટિફિશિયલ ઇન્ટેલિજન્સ આધારિત સેવા છે, જેને તમે ઇન્ટરનેટ અથવા ઍપ દ્વારા ઍક્સેસ કરી શકો છો. તમે ChatGPTનો ઉપયોગ માહિતી ગોઠવવા અને સારાંશ આપવા, અનુવાદમાં મદદ મેળવવા, કોડિંગ, સંશોધન અને વિશ્લેષણમાં સહાય માટે, ટૂલ્સમાં બહુ-પગલાંવાળા કાર્યો પૂરા કરવા, છબીઓનું વિશ્લેષણ કરવા અથવા જનરેટ કરવા, સર્જનાત્મકતા અને વિચારોને પ્રેરણા આપવા, અને અન્ય રોજિંદી પ્રવૃત્તિઓ સહિત અનેક પ્રકારના કાર્યો માટે કરી શકો છો. ChatGPTને ટેક્સ્ટ, છબીઓ, ઑડિયો અને વિડિયો સહિત મોટી માત્રાની માહિતીમાંથી પેટર્ન શીખીને વપરાશકર્તાના પ્રશ્નો અને સૂચનાઓ સમજવા અને તેના જવાબ આપવા માટે ડિઝાઇન કરવામાં આવ્યું છે. 

ટ્રેનિંગ દરમિયાન, મોડલ આ ડેટામાં રહેલા સંબંધોનું વિશ્લેષણ કરે છે—જેમ કે સંદર્ભમાં શબ્દો સામાન્ય રીતે સાથે કેવી રીતે આવે છે—અને જવાબ જનરેટ કરતી વખતે એક સમયે એક શબ્દ પ્રમાણે આગળનો સૌથી સંભવિત શબ્દ અનુમાન કરવા માટે તે સમજણનો ઉપયોગ કરે છે. ટેક્સ્ટને નાના એકમોમાં રૂપાંતરિત કરી શકાય છે, જેને ક્યારેક “ટોકન” કહેવામાં આવે છે અને જે સંપૂર્ણ શબ્દો, શબ્દોના ભાગો અથવા વિરામચિહ્નો દર્શાવી શકે છે. ટોકન એ ટેક્સ્ટના મૂળભૂત ઘટકો છે, જેને મોડલ પ્રોસેસ કરે છે. તે જ રીતે, છબીઓ જેવી સામગ્રીના અન્ય સ્વરૂપો જનરેટ કરતા મોડલ ટ્રેનિંગ ડેટામાં પિક્સેલ્સ એકબીજા સાથે અને સંબંધિત કૅપ્શન્સ સાથે કેવી રીતે જોડાયેલા હોય છે તેની પેટર્ન શીખે છે.

ઉદાહરણ તરીકે, મોડલની શીખવાની પ્રક્રિયા દરમિયાન (જેને “ટ્રેનિંગ” કહેવામાં આવે છે), મોડલને આવું વાક્ય પૂરું કરવાનું કામ અપાઈ શકે છે: “ડાબે વળવાને બદલે, તે ___ વળી.” ટ્રેનિંગની શરૂઆતમાં તેના જવાબો મોટેભાગે રૅન્ડમ હોય છે. પરંતુ જેમ જેમ મોડલ મોટા પ્રમાણમાં ટેક્સ્ટ પ્રોસેસ કરે છે અને તેમાંથી શીખે છે, તેમ તે પેટર્ન ઓળખવામાં અને આગળનો સૌથી સંભવિત શબ્દ અનુમાનવામાં વધુ સારું બનતું જાય છે. તેની સમજણ વધુ સચોટ બનાવવા અને ચોકસાઈ સુધારવા માટે આ પ્રક્રિયા લાખો વાક્યો પર પુનરાવર્તિત થાય છે.

વાક્ય પૂરું કરવાની અનેક સંભવિત યોગ્ય રીતો હોય છે—જેમ કે “ડાબે વળવાને બદલે, તે જમણે વળી,” “ફરી ગઈ,” અથવા “પાછી વળી”—તેથી મોડલ કેવી રીતે જવાબ આપે છે તેમાં સ્વાભાવિક રીતે રૅન્ડમનેસનો એક તત્વ હોય છે. પરિણામે, અલગ-અલગ ક્વેરીમાં એક જ પ્રશ્નના અલગ જવાબો મળી શકે છે.

મશીન લર્નિંગ મોડલમાં સંખ્યાઓના મોટા સમૂહો હોય છે, જેને “વેઇટ્સ” અથવા “પેરામીટર્સ” કહેવામાં આવે છે, તેમજ તે સંખ્યાઓને સમજતું અને ઉપયોગમાં લેતું કોડ હોય છે. આ મોડલ જે ડેટા પર ટ્રેન થાય છે તેની નકલો સ્ટોર કે જાળવી રાખતાં નથી. તેના બદલે, મોડલ શીખે છે ત્યારે તેણે ઓળખેલી પેટર્ન દર્શાવવા માટે તેના પેરામીટર્સના મૂલ્યોમાં થોડો ફેરફાર કરવામાં આવે છે. પહેલાના ઉદાહરણમાં, મોડલ રૅન્ડમ શબ્દો અનુમાન કરવાથી વધુ સચોટ અનુમાન કરવા સુધી સુધર્યું—ટ્રેનિંગ વાક્યો સ્ટોર કરીને નહીં, પરંતુ તેના આંતરિક પેરામીટર્સ અપડેટ કરીને. ટ્રેનિંગ દરમિયાન મોડલ જે વાક્યો, છબીઓ અથવા ઑડિયો પ્રોસેસ કરે છે તેની નકલો તે જાળવી રાખતું નથી. ChatGPT તેના ટ્રેનિંગ ડેટામાંથી “કૉપી અને પેસ્ટ” કરતું નથી—એવું જ જેમ કોઈ શિક્ષક વ્યાપક અભ્યાસ પછી મૂળ સામગ્રીને શબ્દશઃ યાદ રાખ્યા અથવા પુનરુત્પન્ન કર્યા વગર વિચારો વચ્ચેના સંબંધોને સમજીને સંકલ્પનાઓ સમજાવી શકે છે. વપરાશકર્તાની વિનંતીનો જવાબ જનરેટ કરતી વખતે, મોડલ આ શીખેલા વેઇટ્સનો ઉપયોગ કરીને નવી સામગ્રીનું અનુમાન કરે છે અને બનાવે છે.

ChatGPTને શીખવવા માટે કયા પ્રકારની માહિતીનો ઉપયોગ થાય છે?

જાહેરમાં ઉપલબ્ધ ઇન્ટરનેટ સામગ્રી માટે, અમે ફક્ત એવી માહિતીનો ઉપયોગ કરીએ છીએ જે ઇન્ટરનેટ પર મફતમાં અને ખુલ્લેઆમ ઍક્સેસ કરી શકાય છે. આમાં જાહેરમાં ઉપલબ્ધ વેબપેજ, જાહેર ફોરમ, જાહેર બ્લોગ, જાહેર પોસ્ટ અને અન્ય જાહેરમાં ઉપલબ્ધ ઑનલાઇન સામગ્રી શામેલ હોઈ શકે છે. ઉદાહરણ તરીકે, જો તમે જાહેરમાં ઉપલબ્ધ ઑનલાઇન ચર્ચા ફોરમમાં ભાગ લો અથવા જાહેર બ્લોગ કે અન્ય પોસ્ટ મૂકો, તો અમે મોડલ ટ્રેનિંગના હેતુઓ માટે તે જાહેરમાં ઍક્સેસ કરી શકાય તેવી સામગ્રીનો ઉપયોગ કરી શકીએ છીએ. પરંતુ અમે અમારી ટ્રેનિંગ પ્રક્રિયામાં વ્યક્તિગત માહિતીનું પ્રોસેસિંગ ઘટાડવા માટે પગલાં લઈએ છીએ.  જાહેરમાં ઉપલબ્ધ ઇન્ટરનેટ સામગ્રી એકત્રિત કરતી વખતે, અમે જાણતા હોઈએ એવા પેવૉલ પાછળના સ્ત્રોતો અથવા ડાર્ક વેબમાંથી ઇરાદાપૂર્વક ડેટા એકત્રિત કરતા નથી. આ ઉપરાંત, અમે એવી સામગ્રી દૂર કરવા માટે ફિલ્ટર્સ લાગુ કરીએ છીએ જેમાંથી અમારા મોડલ શીખે તે અમને ઇચ્છનીય નથી, જેમ કે હેટ સ્પીચ, પુખ્ત સામગ્રી, વ્યક્તિગત માહિતી એકત્રિત કરતી સાઇટ્સ અને સ્પૅમ. બાકી રહેલી માહિતી પછી અમારા મોડલને ટ્રેન કરવા માટે ઉપયોગમાં લેવાય છે. 

વેબસાઇટ માલિકો robots.txt જેવા સ્ટાન્ડર્ડ વેબ કંટ્રોલ્સનો ઉપયોગ કરીને તેમની સાઇટ્સની જાહેરમાં ઉપલબ્ધ સામગ્રી ટ્રેનિંગમાં ઉપયોગ માટે ઍક્સેસ થઈ શકે છે કે નહીં તે મેનેજ કરી શકે છે, જેમ કે GPTBotને મંજૂરી ન આપવી, જે અમારા મોડલને ટ્રેન કરવામાં મદદ માટે જાહેરમાં ઉપલબ્ધ સામગ્રી ક્રૉલ કરી શકે છે. વેબસાઇટ માલિકો તેમની સાઇટ્સ અને સામગ્રી અમારા AI સિસ્ટમ્સ સાથે કેવી રીતે ઇન્ટરેક્ટ કરે છે તે મેનેજ કરી શકે તે માટે અમે માર્ગદર્શન પ્રદાન કરીએ છીએ. 

અમે અમારા મોડલને ટ્રેન કરવા અને સુધારવામાં મદદ માટે તૃતીય-પક્ષ ભાગીદારો પાસેથી મળતી માહિતીનો પણ ઉપયોગ કરીએ છીએ. આમાં તૃતીય પક્ષો સાથેના કરારો દ્વારા અમને ઍક્સેસ મળતા ડેટાસેટ્સની માહિતી, તેમજ અમારી નીતિઓ અને કરારો હેઠળ મંજૂરી હોય ત્યાં માનવ ટ્રેનર્સ અને સંશોધકો દ્વારા પ્રદાન અથવા જનરેટ કરવામાં આવેલી માહિતી શામેલ હોઈ શકે છે. આ અમારા મોડલની ગુણવત્તા, સલામતી અને કામગીરી સુધારવામાં મદદ કરે છે. ડેટાસેટ પર આધાર રાખીને, આ સ્ત્રોતોમાં ટેક્સ્ટ, છબીઓ, ઑડિયો, વિડિયો અથવા અન્ય ડેટા પ્રકારો શામેલ હોઈ શકે છે.

અમે કેટલીક ટ્રેનિંગ પ્રક્રિયાઓમાં વધતી જતી રીતે સિન્થેટિક ડેટાનો પણ ઉપયોગ કરીએ છીએ. ઉદાહરણ તરીકે, અમે સિન્થેટિક પ્રોમ્પ્ટ, બહુભાષી ઉદાહરણો અથવા અન્ય ટ્રેનિંગ સામગ્રી જનરેટ કરવા માટે માહિતી અને અમારા મોડલનો ઉપયોગ કરી શકીએ છીએ. સિન્થેટિક ડેટા મોડલની કામગીરી સુધારવામાં મદદ કરી શકે છે, જેમાં જ્યાં ડેટા ઓછો અથવા અસંતુલિત હોય એવા ક્ષેત્રોમાં ટ્રેનિંગ ડેટાને પૂરક બનાવવું શામેલ છે, અને તે મોડલ વિકાસમાં પ્રાઇવસી વધારતી પદ્ધતિઓને પણ સમર્થન 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 ટ્રેનિંગ ડેટામાં અનાયાસે વ્યક્તિગત માહિતી શામેલ થઈ શકે છે. પરંતુ અમે અમારી ટ્રેનિંગ પ્રક્રિયામાં વ્યક્તિગત માહિતીનું પ્રોસેસિંગ ઘટાડવા માટે પગલાં લઈએ છીએ.

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

કેટલાક કેસોમાં, નામ અને સરનામા જેવા ઘટકો ભાષામાં કેવી રીતે કાર્ય કરે છે તે સમજવા અથવા જાહેર વ્યક્તિઓ અને જાણીતી સંસ્થાઓને ઓળખવા માટે મોડલ વ્યક્તિગત માહિતીમાંથી શીખી શકે છે. આ મોડલને વધુ સચોટ અને સંદર્ભને અનુરૂપ જવાબો જનરેટ કરવામાં મદદ કરે છે.

ટ્રેનિંગ દરમિયાન વ્યક્તિગત માહિતી કેવી રીતે સુરક્ષિત રાખવામાં આવે છે?

અમે ટ્રેનિંગ દરમિયાન વ્યક્તિગત માહિતીનું પ્રોસેસિંગ મર્યાદિત કરવા માટે સક્રિય પગલાં લઈએ છીએ. ઉદાહરણ તરીકે, અમે વ્યક્તિગત ડેટાની મોટી માત્રા એકત્રિત કરતા જાણીતા સ્ત્રોતોને બહાર રાખીએ છીએ, ટ્રેનિંગ પ્રક્રિયામાં વ્યક્તિગત માહિતી ઘટાડવા માટે ફિલ્ટરિંગ લાગુ કરીએ છીએ, અને ટ્રેનિંગ ડેટા પુનરાવર્તિત થવાના જોખમને ઘટાડવા માટે ડુપ્લિકેટ સામગ્રી ઓળખવા અને દૂર કરવા પગલાં લઈએ છીએ. આ ઉપરાંત, અમે અમારા મોડલને વ્યક્તિઓ વિશેની ખાનગી અથવા સંવેદનશીલ માહિતી માટેની વિનંતીઓનો જવાબ આપવાનું ટાળવા માટે ટ્રેન કરીએ છીએ. 

અમે માહિતી કેટલો સમય જાળવી રાખીએ છીએ

અમે ટ્રેનિંગ ડેટામાંની માહિતી માત્ર આ લેખ અને અમારી પ્રાઇવસી પોલિસીમાં વર્ણવાયેલા હેતુઓ માટે વાજબી રીતે જરૂરી હોય ત્યાં સુધી જ જાળવી રાખીએ છીએ, જેમાં અમારા મોડલ વિકસાવવા અને સુધારવા તથા સંબંધિત વૈજ્ઞાનિક સંશોધન હેતુઓ શામેલ છે. માહિતી જાળવી રાખવી સતત જરૂરી છે તેની ખાતરી કરવા માટે તેની સમયાંતરે સમીક્ષા કરવામાં આવે છે, અને તે માહિતીના પ્રકાર અને તેનો ઉપયોગ કેવી રીતે થાય છે તેના આધારે બદલાય છે. માહિતી કેટલો સમય જાળવી રાખવી તે નક્કી કરતી વખતે, અમે માહિતી પ્રોસેસ કરવાનો અમારો હેતુ, માહિતીની માત્રા, સ્વરૂપ અને સંવેદનશીલતા, અનધિકૃત ઉપયોગ અથવા ખુલાસાથી નુકસાનનું સંભવિત જોખમ, અને અમને લાગુ પડતી કોઈપણ કાનૂની ફરજો જેવા પરિબળો ધ્યાનમાં લઈએ છીએ.

ChatGPTનો વિકાસ પ્રાઇવસી કાયદાઓનું પાલન કેવી રીતે કરે છે?

અમે ટ્રેનિંગ માહિતીનો ઉપયોગ કાયદેસર રીતે કરીએ છીએ. અમારા ફાઉન્ડેશન મોડલ ઍક્સેસિબિલિટી ટૂલ્સ, ગ્રાહક સહાય, સોફ્ટવેર વિકાસ, વ્યક્તિગત શિક્ષણ અને વૈજ્ઞાનિક સંશોધન સહિત અનેક લાભદાયી એપ્લિકેશન્સને શક્તિ આપે છે. આ ક્ષમતાઓ લાર્જ-સ્કેલ ટ્રેનિંગ ડેટા પર આધારિત છે, જેમાં જાહેરમાં ઉપલબ્ધ માહિતી અને તૃતીય-પક્ષ ભાગીદારો પાસેથી મળતી માહિતી શામેલ છે. આ લેખમાં વર્ણવ્યા મુજબ, અમે સમગ્ર ટ્રેનિંગ પ્રક્રિયા દરમિયાન સુરક્ષા ઉપાયો લાગુ કરીએ છીએ, જેમાં ટ્રેનિંગ પ્રક્રિયામાં વ્યક્તિગત માહિતીનું પ્રોસેસિંગ ઘટાડવા અને જોખમો ઘટાડવા માટે રચાયેલા પગલાં શામેલ છે. ટ્રેનિંગ માહિતીમાં શામેલ વ્યક્તિગત માહિતીના અમારા સંગ્રહ અને ઉપયોગનો આધાર અમે GDPR જેવા પ્રાઇવસી કાયદાઓ હેઠળના કાયદેસર હિતો પર રાખીએ છીએ, જેમાં વપરાશકર્તાઓ અને વ્યાપક સમાજ માટે અમારા મોડલને ટ્રેન અને સુધારવા શામેલ છે, જેથી આર્ટિફિશિયલ જનરલ ઇન્ટેલિજન્સ દરેકને લાભ આપે તે સુનિશ્ચિત કરવાના અમારા મિશન સાથે સુસંગત રહે, જેમ અમારી પ્રાઇવસી પોલિસીમાં વધુ વિગતે સમજાવ્યું છે. અમે આ માહિતી કાયદેસર અને જવાબદારીપૂર્વક એકત્રિત અને ઉપયોગ કરી રહ્યા છીએ તેની ખાતરી કરવામાં મદદ માટે ડેટા પ્રોટેક્શન ઇમ્પેક્ટ અસેસમેન્ટ પૂર્ણ કર્યું છે.

માહિતી ક્યારે શેર અથવા ટ્રાન્સફર થઈ શકે છે

અમે વ્યક્તિગત માહિતી “વેચતા” નથી, અને ટ્રેનિંગ ડેટામાંની વ્યક્તિગત માહિતી માત્ર અમારી પ્રાઇવસી પોલિસીમાં વર્ણવેલી મર્યાદિત પરિસ્થિતિઓમાં જ જાહેર કરીએ છીએ. ઉદાહરણ તરીકે, અમે અમારા મોડલના વિકાસ, પરીક્ષણ અને સુધારાને સમર્થન આપતા અફિલિએટ્સ, વેન્ડર્સ અને સેવા પ્રદાતાઓ સાથે માહિતી શેર કરી શકીએ છીએ. અમારી પ્રાઇવસી પોલિસીમાં વર્ણવ્યા મુજબ, કાનૂની ફરજનું પાલન કરવા અથવા અમારા અને અમારા વપરાશકર્તાઓ, કર્મચારીઓ અથવા જનતાના અધિકારો, સલામતી અને સુરક્ષાની રક્ષા કરવા આવી કાર્યવાહી જરૂરી છે તેવી સદ્ભાવનાપૂર્વકની માન્યતા હોય ત્યારે અમે માહિતી જાહેર પણ કરી શકીએ છીએ.

અમારું ઇન્ફ્રાસ્ટ્રક્ચર વૈશ્વિક હોવાથી, ટ્રેનિંગ ડેટામાંની વ્યક્તિગત માહિતી EEA, સ્વિટ્ઝર્લૅન્ડ અથવા UKની બહારના દેશોમાં (યુનાઇટેડ સ્ટેટ્સ સહિત) પ્રોસેસ થઈ શકે છે. જ્યાં આવું થાય છે, ત્યાં અમે યોગ્ય સુરક્ષા ઉપાયો લાગુ કરીએ છીએ, જેમ કે એડિક્વસી ડિસિઝન્સ અથવા સ્ટાન્ડર્ડ કોન્ટ્રાક્ચ્યુઅલ ક્લોઝેસ, જેમ અમારી પ્રાઇવસી પોલિસીમાં વર્ણવ્યું છે.

તમારા અધિકારો અને તેનો ઉપયોગ કેવી રીતે કરવો

અમે વાંધાની વિનંતીઓ અને સમાન અધિકારોની વિનંતીઓનો જવાબ આપીએ છીએ. ભાષા શીખવાના પરિણામે, ChatGPTના જવાબોમાં ક્યારેક એવી વ્યક્તિઓ વિશેની વ્યક્તિગત માહિતી શામેલ થઈ શકે છે જેમની વ્યક્તિગત માહિતી જાહેર ઇન્ટરનેટ પર ઘણી વાર દેખાય છે (ઉદાહરણ તરીકે, જાહેર વ્યક્તિઓ). કેટલાક અધિકારક્ષેત્રોમાં વ્યક્તિઓ અમારા મોડલ દ્વારા તેમની વ્યક્તિગત માહિતીના પ્રોસેસિંગ સામે વાંધો ઉઠાવી શકે છે અથવા અમારા પ્રાઇવસી પોર્ટલ દ્વારા અન્ય ડેટા સબજેક્ટ અધિકારોની વિનંતીઓ કરી શકે છે. તમે privacy@openai.com પર સંપર્ક કરીને પણ આ અધિકારોનો ઉપયોગ કરી શકો છો. 

તમારી વિનંતીનું મૂલ્યાંકન કરીને તેનો જવાબ આપવા માટે, કૃપા કરીને અમને એટલી માહિતી આપો કે અમે સમજી શકીએ કે તમારી વિનંતી કઈ વ્યક્તિગત માહિતી સંબંધિત છે, જેમ કે તમારું નામ, સંબંધિત URLs, મોડલ આઉટપુટના ચોક્કસ ઉદાહરણો અથવા સમસ્યા ઓળખવામાં મદદ કરતી અન્ય વિગતો. કેટલાક કેસોમાં, અમે કાર્યવાહી કરી શકીએ તે પહેલાં તમને તમારી ઓળખ ચકાસવા અથવા માહિતી તમારાથી સંબંધિત છે તેની પુષ્ટિ કરવા કહી શકીએ છીએ. આ વિનંતીઓ કેવી રીતે સબમિટ કરવી તેની વધુ માહિતી, જેમાં શ્રેષ્ઠ પ્રથાઓ અને વિનંતીઓની સમીક્ષા કેવી રીતે થાય છે તે શામેલ છે, ChatGPTમાંથી વ્યક્તિગત ડેટા દૂર કરવા અંગેના અમારા હેલ્પ સેન્ટર લેખમાં ઉપલબ્ધ છે. અમે લાગુ પડતા પ્રાઇવસી કાયદાઓ અનુસાર વિનંતીઓની સમીક્ષા કરીએ છીએ અને લાગુ પડતી કાનૂની સમયમર્યાદામાં જવાબ આપીએ છીએ.

કૃપા કરીને ધ્યાન રાખો કે પ્રાઇવસી કાયદાઓ અનુસાર, કેટલાક અધિકારો સંપૂર્ણ હોઈ શકે નહીં. ઉદાહરણ તરીકે, જ્યાં અમે સંબંધિત માહિતી ચકાસી શકતા નથી, જ્યાં વિનંતી OpenAI દ્વારા પ્રોસેસ કરાયેલી વ્યક્તિગત માહિતી સાથે સંબંધિત નથી, જ્યાં કોઈ છૂટ લાગુ પડે છે, અથવા જ્યાં અમારે આવું કરવા માટે બીજું કાયદેસર કારણ હોય, ત્યાં અમે વિનંતી પૂરી કરી શકીએ નહીં. વિનંતીઓનું મૂલ્યાંકન દરેક કેસના આધારે કરવામાં આવે છે અને તેમાં અભિવ્યક્તિની સ્વતંત્રતા અને જાહેર હિત જેવી અન્ય મહત્વપૂર્ણ બાબતો સામે પ્રાઇવસી અધિકારોનું સંતુલન કરવું સામેલ થઈ શકે છે. 

તથાપિ, અમે વ્યક્તિગત માહિતીના રક્ષણને પ્રાથમિકતા આપવા પ્રયત્ન કરીએ છીએ અને લાગુ પડતા તમામ પ્રાઇવસી કાયદાઓનું પાલન કરીએ છીએ. જો તમને લાગે કે અમે કોઈ મુદ્દાનો પૂરતો ઉકેલ લાવ્યો નથી, તો તમને તમારી સ્થાનિક દેખરેખ સત્તા સમક્ષ ફરિયાદ નોંધાવવાનો અધિકાર છે.

તમે અમારી વેબસાઇટ, ઍપ્લિકેશન્સ અને સેવાઓનો ઉપયોગ કરો ત્યારે અમે તમારી પાસેથી અથવા તમારા વિશે એકત્રિત કરતી વ્યક્તિગત માહિતી સંબંધિત OpenAIની પ્રથાઓ વિશે વધુ માહિતી માટે, કૃપા કરીને અમારી પ્રાઇવસી પોલિસી જુઓ.