कैलिफ़ोर्निया सिविल कोड की धारा 3111 के अनुसार प्रशिक्षण डेटा सारांश

OpenAI कैलिफ़ोर्निया राज्य में सार्वजनिक रूप से उपलब्ध जनरेटिव AI सिस्टम प्रदान करता है. हम इन सिस्टम्स को अलग-अलग तरह के डेटा सोर्स का इस्तेमाल करके विकसित करते हैं, जिनमें पब्लिकली उपलब्ध डेटा, वह डेटा जिसे हम थर्ड पार्टियों के साथ पार्टनरशिप करके एक्सेस करते हैं, और वह जानकारी शामिल है जो हमारे यूज़र्स या ह्यूमन ट्रेनर्स और रिसर्चर्स मुहैया कराते हैं या जनरेट करते हैं. हम अपने सिस्टम्स को सिंथेटिक डेटा का इस्तेमाल करके भी विकसित करते हैं.


हम डेटा का इस्तेमाल करते हैं ताकि हमारे सिस्टम्स मानव भाषा और दुनिया को बेहतर ढंग से समझ सकें. यह, बदले में, हमारे सिस्टम्स को मानव रचनात्मकता को बढ़ाने, वैज्ञानिक खोज और चिकित्सा अनुसंधान को आगे बढ़ाने, और सैकड़ों मिलियन लोगों को अपने दैनिक जीवन को बेहतर बनाने में सक्षम बनाता है. हमारे सिस्टम ऐसे डेटासेट पर विकसित किए गए हैं जिनमें टेक्स्ट, इमेज, ऑडियो और ऑडियोविज़ुअल कंटेंट के खरबों टोकन शामिल हैं.


हम अपने सिस्टम विकसित करने के लिए विविध प्रकार के डेटा का इस्तेमाल करते हैं, जिसमें ऐसा डेटा शामिल है जो कॉपीराइट द्वारा संरक्षित हो सकता है और ऐसा डेटा भी जो सार्वजनिक डोमेन में है. हालाँकि हम अपने प्रशिक्षण डेटासेट में व्यक्तिगत जानकारी की मात्रा को कम करने के लिए कदम उठाते हैं, फिर भी हमारे कुछ डेटा में व्यक्तिगत जानकारी और समेकित उपभोक्ता जानकारी शामिल हो सकती है, जैसा कि कैलिफ़ोर्निया सिविल कोड की धारा 1798.140 में परिभाषित किया गया है. हमारे उपयोगकर्ताओं के पास हमारे प्राइवेसी पोर्टल का उपयोग करके अपने कॉन्टेंट को ट्रेनिंग के लिए इस्तेमाल किए जाने से बाहर निकलने, साथ ही ChatGPT के जवाबों से कुछ व्यक्तिगत जानकारी हटाने का अनुरोध करने की सुविधा है. हम अपने डेटासेट को प्रोसेस करने के लिए विभिन्न तकनीकों का उपयोग करते हैं, ताकि अपने मॉडल की परफ़ॉर्मेंस और एक्यूरेसी में सुधार कर सकें.


हमने अपने सिस्टम विकसित करने के लिए लगभग 2018 में डेटा एकत्र करना शुरू किया था, और हम आज भी डेटा एकत्र करना जारी रखते हैं. हमने 2021 में पहली बार सिस्टम्स डेवलपमेंट के लिए अपने डेटासेट्स का इस्तेमाल किया.


हमारे सिस्टमों के विकास के बारे में अतिरिक्त जानकारी हमारे सिस्टम कार्ड में पाई जा सकती है.