OpenAIの基盤モデル（ChatGPTを動かすモデルを含む）は、次の3つの主要な情報源を使用して開発されています。(1) インターネット上で公開されている情報、(2) サードパーティと提携してアクセスする情報、(3) ユーザー、人間のトレーナー、研究者が提供または生成する情報。
ChatGPT で使用されているような基盤モデルの開発には、トレーニングデータの準備、事前学習、事後学習などの複数の段階に加え、デプロイ後の継続的な評価と改善が含まれます。これらの段階では、モデルの性能、信頼性、安全性の向上など、さまざまな目的で異なる種類の情報が使用される場合があります。
この記事では、これらのモデルの開発に役立てるために当社が使用する情報の概要や、プライバシー関連法を遵守しながら当社がその情報をどのように収集・利用するか、またトレーニングプロセス全体を通じて当社が適用する保護措置について説明します。当社サービスのユーザーから情報を収集・利用する方法（ChatGPT の会話が当社モデルの改善に役立てるために使用されないようにオプトアウトする方法を含む）については、当社のプライバシーポリシーおよびこちらのヘルプセンター記事をご覧ください。
ChatGPTとは何ですか? また、どのように機能しますか?
ChatGPT は、インターネットまたはアプリ経由で利用できる人工知能ベースのサービスです。ChatGPT は、情報の整理や要約、翻訳の支援、コーディングの支援、調査や分析、複数のツールをまたいだマルチステップのタスクの実行、画像の分析や生成、創造性やアイデアの促進、その他の日常的な活動など、幅広いタスクに利用できます。ChatGPT は、テキスト、画像、音声、動画を含む大量の情報からパターンを学習することで、ユーザーの質問や指示を理解し、それに応答するように設計されています。
学習中、モデルはこのデータ内の関係性、例えば文脈の中で複数の単語が通常どのように一緒に現れるかを分析し、その理解を活用して、回答を生成する際に次に出てくる可能性が最も高い単語を一語ずつ予測します。テキストはより小さな単位に変換される場合があります。この単位は「トークン」と呼ばれることがあり、単語全体、単語の一部、または句読点を表す場合があります。トークンは、モデルが処理するテキストの構成要素です。同様に、画像など他の形式のコンテンツを生成するモデルは、学習データ内で、ピクセル同士の関係性や、ピクセルとそれに関連するキャプションとの関係性のパターンを学習します。
たとえば、モデルの学習プロセス（「学習」と呼ばれる）中に、「彼女は左に曲がる代わりに___に曲がった」という文を完成させるタスクが与えられたとします。学習の初期段階では、その応答は大部分がランダムです。しかし、モデルは大量のテキストを処理し学習することで、パターンを認識し、次の単語を最も適切に予測する能力が向上します。このプロセスは、数百万の文にわたって繰り返されることで、理解が洗練され、正確性が向上していきます。
「彼女は左に曲がる代わりに右に曲がった」「回った」「戻った」など、文を完成させる妥当な方法は複数あるため、モデルの応答方法にはランダム性の要素が内在します。その結果、同じ質問に対して、クエリごとに異なる回答が返される可能性があります。
機械学習モデルは、「重み」または「パラメーター」と呼ばれる大量の数値と、それらの数値を解釈して使用するコードで構成されています。これらのモデルは、学習に使用したデータを保存したり保持したりしません。その代わりに、モデルが学習するにつれて、識別したパターンを反映するようにパラメータの値がわずかに調整されます。前の例では、モデルは、学習用の文を保存するのではなく、内部パラメータを更新することで、ランダムな単語を予測する段階から、より正確な予測を行う段階に改善されました。モデルは、学習中に処理した文章、画像、音声のコピーを保持しません。ChatGPT は学習データから「コピー アンド ペースト」しません。これは、人間の教師が多くの学習を経たとしても、元の資料をそのまま暗記したり再現したりするのではなく、アイデア間の関係を理解することで概念を説明することと似ています。ユーザーのリクエストに対する応答を生成するとき、モデルは学習した重みを使用して新しいコンテンツを予測および作成します。
ChatGPT の学習には、どのような種類の情報が使用されますか？
インターネット上で公開されているコンテンツについては、自由かつオープンにアクセスできる情報のみを使用しています。これには、一般に公開されているウェブページ、公開フォーラム、公開ブログ、公開投稿、およびその他の一般に公開されているオンラインコンテンツが含まれる場合があります。例えば、公開されているオンラインディスカッションフォーラムに参加したり、公開ブログやその他の投稿を行ったりした場合、当社はその一般にアクセス可能なコンテンツをモデルのトレーニング目的で使用することがあります。ただし、当社では学習プロセスにおける個人情報の処理を減らすための措置を講じています。 公開されているインターネット上のコンテンツを収集する際、当社は有料コンテンツであることやダークウェブ上の情報であることが判明している情報源から意図的にデータを収集しません。さらに、ヘイトスピーチ、アダルトコンテンツ、個人情報を収集するサイト、スパムなど、モデルに学習させたくない情報を除外するためにフィルターを適用しています。残った情報はその後、モデルの学習に使用されます。
ウェブサイト所有者は、robots.txt などの標準的なウェブ制御を使用して GPTBot を拒否することで、自身のサイトで公開されているコンテンツが学習に使用されるかどうかを管理できます。GPTBot は、当社のモデルの学習に役立てるため、公開されているコンテンツをクロールする場合があります。ウェブサイト所有者が、自身のサイトやコンテンツが当社の AI システムとどのようにやり取りするかを管理できるよう、ガイダンスを提供しています。
当社はまた、モデルのトレーニングと改善に役立てるため、サードパーティパートナーから得た情報も使用します。これには、サードパーティパートナーとの契約に基づいて当社がアクセスするデータセット内の情報のほか、当社のポリシーおよび契約で認められる場合には、人間のトレーナーおよび研究者によって提供または生成された情報が含まれる場合があります。これは、当社のモデルの品質、安全性、パフォーマンスの向上に役立ちます。これらのソースには、データセットに応じて、テキスト、画像、音声、動画、またはその他のデータ型が含まれる場合があります。
また、一部のトレーニングプロセスでは、合成データの使用も増えています。例えば、当社は、合成プロンプト、多言語の例、またはその他のトレーニング資料を生成するために、情報や当社のモデルを使用する場合があります。合成データは、データが少ない領域や偏りのある領域でトレーニングデータを補完することなどにより、モデルのパフォーマンス向上に役立ち、モデル開発におけるプライバシー強化型のアプローチを支援する可能性もあります。
個人情報はChatGPTを学習させるのに使用されますか?
オンラインコンテンツのかなりの部分には人に関する情報が含まれるため、当社のトレーニングデータには個人情報が付随的に含まれる場合があります。ただし、当社では、学習プロセスにおける個人情報の処理を減らすための措置を講じています。
当社は、予測、推論、問題解決などのモデルの能力を開発するために学習データを使用しており、個人のプロファイル作成や連絡、広告のパーソナライズには使用していません。
場合によっては、モデルは個人情報から学習して、名前や住所などの要素が言語でどのように機能するかを理解したり、著名人やよく知られた団体を認識したりすることがあります。これは、モデルがより正確で状況に適した応答を生成できるようにするためです。
学習中、個人情報はどのように保護されますか？
当社では、学習時に個人情報の処理を制限するため、積極的な措置を講じています。例えば、大量の個人データを集約することが知られている情報源を除外し、トレーニングプロセスに含まれる個人情報を減らすためにフィルタリングを適用し、トレーニングデータの重複を特定して削除することで、データの繰り返し使用のリスクを低減する措置を講じています。さらに、個人のプライベート情報や機密情報を求めるリクエストには応答しないよう、モデルを訓練しています。
当社が情報を保持する期間
当社は、この記事および当社のプライバシーポリシーに記載されている目的（モデルの開発および改善、ならびに関連する科学研究の目的を含みます）のために合理的に必要な期間に限り、トレーニングデータ内の情報を保持します。保持は、継続的な必要性を確認するために定期的な見直しの対象となり、情報の種類およびその利用方法によって異なります。保持期間の決定にあたっては、当社による情報処理の目的、情報の量、性質および機密性、不正使用または開示による潜在的な損害リスク、ならびに当社が従うべき法的義務などの要因を考慮します。
ChatGPTの開発はプライバシー関連法令をどのように遵守していますか?
当社は学習情報を適法に使用します。当社の基盤モデルは、アクセシビリティツール、カスタマーサポート、ソフトウェア開発、パーソナライズされた教育、科学研究など、幅広い有益な用途を支えています。こうした機能は、一般に公開されている情報やサードパーティパートナーからの情報を含む、大規模学習のデータに支えられています。当社は、この記事で説明しているように、学習プロセス全体を通じて保護措置を適用しています。これには、学習プロセスにおける個人情報の処理を抑制し、リスクを軽減するために設計された手順が含まれます。当社は、学習情報に含まれる個人情報の収集および利用を、GDPR などのプライバシー関連法における正当な利益に基づいて行っています。これには、汎用人工知能がすべての人に益をもたらすようにするという当社のミッションに沿って、ユーザーおよびより広範な社会のために当社のモデルをトレーニングおよび改善することが含まれます。詳細については、当社のプライバシーポリシーをご覧ください。当社は、この情報を合法的に、かつ責任ある方法で収集・使用していることを保証するため、データ保護影響評価を完了しています。
情報が共有または転送される場合
当社は個人情報を「販売」することはなく、トレーニングデータに含まれる個人情報については、当社のプライバシーポリシーに記載された限定的な状況においてのみ開示します。例えば、当社は、当社のモデルの開発、テスト、および改善を支援する関連会社、ベンダー、およびサービスプロバイダーと情報を共有する場合があります。また、当社のプライバシーポリシーに記載されているとおり、法的義務を遵守するため、または当社と当社のユーザー、従業員、もしくは一般の人々の権利、安全、およびセキュリティを保護するために、そのような措置が必要であると誠実に判断した場合、当社は情報を開示することがあります。
当社のインフラストラクチャはグローバルであるため、トレーニングデータに含まれる個人情報は、EEA、スイス、英国以外の国（米国を含む）で処理される場合があります。そのような場合には、当社のプライバシーポリシーに記載されているとおり、十分性認定または標準契約条項などの適切な保護措置を適用します。
お客様の権利とその行使方法
当社は、異議申し立ての請求および同様の権利に関する請求に対応します。 言語を学習した結果、ChatGPT の回答には、インターネット上で個人情報が複数回公開されている個人（著名人など）に関する個人情報が含まれる場合があります。特定の法域の個人は、当社のプライバシーポータルを通じて、当社のモデルによる自身の個人情報の処理に異議を申し立てたり、その他のデータ主体の権利に関する請求を行ったりすることができます。また、privacy@openai.com までご連絡いただくことで、これらの権利を行使することもできます。
お客様のリクエストを評価し、対応するため、お客様のリクエストがどの個人情報に関するものかを当社が理解できるよう、十分な情報をご提供ください。例えば、お名前、関連する URL、モデルの出力の具体例、または問題の特定に役立つその他の詳細情報などです。場合によっては、当社が対応を行う前に、本人確認、または当該情報がお客様に関するものであることの確認をお願いすることがあります。これらのリクエストの送信方法（ベストプラクティスやリクエストの審査方法を含む）についての詳細は、ChatGPT からの個人データの削除に関するヘルプセンターの記事でご確認いただけます。当社は、適用されるプライバシー法に従ってリクエストを確認し、適用される法定期限内に回答します。
プライバシー関連法に従い、一部の権利は絶対的なものではない場合があることにご留意ください。例えば、関連情報を確認できない場合、その請求が OpenAI によって処理される個人情報に関係しない場合、例外規定が適用される場合、または当社にその他の法的に正当な理由がある場合には、当社は請求に応じることができないことがあります。リクエストは個別に審査され、プライバシー権と、表現の自由や公共の利益などのその他の重要な考慮事項とのバランスを踏まえて判断される場合があります。
しかしながら、当社は個人情報の保護を優先するよう努め、適用されるすべてのプライバシー関連法令を遵守します。当社が問題に十分に対応していないと感じた場合は、お住まいの地域の監督機関に苦情を申し立てる権利があります。
OpenAI のウェブサイト、アプリケーション、およびサービスをご利用になる際に、当社がお客様から、またはお客様に関して収集する個人情報の取り扱いについて詳しくは、当社のプライバシーポリシーをご覧ください。