ChatGPT-നെ പ്രവർത്തിപ്പിക്കുന്ന മോഡലുകൾ ഉൾപ്പെടെ OpenAI-യുടെ ഫൗണ്ടേഷൻ മോഡലുകൾ മൂന്നു പ്രധാന വിവര സ്രോതസ്സുകൾ ഉപയോഗിച്ചാണ് വികസിപ്പിക്കുന്നത്: (1) ഇന്റർനെറ്റിൽ പൊതുവായി ലഭ്യമായ വിവരങ്ങൾ, (2) മൂന്നാം കക്ഷികളുമായുള്ള പങ്കാളിത്തത്തിലൂടെ ഞങ്ങൾ ആക്സസ് ചെയ്യുന്ന വിവരങ്ങൾ, (3) ഞങ്ങളുടെ ഉപയോക്താക്കളും മനുഷ്യ പരിശീലകരും ഗവേഷകരും നൽകുകയോ സൃഷ്ടിക്കുകയോ ചെയ്യുന്ന വിവരങ്ങൾ.

ChatGPT-ൽ ഉപയോഗിക്കുന്നതുപോലുള്ള ഫൗണ്ടേഷൻ മോഡലുകൾ വികസിപ്പിക്കുന്നതിൽ ട്രെയിനിംഗ് ഡാറ്റ തയ്യാറാക്കൽ, പ്രീ-ട്രെയിനിംഗ്, പോസ്റ്റ്-ട്രെയിനിംഗ് എന്നിവയും വിന്യസിച്ച ശേഷമുള്ള തുടർച്ചയായ മൂല്യനിർണയവും മെച്ചപ്പെടുത്തലും ഉൾപ്പെടെ നിരവധി ഘട്ടങ്ങൾ ഉൾപ്പെടുന്നു. മോഡൽ പ്രകടനം, വിശ്വാസ്യത, സുരക്ഷ എന്നിവ മെച്ചപ്പെടുത്തുന്നത് ഉൾപ്പെടെ വിവിധ ആവശ്യങ്ങൾക്കായി ഈ ഘട്ടങ്ങളിൽ വ്യത്യസ്ത തരം വിവരങ്ങൾ ഉപയോഗിക്കാം. 

ഈ മോഡലുകൾ വികസിപ്പിക്കാൻ സഹായിക്കുന്നതിന് ഞങ്ങൾ ഉപയോഗിക്കുന്ന വിവരങ്ങൾ, സ്വകാര്യതാ നിയമങ്ങൾ പാലിച്ചുകൊണ്ട് ആ വിവരങ്ങൾ ഞങ്ങൾ എങ്ങനെ ശേഖരിക്കുകയും ഉപയോഗിക്കുകയും ചെയ്യുന്നു, ട്രെയിനിംഗ് പ്രക്രിയയിലുടനീളം ഞങ്ങൾ പ്രയോഗിക്കുന്ന സംരക്ഷണ നടപടികൾ എന്നിവയുടെ ഒരു അവലോകനം ഈ ലേഖനം നൽകുന്നു. ഞങ്ങളുടെ സേവനങ്ങളുടെ ഉപയോക്താക്കളിൽ നിന്ന് വിവരങ്ങൾ ഞങ്ങൾ എങ്ങനെ ശേഖരിക്കുകയും ഉപയോഗിക്കുകയും ചെയ്യുന്നു എന്നതും, ഞങ്ങളുടെ മോഡലുകൾ മെച്ചപ്പെടുത്താൻ സഹായിക്കുന്നതിനായി ChatGPT സംഭാഷണങ്ങൾ ഉപയോഗിക്കുന്നത് ഒഴിവാക്കാനുള്ള മാർഗവും മനസ്സിലാക്കാൻ, ദയവായി ഞങ്ങളുടെ പ്രൈവസി പോളിസിയും ഈ ഹെൽപ്പ് സെന്റർ ലേഖനവും കാണുക.

ChatGPT എന്താണ്, അത് എങ്ങനെ പ്രവർത്തിക്കുന്നു?

ഇന്റർനെറ്റിലൂടെയോ ആപ്പിലൂടെയോ നിങ്ങൾക്ക് ആക്സസ് ചെയ്യാവുന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് അധിഷ്ഠിത സേവനമാണ് ChatGPT. വിവരങ്ങൾ ക്രമീകരിക്കുകയും സംഗ്രഹിക്കുകയും ചെയ്യൽ, വിവർത്തനങ്ങളിൽ സഹായിക്കൽ, കോഡിംഗ്, ഗവേഷണം, വിശകലനം എന്നിവയ്ക്ക് പിന്തുണ നൽകൽ, വിവിധ ഉപകരണങ്ങളിലുടനീളം പല ഘട്ടങ്ങളുള്ള ജോലികൾ പൂർത്തിയാക്കൽ, ചിത്രങ്ങൾ വിശകലനം ചെയ്യുകയോ സൃഷ്ടിക്കുകയോ ചെയ്യൽ, സർഗാത്മകതയ്ക്കും ആശയങ്ങൾക്കും പ്രചോദനം നൽകൽ, മറ്റ് ദൈനംദിന പ്രവർത്തനങ്ങൾ എന്നിവ ഉൾപ്പെടെ വിപുലമായ ജോലികൾക്കായി നിങ്ങൾക്ക് ChatGPT ഉപയോഗിക്കാം. ടെക്സ്റ്റ്, ചിത്രങ്ങൾ, ഓഡിയോ, വീഡിയോ എന്നിവ ഉൾപ്പെടെയുള്ള വലിയ അളവിലുള്ള വിവരങ്ങളിൽ നിന്ന് പാറ്റേണുകൾ പഠിച്ച് ഉപയോക്തൃ ചോദ്യങ്ങളും നിർദ്ദേശങ്ങളും മനസ്സിലാക്കാനും അവയ്ക്ക് മറുപടി നൽകാനുമാണ് ChatGPT രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. 

ട്രെയിനിംഗ് സമയത്ത്, ഈ ഡാറ്റയിലെ ബന്ധങ്ങൾ മോഡൽ വിശകലനം ചെയ്യുന്നു—ഉദാഹരണത്തിന്, സന്ദർഭത്തിൽ വാക്കുകൾ സാധാരണയായി എങ്ങനെ ഒരുമിച്ച് പ്രത്യക്ഷപ്പെടുന്നു എന്നത്—മറുപടി സൃഷ്ടിക്കുമ്പോൾ ഓരോ വാക്കായി അടുത്തതായി വരാൻ ഏറ്റവും സാധ്യതയുള്ള വാക്ക് പ്രവചിക്കാൻ ആ ധാരണ ഉപയോഗിക്കുന്നു. ടെക്സ്റ്റിനെ ചിലപ്പോൾ “ടോക്കണുകൾ” എന്ന് വിളിക്കുന്ന ചെറു യൂണിറ്റുകളാക്കി മാറ്റാം; അവ മുഴുവൻ വാക്കുകളെയോ വാക്കുകളുടെ ഭാഗങ്ങളെയോ വിരാമചിഹ്നങ്ങളെയോ പ്രതിനിധീകരിച്ചേക്കാം. മോഡൽ പ്രോസസ് ചെയ്യുന്ന ടെക്സ്റ്റിന്റെ അടിസ്ഥാന ഘടകങ്ങളാണ് ടോക്കണുകൾ. അതുപോലെ, ചിത്രങ്ങൾ പോലുള്ള മറ്റ് തരത്തിലുള്ള ഉള്ളടക്കം സൃഷ്ടിക്കുന്ന മോഡലുകൾ ട്രെയിനിംഗ് ഡാറ്റയിൽ പിക്സലുകൾ തമ്മിലും അനുബന്ധ അടിക്കുറിപ്പുകളുമായും ഉള്ള ബന്ധങ്ങളിൽ കാണുന്ന പാറ്റേണുകൾ പഠിക്കുന്നു.

ഉദാഹരണത്തിന്, മോഡലിന്റെ പഠന പ്രക്രിയയിൽ (“ട്രെയിനിംഗ്” എന്ന് അറിയപ്പെടുന്നു), “ഇടത്തേക്ക് തിരിയുന്നതിന് പകരം, അവൾ ___ തിരിഞ്ഞു.” എന്നതുപോലുള്ള ഒരു വാക്യം പൂർത്തിയാക്കാൻ മോഡലിനോട് ആവശ്യപ്പെട്ടേക്കാം. ട്രെയിനിംഗിന്റെ തുടക്കത്തിൽ അതിന്റെ മറുപടികൾ മിക്കവാറും ക്രമരഹിതമായിരിക്കും. എന്നാൽ വലിയ അളവിലുള്ള ടെക്സ്റ്റ് മോഡൽ പ്രോസസ് ചെയ്ത് അതിൽ നിന്ന് പഠിക്കുമ്പോൾ, പാറ്റേണുകൾ തിരിച്ചറിയുന്നതിലും അടുത്തതായി വരാൻ ഏറ്റവും സാധ്യതയുള്ള വാക്ക് പ്രവചിക്കുന്നതിലും അത് കൂടുതൽ മികച്ചതാകുന്നു. അതിന്റെ ധാരണ മെച്ചപ്പെടുത്താനും കൃത്യത വർധിപ്പിക്കാനും ഈ പ്രക്രിയ ലക്ഷക്കണക്കിന് വാക്യങ്ങളിൽ ആവർത്തിക്കുന്നു.

ഒരു വാക്യം പൂർത്തിയാക്കാൻ പല സാധ്യതയുള്ള മാർഗങ്ങൾ ഉള്ളതിനാൽ—“ഇടത്തേക്ക് തിരിയുന്നതിന് പകരം, അവൾ വലത്തേക്ക് തിരിഞ്ഞു,” “ചുറ്റും,” അല്ലെങ്കിൽ “പിന്നിലേക്ക്” എന്നിങ്ങനെ—മോഡൽ മറുപടി നൽകുന്ന രീതിയിൽ സ്വാഭാവികമായൊരു ക്രമരാഹിത്യ ഘടകം ഉണ്ട്. ഫലമായി, ഒരേ ചോദ്യം വ്യത്യസ്ത തവണ ചോദിക്കുമ്പോൾ വ്യത്യസ്ത ഉത്തരങ്ങൾ ലഭിക്കാം.

മെഷീൻ ലേണിംഗ് മോഡലുകൾ “വെയിറ്റുകൾ” അല്ലെങ്കിൽ “പാരാമീറ്ററുകൾ” എന്നറിയപ്പെടുന്ന വലിയ സംഖ്യാ സമുച്ചയങ്ങളും, ആ സംഖ്യകളെ വ്യാഖ്യാനിക്കുകയും ഉപയോഗിക്കുകയും ചെയ്യുന്ന കോഡും ചേർന്നതാണ്. ഈ മോഡലുകൾക്ക് ട്രെയിനിംഗ് നൽകിയ ഡാറ്റയുടെ പകർപ്പുകൾ അവ സംഭരിക്കുകയോ നിലനിർത്തുകയോ ചെയ്യുന്നില്ല. അതിനു പകരം, ഒരു മോഡൽ പഠിക്കുമ്പോൾ, അത് തിരിച്ചറിഞ്ഞ പാറ്റേണുകൾ പ്രതിഫലിപ്പിക്കുന്നതിന് അതിന്റെ പാരാമീറ്ററുകളുടെ മൂല്യങ്ങൾ ചെറിയ തോതിൽ ക്രമീകരിക്കപ്പെടുന്നു. മുമ്പത്തെ ഉദാഹരണത്തിൽ, ട്രെയിനിംഗ് വാക്യങ്ങൾ സംഭരിച്ചതുകൊണ്ടല്ല, മറിച്ച് ആന്തരിക പാരാമീറ്ററുകൾ അപ്ഡേറ്റ് ചെയ്തുകൊണ്ടാണ് മോഡൽ ക്രമരഹിതമായ വാക്കുകൾ പ്രവചിക്കുന്നതിൽ നിന്ന് കൂടുതൽ കൃത്യമായ പ്രവചനങ്ങളിലേക്ക് മെച്ചപ്പെട്ടത്. ട്രെയിനിംഗ് സമയത്ത് പ്രോസസ് ചെയ്യുന്ന വാക്യങ്ങളുടെയോ ചിത്രങ്ങളുടെയോ ഓഡിയോയുടെയോ പകർപ്പുകൾ മോഡൽ നിലനിർത്തുന്നില്ല. ChatGPT അതിന്റെ ട്രെയിനിംഗ് ഡാറ്റയിൽ നിന്ന് “കോപ്പി പേസ്റ്റ്” ചെയ്യുന്നില്ല—വ്യാപകമായി പഠിച്ച ശേഷം ഒരു അധ്യാപകൻ യഥാർത്ഥ സാമഗ്രികൾ വാക്കിന് വാക്ക് മനഃപാഠമാക്കുകയോ പുനരുത്പാദിപ്പിക്കുകയോ ചെയ്യാതെ ആശയങ്ങൾ തമ്മിലുള്ള ബന്ധം മനസ്സിലാക്കി ആശയങ്ങൾ വിശദീകരിക്കുന്നതുപോലെ. ഉപയോക്തൃ അഭ്യർത്ഥനയ്ക്ക് മറുപടി സൃഷ്ടിക്കുമ്പോൾ, പുതിയ ഉള്ളടക്കം പ്രവചിക്കുകയും സൃഷ്ടിക്കുകയും ചെയ്യാൻ മോഡൽ പഠിച്ച ഈ വെയിറ്റുകൾ ഉപയോഗിക്കുന്നു.

ChatGPT-നെ പഠിപ്പിക്കാൻ ഏത് തരത്തിലുള്ള വിവരങ്ങളാണ് ഉപയോഗിക്കുന്നത്?

പൊതുവായി ലഭ്യമായ ഇന്റർനെറ്റ് ഉള്ളടക്കത്തിനായി, ഇന്റർനെറ്റിൽ സൗജന്യമായും തുറന്നും ആക്സസ് ചെയ്യാവുന്ന വിവരങ്ങൾ മാത്രമാണ് ഞങ്ങൾ ഉപയോഗിക്കുന്നത്. ഇതിൽ പൊതുവായി ലഭ്യമായ വെബ്‌പേജുകൾ, പൊതു ഫോറങ്ങൾ, പൊതു ബ്ലോഗുകൾ, പൊതു പോസ്റ്റുകൾ, പൊതുവായി ലഭ്യമായ മറ്റ് ഓൺലൈൻ ഉള്ളടക്കം എന്നിവ ഉൾപ്പെടാം. ഉദാഹരണത്തിന്, പൊതുവായി ലഭ്യമായ ഒരു ഓൺലൈൻ ചർച്ചാ ഫോറത്തിൽ നിങ്ങൾ പങ്കെടുക്കുകയോ ഒരു പൊതു ബ്ലോഗോ മറ്റൊരു പോസ്റ്റോ പ്രസിദ്ധീകരിക്കുകയോ ചെയ്താൽ, മോഡൽ ട്രെയിനിംഗ് ആവശ്യങ്ങൾക്കായി ആ പൊതുവായി ആക്സസ് ചെയ്യാവുന്ന ഉള്ളടക്കം ഞങ്ങൾ ഉപയോഗിച്ചേക്കാം. എന്നിരുന്നാലും, ഞങ്ങളുടെ ട്രെയിനിംഗ് പ്രക്രിയയിൽ വ്യക്തിഗത വിവരങ്ങളുടെ പ്രോസസിംഗ് കുറയ്ക്കാൻ ഞങ്ങൾ നടപടികൾ സ്വീകരിക്കുന്നു.  പൊതുവായി ലഭ്യമായ ഇന്റർനെറ്റ് ഉള്ളടക്കം ശേഖരിക്കുമ്പോൾ, പേവാളുകൾക്ക് പിന്നിലാണെന്ന് അറിയപ്പെടുന്ന ഉറവിടങ്ങളിൽ നിന്നോ ഡാർക്ക് വെബിൽ നിന്നോ ഡാറ്റ ഞങ്ങൾ ഉദ്ദേശപൂർവ്വം ശേഖരിക്കുന്നില്ല. കൂടാതെ, വിദ്വേഷ പ്രസംഗം, പ്രായപൂർത്തിയായവർക്കുള്ള ഉള്ളടക്കം, വ്യക്തിഗത വിവരങ്ങൾ സമാഹരിക്കുന്ന സൈറ്റുകൾ, സ്പാം തുടങ്ങിയ ഞങ്ങളുടെ മോഡലുകൾ പഠിക്കരുതെന്ന് ഞങ്ങൾ ആഗ്രഹിക്കുന്ന സാമഗ്രികൾ നീക്കംചെയ്യാൻ ഞങ്ങൾ ഫിൽട്ടറുകൾ പ്രയോഗിക്കുന്നു. ശേഷിക്കുന്ന വിവരങ്ങൾ പിന്നീട് ഞങ്ങളുടെ മോഡലുകൾക്ക് ട്രെയിനിംഗ് നൽകാൻ ഉപയോഗിക്കുന്നു. 

ഞങ്ങളുടെ മോഡലുകൾക്ക് ട്രെയിനിംഗ് നൽകാൻ സഹായിക്കുന്നതിനായി പൊതുവായി ലഭ്യമായ ഉള്ളടക്കം ക്രോൾ ചെയ്യാവുന്ന GPTBot-നെ തടയാൻ robots.txt പോലുള്ള സ്റ്റാൻഡേർഡ് വെബ് നിയന്ത്രണങ്ങൾ ഉപയോഗിച്ച്, തങ്ങളുടെ സൈറ്റുകളിൽ നിന്നുള്ള പൊതുവായി ലഭ്യമായ ഉള്ളടക്കം ട്രെയിനിംഗിൽ ഉപയോഗിക്കുന്നതിനായി ആക്സസ് ചെയ്യാമോ എന്ന് വെബ്സൈറ്റ് ഉടമകൾക്ക് നിയന്ത്രിക്കാം. വെബ്സൈറ്റ് ഉടമകൾക്ക് അവരുടെ സൈറ്റുകളും ഉള്ളടക്കവും ഞങ്ങളുടെ AI സിസ്റ്റങ്ങളുമായി എങ്ങനെ ഇടപെടുന്നു എന്ന് നിയന്ത്രിക്കാൻ സഹായിക്കുന്നതിന് ഞങ്ങൾ മാർഗ്ഗനിർദ്ദേശം നൽകുന്നു. 

ഞങ്ങളുടെ മോഡലുകൾക്ക് ട്രെയിനിംഗ് നൽകാനും അവ മെച്ചപ്പെടുത്താനും മൂന്നാം കക്ഷി പങ്കാളികളിൽ നിന്നുള്ള വിവരങ്ങളും ഞങ്ങൾ ഉപയോഗിക്കുന്നു. മൂന്നാം കക്ഷികളുമായുള്ള കരാറുകൾ വഴി ഞങ്ങൾ ആക്സസ് ചെയ്യുന്ന ഡാറ്റാസെറ്റുകളിലെ വിവരങ്ങളും, ഞങ്ങളുടെ നയങ്ങളും കരാറുകളും അനുവദിക്കുന്നിടത്ത് മനുഷ്യ പരിശീലകരും ഗവേഷകരും നൽകുകയോ സൃഷ്ടിക്കുകയോ ചെയ്യുന്ന വിവരങ്ങളും ഇതിൽ ഉൾപ്പെടാം. ഇത് ഞങ്ങളുടെ മോഡലുകളുടെ ഗുണമേന്മ, സുരക്ഷ, പ്രകടനം എന്നിവ മെച്ചപ്പെടുത്താൻ സഹായിക്കുന്നു. ഡാറ്റാസെറ്റിനെ ആശ്രയിച്ച്, ഈ ഉറവിടങ്ങളിൽ ടെക്സ്റ്റ്, ചിത്രങ്ങൾ, ഓഡിയോ, വീഡിയോ, അല്ലെങ്കിൽ മറ്റ് ഡാറ്റാ തരങ്ങൾ ഉൾപ്പെടാം.

ചില ട്രെയിനിംഗ് പ്രക്രിയകളിൽ ഞങ്ങൾ സിന്തറ്റിക് ഡാറ്റയും കൂടുതൽ കൂടുതലായി ഉപയോഗിക്കുന്നു. ഉദാഹരണത്തിന്, സിന്തറ്റിക് പ്രോംപ്റ്റുകൾ, ബഹുഭാഷാ ഉദാഹരണങ്ങൾ, അല്ലെങ്കിൽ മറ്റ് ട്രെയിനിംഗ് സാമഗ്രികൾ സൃഷ്ടിക്കാൻ ഞങ്ങൾ വിവരങ്ങളും ഞങ്ങളുടെ മോഡലുകളും ഉപയോഗിച്ചേക്കാം. ഡാറ്റ കുറവോ അസന്തുലിതമോ ആയ മേഖലകളിൽ ട്രെയിനിംഗ് ഡാറ്റയ്ക്ക് പൂരകമായി ഉപയോഗിക്കുന്നത് ഉൾപ്പെടെ, മോഡൽ പ്രകടനം മെച്ചപ്പെടുത്താൻ സിന്തറ്റിക് ഡാറ്റ സഹായിക്കും; കൂടാതെ മോഡൽ വികസനത്തിലെ സ്വകാര്യത വർധിപ്പിക്കുന്ന സമീപനങ്ങളെയും അത് പിന്തുണയ്ക്കാം.

ChatGPT-നെ പഠിപ്പിക്കാൻ വ്യക്തിഗത വിവരങ്ങൾ ഉപയോഗിക്കുന്നുണ്ടോ?

ഓൺലൈൻ ഉള്ളടക്കത്തിന്റെ ഗണ്യമായൊരു ഭാഗം ആളുകളെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഉൾക്കൊള്ളുന്നതിനാൽ, ഞങ്ങളുടെ ട്രെയിനിംഗ് ഡാറ്റയിൽ യാദൃച്ഛികമായി വ്യക്തിഗത വിവരങ്ങൾ ഉൾപ്പെട്ടേക്കാം. എന്നിരുന്നാലും, ഞങ്ങളുടെ ട്രെയിനിംഗ് പ്രക്രിയയിൽ വ്യക്തിഗത വിവരങ്ങളുടെ പ്രോസസിംഗ് കുറയ്ക്കാൻ ഞങ്ങൾ നടപടികൾ സ്വീകരിക്കുന്നു.

വ്യക്തികളുടെ പ്രൊഫൈലുകൾ നിർമ്മിക്കാനോ അവരെ ബന്ധപ്പെടാനോ അവർക്കായി പരസ്യങ്ങൾ വ്യക്തിഗതമാക്കാനോ അല്ല, മറിച്ച് പ്രവചനം, റീസണിംഗ്, പ്രശ്നപരിഹാരം തുടങ്ങിയ മോഡലിന്റെ കഴിവുകൾ വികസിപ്പിക്കാനാണ് ഞങ്ങൾ ട്രെയിനിംഗ് ഡാറ്റ ഉപയോഗിക്കുന്നത്.

ചില സാഹചര്യങ്ങളിൽ, പേരുകളും വിലാസങ്ങളും പോലുള്ള ഘടകങ്ങൾ ഭാഷയിൽ എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്ന് മനസ്സിലാക്കാനോ പൊതു വ്യക്തികളെയും അറിയപ്പെടുന്ന സ്ഥാപനങ്ങളെയും തിരിച്ചറിയാനോ മോഡലുകൾ വ്യക്തിഗത വിവരങ്ങളിൽ നിന്ന് പഠിച്ചേക്കാം. കൂടുതൽ കൃത്യവും സന്ദർഭോചിതവുമായ മറുപടികൾ സൃഷ്ടിക്കാൻ ഇത് മോഡലിനെ സഹായിക്കുന്നു.

ട്രെയിനിംഗ് സമയത്ത് വ്യക്തിഗത വിവരങ്ങൾ എങ്ങനെ സംരക്ഷിക്കുന്നു?

ട്രെയിനിംഗ് സമയത്ത് വ്യക്തിഗത വിവരങ്ങളുടെ പ്രോസസിംഗ് പരിമിതപ്പെടുത്താൻ ഞങ്ങൾ സജീവ നടപടികൾ സ്വീകരിക്കുന്നു. ഉദാഹരണത്തിന്, വലിയ അളവിലുള്ള വ്യക്തിഗത ഡാറ്റ സമാഹരിക്കുന്നതായി അറിയപ്പെടുന്ന ഉറവിടങ്ങളെ ഞങ്ങൾ ഒഴിവാക്കുകയും, ട്രെയിനിംഗ് പ്രക്രിയയിലെ വ്യക്തിഗത വിവരങ്ങൾ കുറയ്ക്കാൻ ഫിൽട്ടറിംഗ് പ്രയോഗിക്കുകയും, ട്രെയിനിംഗ് ഡാറ്റ ആവർത്തിക്കപ്പെടാനുള്ള അപകടസാധ്യത കുറയ്ക്കുന്നതിന് പകർത്തിയ ഉള്ളടക്കം തിരിച്ചറിയാനും നീക്കംചെയ്യാനും നടപടികൾ സ്വീകരിക്കുകയും ചെയ്യുന്നു. കൂടാതെ, വ്യക്തികളെക്കുറിച്ചുള്ള സ്വകാര്യമോ സൂക്ഷ്മമോ ആയ വിവരങ്ങൾ ആവശ്യപ്പെടുന്ന അഭ്യർത്ഥനകൾക്ക് മറുപടി നൽകുന്നത് ഒഴിവാക്കാൻ ഞങ്ങളുടെ മോഡലുകൾക്ക് ഞങ്ങൾ ട്രെയിനിംഗ് നൽകുന്നു. 

വിവരങ്ങൾ ഞങ്ങൾ എത്രകാലം നിലനിർത്തുന്നു

ഈ ലേഖനത്തിലും ഞങ്ങളുടെ പ്രൈവസി പോളിസിയിലും വിവരിച്ചിരിക്കുന്ന ആവശ്യങ്ങൾക്കായി ന്യായമായും ആവശ്യമായ കാലത്തേക്ക് മാത്രമാണ് ഞങ്ങൾ ട്രെയിനിംഗ് ഡാറ്റയിലെ വിവരങ്ങൾ നിലനിർത്തുന്നത്; ഞങ്ങളുടെ മോഡലുകൾ വികസിപ്പിക്കുകയും മെച്ചപ്പെടുത്തുകയും ചെയ്യുന്നതും ബന്ധപ്പെട്ട ശാസ്ത്രീയ ഗവേഷണ ആവശ്യങ്ങളും ഇതിൽ ഉൾപ്പെടുന്നു. തുടർച്ചയായ ആവശ്യമുണ്ടെന്ന് ഉറപ്പാക്കാൻ നിലനിർത്തൽ ഇടയ്ക്കിടെ അവലോകനത്തിന് വിധേയമാണ്; വിവരത്തിന്റെ തരവും അത് എങ്ങനെ ഉപയോഗിക്കുന്നു എന്നതും അനുസരിച്ച് ഇത് വ്യത്യാസപ്പെടുന്നു. നിലനിർത്തൽ നിർണ്ണയിക്കുമ്പോൾ, വിവരങ്ങൾ പ്രോസസ് ചെയ്യുന്ന ഞങ്ങളുടെ ഉദ്ദേശ്യം, വിവരങ്ങളുടെ അളവ്, സ്വഭാവം, സൂക്ഷ്മത, അനധികൃത ഉപയോഗം അല്ലെങ്കിൽ വെളിപ്പെടുത്തൽ മൂലമുണ്ടാകാവുന്ന ഹാനിയുടെ സാധ്യത, ഞങ്ങൾക്ക് ബാധകമായ നിയമബാധ്യതകൾ എന്നിവ പോലുള്ള ഘടകങ്ങൾ ഞങ്ങൾ പരിഗണിക്കുന്നു.

ChatGPT-യുടെ വികസനം സ്വകാര്യതാ നിയമങ്ങൾ എങ്ങനെ പാലിക്കുന്നു?

ഞങ്ങൾ ട്രെയിനിംഗ് വിവരങ്ങൾ നിയമാനുസൃതമായി ഉപയോഗിക്കുന്നു. ആക്സസിബിലിറ്റി ടൂളുകൾ, ഉപഭോക്തൃ പിന്തുണ, സോഫ്റ്റ്‌വെയർ വികസനം, വ്യക്തിഗതമാക്കിയ വിദ്യാഭ്യാസം, ശാസ്ത്രീയ ഗവേഷണം എന്നിവ ഉൾപ്പെടെ ഗുണകരമായ വിപുലമായ ആപ്ലിക്കേഷനുകൾക്ക് ഞങ്ങളുടെ ഫൗണ്ടേഷൻ മോഡലുകൾ ശക്തി നൽകുന്നു. ഈ കഴിവുകൾ പൊതുവായി ലഭ്യമായ വിവരങ്ങളും മൂന്നാം കക്ഷി പങ്കാളികളിൽ നിന്നുള്ള വിവരങ്ങളും ഉൾപ്പെടെയുള്ള ലാർജ്-സ്കേൽ ട്രെയിനിംഗ് ഡാറ്റയെ ആശ്രയിച്ചിരിക്കുന്നു. ഈ ലേഖനത്തിൽ വിവരിച്ചതുപോലെ, ട്രെയിനിംഗ് പ്രക്രിയയിൽ വ്യക്തിഗത വിവരങ്ങളുടെ പ്രോസസിംഗ് കുറയ്ക്കാനും അപകടസാധ്യതകൾ ലഘൂകരിക്കാനും രൂപകൽപ്പന ചെയ്ത നടപടികൾ ഉൾപ്പെടെ, ട്രെയിനിംഗ് പ്രക്രിയയിലുടനീളം ഞങ്ങൾ സംരക്ഷണ നടപടികൾ പ്രയോഗിക്കുന്നു. GDPR പോലുള്ള സ്വകാര്യതാ നിയമങ്ങൾക്കു കീഴിലുള്ള ന്യായമായ താൽപര്യങ്ങളുടെ അടിസ്ഥാനത്തിലാണ് ട്രെയിനിംഗ് വിവരങ്ങളിൽ ഉൾപ്പെടുന്ന വ്യക്തിഗത വിവരങ്ങൾ ഞങ്ങൾ ശേഖരിക്കുകയും ഉപയോഗിക്കുകയും ചെയ്യുന്നത്; ആർട്ടിഫിഷ്യൽ ജനറൽ ഇന്റലിജൻസ് എല്ലാവർക്കും ഗുണകരമാകുമെന്ന് ഉറപ്പാക്കാനുള്ള ഞങ്ങളുടെ ദൗത്യത്തിന് അനുസൃതമായി ഉപയോക്താക്കൾക്കും വിപുലമായ സമൂഹത്തിനുമായി ഞങ്ങളുടെ മോഡലുകൾക്ക് ട്രെയിനിംഗ് നൽകുകയും അവ മെച്ചപ്പെടുത്തുകയും ചെയ്യുന്നത് ഇതിൽ ഉൾപ്പെടുന്നു. ഇതിനെക്കുറിച്ച് കൂടുതൽ വിശദമായി ഞങ്ങളുടെ പ്രൈവസി പോളിസിയിൽ വിശദീകരിച്ചിരിക്കുന്നു. ഈ വിവരങ്ങൾ നിയമപരമായും ഉത്തരവാദിത്തത്തോടെയും ശേഖരിക്കുകയും ഉപയോഗിക്കുകയും ചെയ്യുന്നതായി ഉറപ്പാക്കാൻ സഹായിക്കുന്നതിന് ഞങ്ങൾ ഒരു ഡാറ്റ സംരക്ഷണ സ്വാധീന വിലയിരുത്തൽ പൂർത്തിയാക്കിയിട്ടുണ്ട്.

വിവരങ്ങൾ പങ്കിടുകയോ കൈമാറുകയോ ചെയ്യാവുന്ന സാഹചര്യങ്ങൾ

വ്യക്തിഗത വിവരങ്ങൾ ഞങ്ങൾ “വിൽക്കുന്നില്ല”; ഞങ്ങളുടെ പ്രൈവസി പോളിസിയിൽ വിവരിച്ചിരിക്കുന്ന പരിമിത സാഹചര്യങ്ങളിൽ മാത്രമാണ് ട്രെയിനിംഗ് ഡാറ്റയിലെ വ്യക്തിഗത വിവരങ്ങൾ വെളിപ്പെടുത്തുന്നത്. ഉദാഹരണത്തിന്, ഞങ്ങളുടെ മോഡലുകളുടെ വികസനം, പരിശോധന, മെച്ചപ്പെടുത്തൽ എന്നിവയ്ക്ക് പിന്തുണ നൽകുന്ന അനുബന്ധ സ്ഥാപനങ്ങൾ, വെൻഡർമാർ, സേവനദാതാക്കൾ എന്നിവരുമായി ഞങ്ങൾ വിവരങ്ങൾ പങ്കിട്ടേക്കാം. ഞങ്ങളുടെ പ്രൈവസി പോളിസിയിൽ വിവരിച്ചിരിക്കുന്നതുപോലെ, നിയമപരമായ ബാധ്യത പാലിക്കാനോ ഞങ്ങളുടേയും ഞങ്ങളുടെ ഉപയോക്താക്കളുടേയും ജീവനക്കാരുടേയും പൊതുജനങ്ങളുടേയും അവകാശങ്ങൾ, സുരക്ഷ, സംരക്ഷണം എന്നിവ സംരക്ഷിക്കാനോ അത്തരം നടപടി ആവശ്യമാണ് എന്ന് സദുദ്ദേശ്യത്തോടെ വിശ്വസിക്കുന്ന സാഹചര്യത്തിലും ഞങ്ങൾ വിവരങ്ങൾ വെളിപ്പെടുത്തിയേക്കാം.

ഞങ്ങളുടെ അടിസ്ഥാനസൗകര്യം ആഗോളമായതിനാൽ, ട്രെയിനിംഗ് ഡാറ്റയിലെ വ്യക്തിഗത വിവരങ്ങൾ EEA, സ്വിറ്റ്സർലൻഡ് അല്ലെങ്കിൽ UK എന്നിവയ്ക്ക് പുറത്തുള്ള രാജ്യങ്ങളിൽ (യുണൈറ്റഡ് സ്റ്റേറ്റ്സ് ഉൾപ്പെടെ) പ്രോസസ് ചെയ്യപ്പെട്ടേക്കാം. ഇത് സംഭവിക്കുന്നിടത്ത്, ഞങ്ങളുടെ പ്രൈവസി പോളിസിയിൽ വിവരിച്ചിരിക്കുന്നതുപോലെ, സമാനതാ തീരുമാനങ്ങളോ സ്റ്റാൻഡേർഡ് കരാർ വ്യവസ്ഥകളോ പോലുള്ള അനുയോജ്യമായ സംരക്ഷണ നടപടികൾ ഞങ്ങൾ പ്രയോഗിക്കുന്നു.

നിങ്ങളുടെ അവകാശങ്ങളും അവ വിനിയോഗിക്കാനുള്ള മാർഗവും

എതിർപ്പ് അഭ്യർത്ഥനകൾക്കും സമാനമായ അവകാശ അഭ്യർത്ഥനകൾക്കും ഞങ്ങൾ പ്രതികരിക്കുന്നു. ഭാഷ പഠിക്കുന്നതിന്റെ ഫലമായി, പൊതു ഇന്റർനെറ്റിൽ പലവട്ടം വ്യക്തിഗത വിവരങ്ങൾ പ്രത്യക്ഷപ്പെടുന്ന വ്യക്തികളെക്കുറിച്ചുള്ള വ്യക്തിഗത വിവരങ്ങൾ ChatGPT മറുപടികളിൽ ചിലപ്പോൾ ഉൾപ്പെട്ടേക്കാം (ഉദാഹരണത്തിന്, പൊതു വ്യക്തികൾ). ചില നിയമപരിധികളിലുള്ള വ്യക്തികൾക്ക് ഞങ്ങളുടെ മോഡലുകൾ അവരുടെ വ്യക്തിഗത വിവരങ്ങൾ പ്രോസസ് ചെയ്യുന്നതിനെതിരെ എതിർപ്പ് അറിയിക്കാനോ, ഞങ്ങളുടെ പ്രൈവസി പോർട്ടൽ വഴി മറ്റ് ഡാറ്റാ സബ്ജക്ട് അവകാശ അഭ്യർത്ഥനകൾ സമർപ്പിക്കാനോ കഴിയും. privacy@openai.com എന്ന വിലാസത്തിൽ ഞങ്ങളെ ബന്ധപ്പെടുന്നതിലൂടെയും നിങ്ങൾക്ക് ഈ അവകാശങ്ങൾ വിനിയോഗിക്കാം. 

നിങ്ങളുടെ അഭ്യർത്ഥന വിലയിരുത്താനും അതിന് മറുപടി നൽകാനും ഞങ്ങളെ സഹായിക്കാൻ, നിങ്ങളുടെ പേര്, ബന്ധപ്പെട്ട URL-കൾ, മോഡൽ ഔട്ട്പുട്ടുകളുടെ നിർദ്ദിഷ്ട ഉദാഹരണങ്ങൾ, അല്ലെങ്കിൽ പ്രശ്നം തിരിച്ചറിയാൻ സഹായിക്കുന്ന മറ്റ് വിശദാംശങ്ങൾ എന്നിവ പോലെ, നിങ്ങളുടെ അഭ്യർത്ഥന ഏത് വ്യക്തിഗത വിവരങ്ങളുമായി ബന്ധപ്പെട്ടതാണ് എന്ന് മനസ്സിലാക്കാൻ മതിയായ വിവരങ്ങൾ ദയവായി നൽകുക. ചില സാഹചര്യങ്ങളിൽ, നടപടിയെടുക്കുന്നതിന് മുമ്പ് നിങ്ങളുടെ തിരിച്ചറിയൽ സ്ഥിരീകരിക്കാനോ വിവരങ്ങൾ നിങ്ങളുമായി ബന്ധപ്പെട്ടതാണ് എന്ന് ഉറപ്പാക്കാനോ ഞങ്ങൾ നിങ്ങളോട് ആവശ്യപ്പെട്ടേക്കാം. ഈ അഭ്യർത്ഥനകൾ എങ്ങനെ സമർപ്പിക്കാം, മികച്ച രീതികൾ, അഭ്യർത്ഥനകൾ എങ്ങനെ അവലോകനം ചെയ്യപ്പെടുന്നു എന്നിവ ഉൾപ്പെടെയുള്ള കൂടുതൽ വിവരങ്ങൾ ChatGPT-യിൽ നിന്ന് വ്യക്തിഗത ഡാറ്റ നീക്കംചെയ്യുന്നതിനെക്കുറിച്ചുള്ള ഞങ്ങളുടെ ഹെൽപ്പ് സെന്റർ ലേഖനത്തിൽ ലഭ്യമാണ്. ബാധകമായ സ്വകാര്യതാ നിയമങ്ങൾ അനുസരിച്ച് ഞങ്ങൾ അഭ്യർത്ഥനകൾ അവലോകനം ചെയ്യുകയും ബാധകമായ നിയമപരമായ സമയപരിധിക്കുള്ളിൽ മറുപടി നൽകുകയും ചെയ്യുന്നു.

സ്വകാര്യതാ നിയമങ്ങൾ അനുസരിച്ച്, ചില അവകാശങ്ങൾ പരിപൂർണ്ണമായിരിക്കണമെന്നില്ലെന്ന് ദയവായി ശ്രദ്ധിക്കുക. ഉദാഹരണത്തിന്, ബന്ധപ്പെട്ട വിവരങ്ങൾ സ്ഥിരീകരിക്കാൻ കഴിയാത്തിടത്ത്, അഭ്യർത്ഥന OpenAI പ്രോസസ് ചെയ്യുന്ന വ്യക്തിഗത വിവരങ്ങളുമായി ബന്ധപ്പെടാത്തിടത്ത്, ഒരു ഒഴിവാക്കൽ ബാധകമായിടത്ത്, അല്ലെങ്കിൽ അങ്ങനെ ചെയ്യാൻ ഞങ്ങൾക്ക് മറ്റൊരു നിയമാനുസൃത കാരണം ഉള്ളിടത്ത്, ഒരു അഭ്യർത്ഥന നിറവേറ്റാൻ ഞങ്ങൾക്ക് കഴിയണമെന്നില്ല. അഭ്യർത്ഥനകൾ ഓരോ കേസും പ്രത്യേകം വിലയിരുത്തിയാണ് പരിശോധിക്കുന്നത്; അഭിപ്രായസ്വാതന്ത്ര്യം, പൊതുതാൽപര്യം തുടങ്ങിയ മറ്റ് പ്രധാന പരിഗണനകളുമായി സ്വകാര്യതാ അവകാശങ്ങളെ തൂക്കിത്തീർക്കേണ്ടിവരാം. 

എന്നിരുന്നാലും, വ്യക്തിഗത വിവരങ്ങളുടെ സംരക്ഷണത്തിന് മുൻഗണന നൽകാൻ ഞങ്ങൾ ശ്രമിക്കുകയും ബാധകമായ എല്ലാ സ്വകാര്യതാ നിയമങ്ങളും പാലിക്കുകയും ചെയ്യുന്നു. ഒരു പ്രശ്നം ഞങ്ങൾ മതിയായ രീതിയിൽ പരിഹരിച്ചിട്ടില്ലെന്ന് നിങ്ങൾക്ക് തോന്നുന്നുവെങ്കിൽ, നിങ്ങളുടെ പ്രാദേശിക മേൽനോട്ട അതോറിറ്റിയിൽ പരാതി നൽകാനുള്ള അവകാശം നിങ്ങൾക്കുണ്ട്.

നിങ്ങൾ ഞങ്ങളുടെ വെബ്സൈറ്റ്, ആപ്ലിക്കേഷനുകൾ, സേവനങ്ങൾ എന്നിവ ഉപയോഗിക്കുമ്പോൾ നിങ്ങളിൽ നിന്നോ നിങ്ങളെക്കുറിച്ചോ ഞങ്ങൾ ശേഖരിക്കുന്ന വ്യക്തിഗത വിവരങ്ങളുമായി ബന്ധപ്പെട്ട OpenAI-യുടെ രീതികളെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾക്ക്, ദയവായി ഞങ്ങളുടെ പ്രൈവസി പോളിസി കാണുക.