Miundo msingi ya OpenAI, ikiwemo miundo inayowezesha ChatGPT, hutengenezwa kwa kutumia vyanzo vitatu vikuu vya taarifa: (1) taarifa zinazopatikana hadharani kwenye intaneti, (2) taarifa tunazoshirikiana na wahusika wengine ili kuzifikia, na (3) taarifa ambazo watumiaji wetu, wakufunzi binadamu na watafiti hutoa au kuzalisha.

Kutengeneza miundo msingi kama ile inayotumika katika ChatGPT huhusisha hatua kadhaa, ikiwemo kuandaa data ya mafunzo, mafunzo ya awali na mafunzo ya baada, pamoja na tathmini na uboreshaji endelevu baada ya kuzinduliwa. Aina tofauti za taarifa zinaweza kutumika katika hatua hizi kwa madhumuni mbalimbali, ikiwemo kuboresha utendaji, utegemezi na usalama wa muundo. 

Makala haya yanatoa muhtasari wa taarifa tunazotumia kusaidia kutengeneza miundo hii, jinsi tunavyokusanya na kutumia taarifa hizo kwa kuzingatia sheria za faragha, na ulinzi tunaotumia katika mchakato mzima wa mafunzo. Ili kuelewa jinsi tunavyokusanya na kutumia taarifa kutoka kwa watumiaji wa huduma zetu, ikiwemo jinsi ya kujiondoa kwenye matumizi ya mazungumzo ya ChatGPT kusaidia kuboresha miundo yetu, tafadhali angalia Sera yetu ya Faragha na makala haya ya kituo cha usaidizi.

ChatGPT ni nini na hufanya kazi vipi?

ChatGPT ni huduma inayotegemea akili unde ambayo unaweza kufikia kupitia intaneti au programu. Unaweza kutumia ChatGPT kwa kazi nyingi mbalimbali, ikiwemo kupanga na kufupisha taarifa, kusaidia tafsiri, kusaidia uandishi wa msimbo, utafiti na uchambuzi, kukamilisha kazi za hatua nyingi kwenye zana mbalimbali, kuchanganua au kuzalisha picha, kuchochea ubunifu na mawazo, na shughuli nyingine za kila siku. ChatGPT imeundwa kuelewa na kujibu maswali na maagizo ya watumiaji kwa kujifunza ruwaza kutoka kwa kiasi kikubwa cha taarifa, ikiwemo maandishi, picha, sauti na video. 

Wakati wa mafunzo, muundo huchanganua mahusiano ndani ya data hii—kama vile jinsi maneno kwa kawaida hutokea pamoja katika muktadha—na hutumia uelewa huo kutabiri neno linalofuata lenye uwezekano mkubwa zaidi wakati wa kuzalisha jibu, neno moja baada ya jingine. Maandishi yanaweza kubadilishwa kuwa vipande vidogo, vinavyoitwa wakati mwingine “tokeni” ambavyo vinaweza kuwakilisha maneno kamili, sehemu za maneno au alama za uakifishaji. Tokeni ni vipengele vya msingi vya maandishi ambavyo muundo huchakata. Vivyo hivyo, miundo inayozalisha aina nyingine za maudhui, kama picha, hujifunza ruwaza za jinsi pikseli zinavyohusiana zenyewe na maelezo mafupi yanayohusiana nazo katika data ya mafunzo.

Kwa mfano, wakati wa mchakato wa kujifunza wa muundo (unaojulikana kama “mafunzo”), muundo unaweza kupewa kazi ya kukamilisha sentensi kama: “Badala ya kugeuka kushoto, aligeuka ___.” Mwanzoni mwa mafunzo, majibu yake huwa kwa kiasi kikubwa ya nasibu. Hata hivyo, kadiri muundo unavyochakata na kujifunza kutoka kwa kiasi kikubwa cha maandishi, unakuwa bora zaidi katika kutambua ruwaza na kutabiri neno linalofuata lenye uwezekano mkubwa zaidi. Mchakato huu hurudiwa katika mamilioni ya sentensi ili kuboresha uelewa wake na kuongeza usahihi wake.

Kwa sababu kuna njia nyingi zinazowezekana za kukamilisha sentensi—kama vile “Badala ya kugeuka kushoto, aligeuka kulia,” “akazunguka,” au “akarudi nyuma”—kuna kipengele cha asili cha unasibu katika jinsi muundo unavyojibu. Kwa hiyo, swali lilelile linaweza kutoa majibu tofauti katika maulizo tofauti.

Miundo ya ujifunzaji wa mashine hujumuisha makundi makubwa ya nambari, yanayojulikana kama “uzito” au “vigezo,” pamoja na msimbo unaofasiri na kutumia nambari hizo. Miundo hii haihifadhi wala kubakiza nakala za data iliyotumiwa kuifundisha. Badala yake, kadiri muundo unavyojifunza, thamani za vigezo vyake hurekebishwa kidogo ili kuakisi ruwaza ulizotambua. Katika mfano wa awali, muundo uliboreka kutoka kutabiri maneno ya nasibu hadi kufanya utabiri sahihi zaidi—si kwa kuhifadhi sentensi za mafunzo, bali kwa kusasisha vigezo vyake vya ndani. Muundo hauhifadhi nakala za sentensi, picha au sauti unazochakata wakati wa mafunzo. ChatGPT “hainakili na kubandika” kutoka kwenye data yake ya mafunzo—sawa na mwalimu ambaye, baada ya kusoma kwa kina, anaweza kueleza dhana kwa kuelewa mahusiano kati ya mawazo bila kukariri au kurudia nyenzo za awali neno kwa neno. Unapozalisha jibu kwa ombi la mtumiaji, muundo hutumia uzito huu uliojifunza kutabiri na kuunda maudhui mapya.

Ni aina gani ya taarifa hutumika kufundisha ChatGPT?

Kwa maudhui ya intaneti yanayopatikana hadharani, tunatumia tu taarifa zinazopatikana kwa uhuru na kwa uwazi kwenye intaneti. Hii inaweza kujumuisha kurasa za wavuti zinazopatikana hadharani, mijadala ya umma, blogu za umma, machapisho ya umma, na maudhui mengine ya mtandaoni yanayopatikana hadharani. Kwa mfano, ukishiriki katika jukwaa la majadiliano mtandaoni linalopatikana hadharani au kuchapisha blogu ya umma au chapisho lingine, tunaweza kutumia maudhui hayo yanayofikika hadharani kwa madhumuni ya mafunzo ya muundo. Hata hivyo, tunachukua hatua za kupunguza uchakataji wa taarifa binafsi katika mchakato wetu wa mafunzo.  Tunapokusanya maudhui ya intaneti yanayopatikana hadharani, hatukusanyi kimakusudi data kutoka vyanzo vinavyojulikana kuwa nyuma ya vizuizi vya malipo au kutoka dark web. Aidha, tunatumia vichujio kuondoa nyenzo ambazo hatutaki miundo yetu ijifunze kutokana nazo, kama vile matamshi ya chuki, maudhui ya watu wazima, tovuti zinazokusanya taarifa binafsi, na barua taka. Taarifa zinazobaki kisha hutumika kufundisha miundo yetu. 

Wamiliki wa tovuti wanaweza kudhibiti ikiwa maudhui yanayopatikana hadharani kutoka kwenye tovuti zao yanaweza kufikiwa kwa matumizi ya mafunzo kwa kutumia vidhibiti vya kawaida vya wavuti kama robots.txt ili kuzuia GPTBot, ambayo inaweza kutambaa kwenye maudhui yanayopatikana hadharani kusaidia kufundisha miundo yetu. Tunatoa mwongozo ili kusaidia wamiliki wa tovuti kudhibiti jinsi tovuti na maudhui yao yanavyoingiliana na mifumo yetu ya AI. 

Pia tunatumia taarifa kutoka kwa washirika wa wahusika wengine kusaidia kufundisha na kuboresha miundo yetu. Hii inaweza kujumuisha taarifa katika hifadhidata tunazofikia kupitia makubaliano na wahusika wengine, pamoja na taarifa zinazotolewa au kuzalishwa na wakufunzi binadamu na watafiti pale inaporuhusiwa chini ya sera na makubaliano yetu. Hii husaidia kuboresha ubora, usalama na utendaji wa miundo yetu. Vyanzo hivi vinaweza kujumuisha maandishi, picha, sauti, video au aina nyingine za data, kulingana na hifadhidata.

Pia tunazidi kutumia data sanisi katika baadhi ya michakato ya mafunzo. Kwa mfano, tunaweza kutumia taarifa na miundo yetu kuzalisha dokeza sanisi, mifano ya lugha nyingi, au nyenzo nyingine za mafunzo. Data sanisi inaweza kusaidia kuboresha utendaji wa muundo, ikiwemo kwa kuongeza data ya mafunzo katika maeneo ambako data ni chache au haina uwiano, na pia inaweza kusaidia mbinu zinazoongeza faragha katika uendelezaji wa muundo.

Je, taarifa binafsi hutumika kufundisha ChatGPT?

Sehemu kubwa ya maudhui ya mtandaoni inahusu taarifa kuhusu watu, hivyo data yetu ya mafunzo inaweza kujumuisha taarifa binafsi kwa bahati. Hata hivyo, tunachukua hatua za kupunguza uchakataji wa taarifa binafsi katika mchakato wetu wa mafunzo.

Tunatumia data ya mafunzo kuendeleza uwezo wa muundo—kama vile utabiri, uwazaji na utatuzi wa matatizo—si kuunda wasifu wa watu binafsi, kuwasiliana nao, au kuwabinafsishia matangazo.

Katika baadhi ya hali, miundo inaweza kujifunza kutoka kwa taarifa binafsi ili kuelewa jinsi vipengele kama majina na anwani vinavyofanya kazi katika lugha, au kutambua watu mashuhuri na taasisi zinazojulikana. Hii husaidia muundo kuzalisha majibu sahihi zaidi na yanayofaa kimuktadha.

Taarifa binafsi hulindwa vipi wakati wa mafunzo?

Tunachukua hatua za moja kwa moja kupunguza uchakataji wa taarifa binafsi wakati wa mafunzo. Kwa mfano, tunaondoa vyanzo vinavyojulikana kukusanya kiasi kikubwa cha data binafsi, tunatumia uchujaji kupunguza taarifa binafsi katika mchakato wa mafunzo, na tunachukua hatua za kutambua na kuondoa maudhui yaliyorudiwa ili kupunguza hatari ya kurudia data ya mafunzo. Aidha, tunafundisha miundo yetu kuepuka kujibu maombi ya taarifa za siri au nyeti kuhusu watu binafsi. 

Muda tunaohifadhi taarifa

Tunahifadhi taarifa katika data ya mafunzo kwa muda unaohitajika kwa kiasi cha kuridhisha tu kwa madhumuni yaliyoelezwa katika makala haya na Sera yetu ya Faragha, ikiwemo kuendeleza na kuboresha miundo yetu na kwa madhumuni yanayohusiana ya utafiti wa kisayansi. Uhifadhi hupitiwa mara kwa mara ili kuhakikisha bado unahitajika, na hutofautiana kulingana na aina ya taarifa na jinsi inavyotumika. Katika kuamua uhifadhi, tunazingatia mambo kama madhumuni yetu ya kuchakata taarifa, kiasi, asili na unyeti wa taarifa, hatari inayoweza kutokea ya madhara kutokana na matumizi au ufichuzi usioidhinishwa, na wajibu wowote wa kisheria tunaopaswa kutimiza.

Uendelezaji wa ChatGPT unazingatiaje sheria za faragha?

Tunatumia taarifa za mafunzo kwa njia halali. Miundo yetu msingi huwezesha matumizi mengi yenye manufaa—ikiwemo zana za ufikivu, usaidizi kwa wateja, uendelezaji wa programu, elimu iliyobinafsishwa, na utafiti wa kisayansi. Uwezo huu hutegemea data ya ufunzaji mkuu, ikiwemo taarifa zinazopatikana hadharani, na taarifa kutoka kwa washirika wa wahusika wengine. Tunatumia ulinzi katika mchakato mzima wa mafunzo, ikiwemo hatua zilizoundwa kupunguza uchakataji wa taarifa binafsi katika mchakato wa mafunzo na kupunguza hatari, kama ilivyoelezwa katika makala haya. Tunategemeza ukusanyaji na matumizi yetu ya taarifa binafsi zilizojumuishwa katika taarifa za mafunzo kwenye maslahi halali chini ya sheria za faragha kama GDPR, ikiwemo kufundisha na kuboresha miundo yetu kwa watumiaji na jamii pana kwa kuzingatia dhamira yetu ya kuhakikisha kwamba akili unde ya jumla inanufaisha kila mtu, kama ilivyoelezwa kwa undani zaidi katika Sera yetu ya Faragha. Tumekamilisha tathmini ya athari za ulinzi wa data ili kusaidia kuhakikisha tunakusanya na kutumia taarifa hizi kisheria na kwa uwajibikaji.

Wakati taarifa zinaweza kushirikiwa au kuhamishwa

“Hatuuzi” taarifa binafsi, na hufichua taarifa binafsi katika data ya mafunzo tu katika hali chache zilizoelezwa katika Sera yetu ya Faragha. Kwa mfano, tunaweza kushiriki taarifa na kampuni washirika, wachuuzi na watoa huduma wanaosaidia uendelezaji, majaribio na uboreshaji wa miundo yetu. Pia tunaweza kufichua taarifa kwa nia njema tukiamini kwamba hatua hiyo ni muhimu ili kutii wajibu wa kisheria au kulinda haki, usalama na ulinzi wetu na wa watumiaji wetu, wafanyakazi wetu, au umma, kama ilivyoelezwa katika Sera yetu ya Faragha.

Kwa kuwa miundombinu yetu ni ya kimataifa, taarifa binafsi katika data ya mafunzo zinaweza kuchakatwa katika nchi zilizo nje ya EEA, Uswisi au Uingereza (ikiwemo Marekani). Hili linapotokea, tunatumia ulinzi unaofaa, kama vile maamuzi ya utoshelevu au vifungu vya kawaida vya kimkataba, kama ilivyoelezwa katika Sera yetu ya Faragha.

Haki zako na jinsi ya kuzitumia

Tunajibu maombi ya kupinga na maombi sawia ya haki. Kutokana na kujifunza lugha, majibu ya ChatGPT wakati mwingine yanaweza kujumuisha taarifa binafsi kuhusu watu ambao taarifa zao binafsi zinaonekana mara nyingi kwenye intaneti ya umma (kwa mfano, watu mashuhuri). Watu binafsi katika mamlaka fulani wanaweza kupinga uchakataji wa taarifa zao binafsi na miundo yetu au kuwasilisha maombi mengine ya haki za mhusika wa data kupitia Tovuti yetu ya Ufaragha. Unaweza pia kutumia haki hizi kwa kuwasiliana na privacy@openai.com. 

Ili kutusaidia kutathmini na kujibu ombi lako, tafadhali toa taarifa za kutosha ili tuelewe ombi lako linahusu taarifa gani binafsi, kama vile jina lako, URL husika, mifano mahususi ya matokeo ya muundo, au maelezo mengine yanayosaidia kutambua suala hilo. Katika baadhi ya hali, tunaweza kukuomba uthibitishe utambulisho wako au uthibitishe kwamba taarifa hizo zinakuhusu kabla hatujachukua hatua. Taarifa zaidi kuhusu jinsi ya kuwasilisha maombi haya, ikiwemo mbinu bora na jinsi maombi yanavyokaguliwa, zinapatikana katika makala ya Kituo chetu cha Usaidizi kuhusu kuondoa data binafsi kutoka ChatGPT. Tunakagua maombi kwa mujibu wa sheria za faragha zinazotumika na kujibu ndani ya muda unaotakiwa kisheria.

Tafadhali fahamu kwamba, kwa mujibu wa sheria za faragha, baadhi ya haki huenda zisiwe kamilifu. Kwa mfano, huenda tusiweze kutimiza ombi pale ambapo hatuwezi kuthibitisha taarifa husika, ombi halihusiani na taarifa binafsi zinazochakatwa na OpenAI, kuna msamaha unaotumika, au tuna sababu nyingine halali ya kufanya hivyo. Maombi hutathminiwa moja baada ya jingine na yanaweza kuhusisha kusawazisha haki za faragha na mambo mengine muhimu, kama uhuru wa kujieleza na maslahi ya umma. 

Hata hivyo, tunajitahidi kuweka ulinzi wa taarifa binafsi mbele, na tunatii sheria zote za faragha zinazotumika. Ikiwa unahisi hatujashughulikia suala ipasavyo, una haki ya kuwasilisha malalamiko kwa mamlaka yako ya usimamizi ya eneo lako.

Kwa taarifa zaidi kuhusu desturi za OpenAI kuhusu taarifa binafsi tunazokusanya kutoka kwako au kukuhusu unapotumia tovuti, programu na huduma zetu, tafadhali angalia Sera yetu ya Faragha.