కాలిఫోర్నియా సివిల్ కోడ్ సెక్షన్ 3111 ప్రకారం శిక్షణ డేటా సారాంశం

OpenAI కాలిఫోర్నియా రాష్ట్రంలో ప్రజలకు అందుబాటులో ఉన్న జనరేటివ్ AI సిస్టమ్‌లను అందిస్తుంది. ప్రజలకు అందుబాటులో ఉన్న డేటా, యాక్సెస్ కోసం మేము మూడవ పక్షాలతో భాగస్వామ్యం చేసే డేటా, అలాగే మా వినియోగదారులు లేదా మానవ శిక్షకులు మరియు పరిశోధకులు అందించే లేదా సృష్టించే సమాచారంతో సహా, వివిధ రకాల డేటా మూలాలను ఉపయోగించి మేము ఈ సిస్టమ్‌లను అభివృద్ధి చేస్తాము. మేము సింథటిక్ డేటాను ఉపయోగించి కూడా మా సిస్టమ్‌లను అభివృద్ధి చేస్తాము.

మా సిస్టమ్‌లు మానవ భాషను మరియు ప్రపంచాన్ని మెరుగ్గా అర్థం చేసుకోవడంలో సహాయపడటానికి మేము డేటాను ఉపయోగిస్తాము. దాంతో, మా సిస్టమ్‌లు మానవ సృజనాత్మకతను పెంపొందించడానికి, శాస్త్రీయ ఆవిష్కరణను మరియు వైద్య పరిశోధనను ముందుకు తీసుకెళ్లడానికి, అలాగే కోట్లాది మంది ప్రజలు తమ రోజువారీ జీవితాలను మెరుగుపరుచుకోవడానికి వీలు కల్పిస్తాయి. మా సిస్టమ్‌లు పాఠ్య, చిత్రం, ఆడియో మరియు ఆడియోవిజువల్ కంటెంట్‌కు చెందిన ట్రిలియన్ల టోకెన్‌లను కలిగిన డేటాసెట్‌లపై అభివృద్ధి చేయబడ్డాయి.

కాపీరైట్ ద్వారా రక్షించబడే అవకాశం ఉన్న డేటా మరియు పబ్లిక్ డొమైన్‌లోని డేటాతో సహా, మా సిస్టమ్‌లను అభివృద్ధి చేయడానికి మేము విభిన్నమైన డేటా సమితిని ఉపయోగిస్తాము. మా శిక్షణ డేటాసెట్‌లలో వ్యక్తిగత సమాచార పరిమాణాన్ని తగ్గించడానికి మేము చర్యలు తీసుకున్నప్పటికీ, California Civil Code Section 1798.140లో నిర్వచించినట్లుగా మా కొంత డేటాలో వ్యక్తిగత సమాచారం మరియు సమగ్ర వినియోగదారు సమాచారం ఉండవచ్చు. మా వినియోగదారులు తమ కంటెంట్‌ను శిక్షణ కోసం ఉపయోగించకుండా నిలిపివేయగల సామర్థ్యాన్ని కలిగి ఉన్నారు, అలాగే మా ప్రైవసీ పోర్టల్ ఉపయోగించి ChatGPT ప్రతిస్పందనల నుండి నిర్దిష్ట వ్యక్తిగత సమాచారాన్ని తొలగించాలని అభ్యర్థించవచ్చు. మా మోడల్‌ల పనితీరు మరియు ఖచ్చితత్వాన్ని మెరుగుపరచడానికి మా డేటాసెట్‌లను ప్రాసెస్ చేయడానికి మేము వివిధ రకాల సాంకేతికతలను ఉపయోగిస్తాము.

మా సిస్టమ్‌లను అభివృద్ధి చేయడానికి మేము సుమారు 2018లో డేటాను సేకరించడం ప్రారంభించాము, మరియు ఇప్పటికీ డేటాను సేకరిస్తూనే ఉన్నాము. మేము మా డేటాసెట్‌లను సిస్టమ్‌ల అభివృద్ధి కోసం మొదటిసారి 2021లో ఉపయోగించాము.

మా సిస్టమ్‌ల అభివృద్ధి గురించి అదనపు సమాచారం మా సిస్టమ్ కార్డ్‌లలో లభిస్తుంది.