โมเดลพื้นฐานของ OpenAI รวมถึงโมเดลที่ขับเคลื่อน ChatGPT ได้รับการพัฒนาโดยใช้ข้อมูลจากแหล่งหลัก 3 แหล่ง ได้แก่ (1) ข้อมูลที่เผยแพร่ต่อสาธารณะบนอินเทอร์เน็ต (2) ข้อมูลที่เราเข้าถึงโดยร่วมมือกับบุคคลที่สาม และ (3) ข้อมูลที่ผู้ใช้ ผู้ฝึกสอนที่เป็นมนุษย์ และนักวิจัยของเราจัดหาหรือสร้างขึ้น

การพัฒนาโมเดลพื้นฐานอย่างโมเดลที่ใช้ใน ChatGPT มีหลายขั้นตอน รวมถึงการเตรียมข้อมูลฝึก การทำ pre-training และการฝึกหลังการเทรน ตลอดจนการประเมินและปรับปรุงอย่างต่อเนื่องหลังนำไปใช้งาน ในแต่ละขั้นตอนอาจใช้ข้อมูลประเภทต่างๆ เพื่อวัตถุประสงค์ที่หลากหลาย รวมถึงเพื่อปรับปรุงประสิทธิภาพ ความน่าเชื่อถือ และความปลอดภัยของโมเดล 

บทความนี้ให้ภาพรวมของข้อมูลที่เราใช้เพื่อช่วยพัฒนาโมเดลเหล่านี้ วิธีที่เราเก็บรวบรวมและใช้ข้อมูลดังกล่าวให้สอดคล้องกับกฎหมายความเป็นส่วนตัว และมาตรการคุ้มครองที่เราใช้ตลอดกระบวนการฝึก หากต้องการทำความเข้าใจวิธีที่เราเก็บรวบรวมและใช้ข้อมูลจากผู้ใช้บริการของเรา รวมถึงวิธีเลือกไม่ให้มีการใช้บทสนทนาใน ChatGPT เพื่อช่วยปรับปรุงโมเดล โปรดดูนโยบายความเป็นส่วนตัวและบทความนี้ในศูนย์ช่วยเหลือ

ChatGPT คืออะไรและทำงานอย่างไร

ChatGPT เป็นบริการที่ใช้ปัญญาประดิษฐ์ ซึ่งคุณเข้าถึงได้ทางอินเทอร์เน็ตหรือแอป คุณใช้ ChatGPT ทำงานได้หลากหลาย เช่น จัดระเบียบและสรุปข้อมูล ช่วยแปลภาษา สนับสนุนการเขียนโค้ด การวิจัยและการวิเคราะห์ ทำงานหลายขั้นตอนผ่านเครื่องมือต่างๆ วิเคราะห์หรือสร้างรูปภาพ จุดประกายความคิดสร้างสรรค์และแนวคิด ตลอดจนกิจกรรมอื่นๆ ในชีวิตประจำวัน ChatGPT ออกแบบมาให้เข้าใจและตอบคำถามกับคำสั่งของผู้ใช้ โดยเรียนรู้รูปแบบจากข้อมูลจำนวนมาก ซึ่งรวมถึงข้อความ รูปภาพ เสียง และวิดีโอ 

ระหว่างการฝึก โมเดลจะวิเคราะห์ความสัมพันธ์ภายในข้อมูล เช่น คำต่างๆ มักปรากฏร่วมกันอย่างไรในแต่ละบริบท และใช้ความเข้าใจดังกล่าวคาดการณ์คำถัดไปที่มีแนวโน้มมากที่สุดขณะสร้างคำตอบทีละคำ ข้อความอาจถูกแปลงเป็นหน่วยย่อย ซึ่งบางครั้งเรียกว่า “โทเค็น” โดยอาจแทนคำทั้งคำ ส่วนหนึ่งของคำ หรือเครื่องหมายวรรคตอน โทเค็นเป็นหน่วยพื้นฐานของข้อความที่โมเดลประมวลผล ในทำนองเดียวกัน โมเดลที่สร้างเนื้อหารูปแบบอื่น เช่น รูปภาพ จะเรียนรู้รูปแบบความสัมพันธ์ระหว่างพิกเซลต่างๆ รวมถึงความสัมพันธ์กับคำบรรยายที่เกี่ยวข้องในข้อมูลฝึก

ตัวอย่างเช่น ระหว่างกระบวนการเรียนรู้ของโมเดล (เรียกว่า “การฝึก”) โมเดลอาจได้รับโจทย์ให้เติมประโยคอย่าง “แทนที่จะเลี้ยวซ้าย เธอกลับเลี้ยว ___” ในช่วงแรกของการฝึก คำตอบของโมเดลจะเป็นแบบสุ่มเสียเป็นส่วนใหญ่ อย่างไรก็ตาม เมื่อโมเดลประมวลผลและเรียนรู้จากข้อความปริมาณมาก โมเดลจะจดจำรูปแบบและคาดการณ์คำถัดไปที่มีแนวโน้มมากที่สุดได้ดีขึ้น กระบวนการนี้เกิดขึ้นซ้ำกับประโยคนับล้าน เพื่อขัดเกลาความเข้าใจและเพิ่มความแม่นยำของโมเดล

เนื่องจากประโยคหนึ่งอาจเติมให้สมบูรณ์ได้อย่างสมเหตุสมผลหลายแบบ เช่น “แทนที่จะเลี้ยวซ้าย เธอกลับเลี้ยวขวา” “กลับรถ” หรือ “ย้อนกลับ” การตอบของโมเดลจึงมีองค์ประกอบของความสุ่มอยู่โดยธรรมชาติ ดังนั้น เมื่อถามคำถามเดิมหลายครั้งก็อาจได้รับคำตอบที่แตกต่างกัน

โมเดลแมชชีนเลิร์นนิงประกอบด้วยชุดตัวเลขขนาดใหญ่ที่เรียกว่า “ค่าน้ำหนัก” หรือ “พารามิเตอร์” พร้อมด้วยโค้ดที่ตีความและใช้ตัวเลขเหล่านั้น โมเดลเหล่านี้ไม่ได้จัดเก็บหรือเก็บรักษาสำเนาข้อมูลที่ใช้ฝึกไว้ แต่เมื่อโมเดลเรียนรู้ ค่าพารามิเตอร์จะถูกปรับทีละเล็กน้อยเพื่อสะท้อนรูปแบบที่โมเดลตรวจพบ จากตัวอย่างก่อนหน้านี้ โมเดลพัฒนาจากการคาดการณ์คำแบบสุ่มไปสู่การคาดการณ์ที่แม่นยำขึ้น ไม่ใช่ด้วยการเก็บประโยคที่ใช้ฝึกไว้ แต่ด้วยการอัปเดตพารามิเตอร์ภายใน โมเดลไม่ได้เก็บสำเนาประโยค รูปภาพ หรือเสียงที่ประมวลผลระหว่างการฝึกไว้ ChatGPT ไม่ได้ “คัดลอกแล้ววาง” จากข้อมูลฝึก เปรียบได้กับครูที่ผ่านการศึกษามาอย่างลึกซึ้งและสามารถอธิบายแนวคิดจากความเข้าใจในความสัมพันธ์ระหว่างแนวคิดต่างๆ โดยไม่ต้องท่องจำหรือถ่ายทอดเนื้อหาต้นฉบับแบบคำต่อคำ เมื่อสร้างคำตอบตามคำขอของผู้ใช้ โมเดลจะใช้ค่าน้ำหนักที่เรียนรู้เหล่านี้เพื่อคาดการณ์และสร้างเนื้อหาใหม่

ใช้ข้อมูลประเภทใดในการสอน ChatGPT

สำหรับเนื้อหาบนอินเทอร์เน็ตที่เปิดเผยต่อสาธารณะ เราใช้เฉพาะข้อมูลที่ทุกคนเข้าถึงได้อย่างเสรีและเปิดกว้างบนอินเทอร์เน็ต ข้อมูลนี้อาจรวมถึงหน้าเว็บ ฟอรัม บล็อก โพสต์ และเนื้อหาออนไลน์อื่นๆ ที่เปิดเผยต่อสาธารณะ ตัวอย่างเช่น หากคุณเข้าร่วมฟอรัมสนทนาออนไลน์ที่เปิดเผยต่อสาธารณะ หรือเผยแพร่บล็อกหรือโพสต์แบบสาธารณะ เราอาจใช้เนื้อหาที่ทุกคนเข้าถึงได้นั้นเพื่อฝึกโมเดล อย่างไรก็ตาม เราดำเนินมาตรการเพื่อลดการประมวลผลข้อมูลส่วนบุคคลในกระบวนการฝึก  เมื่อเก็บรวบรวมเนื้อหาบนอินเทอร์เน็ตที่เปิดเผยต่อสาธารณะ เราไม่ได้จงใจรวบรวมข้อมูลจากแหล่งที่ทราบว่าต้องชำระเงินจึงจะเข้าถึงได้หรือจากดาร์กเว็บ นอกจากนี้ เรายังใช้ตัวกรองเพื่อนำเนื้อหาที่ไม่ต้องการให้โมเดลเรียนรู้ออก เช่น วาจาสร้างความเกลียดชัง เนื้อหาสำหรับผู้ใหญ่ เว็บไซต์ที่รวบรวมข้อมูลส่วนบุคคล และสแปม จากนั้นจึงนำข้อมูลที่เหลือไปใช้ฝึกโมเดลของเรา 

เจ้าของเว็บไซต์สามารถกำหนดได้ว่าจะอนุญาตให้เข้าถึงเนื้อหาสาธารณะบนเว็บไซต์ของตนเพื่อใช้ฝึกหรือไม่ โดยใช้เครื่องมือควบคุมเว็บมาตรฐาน เช่น robots.txt เพื่อไม่อนุญาต GPTBot ซึ่งอาจรวบรวมเนื้อหาที่เปิดเผยต่อสาธารณะเพื่อช่วยฝึกโมเดลของเรา เรามีคำแนะนำเพื่อช่วยให้เจ้าของเว็บไซต์จัดการวิธีที่เว็บไซต์และเนื้อหาของตนโต้ตอบกับระบบ AI ของเรา 

เรายังใช้ข้อมูลจากพาร์ทเนอร์ที่เป็นบุคคลที่สามเพื่อช่วยฝึกและปรับปรุงโมเดลของเรา ข้อมูลนี้อาจรวมถึงข้อมูลในชุดข้อมูลที่เราเข้าถึงตามข้อตกลงกับบุคคลที่สาม ตลอดจนข้อมูลที่ผู้ฝึกสอนที่เป็นมนุษย์และนักวิจัยจัดหาหรือสร้างขึ้น ในกรณีที่นโยบายและข้อตกลงของเราอนุญาต ข้อมูลเหล่านี้ช่วยปรับปรุงคุณภาพ ความปลอดภัย และประสิทธิภาพของโมเดล แหล่งข้อมูลเหล่านี้อาจมีข้อความ รูปภาพ เสียง วิดีโอ หรือข้อมูลประเภทอื่น ทั้งนี้ขึ้นอยู่กับชุดข้อมูล

นอกจากนี้ เรายังใช้ข้อมูลสังเคราะห์มากขึ้นในกระบวนการฝึกบางประเภท ตัวอย่างเช่น เราอาจใช้ข้อมูลและโมเดลของเราเพื่อสร้างพรอมต์สังเคราะห์ ตัวอย่างหลายภาษา หรือสื่อการฝึกอื่นๆ ข้อมูลสังเคราะห์ช่วยปรับปรุงประสิทธิภาพของโมเดลได้ เช่น ใช้เสริมข้อมูลฝึกในด้านที่มีข้อมูลน้อยหรือไม่สมดุล และอาจสนับสนุนแนวทางการพัฒนาโมเดลที่ส่งเสริมความเป็นส่วนตัวด้วย

มีการใช้ข้อมูลส่วนบุคคลเพื่อสอน ChatGPT หรือไม่

เนื้อหาออนไลน์จำนวนมากมีข้อมูลเกี่ยวกับบุคคล ข้อมูลฝึกของเราจึงอาจมีข้อมูลส่วนบุคคลรวมอยู่โดยบังเอิญ อย่างไรก็ตาม เราดำเนินมาตรการเพื่อลดการประมวลผลข้อมูลส่วนบุคคลในกระบวนการฝึก

เราใช้ข้อมูลฝึกเพื่อพัฒนาความสามารถของโมเดล เช่น การคาดการณ์ การให้เหตุผล และการแก้ปัญหา ไม่ใช่เพื่อสร้างโปรไฟล์ของบุคคล ติดต่อบุคคลเหล่านั้น หรือปรับโฆษณาให้เหมาะกับแต่ละบุคคล

ในบางกรณี โมเดลอาจเรียนรู้จากข้อมูลส่วนบุคคลเพื่อทำความเข้าใจว่าองค์ประกอบอย่างชื่อและที่อยู่ทำหน้าที่อย่างไรในภาษา หรือเพื่อจดจำบุคคลสาธารณะและหน่วยงานที่เป็นที่รู้จัก การทำเช่นนี้ช่วยให้โมเดลสร้างคำตอบที่แม่นยำและเหมาะสมกับบริบทมากขึ้น

ข้อมูลส่วนบุคคลได้รับการคุ้มครองระหว่างการฝึกอย่างไร

เราดำเนินมาตรการเชิงรุกเพื่อจำกัดการประมวลผลข้อมูลส่วนบุคคลระหว่างการฝึก ตัวอย่างเช่น เราไม่นำแหล่งข้อมูลที่ทราบว่ารวบรวมข้อมูลส่วนบุคคลไว้เป็นจำนวนมากมาใช้ ใช้ตัวกรองเพื่อลดข้อมูลส่วนบุคคลในกระบวนการฝึก และดำเนินการเพื่อระบุและนำเนื้อหาที่ซ้ำกันออก เพื่อลดความเสี่ยงที่โมเดลจะสร้างข้อมูลฝึกซ้ำ นอกจากนี้ เรายังฝึกโมเดลให้หลีกเลี่ยงการตอบคำขอข้อมูลส่วนตัวหรือข้อมูลที่ละเอียดอ่อนเกี่ยวกับบุคคล 

ระยะเวลาที่เราเก็บรักษาข้อมูล

เราเก็บรักษาข้อมูลในชุดข้อมูลฝึกไว้เพียงเท่าที่จำเป็นอย่างสมเหตุสมผลสำหรับวัตถุประสงค์ที่อธิบายไว้ในบทความนี้และนโยบายความเป็นส่วนตัวของเรา รวมถึงเพื่อพัฒนาและปรับปรุงโมเดล ตลอดจนเพื่อวัตถุประสงค์ด้านการวิจัยทางวิทยาศาสตร์ที่เกี่ยวข้อง เราทบทวนการเก็บรักษาข้อมูลเป็นระยะเพื่อให้แน่ใจว่ายังคงมีความจำเป็น โดยระยะเวลาจะแตกต่างกันตามประเภทของข้อมูลและวิธีนำไปใช้ ในการกำหนดระยะเวลาเก็บรักษา เราพิจารณาปัจจัยต่างๆ เช่น วัตถุประสงค์ในการประมวลผลข้อมูล ปริมาณ ลักษณะ และความละเอียดอ่อนของข้อมูล ความเสี่ยงที่อาจเกิดอันตรายจากการใช้หรือเปิดเผยโดยไม่ได้รับอนุญาต และภาระผูกพันทางกฎหมายที่เราต้องปฏิบัติตาม

การพัฒนา ChatGPT ปฏิบัติตามกฎหมายความเป็นส่วนตัวอย่างไร

เราใช้ข้อมูลฝึกโดยชอบด้วยกฎหมาย โมเดลพื้นฐานของเราขับเคลื่อนแอปพลิเคชันที่เป็นประโยชน์หลากหลายประเภท รวมถึงเครื่องมือช่วยการเข้าถึง การสนับสนุนลูกค้า การพัฒนาซอฟต์แวร์ การศึกษาเฉพาะบุคคล และการวิจัยทางวิทยาศาสตร์ ความสามารถเหล่านี้ต้องอาศัยข้อมูลสำหรับการเทรนโมเดลขนาดใหญ่ รวมถึงข้อมูลที่เปิดเผยต่อสาธารณะและข้อมูลจากพาร์ทเนอร์ที่เป็นบุคคลที่สาม เราใช้มาตรการคุ้มครองตลอดกระบวนการฝึก รวมถึงขั้นตอนที่ออกแบบมาเพื่อลดการประมวลผลข้อมูลส่วนบุคคลในกระบวนการฝึกและบรรเทาความเสี่ยง ตามที่อธิบายไว้ในบทความนี้ เราอาศัยฐานประโยชน์โดยชอบด้วยกฎหมายภายใต้กฎหมายความเป็นส่วนตัว เช่น GDPR ในการเก็บรวบรวมและใช้ข้อมูลส่วนบุคคลที่รวมอยู่ในข้อมูลฝึก รวมถึงเพื่อฝึกและปรับปรุงโมเดลให้แก่ผู้ใช้และสังคมโดยรวม ตามพันธกิจของเราที่มุ่งทำให้ปัญญาประดิษฐ์ทั่วไปเป็นประโยชน์ต่อทุกคน ดังที่อธิบายเพิ่มเติมไว้ในนโยบายความเป็นส่วนตัวของเรา เราได้จัดทำการประเมินผลกระทบด้านการคุ้มครองข้อมูลแล้ว เพื่อช่วยให้มั่นใจว่าเราเก็บรวบรวมและใช้ข้อมูลนี้อย่างถูกกฎหมายและมีความรับผิดชอบ

กรณีที่อาจมีการเปิดเผยหรือโอนข้อมูล

เราไม่ “ขาย” ข้อมูลส่วนบุคคล และเปิดเผยข้อมูลส่วนบุคคลในข้อมูลฝึกเฉพาะในกรณีที่จำกัดตามที่ระบุไว้ในนโยบายความเป็นส่วนตัวของเรา ตัวอย่างเช่น เราอาจแบ่งปันข้อมูลกับบริษัทในเครือ ผู้ขาย และผู้ให้บริการที่สนับสนุนการพัฒนา การทดสอบ และการปรับปรุงโมเดลของเรา เราอาจเปิดเผยข้อมูลด้วยหากเชื่อโดยสุจริตว่าการดำเนินการดังกล่าวจำเป็นต่อการปฏิบัติตามภาระผูกพันทางกฎหมาย หรือเพื่อปกป้องสิทธิ ความปลอดภัย และความมั่นคงของเรา รวมถึงของผู้ใช้ พนักงาน หรือสาธารณชน ตามที่อธิบายไว้ในนโยบายความเป็นส่วนตัวของเรา

เนื่องจากโครงสร้างพื้นฐานของเราครอบคลุมทั่วโลก ข้อมูลส่วนบุคคลในข้อมูลฝึกจึงอาจได้รับการประมวลผลในประเทศนอกเขตเศรษฐกิจยุโรป (EEA) สวิตเซอร์แลนด์ หรือสหราชอาณาจักร (รวมถึงในสหรัฐอเมริกา) เมื่อเกิดกรณีดังกล่าว เราจะใช้มาตรการคุ้มครองที่เหมาะสม เช่น คำวินิจฉัยรับรองความเพียงพอของการคุ้มครองข้อมูลหรือข้อสัญญามาตรฐาน ตามที่อธิบายไว้ในนโยบายความเป็นส่วนตัวของเรา

สิทธิของคุณและวิธีใช้สิทธิ

เราตอบสนองต่อคำขอคัดค้านและคำขอใช้สิทธิในลักษณะเดียวกัน จากการเรียนรู้ภาษา บางครั้งคำตอบของ ChatGPT อาจมีข้อมูลส่วนบุคคลเกี่ยวกับบุคคลที่มีข้อมูลส่วนบุคคลปรากฏซ้ำหลายครั้งบนอินเทอร์เน็ตสาธารณะ (เช่น บุคคลสาธารณะ) บุคคลในเขตอำนาจศาลบางแห่งสามารถคัดค้านการประมวลผลข้อมูลส่วนบุคคลของตนโดยโมเดลของเรา หรือยื่นคำขอใช้สิทธิของเจ้าของข้อมูลประเภทอื่นผ่านพอร์ทัลความเป็นส่วนตัวของเรา คุณยังสามารถใช้สิทธิเหล่านี้ได้โดยติดต่อ privacy@openai.com

เพื่อช่วยให้เราประเมินและตอบคำขอของคุณ โปรดให้ข้อมูลมากพอที่เราจะเข้าใจว่าคำขอเกี่ยวข้องกับข้อมูลส่วนบุคคลใด เช่น ชื่อของคุณ URL ที่เกี่ยวข้อง ตัวอย่างผลลัพธ์จากโมเดลที่เฉพาะเจาะจง หรือรายละเอียดอื่นๆ ที่ช่วยระบุปัญหา ในบางกรณี เราอาจขอให้คุณยืนยันตัวตนหรือยืนยันว่าข้อมูลนั้นเกี่ยวข้องกับคุณ ก่อนที่เราจะดำเนินการได้ ดูข้อมูลเพิ่มเติมเกี่ยวกับวิธียื่นคำขอเหล่านี้ รวมถึงแนวทางปฏิบัติที่ดีที่สุดและวิธีตรวจสอบคำขอได้ในบทความในศูนย์ช่วยเหลือของเราเกี่ยวกับการลบข้อมูลส่วนบุคคลออกจาก ChatGPT เราตรวจสอบคำขอตามกฎหมายความเป็นส่วนตัวที่บังคับใช้ และตอบกลับภายในกรอบเวลาที่กฎหมายกำหนด

โปรดทราบว่าสิทธิบางประการอาจไม่ใช่สิทธิเด็ดขาดตามกฎหมายความเป็นส่วนตัว ตัวอย่างเช่น เราอาจไม่สามารถดำเนินการตามคำขอได้ หากไม่สามารถตรวจสอบยืนยันข้อมูลที่เกี่ยวข้อง คำขอไม่เกี่ยวข้องกับข้อมูลส่วนบุคคลที่ OpenAI ประมวลผล มีข้อยกเว้นที่ใช้บังคับ หรือเรามีเหตุผลอื่นที่ชอบด้วยกฎหมายในการไม่ดำเนินการ คำขอจะได้รับการประเมินเป็นรายกรณี และอาจต้องพิจารณาความสมดุลระหว่างสิทธิความเป็นส่วนตัวกับประเด็นสำคัญอื่น เช่น เสรีภาพในการแสดงออกและประโยชน์สาธารณะ

อย่างไรก็ตาม เรามุ่งให้ความสำคัญกับการคุ้มครองข้อมูลส่วนบุคคลและปฏิบัติตามกฎหมายความเป็นส่วนตัวที่บังคับใช้ทั้งหมด หากคุณเห็นว่าเราไม่ได้แก้ไขปัญหาอย่างเพียงพอ คุณมีสิทธิยื่นข้อร้องเรียนต่อหน่วยงานกำกับดูแลในพื้นที่ของคุณ

ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวปฏิบัติของ OpenAI สำหรับข้อมูลส่วนบุคคลที่เราเก็บรวบรวมจากคุณหรือเกี่ยวกับคุณเมื่อใช้เว็บไซต์ แอปพลิเคชัน และบริการของเราได้ในนโยบายความเป็นส่วนตัวของเรา