OpenAI 的基础模型，包括为 ChatGPT 提供支持的模型，是通过三种主要信息来源开发的：（1）互联网上公开可用的信息，（2）我们与第三方合作获取的信息，以及（3）我们的用户、人类训练师和研究人员提供或生成的信息。

开发 ChatGPT 等所使用的基础模型涉及多个阶段，包括训练数据准备、预训练与后训练，以及部署后的持续评估与改进。在上述各阶段，可能出于不同目的使用多种类型的信息，包括提升模型的性能、可靠性与安全性。 

本文概述我们用于辅助开发上述模型的信息类型、我们如何在遵循隐私法规的前提下收集与使用这些信息，以及我们在整个训练过程中所采取的安全保护措施。如需了解我们如何收集和使用服务用户的信息，包括如何选择退出以 ChatGPT 对话辅助改进模型，请参阅我们的隐私政策及本篇帮助中心文章。

什么是 ChatGPT？它是如何运作的？

ChatGPT 是一项基于人工智能的服务，用户可通过互联网或应用程序访问。用户可使用 ChatGPT 完成各类任务，包括整理与归纳信息、辅助翻译、支持编程、研究与分析、跨工具完成多步骤任务、分析或生成图像、激发创意与灵感，以及处理其他日常事务。ChatGPT 旨在从大量信息（包括文本、图像、音频和视频）中学习模式，以理解并回应用户的问题和指令。

在训练期间，该模型会分析这些数据中的关系：例如，词语在语境中的典型共现模式，并利用这些分析结果在生成回复时逐字预测下一个最可能的词语。文本可能会被转换为更小的单位，有时称为"词元"，这些单位可以表示完整词语、词语的一部分或标点符号。词元是模型处理文本的基本组成单元。同样，生成其他形式内容（如图像）的模型也会学习像素之间的关系模式以及训练数据中的相关说明。

例如，在模型的学习过程（称为“训练”）中，模型可能会被赋予完成一个句子的任务，例如：“她没有向左转，而是转向了___。”在训练初期，其反应大多是随机的。然而，随着模型处理和学习大量文本，它在识别模式和预测最可能的下一个词方面的能力不断提高。这一过程在数百万个句子中反复进行，以提升其理解能力并提高准确性。

因为有多种合理的方法来完成一个句子，例如“她没有向左转，而是向右转”、“转了一圈”或“返回”，因此模型的响应中存在固有的随机性。因此，相同的问题在不同的查询中可能会产生不同的答案。

机器学习模型由大量数字以及用于解释和使用这些数字的代码组成，这些数字被称为“权重”或“参数”。这些模型不会存储或保留它们所训练数据的副本。相反，随着模型的学习，其参数值会稍作调整，以反映其识别出的模式。在前面的例子中，模型从预测随机词语到做出更准确的预测，不是通过存储训练句子，而是通过更新其内部参数。模型在训练过程中不会保留其处理的句子、图片或音频的副本。ChatGPT 并不会从其训练数据中“复制粘贴” — 这就像一位老师在经过长期钻研后，能够通过理解概念之间的关系来解释概念，而不是逐字背诵或复述原始教材。在生成用户请求的响应时，模型利用这些学习到的权重来预测并创建新内容。

哪些类型的信息会用于训练 ChatGPT？

对于公开的互联网内容，我们仅使用可在互联网上自由、公开获取的信息。这可能包括公开的网页、公共论坛、公开的博客、公开的帖子以及其他公开的在线内容。例如，如果您参与公开的在线讨论论坛，或发布公开的博客或其他帖子，我们可能会将该公开的内容用于模型训练目的。但是，我们会采取措施，减少在训练过程中对个人信息的处理。 在收集公开可用的互联网内容时，我们不会有意从已知设有付费墙的来源或暗网收集数据。此外，我们会应用过滤器来移除我们不希望模型从中学习的材料，例如仇恨言论、成人内容、汇集个人信息的网站和垃圾邮件。剩余信息将用于训练我们的模型。

网站所有者可以使用标准 Web 控制机制（例如通过 robots.txt 禁止 GPTBot）来管理其网站上的公开可用内容是否可被访问并用于训练。GPTBot 可能会抓取公开可用内容，以帮助训练我们的模型。我们提供指导，帮助网站所有者管理其网站和内容与我们的 AI 系统互动的方式。

我们还会使用来自第三方合作伙伴的信息，以帮助训练和改进我们的模型。这可能包括我们通过与第三方达成的协议所访问的数据集中的信息，以及在我们的政策和协议允许的情况下，由人工训练师和研究人员提供或生成的信息。这有助于提升我们模型的质量、安全性和性能。这些来源可能包括文本、图像、音频、视频或其他数据类型，具体取决于数据集。

我们在部分训练流程中也越来越多地使用合成数据。例如，我们可能会借助相关信息与模型生成合成提示、多语言示例或其他训练材料。合成数据有助于提升模型性能，包括在数据稀疏或不均衡的领域补充训练数据，并可能支持以隐私增强型方式开发模型。

个人信息是否用于训练 ChatGPT？

相当一部分网络内容涉及有关个人的信息，因此我们的训练数据有时可能会附带个人信息。但是，我们会采取措施，减少在训练过程中对个人信息的处理。

我们使用训练数据来提升模型的能力（例如预测、推理和解决问题），而非用于建立个人画像、联系个人或投放个性化广告。

在某些情况下，模型可能会从个人信息中学习，以理解姓名和地址等元素在语言中的功能，或识别公众人物和知名实体。这有助于模型生成更准确且符合语境的回复。

在训练期间，个人信息如何受到保护？

在训练过程中，我们会积极采取措施限制模型处理个人信息。例如，我们排除已知会汇集大量个人数据的来源，在训练过程中应用过滤措施以减少个人信息，并采取措施识别和移除重复内容，从而降低重复训练数据的风险。此外，我们训练模型避免回应有关个人隐私或敏感信息的请求。 

我们会将信息保留多长时间

我们仅在合理必要的期限内保留训练数据中的信息，以实现本文及《隐私政策》中所述目的，包括开发与改进模型及相关科学研究目的。保留期限将定期审查以确保其持续必要性，并因信息类型及使用方式的不同而有所差异。在确定保留期限时，我们将考量以下因素：处理信息的目的、信息的数量、性质与敏感程度、未经授权使用或披露所致损害的潜在风险，以及须遵守的法律义务。

ChatGPT 的开发如何符合隐私法律的要求？

我们依法使用训练信息。我们的基础模型支持广泛的有益应用，包括无障碍工具、客户支持、软件开发、个性化教育和科学研究。这些功能依赖于大规模训练数据，包括公开可用的信息以及来自第三方合作伙伴的信息。我们在整个训练过程中采取保障措施，包括旨在减少训练过程中个人信息处理并降低风险的步骤（如本文所述）。我们基于 GDPR 等隐私法律规定的合法权益，收集和使用训练信息中包含的个人信息，包括为用户和更广泛的社会训练和改进我们的模型，这符合我们确保通用人工智能造福每个人的使命，详情参见我们的隐私政策。我们已完成数据保护影响评估，以确保我们合法且负责任地收集和使用这些信息。

信息可能被共享或转移的情形

我们不会“出售”个人信息，并且仅会在我们的《隐私政策》中所述的有限情形下披露训练数据中的个人信息。例如，我们可能会与支持我们模型的开发、测试和改进工作的关联公司、供应商和服务提供商共享信息。我们还可能会在善意认为，为履行法律义务，或为保护我们以及我们的用户、员工或公众的权利、安全和保障而有必要采取此类行动时，披露相关信息，具体如我们的《隐私政策》所述。

由于我们的基础设施遍布全球，训练数据中的个人信息可能会在欧洲经济区、瑞士或英国以外的国家/地区（包括美国）被处理。在发生此类情况时，我们会采取适当的保障措施，例如充分性认定或标准合同条款，具体如我们的《隐私政策》中所述。

您的权利以及如何行使这些权利

我们会对异议请求和类似权利请求做出回应。基于语言学习机制，ChatGPT 的回复有时可能会包含个人信息，这些信息曾多次出现在公共互联网上（例如公众人物的信息）。某些司法管辖区的个人用户可以通过我们的隐私门户，针对模型处理其个人信息的方式提出异议，或提出其他数据主体权利请求。您也可以发送电子邮件至 privacy@openai.com 来行使这些权利。 

为了帮助我们评估并回应您的请求，请提供足够的信息，以便我们了解其所涉及的个人信息，例如您的姓名、相关 URL、模型输出的具体示例，或有助于定位相关问题的其他详细信息。在某些情况下，我们可能会要求您核实身份，或确认相关信息与您有关，方可采取相应措施。如需详细了解如何提交此类请求，包括最佳做法以及请求的审核方式，请参阅我们的帮助中心文章，其中介绍了如何从 ChatGPT 中移除个人数据。我们会根据适用的隐私法律审核请求，并在法定时限内作出回应。

请注意，根据隐私法律的规定，某些权利可能并非绝对权利。例如，在我们无法核实相关信息、请求与 OpenAI 处理的个人信息无关、适用豁免情形，或我们另有其他合法理由的情况下，我们可能无法予以满足。相关请求将根据具体情况逐案评估，并可能需要在隐私权与其他重要考量因素（例如言论自由和公共利益）之间进行权衡。 

不过，我们会努力优先保护个人信息，并遵守所有适用的隐私法律。如果你认为我们未充分处理特定问题，你有权向当地监管机构提出申诉。

如需了解更多关于 OpenAI 如何在您使用我们的网站、应用程序和服务时收集相关个人信息的做法，请参阅我们的隐私政策。