Μια ματιά στην προσέγγισή μας για τις Προδιαγραφές μοντέλου

Στην OpenAI, πιστεύουμε ότι η ΤΝ θα πρέπει να είναι δίκαιη, ασφαλής και ελεύθερα διαθέσιμη, ώστε περισσότεροι άνθρωποι να μπορούν να τη χρησιμοποιούν για να λύνουν δύσκολα προβλήματα, να δημιουργούν ευκαιρίες και να επωφελούνται σε τομείς όπως η υγεία, η επιστήμη, η εκπαίδευση, η εργασία και η καθημερινή ζωή. Πιστεύουμε ότι η εκδημοκρατισμένη πρόσβαση στην ΤΝ είναι ο καλύτερος τρόπος για να προχωρήσουμε: όχι μια ΤΝ της οποίας τα οφέλη ή ο έλεγχος συγκεντρώνονται στα χέρια λίγων, αλλά μια ΤΝ στην οποία μπορούν να έχουν πρόσβαση περισσότεροι άνθρωποι, να την κατανοούν και να συμβάλλουν στη διαμόρφωσή της.

Αυτός είναι ένας βασικός λόγος για τον οποίο υπάρχουν οι Προδιαγραφές μοντέλου της OpenAI. Οι Προδιαγραφές μοντέλου⁠(ανοίγει σε νέο παράθυρο) είναι το επίσημο πλαίσιο για τη συμπεριφορά του μοντέλου. Καθορίζει τον τρόπο με τον οποίο θέλουμε τα μοντέλα να ακολουθούν οδηγίες, να επιλύουν συγκρούσεις, να σέβονται την ελευθερία των χρηστών και να συμπεριφέρονται με ασφάλεια σε όλο το απίστευτα ευρύ φάσμα ερωτημάτων που τους θέτουν καθημερινά οι χρήστες. Σε ευρύτερο επίπεδο, είναι η προσπάθειά μας να καταστήσουμε σαφή την επιδιωκόμενη συμπεριφορά του μοντέλου: όχι μόνο στο πλαίσιο της διαδικασίας εκπαίδευσής μας, αλλά και σε μια μορφή που οι χρήστες, οι προγραμματιστές, οι ερευνητές, οι υπεύθυνοι χάραξης πολιτικών και το ευρύτερο κοινό μπορούν πράγματι να διαβάσουν, να εξετάσουν και να συζητήσουν.

Οι Προδιαγραφές μοντέλου δεν ισχυρίζονται ότι τα μοντέλα μας ήδη συμπεριφέρονται με αυτόν τον τρόπο τέλεια σήμερα. Από πολλές απόψεις, είναι περιγραφικό, αλλά αποτελεί επίσης στόχο για το πού θέλουμε να κατευθυνθεί η συμπεριφορά του μοντέλου. Το χρησιμοποιούμε για να αποσαφηνίσουμε την επιδιωκόμενη συμπεριφορά, ώστε να μπορούμε να εκπαιδεύουμε προς αυτήν, να την αξιολογούμε με βάση αυτήν και να τη βελτιώνουμε με την πάροδο του χρόνου. 

Αυτή η ανάρτηση μοιράζεται το παρασκήνιο που δεν περιλαμβάνεται στις ίδιες τις προδιαγραφές μοντέλου, συμπεριλαμβανομένης της φιλοσοφίας και των μηχανισμών που τη διέπουν: πώς είναι διαρθρωμένη, γιατί κάναμε αυτές τις δομικές επιλογές και πώς τη συντάσσουμε, την εφαρμόζουμε και την εξελίσσουμε με την πάροδο του χρόνου.

Οι Προδιαγραφές μοντέλου της OpenAI αποτελούν ένα μέρος της ευρύτερης προσέγγισης της OpenAI για ασφαλή και υπόλογη ΤΝ. Ενώ το Πλαίσιο Ετοιμότητας⁠ εστιάζει στους κινδύνους από τις κορυφαίες δυνατότητες και στις δικλείδες ασφαλείας που απαιτούνται καθώς αυτοί οι κίνδυνοι αυξάνονται, οι Προδιαγραφές μοντέλου πραγματεύονται ένα διαφορετικό αλλά συμπληρωματικό ερώτημα: πώς πρέπει να συμπεριφέρονται τα μοντέλα μας σε ένα ευρύ φάσμα καταστάσεων. Σε ευρύτερη κλίμακα, η ανθεκτικότητα της ΤΝ αποσκοπεί στην αντιμετώπιση της ευρύτερης κοινωνικής πρόκλησης να βοηθήσει την κοινωνία να αξιοποιήσει τα οφέλη της προηγμένης ΤΝ, ενώ παράλληλα μειώνει τις αναταράξεις και τους αναδυόμενους κινδύνους καθώς αναπτύσσονται ολοένα και πιο ικανά συστήματα. Συνολικά, οι πρωτοβουλίες αυτές αποσκοπούν στο να συμβάλουν ώστε η μετάβαση στο AGI να είναι σταδιακή, επαναληπτική και δημοκρατικά κατανοητή: δίνοντας στους ανθρώπους και στους θεσμούς χρόνο να προσαρμοστούν, ενώ παράλληλα αναπτύσσονται οι δικλείδες ασφαλείας, οι μηχανισμοί λογοδοσίας και η δημόσια κατανόηση που απαιτούνται για να παραμείνει η ισχυρή ΤΝ ευθυγραμμισμένη με τα ανθρώπινα συμφέροντα.

Η δημόσια σαφήνεια σχετικά με τη συμπεριφορά του μοντέλου είναι σημαντική τόσο για τη δικαιοσύνη όσο και για την ασφάλεια. Αυτό έχει σημασία για τη δικαιοσύνη, επειδή οι άνθρωποι πρέπει να κατανοούν πώς και γιατί η ΤΝ τους αντιμετωπίζει με τον τρόπο που το κάνει, και να είναι σε θέση να εντοπίζουν, να αμφισβητούν και να αντιμετωπίζουν ζητήματα δικαιοσύνης όταν προκύπτουν. Και αυτό είναι σημαντικό για την ασφάλεια, καθώς τα συστήματα τεχνητής νοημοσύνης γίνονται πιο ικανά, οι άνθρωποι και οι θεσμοί χρειάζονται σαφέστερες προσδοκίες για το πώς πρέπει να συμπεριφέρονται, ποιους συμβιβασμούς ενσωματώνουν και πώς αυτές οι επιλογές μπορούν να βελτιώνονται με την πάροδο του χρόνου. Αυτό το είδος αναγνωσιμότητας ενισχύει επίσης την ανθεκτικότητα, παρέχοντας σε περισσότερους ανθρώπους κάτι συγκεκριμένο να εξετάσουν, να αμφισβητήσουν και να βελτιώσουν.

Από την πρώτη έκδοση το 2024, οι Προδιαγραφές μοντέλου έχουν εξελιχθεί σημαντικά καθώς μαθαίνουμε περισσότερα για τις προτιμήσεις και τις ανάγκες των χρηστών, επεκτεινόμαστε ώστε να καλύπτουμε και να προσαρμοζόμαστε σε μεγαλύτερες δυνατότητες, και μαθαίνουμε από τα δημόσια σχόλια σχετικά με τις συμπεριφορές του μοντέλου και τις Προδιαγραφές μοντέλου. Στο πνεύμα της υλοποίησης με διορθωτικές κινήσεις⁠, οι Προδιαγραφές μοντέλου είναι ένα εξελισσόμενο έγγραφο που καλύπτει τόσο θεμελιώδεις αξίες όσο και ρητούς, κατανοητούς κανόνες, σε συνδυασμό με μια διαδικασία για την τροποποίηση επιμέρους στοιχείων καθώς μαθαίνουμε από την ανάπτυξη και τα σχόλια στον πραγματικό κόσμο. Επενδύουμε επίσης σε μηχανισμούς δημόσιας ανατροφοδότησης, όπως η συλλογική ευθυγράμμιση⁠, για να διασφαλίσουμε ότι η ανθρωπότητα θα εξακολουθήσει να έχει τον έλεγχο του τρόπου με τον οποίο χρησιμοποιείται η ΤΝ και του πώς διαμορφώνεται η συμπεριφορά της ΤΝ.

Σε εσωτερικό επίπεδο, μας παρέχει ένα σημείο αναφοράς για την επιδιωκόμενη συμπεριφορά και ένα κοινό πλαίσιο για την εκπαίδευση, την αξιολόγηση και τη διακυβέρνηση. Προς τα έξω, δημιουργεί ένα δημόσιο σημείο αναφοράς που οι άνθρωποι μπορούν να χρησιμοποιούν για να κατανοούν την προσέγγισή μας, να ασκούν κριτική σε αυτήν και να συμβάλλουν στη βελτίωσή της με την πάροδο του χρόνου.

Οι Προδιαγραφές Μοντέλου αποτελούνται από διάφορα είδη καθοδήγησης για το μοντέλο. Αυτό είναι σκόπιμο. Διαφορετικές πτυχές της συμπεριφοράς του μοντέλου πρέπει να αντιμετωπίζονται με διαφορετικούς τρόπους, και ένα χρήσιμο δημόσιο έγγραφο πρέπει να κάνει περισσότερα από το να παραθέτει απλώς κανόνες.

Οι Προδιαγραφές μοντέλου ξεκινούν με πρόθεση υψηλού επιπέδου: μια σαφή περιγραφή του τι προσπαθούμε να βελτιστοποιήσουμε σε επίπεδο συστήματος και τους λόγους για αυτό.

Αυτό το προοίμιο αποσαφηνίζει τρεις στόχους σχετικά με το πώς σκοπεύουμε να αντιμετωπίσουμε την αποστολή μας:

• Υλοποίηση με διορθωτικές κινήσεις μοντέλων που ενδυναμώνουν τους προγραμματιστές και τους χρήστες
• Αποτροπή των μοντέλων μας από την πρόκληση σοβαρής βλάβης στους χρήστες ή σε άλλους
• Διατήρηση της άδειας λειτουργίας της OpenAI

Στη συνέχεια, εξηγεί πώς αντιλαμβανόμαστε την εξισορρόπηση αυτών των στόχων στην πράξη, καθιστώντας τους συμβιβασμούς αρκετά συγκεκριμένους ώστε να υποστηρίξουν τις πιο λεπτομερείς αρχές που ακολουθούν.

Είναι σημαντικό ότι αυτό το προοίμιο δεν προορίζεται να είναι άμεση οδηγία προς το μοντέλο. Το όφελος της ανθρωπότητας είναι ο στόχος της OpenAI, όχι ένας στόχος που θέλουμε να επιδιώκουν τα μοντέλα μας αυτόνομα. Αντίθετα, θέλουμε τα μοντέλα να ακολουθούν μια ιεραρχία διοίκησης που περιλαμβάνει τις Προδιαγραφές μοντέλου της OpenAI και τις ισχύουσες οδηγίες από την OpenAI, τους προγραμματιστές και τους χρήστες, ακόμη και όταν κάποιοι μπορεί να διαφωνούν με το αποτέλεσμα σε μια συγκεκριμένη περίπτωση.

Πιστεύουμε ότι αυτή είναι η σωστή ισορροπία, επειδή εκτιμούμε την ανθρώπινη αυτονομία και τη διανοητική ελευθερία. Αν εκπαιδεύαμε μοντέλα να αποφασίζουν ποιες οδηγίες να υπακούν με βάση τη δική μας άποψη για το τι είναι καλό για την κοινωνία, η OpenAI θα βρισκόταν στη θέση να κρίνει ζητήματα ηθικής σε πολύ ευρύ επίπεδο. Παρ’ όλα αυτά, το προοίμιο εξακολουθεί να έχει σημασία. Όταν υπάρχει ασάφεια ως προς το πώς να εφαρμοστούν οι προδιαγραφές μοντέλου, το προοίμιο θα πρέπει να βοηθά στην επίλυσή της.

Οι Προδιαγραφές μοντέλου περιλαμβάνουν επίσης δημόσιες δεσμεύσεις που υπερβαίνουν την άμεσα μετρήσιμη συμπεριφορά του μοντέλου και επεκτείνονται στην πρόθεση εκπαίδευσης και στους περιορισμούς ανάπτυξης. Για παράδειγμα, οι αρχές κόκκινης γραμμής⁠(ανοίγει σε νέο παράθυρο) μας περιλαμβάνουν τη δέσμευση ότι, σε αναπτύξεις πρώτου μέρους όπως το ChatGPT, δεν θα χρησιμοποιήσουμε ποτέ μηνύματα συστήματος για να υπονομεύσουμε σκόπιμα την αντικειμενικότητα⁠(ανοίγει σε νέο παράθυρο) ή συναφείς αρχές, ενώ η αρχή μας Κανένας άλλος στόχος⁠(ανοίγει σε νέο παράθυρο) περιλαμβάνει δεσμεύσεις σχετικά με την πρόθεσή μας να βελτιστοποιούμε τις απαντήσεις του μοντέλου προς όφελος του χρήστη και όχι για έσοδα ή για μη ωφέλιμο χρόνο παραμονής στον ιστότοπο.

Στον πυρήνα των προδιαγραφών μοντέλου βρίσκεται η ιεραρχία διοίκησης: ένα πλαίσιο λήψης αποφάσεων σχετικά με το ποιες οδηγίες πρέπει να εφαρμόζονται σε μια δεδομένη περίπτωση. Καλύπτει επίσης τον τρόπο με τον οποίο το μοντέλο θα πρέπει να χειρίζεται ανεπαρκώς προσδιορισμένες οδηγίες, ειδικά σε περιβάλλοντα πρακτόρων όπου αναμένεται να συμπληρώνει λεπτομέρειες αυτόνομα, ελέγχοντας παράλληλα προσεκτικά τις παρενέργειες στον πραγματικό κόσμο.

Η βασική ιδέα πίσω από την απόφαση για το ποιες οδηγίες θα πρέπει να εφαρμόζονται είναι απλή. Οι οδηγίες μπορεί να προέρχονται από διαφορετικές πηγές, συμπεριλαμβανομένων της OpenAI, των προγραμματιστών και των χρηστών. Αυτές οι οδηγίες μπορεί να συγκρούονται. Η ιεραρχία διοίκησης εξηγεί πώς το μοντέλο πρέπει να επιλύει αυτές τις συγκρούσεις.  

Κάθε πολιτική των προδιαγραφών μοντέλου και κάθε οδηγία λαμβάνει ένα επίπεδο εξουσιοδότησης⁠(ανοίγει σε νέο παράθυρο). Το μοντέλο έχει λάβει οδηγία να δίνει προτεραιότητα στο γράμμα και το πνεύμα των οδηγιών ανώτερης προτεραιότητας όταν προκύπτουν συγκρούσεις. Εάν ένας χρήστης ζητήσει βοήθεια για την κατασκευή μιας βόμβας, το μοντέλο θα πρέπει να δώσει προτεραιότητα στα αυστηρά όρια ασφαλείας⁠(ανοίγει σε νέο παράθυρο). Αν ένας χρήστης ζητήσει από το μοντέλο να τον περιγράψει με ειρωνικό τρόπο, θα πρέπει γενικά να δίνεται προτεραιότητα σε αυτό το αίτημα έναντι της χαμηλότερης προτεραιότητας πολιτικής κατά της κακοποίησης⁠(ανοίγει σε νέο παράθυρο) των προδιαγραφών μοντέλου.

Αυτή η δομή μάς επιτρέπει να ορίσουμε ένα σχετικά μικρό σύνολο κανόνων που δεν μπορούν να παρακαμφθούν, παράλληλα με ένα μεγαλύτερο σύνολο προεπιλογών. Έτσι προσπαθούμε να μεγιστοποιήσουμε την ελευθερία των χρηστών και τον έλεγχο των προγραμματιστών εντός των ορίων ασφαλείας.

• Οι Αυστηροί κανόνες είναι ρητά όρια που δεν μπορούν να παρακαμφθούν από χρήστες ή προγραμματιστές (στην ορολογία των προδιαγραφών μοντέλου, πρόκειται για οδηγίες επιπέδου «root» ή «system»). Είναι κυρίως απαγορευτικοί, απαιτώντας από τα μοντέλα να αποφεύγουν συμπεριφορές που θα μπορούσαν να οδηγήσουν σε καταστροφικούς κινδύνους ή άμεση σωματική βλάβη, να παραβιάζουν τους νόμους ή να υπονομεύουν την ιεραρχία διοίκησης. Αναμένουμε ότι η ΤΝ θα γίνει μια θεμελιώδης τεχνολογία για την κοινωνία, παρόμοια με τη βασική υποδομή του διαδικτύου. Επομένως, επιβάλλουμε κανόνες που περιορίζουν την πνευματική ελευθερία μόνο θεωρούμε όταν είναι απαραίτητοι για το ευρύ φάσμα προγραμματιστών και χρηστών που θα αλληλεπιδράσουν με αυτήν. Στις προδιαγραφές μοντέλου, η αρχή Παραμένουμε εντός ορίων⁠(ανοίγει σε νέο παράθυρο) περιλαμβάνει αυστηρούς κανόνες που αντιμετωπίζουν συγκεκριμένους κινδύνους ασφάλειας στον πραγματικό κόσμο, ενώ οι Αρχές για άτομα κάτω των 18⁠(ανοίγει σε νέο παράθυρο) προσθέτουν επιπλέον δικλείδες ασφαλείας για χρήστες κάτω των 18 ετών.
• Οι Προεπιλογές είναι σημεία εκκίνησης που μπορούν να παρακαμφθούν: η συμπεριφορά «βέλτιστης εκτίμησης» του βοηθού όταν ο χρήστης ή ο προγραμματιστής δεν έχει καθορίσει κάποια προτίμηση. Χρησιμοποιούμε προεπιλογές για να καθιστούμε τη συμπεριφορά προβλέψιμη και ελεγχόμενη σε κλίμακα, ώστε οι άνθρωποι να μπορούν να προβλέπουν τι θα συμβεί χωρίς να χρειάζεται να συντάσσουν κάθε φορά ένα εξατομικευμένο σύνολο οδηγιών. Οι προεπιλογές διατηρούν τη δυνατότητα καθοδήγησης: οι χρήστες και οι προγραμματιστές μπορούν να καθοδηγούν ρητά τον τόνο, το βάθος, τη μορφή, ακόμη και την οπτική γωνία, εντός των ορίων ασφάλειας. Οι προεπιλογές σε επίπεδο κατευθυντήριων γραμμών (όπως ο τόνος ή το ύφος) έχουν σχεδιαστεί ώστε να μπορούν να κατευθύνονται έμμεσα, ενώ οι προεπιλογές σε επίπεδο χρήστη (όπως η ειλικρίνεια και η αντικειμενικότητα) αποτελούν σταθερά σημεία αναφοράς για την εμπιστοσύνη και την προβλεψιμότητα και μπορούν να παρακαμφθούν μόνο με ρητές οδηγίες. Αυτά δεν θα πρέπει να μετατοπίζονται σιωπηρά με βάσει τη διαίσθηση. Εάν ο χρήστης θέλει μια διαφορετική πραγματολογική στάση, εκφράζοντας την ως ρητή οδηγία η μετατόπιση γίνεται διαφανής και κατανοητή. Αυτές οι προεπιλογές αντικατοπτρίζονται στις εντολές Αναζητούμε μαζί την αλήθεια⁠(ανοίγει σε νέο παράθυρο), Κάνουμε την καλύτερη δυνατή δουλειά⁠(ανοίγει σε νέο παράθυρο) και Χρησιμοποιούμε το κατάλληλο ύφος⁠(ανοίγει σε νέο παράθυρο), συμπεριλαμβανομένων κανόνων σχετικά με την ειλικρίνεια και την αντικειμενικότητα, την αποφυγή της υποτακτικής συμπεριφοράς, καθώς και κανόνων αλληλεπίδρασης όπως η αμεσότητα και η, κατάλληλη για το εκάστοτε πλαίσιο, θερμότητα και επαγγελματισμός.

Πέρα από την ίδια την ιεραρχία, οι προδιαγραφές μοντέλου χρησιμοποιούν ερμηνευτικά βοηθήματα για να βοηθούν τα μοντέλα (και τους ανθρώπους) να τις εφαρμόζουν με συνέπεια στις γκρίζες ζώνες. Αυτά τα βοηθήματα περιλαμβάνουν: 

• Κλίμακες λήψης αποφάσεων που βοηθούν το μοντέλο να κάνει συνεπείς επιλογές σε γκρίζες ζώνες, χωρίς να προσποιούνται ότι υπάρχει ένας και μοναδικός μηχανικός κανόνας. Για παράδειγμα, η καθοδήγηση των προδιαγραφών μοντέλου σχετικά με τον έλεγχο των παρενεργειών⁠(ανοίγει σε νέο παράθυρο) παραθέτει ζητήματα όπως η ελαχιστοποίηση των μη αναστρέψιμων ενεργειών, η διατήρηση της αναλογικότητας των ενεργειών σε σχέση με τον στόχο, η μείωση των δυσάρεστων εκπλήξεων και η προτίμηση αναστρέψιμων προσεγγίσεων, τα οποία θα πρέπει να εξισορροπούνται με άλλους στόχους, όπως η γρήγορη και αποτελεσματική ολοκλήρωση της εργασίας.
• Συγκεκριμένα παραδείγματα που δείχνουν πώς πρέπει να εφαρμόζεται στην πράξη μια αρχή. Αυτά είναι σύντομα παραδείγματα προτροπών και απαντήσεων που συνήθως περιλαμβάνουν τόσο μια απάντηση που συμμορφώνεται όσο και μια απάντηση που δεν συμμορφώνεται, συχνά σε μια δύσκολη προτροπή κοντά σε ένα σημαντικό όριο λήψης απόφασης. Ο στόχος δεν είναι να προσομοιωθεί μια πλήρης ρεαλιστική συνομιλία. Στόχος είναι να καταστεί σαφής η βασική διάκριση, και μάλιστα με τρόπο που να καταδεικνύει επίσης το επιθυμητό ύφος απόκρισης.

Διατηρούμε τον αριθμό των παραδειγμάτων σχετικά μικρό και εστιάζουμε στα πιο κατατοπιστικά. Οι ευρύτερες σουίτες αξιολόγησης βοηθούν να καλυφθεί μεγαλύτερο μέρος των σπάνιων ή οριακών περιπτώσεων.

Οι προδιαγραφές είναι μια διεπαφή, όχι υλοποίηση. Περιγράφουν τη συμπεριφορά που θέλουμε, όχι κάθε λεπτομέρεια του τρόπου με τον οποίο επιτυγχάνουμε αυτή τη συμπεριφορά. Προσπαθούμε να αποφεύγουμε να τις συνδέουμε στενά με λεπτομέρειες υλοποίησης, όπως οι εσωτερικές μορφές token ή η ακριβής συνταγή εκπαίδευσης για μια συγκεκριμένη συμπεριφορά, επειδή αυτές οι λεπτομέρειες μπορεί να αλλάξουν ακόμη και όταν η επιθυμητή συμπεριφορά δεν αλλάζει. Το κύριο κοινό των προδιαγραφών μοντέλου δεν είναι το μοντέλο αλλά οι άνθρωποι: σκοπός τους είναι να βοηθήσουν τους εργαζομένους της OpenAI, τους χρήστες, τους προγραμματιστές, τους ερευνητές και τους υπεύθυνους χάραξης πολιτικής να κατανοήσουν, να συζητήσουν και να αποφασίσουν σχετικά με την επιδιωκόμενη συμπεριφορά.

Οι προδιαγραφές περιγράφουν επίσης το μοντέλο, όχι ολόκληρο το προϊόν. Συμπληρώνονται από τις πολιτικές χρήσης⁠ μας, οι οποίες περιγράφουν τις προσδοκίες μας σχετικά με το πώς θα πρέπει οι χρήστες να χρησιμοποιούν το API και το ChatGPT. Το σύστημα με το οποίο αλληλεπιδρούν οι χρήστες περιλαμβάνει περισσότερα από το ίδιο το μοντέλο: λειτουργίες προϊόντος όπως οι προσαρμοσμένες οδηγίες και η μνήμη, η παρακολούθηση, η επιβολή πολιτικών και άλλα επίπεδα έχουν επίσης σημασία. Η ασφάλεια είναι κάτι πολύ περισσότερο από τη συμπεριφορά του μοντέλου, και πιστεύουμε στην άμυνα σε βάθος⁠. 

Και οι προδιαγραφές μοντέλου δεν αποτελούν πλήρη καταγραφή του συνόλου της υποδομής εκπαίδευσής μας ή κάθε εσωτερικής διάκρισης πολιτικής. Ο στόχος δεν είναι να αποτυπωθεί κάθε λεπτομέρεια. Στόχος είναι να καταστούν κατανοητές οι σημαντικότερες αποφάσεις σχετικά με τη συμπεριφορά, με τρόπο που να είναι πλήρως συνεπής με την επιδιωκόμενη συμπεριφορά του μοντέλου μας.

Υπάρχουν αρκετοί λόγοι να συμπεριληφθούν τόσα πολλά στην προδιαγραφή, αντί να θεωρείται δεδομένο ότι ο αναγνώστης —ή το μοντέλο— μπορεί να συναγάγει τα πάντα από λίγους στόχους υψηλού επιπέδου.

Πρώτον, οι Προδιαγραφές μοντέλου είναι ένα εργαλείο διαφάνειας και λογοδοσίας . Έχει σχεδιαστεί ώστε να ενθαρρύνει ουσιαστικά δημόσια σχόλια. Ένας σαφής δημόσιος στόχος βοηθά τους ανθρώπους να καταλάβουν αν μια συμπεριφορά είναι σφάλμα ή λειτουργία. Τους παρέχει ένα σταθερό σημείο αναφοράς για κριτική και συγκεκριμένη ανατροφοδότηση. Γι’ αυτό διαθέσαμε ως ανοιχτό κώδικα⁠(ανοίγει σε νέο παράθυρο) τις Προδιαγραφές μοντέλου και επιλέγουμε να τις βελτιώνουμε δημόσια. Από την πρώτη κυκλοφορία, έχουν γίνει πολλές αλλαγές βάσει των σχολίων του κοινού, τα οποία συλλέχθηκαν μέσω ποικίλων μηχανισμών, συμπεριλαμβανομένων φορμών σχολίων, δημόσιων κριτικών και σκόπιμων προσπαθειών⁠ για τη συγκέντρωση δημοκρατικών απόψεων.

Δεύτερον, οι Προδιαγραφές μοντέλου είναι ένα εργαλείο συντονισμού εντός της OpenAI. Παρέχουν στους ανθρώπους που εργάζονται στην έρευνα, στο προϊόν, στην πολιτική, στα νομικά θέματα, στις επικοινωνίες και σε άλλους τομείς ένα κοινό λεξιλόγιο για τη συζήτηση της συμπεριφοράς του μοντέλου και έναν μηχανισμό για την πρόταση και τον έλεγχο αλλαγών.

Τρίτον, οι ρητές πολιτικές μπορούν να αντισταθμίσουν τους πρακτικούς περιορισμούς στη νοημοσύνη του μοντέλου και στο πλαίσιο χρόνου εκτέλεσης και να καθιστούν τη συμπεριφορά πιο προβλέψιμη. Αν και αυτό ισχύει όλο και λιγότερο με την πάροδο του χρόνου, ορισμένες πολιτικές αποσκοπούν στην αντιστάθμιση της ανεπαρκούς νοημοσύνης, όπου τα μοντέλα μπορεί να μην είναι σε θέση να συναγάγουν αξιόπιστα την κατάλληλη συμπεριφορά από αρχές υψηλότερου επιπέδου. Για παράδειγμα, η φράση Be clear and direct⁠(ανοίγει σε νέο παράθυρο) συμβούλευε τα παλαιότερα μοντέλα να δείχνουν τα βήματα της σκέψης τους πριν διατυπώσουν μια απάντηση για απαιτητικά προβλήματα που απαιτούν υπολογισμούς, αλλά σήμερα τα μοντέλα μας μαθαίνουν φυσικά αυτήν τη συμπεριφορά μέσω ενισχυτικής μάθησης⁠. 

Άλλες πολιτικές αφορούν το περιορισμένο πλαίσιο κατά τον χρόνο εκτέλεσης: ο βοηθός μπορεί να βασίζεται μόνο σε ό,τι είναι παρατηρήσιμο στην τρέχουσα αλληλεπίδραση και σπάνια γνωρίζει την πλήρη κατάσταση του χρήστη, την πρόθεσή του, τη μεταγενέστερη χρήση ή ποιες δικλείδες ασφαλείας υπάρχουν εκτός του μοντέλου. Σε αυτές τις περιπτώσεις, ακόμη και αν τα μοντέλα μπορεί να είναι σε θέση να καταλήξουν στη σωστή συμπεριφορά με αρκετή έρευνα και σκέψη, η σαφήνεια βελτιώνει την αποτελεσματικότητα και την προβλεψιμότητα — συμπυκνώνοντας πολλές επιμέρους κρίσεις σε καθοδήγηση που μειώνει τη διαφοροποίηση μεταξύ παρόμοιων προτροπών και καθιστά τη συμπεριφορά πιο κατανοητή τόσο για τους χρήστες όσο και για τους ερευνητές.

Τέλος, οι Προδιαγραφές μοντέλου στοχεύουν να αποτελέσουν έναν πλήρη κατάλογο πολιτικών υψηλού επιπέδου που σχετίζονται με την αξιολόγηση και τη μέτρηση. Αν θέλετε να αξιολογήσετε αν ένα μοντέλο συμπεριφέρεται όπως προβλέπεται, είναι χρήσιμο να υπάρχει μια δημόσια λίστα με τις κύριες κατηγορίες συμπεριφοράς που σας ενδιαφέρουν.

Είναι δελεαστικό να πιστεύει κανείς ότι ένα επαρκώς ικανό μοντέλο θα πρέπει να είναι σε θέση να συναγάγει τη σωστή συμπεριφορά από μια σύντομη λίστα στόχων όπως «να είναι χρήσιμο και ασφαλές». Υπάρχει κάποια αλήθεια σε αυτό. Σε τομείς με αντικειμενικά κριτήρια επιτυχίας, όπως τα μαθηματικά, η νοημοσύνη μπορεί συχνά να υποκαταστήσει τους λεπτομερείς κανόνες.

Αλλά γενικά, η συμπεριφορά των μοντέλων δεν μοιάζει με την επίλυση ενός απλού μαθηματικού προβλήματος. Τα μοντέλα συχνά λειτουργούν στα πιο δυσεπίλυτα πεδία, όπου δεν υπάρχει μία και μόνη ηθικά ορθή απάντηση στην οποία μπορούν να συμφωνήσουν όλοι. Το τι σημαίνει ένα μοντέλο να είναι «χρήσιμο και ασφαλές» εξαρτάται σε μεγάλο βαθμό από το εκάστοτε πλαίσιο και αποτελεί αποτέλεσμα μιας διαδικασίας λήψης αποφάσεων που είναι εγγενώς φορτισμένη με αξίες. Η νοημοσύνη από μόνη της δεν σας υποδεικνύει ποιους συμβιβασμούς να κάνετε σχετικά με την ηθική και τις αξίες. Έτσι, ακόμη και καθώς βελτιώνεται η νοημοσύνη των μοντέλων, εξακολουθούμε να πρέπει να εργαζόμαστε για να κατανοήσουμε και να καθοδηγήσουμε αξιολογικές κρίσεις και τι σημαίνει να ενεργεί κανείς «ηθικά» σε μια δεδομένη περίπτωση. Και οι περισσότεροι από τους λόγους για τους οποίους υπάρχουν οι Προδιαγραφές μοντέλου παραμένουν επίκαιροι ακόμη και όταν τα μοντέλα γίνονται πολύ πιο ικανά: εξακολουθούμε να χρειαζόμαστε έναν δημόσιο στόχο γύρω από τον οποίο μπορούν να συντονίζονται οι άνθρωποι, έναν τρόπο να αξιολογούμε αν η συμπεριφορά ευθυγραμμίζεται με τις προθέσεις μας και έναν μηχανισμό για την αναθεώρηση των κανόνων καθώς μαθαίνουμε. Αν ο μόνος κανόνας είναι «να είναι χρήσιμο και ασφαλές», τότε δεν υπάρχει μηχανισμός μέσω του οποίου οι άνθρωποι μπορούν να συζητήσουν, για παράδειγμα, τα όρια του είδους περιεχομένου που θα πρέπει το μοντέλο να αρνείται να παρέχει, αφήνοντας όλες αυτές τις αποφάσεις στο μοντέλο.

Αν μη τι άλλο, καθώς τα μοντέλα γίνονται πιο ικανά, αποκτούν περισσότερη αυτονομία και αναπτύσσονται ευρύτερα, το κόστος της ασάφειας αυξάνεται. Αυτό καθιστά ένα σαφές πλαίσιο συμπεριφοράς πιο σημαντικό, όχι λιγότερο.

Μια χρήσιμη αναλογία είναι η διαφορά μεταξύ γραπτού συντάγματος και νομολογίας. Ενώ ένα γραπτό σύνταγμα μπορεί να παρέχει γενικές αρχές καθώς και συγκεκριμένους κανόνες, δεν μπορεί να προβλέψει όλες τις πιθανές περιπτώσεις που ενδέχεται να προκύψουν και να απαιτήσουν την καθοδήγησή του. Τα πραγματικά συστήματα διακυβέρνησης χρειάζονται επίσης ερμηνευτικούς μηχανισμούς, διευκρινίσεις και ρητές αποφάσεις για την επίλυση περίπλοκων περιπτώσεων ή απρόβλεπτων ζητημάτων. Οι δημοσιευμένοι κανόνες βοηθούν τα διάφορα ενδιαφερόμενα μέρη να συντονίζονται ακόμη και όταν διαφωνούν και περιορίζουν τις αλλαγές, απαιτώντας κάθε αλλαγή να είναι ρητή. Οι Προδιαγραφές μοντέλου έχουν σκοπό να επιτελούν όλους αυτούς τους ρόλους: μια διατύπωση αρχών, ένα δημόσιο πλαίσιο συμπεριφοράς και μια διαδικασία για την αλλαγή των προδιαγραφών με την πάροδο του χρόνου.

Παρ’ όλα αυτά, δεν πιστεύουμε ότι όλα όσα έχουν σημασία σχετικά με τη συμπεριφορά του μοντέλου θα μπορούν πάντα να αναχθούν σε ρητούς κανόνες. Καθώς τα συστήματα γίνονται πιο αυτόνομα, η αξιοπιστία και η εμπιστοσύνη θα εξαρτώνται ολοένα και περισσότερο από ευρύτερες δεξιότητες και τάσεις συμπεριφοράς: να επικοινωνούν καλά την αβεβαιότητα, να σέβονται τα όρια της αυτονομίας, να αποφεύγουν δυσάρεστες εκπλήξεις, να παρακολουθούν την πρόθεση με την πάροδο του χρόνου και να επιδεικνύουν ορθή συλλογιστική για τις ανθρώπινες αξίες μέσα στο εκάστοτε πλαίσιο.

Κατά τη σύνταξη των Προδιαγραφών μοντέλου, υπάρχει ένα φάσμα ανάμεσα στην περιγραφή της πραγματικής σημερινής συμπεριφοράς του μοντέλου, με όλα τα ελαττώματά της, και στην περιγραφή ενός ιδανικού στόχου για το απώτερο μέλλον. Προσπαθούμε να βρίσκουμε μια ισορροπία, συνήθως στοχεύοντας σε ένα διάστημα περίπου 0-3 μηνών από το παρόν. Έτσι, οι Προδιαγραφές μοντέλου παραμένουν συχνά μπροστά από το μοντέλο, τουλάχιστον σε ορισμένους τομείς ενεργής ανάπτυξης.

Αυτό αποτυπώνει τον ρόλο των Προδιαγραφών μοντέλου ως περιγραφής της επιδιωκόμενης συμπεριφοράς. Θα πρέπει να μας κατευθύνουν προς μια συνεκτική κατεύθυνση, ενώ παράλληλα να παραμένουν συνδεδεμένες με όσα είτε ήδη κάνουμε είτε έχουμε συγκεκριμένα άμεσα σχέδια να υλοποιήσουμε.

Οι Προδιαγραφές μοντέλου αναπτύσσονται μέσω μιας ανοικτής εσωτερικής διαδικασίας. Οποιοσδήποτε στην OpenAI μπορεί να τις σχολιάσει ή να προτείνει αλλαγές, και οι τελικές ενημερώσεις εγκρίνονται από ένα ευρύ σύνολο διατμηματικών ενδιαφερόμενων μερών. Στην πράξη, δεκάδες άνθρωποι έχουν συνεισφέρει άμεσα στο κείμενο, και πολλοί περισσότεροι από τους τομείς της έρευνας, της μηχανικής, του προϊόντος, της ασφάλειας, της πολιτικής, των νομικών, των επικοινωνιών, των διεθνών σχέσεων και άλλων λειτουργιών συνεισφέρουν με τις απόψεις τους. Μαθαίνουμε επίσης από τις δημόσιες κυκλοφορίες και τα σχόλια, που μας βοηθούν να δοκιμάζουμε στην πράξη αυτές τις επιλογές σε πραγματικές συνθήκες ανάπτυξης.

Αυτό έχει σημασία επειδή η συμπεριφορά του μοντέλου —και οι επιπτώσεις της στον κόσμο— είναι απίστευτα περίπλοκες. Κανείς δεν μπορεί να χωρέσει στο μυαλό του το πλήρες σύνολο συμπεριφορών, τη διαδικασία εκπαίδευσης και τις επακόλουθες επιπτώσεις, αλλά με πολλούς διατμηματικούς συντελεστές και αναθεωρητές μπορούμε να βελτιώσουμε την ποιότητα και να ενισχύσουμε την εμπιστοσύνη.

Μια ευχάριστη έκπληξη ήταν ότι η πραγματική συναίνεση είναι συχνά εφικτή —ιδίως όταν αναγκάζουμε τον εαυτό μας να καταγράψει με αρκετή ακρίβεια τους συμβιβασμούς, ώστε οι διαφωνίες να γίνονται συγκεκριμένες.

Οι Προδιαγραφές μοντέλου επίσης δεν γράφονται στο κενό. Μεγάλο μέρος από όσα καταλήγουν σε αυτό είναι μια σύνοψη του ευρύτερου έργου για τη συμπεριφορά, την ασφάλεια και την πολιτική. Μεγάλο μέρος της συγγραφής Προδιαγραφών μοντέλου είναι στην πραγματικότητα μετάφραση: η λήψη υπάρχοντος έργου και η απόδοσή του με τρόπο απλούστερο, πιο συνεπή, πιο οργανωμένο και πιο προσβάσιμο, χωρίς να χάνεται η υποκείμενη πρόθεση.

Τα μοντέλα παραγωγής μας δεν αντικατοπτρίζουν ακόμη πλήρως τις Προδιαγραφές μοντέλου για διάφορους λόγους.

• Η εκπαίδευση μοντέλων μπορεί να υστερεί σε σχέση με τις ενημερώσεις των Προδιαγραφών μοντέλου. Περιγράφουν τη συμπεριφορά προς την οποία εργαζόμαστε, επομένως μπορεί να προηγούνται αυτού που το πιο πρόσφατο μοντέλο μας έχει εκπαιδευτεί να κάνει.
• Η εκπαίδευση μπορεί ακούσια να διδάξει συμπεριφορά που δεν συνάδει με τις Προδιαγραφές μοντέλου. Προσπαθούμε πολύ να το αποφεύγουμε και, όταν συμβαίνει, το αντιμετωπίζουμε ως σοβαρό σφάλμα —εργαζόμενοι είτε για να προσαρμόσουμε τη συμπεριφορά είτε τις προδιαγραφές μοντέλου, ώστε να ευθυγραμμιστούν.
• Η εκπαίδευση δεν μπορεί ποτέ να καλύψει πλήρως το σύνολο όλων των πιθανών συμπεριφορών. Η πραγματική χρήση περιλαμβάνει μια πληθώρα σπάνιων πλαισίων και ακραίες περιπτώσεις που εμφανίζονται μόνο σε μεγάλη κλίμακα, και καμία διαδικασία εκπαίδευσης δεν μπορεί να καλύψει τα πάντα.
• Η γενίκευση μπορεί να διαφέρει από αυτό που σκοπεύαμε. Ένα μοντέλο μπορεί να παράγει τις «σωστές» εξόδους κατά την εκπαίδευση για ακούσιους λόγους, κάτι που μπορεί να οδηγήσει σε ακούσια συμπεριφορά σε νέες καταστάσεις που διαφέρουν από εκείνες που έχουν παρατηρηθεί κατά την εκπαίδευση. Τεχνικές όπως η διαβουλευτική ευθυγράμμιση⁠ βοηθούν, αλλά δεν αποτελούν πλήρη λύση.

Σε γενικότερο επίπεδο, το γεγονός ότι οι Προδιαγραφές μοντέλου περιγράφουν ένα ευρύ φάσμα επιθυμητών συμπεριφορών δεν σημαίνει ότι υπάρχει μία και μοναδική μέθοδος για να διδαχθούν όλες. Διαφορετικές πτυχές της συμπεριφοράς όπως η ακολούθηση οδηγιών, τα όρια ασφάλειας, η προσωπικότητα, η βαθμονομημένη έκφραση της αβεβαιότητας και άλλα, συχνά απαιτούν διαφορετικές τεχνικές και έχουν διαφορετικούς τρόπους αστοχίας. Οι Προδιαγραφές μοντέλου συμβάλλουν στο να γίνεται ευκολότερη η κατανόηση και η κριτική αποτίμηση της επιδιωκόμενης συμπεριφοράς, αλλά η σωστή εφαρμογή τους παραμένει τόσο τέχνη όσο και ενεργό πεδίο έρευνας.

Παράλληλα με αυτήν την ανάρτηση, κυκλοφορούμε το Αξιολογήσεις των Προδιαγραφών μοντέλου⁠(ανοίγει σε νέο παράθυρο): μια σουίτα αξιολόγησης βασισμένη σε σενάρια, η οποία επιχειρεί να καλύψει όσο το δυνατόν περισσότερους ισχυρισμούς στις Προδιαγραφές μοντέλου με έναν μικρό αριθμό αντιπροσωπευτικών παραδειγμάτων. Αυτό μας βοηθά να εντοπίζουμε πού η συμπεριφορά του μοντέλου και οι Προδιαγραφές μοντέλου ενδέχεται να μην ευθυγραμμίζονται, και μας βοηθά να ελέγχουμε αν τα μοντέλα ερμηνεύουν τις προδιαγραφές μοντέλου με τον τρόπο που επιδιώκαμε. Αυτές οι αξιολογήσεις αποτελούν μόνο ένα μέρος μιας ευρύτερης στρατηγικής αξιολόγησης, η οποία περιλαμβάνει επίσης πιο στοχευμένες αξιολογήσεις σε πολλές διαστάσεις της συμπεριφοράς, όπως συγκεκριμένοι τομείς ασφάλειας, ειλικρίνεια, υποτακτική συμπεριφορά, προσωπικότητα, στιλ και δυνατότητες.

Στην πράξη, οι περισσότερες ενημερώσεις των Προδιαγραφών προκύπτουν από ένα επαναλαμβανόμενο σύνολο παραγόντων:

• Δημόσια προβλήματα και σχόλια. Ασάφειες, ακραίες περιπτώσεις ή τρόποι αστοχίας, είτε στη γλώσσα των Προδιαγραφών μοντέλου είτε στη συμπεριφορά των μοντέλων μας.
• Εσωτερικά ζητήματα. Μοτίβα που παρατηρούμε κατά τη διάρκεια της ανάπτυξης και των δοκιμών, συμπεριλαμβανομένων των ασαφειών όπου διαφορετικές εύλογες ερμηνείες οδηγούν σε διαφορετική συμπεριφορά.
• Ενημερώσεις πολιτικής συμπεριφοράς και ασφάλειας. Όταν αλλάζουν οι περιορισμοί ή οι δεσμεύσεις υψηλότερου επιπέδου, οι Προδιαγραφές πρέπει να αντικατοπτρίζουν με σαφήνεια τη νέα αυτή δομή.
• Νέες δυνατότητες και προϊόντα. Καθώς τα μοντέλα αποκτούν νέες δυνατότητες συμπεριφοράς και κυκλοφορούμε νέα προϊόντα, θέλουμε οι Προδιαγραφές μοντέλου να συνεχίσουν να εξελίσσονται ως προς το περιεχόμενο και την κάλυψη, για παράδειγμα, με την προσθήκη κανόνων για πολυτροπικές αλληλεπιδράσεις⁠(ανοίγει σε νέο παράθυρο), αυτόνομους πράκτορες⁠(ανοίγει σε νέο παράθυρο) και χρήστες κάτω των 18 ετών⁠(ανοίγει σε νέο παράθυρο).

Μερικές αρχές σχεδιασμού καθοδηγούν τον τρόπο που γράφουμε και αναθεωρούμε τις Προδιαγραφές μοντέλου.

• Σαφήνεια και ακρίβεια. Το «Να είσαι ειλικρινής» είναι μια καλή αξία, αλλά όχι μια πλήρης διαδικασία λήψης αποφάσεων. Οι Προδιαγραφές μοντέλου θα πρέπει να οξύνουν τις διαφωνίες, όχι να τις κρύβουν πίσω από ευχάριστη γλώσσα. Όπου είναι πρακτικά εφικτό, θα πρέπει να επισημαίνουμε ρητά πιθανές συγκρούσεις μεταξύ κανόνων και να παρέχουμε καθοδήγηση ή παραδείγματα για το πώς να επιλύονται. Για παράδειγμα, το Να μη λες ψέματα⁠(ανοίγει σε νέο παράθυρο) επισημαίνει μια πιθανή σύγκρουση με το Να είσαι θερμός⁠(ανοίγει σε νέο παράθυρο), εξηγώντας ότι ο βοηθός πρέπει να ακολουθεί τους κανόνες ευγένειας, χωρίς όμως να φτάνει σε αθώα ψέματα που θα μπορούσαν να ισοδυναμούν με υποτακτική συμπεριφορά⁠(ανοίγει σε νέο παράθυρο) και να αντιβαίνουν στο βέλτιστο συμφέρον του χρήστη.
• Ουσιαστικοί κανόνες. Ένας αναγνώστης θα πρέπει να μπορεί να λάβει μια ρεαλιστική προτροπή και να παράγει μια απάντηση την οποία ένας άλλος αναγνώστης να αναγνωρίζει ως σαφώς εντός ή εκτός των ορίων (ακόμη κι αν στα οριακά σημεία απαιτείται υποκειμενική κρίση).
• Παραδείγματα που μεγιστοποιούν το σήμα σε σχέση με τον θόρυβο. Τα καλά παραδείγματα είναι συχνά καθοριστικά για την ανάπτυξη μιας υψηλής ποιότητας ενημέρωσης των προδιαγραφών. Τα παραδείγματα θα πρέπει να βοηθούν στην ανάδειξη της ουσίας των δυσκολιών στον καθορισμό της συμπεριφοράς του μοντέλου, να φέρνουν στην επιφάνεια δύσκολες συγκρούσεις και να υιοθετούν σαφή θέση για το πώς πρέπει να επιλύονται. Δευτερευόντως, θα πρέπει να επιδιώκουν να αποτελούν πρότυπα του επιθυμητού ύφους και στιλ, τα οποία μπορεί να είναι δύσκολο να αποδοθούν μέσω πεζού λόγου.
• Ανθεκτικότητα. Προσπαθούμε να αποφεύγουμε παραδείγματα με περιττή ασάφεια ή πολυπλοκότητα, ώστε η βασική σύγκρουση και η επιδιωκόμενη επίλυση να είναι σαφής.
• Συνέπεια και σαφής οργάνωση. Προσπαθούμε οι κανόνες των Προδιαγραφών μοντέλου να είναι απολύτως συνεπείς μεταξύ τους και με την επιδιωκόμενη συμπεριφορά του μοντέλου, και η συνολική οργάνωση του εγγράφου να είναι σαφής και προσιτή.

Οι Προδιαγραφές μοντέλου δεν αποτελούν ισχυρισμό ότι μπορούμε να καταγράψουμε όλα όσα έχουν σημασία ή ότι τα μοντέλα θα πετυχαίνουν πάντα τον στόχο. Είναι ένας ισχυρισμός ότι η επιδιωκόμενη συμπεριφορά είναι αρκετά σημαντική ώστε να είναι σαφής, εφαρμόσιμη και αναθεωρήσιμη.

Τρία κριτήρια επιτυχίας καθοδηγούν τον τρόπο με τον οποίο τις εξελίσσουμε.

• Αναγνωσιμότητα. Τα άτομα εντός και εκτός της OpenAI μπορούν να διαμορφώνουν ακριβείς προσδοκίες σχετικά με τη συμπεριφορά και να παραπέμπουν σε κείμενο όταν η συμπεριφορά είναι απροσδόκητη.
• Δυνατότητα εφαρμογής. Οι Προδιαγραφές μοντέλου μπορούν να χρησιμοποιηθούν για να σχεδιάζουν αξιολογήσεις, να διαγιγνώσκουν περιστατικά και να λαμβάνουν συνεπείς αποφάσεις για το προϊόν και όχι μόνο για να εκφράζουν αξίες.
• Δυνατότητα αναθεώρησης. Οι Προδιαγραφές μοντέλου μπορούν να εξελίσσονται καθώς μαθαίνουμε, χωρίς να μετατρέπονται σε έναν ασταθή, διαρκώς μεταβαλλόμενο στόχο.

Καθώς τα μοντέλα και τα προϊόντα εξελίσσονται, αναμένουμε ότι οι Προδιαγραφές μοντέλου θα επεκτείνονται και θα αποσαφηνίζονται παράλληλα με τις νέες δυνατότητες και τα πλαίσια ανάπτυξης. Ο στόχος είναι να διατηρηθεί η προδιαγραφή συμπεριφοράς συνεκτική, ελέγξιμη και ευθυγραμμισμένη με την αποστολή μας να διασφαλίσουμε ότι η AGI ωφελεί όλη την ανθρωπότητα.