OpenAI API

OpenAI દ્વારા વિકસિત નવા AI મોડલ્સને ઍક્સેસ કરવા માટે અમે API રિલીઝ કરી રહ્યા છીએ. મોટાભાગની AI સિસ્ટમ્સ એક જ ઉપયોગ કિસ્સા માટે ડિઝાઇન થયેલી હોય છે, જ્યારે આજની API સામાન્ય હેતુ માટેનું “ટેક્સ્ટ ઇન, ટેક્સ્ટ આઉટ” ઇન્ટરફેસ આપે છે, જેથી વપરાશકર્તાઓ તેને લગભગ કોઈપણ અંગ્રેજી ભાષાના કાર્ય પર અજમાવી શકે. હવે તમે તમારા પ્રોડક્ટમાં API ને એકીકૃત કરવા, સંપૂર્ણ નવી એપ્લિકેશન વિકસાવવા, અથવા આ ટેકનોલોજીની શક્તિઓ અને મર્યાદાઓ શોધવામાં અમને મદદ કરવા માટે ઍક્સેસની વિનંતી કરી શકો છો.

કોઈપણ ટેક્સ્ટ પ્રોમ્પ્ટ આપો, તો API તમને આપેલા પેટર્નને મેળ ખાતું ટેક્સ્ટ કમ્પ્લીશન પરત કરશે. તમે તેને શું કરાવવું છે તેના થોડાં જ ઉદાહરણો બતાવીને તેને “પ્રોગ્રામ” કરી શકો છો. સામાન્ય રીતે તેની સફળતા કાર્ય કેટલું જટિલ છે તેના પર આધાર રાખે છે. API તમને આપેલા ઉદાહરણોના ડેટાસેટ (નાનું કે મોટું) પર ટ્રેનિંગ કરીને, અથવા વપરાશકર્તાઓ કે લેબલર દ્વારા આપવામાં આવેલા માનવીય પ્રતિસાદમાંથી શીખવીને, ચોક્કસ કાર્યો પર કામગીરી વધુ સારી બનાવવાની પણ મંજૂરી આપે છે.

અમે API ને એવી રીતે ડિઝાઇન કરી છે કે તે કોઈપણ માટે વાપરવા સરળ હોય અને સાથે સાથે મશીન લર્નિંગ ટીમોને વધુ ઉત્પાદક બનાવે એટલી લવચીક પણ હોય. હકીકતમાં, અમારી ઘણી ટીમો હવે API નો ઉપયોગ કરે છે જેથી તેઓ વિતરિત સિસ્ટમ્સની સમસ્યાઓ કરતાં મશીન લર્નિંગ સંશોધન પર ધ્યાન આપી શકે. આજે API, ઘણા ઝડપ અને થ્રૂપુટ સુધારાઓ સાથે, GPT‑3⁠(નવી વિન્ડોમાં ખૂલે છે) પરિવારના વેઇટ્સ ધરાવતા મોડલ્સ ચલાવે છે. મશીન લર્નિંગ ખૂબ ઝડપી ગતિએ આગળ વધી રહ્યું છે, અને અમે અમારી ટેકનોલોજી સતત સુધારી રહ્યા છીએ જેથી અમારા વપરાશકર્તાઓ હંમેશા અપ-ટુ-ડેટ રહે.

આ ક્ષેત્રમાં પ્રગતિની ઝડપનો અર્થ એ છે કે AI ના નવાં ઉપયોગો, સકારાત્મક અને નકારાત્મક બંને, વારંવાર આશ્ચર્યજનક રીતે સામે આવે છે. હેરાસમેન્ટ, spam, કટ્ટરપંથીકરણ, અથવા astroturfing જેવા સ્પષ્ટ રીતે હાનિકારક ઉપયોગ કિસ્સાઓ માટે અમે API ઍક્સેસ સમાપ્ત કરી દઈશું. પરંતુ અમે એ પણ જાણીએ છીએ કે આ ટેકનોલોજીના બધા શક્ય પરિણામોનો અંદાજ લગાવી શકતા નથી, તેથી અમે આજે સામાન્ય ઉપલબ્ધતા કરતાં private beta માં લોન્ચ કરી રહ્યા છીએ, વપરાશકર્તાઓને અમારી API પરત કરતું સામગ્રી વધુ સારી રીતે નિયંત્રિત કરવામાં મદદરૂપ થાય એવા સાધનો બનાવી રહ્યા છીએ, અને ભાષા ટેકનોલોજીના સુરક્ષા-સંબંધિત પાસાઓ પર સંશોધન કરી રહ્યા છીએ, જેમ કે હાનિકારક પક્ષપાતનું વિશ્લેષણ, ઘટાડણ અને તેમાં હસ્તક્ષેપ. અમે જે શીખીશું તે શેર કરીશું જેથી અમારા વપરાશકર્તાઓ અને વિશાળ સમુદાય વધુ માનવ-હિતકારી AI સિસ્ટમ્સ બનાવી શકે.

અમારા ખર્ચ આવરી લેવા⁠ અને અમારા મિશન⁠ ને આગળ ધપાવવા માટે આવકનું સ્ત્રોત બનવા ઉપરાંત, API એ અમને સામાન્ય હેતુની AI ટેકનોલોજી પર વધુ તીક્ષ્ણ ધ્યાન કેન્દ્રિત કરવા પ્રેર્યા છે—ટેકનોલોજીને આગળ વધારવી, તેને ઉપયોગી બનાવવી, અને વાસ્તવિક દુનિયામાં તેની અસરો પર વિચારવું. અમને આશા છે કે API લાભકારી AI આધારિત પ્રોડક્ટ્સ બનાવવા માટેની અડચણ⁠(નવી વિન્ડોમાં ખૂલે છે) ઘણી ઓછી કરશે, જેના પરિણામે આજે કલ્પના કરવી મુશ્કેલ હોય એવા સાધનો અને સેવાઓ ઊભા થશે.

API શોધવામાં રસ છે? અમારી private beta⁠(નવી વિન્ડોમાં ખૂલે છે) માં Algolia⁠(નવી વિન્ડોમાં ખૂલે છે), Quizlet⁠(નવી વિન્ડોમાં ખૂલે છે), અને Reddit⁠(નવી વિન્ડોમાં ખૂલે છે) જેવી કંપનીઓ તથા Middlebury Institute⁠(નવી વિન્ડોમાં ખૂલે છે) જેવી સંસ્થાઓના સંશોધકો સાથે જોડાઓ.

અંતે, અમને સૌથી વધુ જે મહત્વનું લાગે છે⁠ તે એ છે કે આર્ટિફિશિયલ જનરલ ઇન્ટેલિજન્સ સૌને લાભ પહોંચાડે. વાણિજ્યિક પ્રોડક્ટ્સ વિકસાવવું એ સફળ થવા માટે પૂરતું ભંડોળ સુનિશ્ચિત કરવાની રીતોમાંની એક છે એવું અમે માનીએ છીએ.

અમે એ પણ માનીએ છીએ કે દુનિયામાં શક્તિશાળી AI સિસ્ટમ્સને સુરક્ષિત રીતે ડિપ્લોય કરવું યોગ્ય રીતે કરવું મુશ્કેલ રહેશે. API રિલીઝ કરતી વખતે, અમે અમારા ભાગીદારો સાથે નજીકથી કામ કરી રહ્યા છીએ જેથી વાસ્તવિક દુનિયામાં AI સિસ્ટમ્સ વપરાય ત્યારે કયા પડકારો ઊભા થાય તે જોઈ શકાય. આથી ભવિષ્યની AI સિસ્ટમ્સને ડિપ્લોય કરવાથી શું પરિસ્થિતિ ઊભી થશે અને તેઓ સૌ માટે સુરક્ષિત અને લાભકારી રહે તે સુનિશ્ચિત કરવા માટે અમારે શું કરવું પડશે તે સમજવામાં અમારા પ્રયત્નોને માર્ગદર્શન મળશે.

અમે આવું કરવા પાછળ ત્રણ મુખ્ય કારણો હતા. પ્રથમ, ટેકનોલોજીને વાણિજ્યિક બનાવવાથી અમારા ચાલુ AI સંશોધન, સુરક્ષા અને નીતિ સંબંધિત પ્રયત્નો માટે ખર્ચ પૂરો કરવામાં મદદ મળે છે.

બીજું, APIના આધારરૂપ ઘણા મોડલ્સ અત્યંત મોટા છે, તેથી તેમને વિકસાવવા અને ડિપ્લોય કરવા માટે ઘણું વિશેષજ્ઞાન જોઈએ છે અને તેમને ચલાવવું પણ બહુ મોંઘું પડે છે. આ કારણે મોટી કંપનીઓ સિવાય અન્ય કોઈ માટે આ આધારભૂત ટેકનોલોજીનો લાભ લેવો મુશ્કેલ બને છે. અમને આશા છે કે API શક્તિશાળી AI સિસ્ટમ્સને નાનાં વ્યવસાયો અને સંસ્થાઓ માટે વધુ સુલભ બનાવશે.

ત્રીજું, API મોડલ અમને ટેકનોલોજીના દુરુપયોગ પર વધુ સરળતાથી પ્રતિસાદ આપવા દે છે. અમારા મોડલ્સના downstream ઉપયોગ કિસ્સાઓનું પૂર્વાનુમાન કરવું મુશ્કેલ હોવાથી, તેમને API મારફતે રિલીઝ કરવું અને સમય સાથે ઍક્સેસ વિસ્તૃત કરવું મૂળભૂત રીતે વધુ સુરક્ષિત લાગે છે, બદલે એવો ઓપન સોર્સ મોડલ રિલીઝ કરવાનો જ્યાં જો તે હાનિકારક ઉપયોગોમાં નીકળે તો ઍક્સેસ સમાયોજિત કરી શકાય નહીં.

GPT‑2 સાથે, અમારી મુખ્ય ચિંતાઓમાંની એક મોડલનો દુરુપયોગ હતો, જેમ કે ખોટી માહિતી ફેલાવવા માટે, જેને મોડલ ઓપન સોર્સ થયા પછી રોકવું મુશ્કેલ બને છે. API માટે, મંજૂર કરાયેલા ગ્રાહકો અને ઉપયોગ કિસ્સાઓ સુધી ઍક્સેસ મર્યાદિત કરીને અમે દુરુપયોગને વધુ સારી રીતે અટકાવી શકીએ છીએ. પ્રસ્તાવિત એપ્લિકેશન્સ લાઇવ થાય તેના પહેલાં અમારી પાસે ફરજિયાત પ્રોડક્શન રિવ્યૂ પ્રક્રિયા છે. પ્રોડક્શન રિવ્યૂમાં, અમે એપ્લિકેશન્સને થોડાં માપદંડો પર આંકીએ છીએ અને આવા પ્રશ્નો પૂછીએ છીએ: શું આ હાલમાં સમર્થિત ઉપયોગ કિસ્સો છે?, એપ્લિકેશન કેટલી ખુલ્લી છે?, એપ્લિકેશન કેટલી જોખમી છે?, સંભવિત દુરુપયોગને ઉકેલવા માટે તમારી શું યોજના છે?, અને તમારી એપ્લિકેશનના અંતિમ વપરાશકર્તાઓ કોણ છે?.

અમે એવા ઉપયોગ કિસ્સાઓ માટે API ઍક્સેસ સમાપ્ત કરીએ છીએ જે લોકોને શારીરિક, ભાવનાત્મક અથવા માનસિક નુકસાન પહોંચાડતા હોય છે અથવા પહોંચાડવા માટે રચાયેલા હોય છે, જેમાં હેરાસમેન્ટ, ઇરાદાપૂર્વકની છેતરપિંડી, કટ્ટરપંથીકરણ, astroturfing અથવા spam જેવી બાબતોનો સમાવેશ થાય છે, તેમજ એવી એપ્લિકેશન્સ પણ સામેલ છે જેમાં અંતિમ વપરાશકર્તાઓ દ્વારા દુરુપયોગ મર્યાદિત કરવા પૂરતી સુરક્ષા વ્યવસ્થાઓ નથી. અમને APIને વ્યવહારમાં ચલાવવાનો વધુ અનુભવ મળશે તેમ, અમે સતત એવા ઉપયોગ વર્ગોને વધુ સુઘડ બનાવતા રહીશું જેને અમે સમર્થન આપી શકીએ, જેથી સમર્થન આપતા એપ્લિકેશન્સની શ્રેણી વિસ્તરે અને જ્યાં દુરુપયોગની ચિંતાઓ હોય ત્યાં વધુ સૂક્ષ્મ વર્ગીકરણ ઊભું કરી શકીએ.

APIના ઉપયોગોને મંજૂરી આપતી વખતે અમે જે મુખ્ય પરિબળોમાંથી એક વિચારીએ છીએ તે છે કે સિસ્ટમની મૂળ જનરેટિવ ક્ષમતાઓ સંદર્ભે એપ્લિકેશન ખુલ્લા સ્વરૂપનું વર્તન દર્શાવે છે કે મર્યાદિત. APIની ખુલ્લા સ્વરૂપની એપ્લિકેશન્સ, એટલે કે મનમાની પ્રોમ્પ્ટ્સ દ્વારા મોટા પ્રમાણમાં કસ્ટમાઇઝ કરી શકાય તેવો ટેક્સ્ટ સરળતાથી જનરેટ કરવાની સગવડ આપે છે, ખાસ કરીને દુરુપયોગ માટે સંવેદનશીલ હોય છે. જનરેટિવ ઉપયોગ કિસ્સાઓને વધુ સુરક્ષિત બનાવી શકે તેવી મર્યાદાઓમાં human-in-the-loop રાખતી સિસ્ટમ ડિઝાઇન, અંતિમ વપરાશકર્તા ઍક્સેસ મર્યાદાઓ, આઉટપુટનું પોસ્ટ-પ્રોસેસિંગ, સામગ્રી ફિલ્ટ્રેશન, ઇનપુટ/આઉટપુટ લંબાઈ મર્યાદાઓ, સક્રિય મોનિટરિંગ અને વિષયક મર્યાદાઓનો સમાવેશ થાય છે.

અમે API દ્વારા સેવા મળતા મોડલ્સના સંભવિત દુરુપયોગ પર સંશોધન પણ ચાલુ રાખી રહ્યા છીએ, જેમાં અમારા academic access program⁠(નવી વિન્ડોમાં ખૂલે છે) મારફતે તૃતીય-પક્ષ સંશોધકો સાથેનું કામ પણ સામેલ છે. હાલમાં અમે ખૂબ મર્યાદિત સંખ્યામાં સંશોધકો સાથે શરૂઆત કરી રહ્યા છીએ અને અમારા શૈક્ષણિક ભાગીદારો Middlebury Institute⁠(નવી વિન્ડોમાં ખૂલે છે), University of Washington, and Allen Institute for AI⁠(નવી વિન્ડોમાં ખૂલે છે) પાસેથી અમને કેટલીક પ્રાથમિક પરિણામો પહેલેથી મળ્યાં છે. આ કાર્યક્રમ માટે અમને પહેલેથી જ દાયકાઓ હજારો અરજીઓ મળી છે અને હાલમાં અમે ન્યાયસંગતતા તથા પ્રતિનિધિત્વ સંશોધન પર કેન્દ્રિત અરજીઓને પ્રાથમિકતા આપી રહ્યા છીએ.

હાનિકારક પક્ષપાત જેવી નકારાત્મક અસરોને ઘટાડવું એક કઠિન, સમગ્ર ઉદ્યોગનો મુદ્દો છે અને અત્યંત મહત્વનું છે. જેમ કે અમે GPT‑3 paper⁠(નવી વિન્ડોમાં ખૂલે છે) અને model card⁠(નવી વિન્ડોમાં ખૂલે છે) માં ચર્ચા કરીએ છીએ, અમારા API મોડલ્સમાં પક્ષપાત દેખાય છે જે જનરેટ થયેલા ટેક્સ્ટમાં પણ પ્રતિબિંબિત થશે. આ મુદ્દાઓ ઉકેલવા માટે અમે નીચેના પગલાં લઈ રહ્યા છીએ.

• અમે ઉપયોગ માર્ગદર્શિકા વિકસાવી છે જે ડેવલપર્સને સંભવિત સુરક્ષા મુદ્દાઓ સમજવામાં અને ઉકેલવામાં મદદ કરે છે.
• અમે વપરાશકર્તાઓ સાથે નજીકથી કામ કરી રહ્યા છીએ જેથી તેમના ઉપયોગ કિસ્સાઓ સમજીએ અને હાનિકારક પક્ષપાત દેખાય ત્યારે તેને ઘટાડવા માટે સાધનો વિકસાવીએ.
• અમે હાનિકારક પક્ષપાતના પ્રગટ થવા અને ન્યાયસંગતતા તથા પ્રતિનિધિત્વ સંબંધિત વિસ્તૃત મુદ્દાઓ પર પોતાનું સંશોધન કરી રહ્યા છીએ, જે હાલના મોડલ્સના સુધારેલા દસ્તાવેજીકરણ તથા ભવિષ્યના વિવિધ મોડલ સુધારાઓ દ્વારા અમારા કાર્યને માર્ગદર્શન આપશે.
• અમે માનીએ છીએ કે પક્ષપાત એ એવી સમસ્યા છે જે સિસ્ટમ અને તેના અમલીકરણના સંદર્ભના સંગમબિંદુએ દેખાય છે. અમારી ટેકનોલોજીથી બનેલી એપ્લિકેશન્સ સામાજિક-તકનીકી સિસ્ટમ્સ છે, તેથી અમે અમારા ડેવલપર્સ સાથે કામ કરીએ છીએ જેથી તેઓ અણગમતા વર્તન પર નજર રાખવા માટે યોગ્ય પ્રક્રિયાઓ અને human-in-the-loop સિસ્ટમ્સ અમલમાં મૂકે.

અમારું લક્ષ્ય છે કે દરેક ઉપયોગ સંદર્ભમાં API દ્વારા થનારી સંભવિત હાનિને વધુ સારી રીતે સમજીએ અને તેને ઓછું કરવામાં મદદરૂપ થાય એવા અમારા સાધનો અને પ્રક્રિયાઓ સતત સુધારીએ.

18 સપ્ટેમ્બર, 2020ના રોજ અપડેટ કર્યું.