शेयरिंग और पब्लिकेशन पॉलिसी

AI-जनरेटेड कंटेंट के संभावित जोखिमों को कम करने के लिए, हमने अनुमत शेयरिंग पर नीचे दी गई पॉलिसी निर्धारित की है.

अपने खुद के प्रॉम्प्ट्स या कम्पलीशन्स को सोशल मीडिया पर पोस्ट करना आम तौर पर स्वीकार्य है, साथ ही अपने इस्तेमाल को लाइवस्ट्रीम करना या लोगों के ग्रुप्स के सामने हमारे प्रोडक्ट्स के बारे में बताना भी स्वीकार्य है. कृपया नीचे दी गई चीज़ों का पालन करें:

• शेयर करने से पहले या स्ट्रीमिंग करते समय हरेक पीढ़ी का मैन्युअल रिव्यु करें.
• कंटेंट का श्रेय अपने नाम या अपनी कंपनी को दें.
• ये इंगित करें कि कंटेंट AI द्वारा इस तरह से जनरेट किया गया है कि कोई भी यूज़र इसे उचित तरीके से नज़रअंदाज़ या गलत नहीं समझ सकता.
• ऐसा कंटेंट शेयर न करें जो हमारी कंटेंट पॉलिसी⁠ का उल्लंघन करता हो या जिससे दूसरों को ठेस पहुंच सकती हो.
• अगर आप दर्शकों की रिक्वेस्ट को प्रॉम्प्ट्स के तौर पर ले रहे हैं, तो विवेक का इस्तेमाल करें; ऐसे प्रॉम्प्ट्स इनपुट न करें, जिनसे हमारी कंटेंट पॉलिसी⁠ का उल्लंघन हो सकता है.

अगर आप ये पक्का करना चाहते हैं कि OpenAI टीम को किसी ख़ास कम्पलीशन के बारे में पता है, तो आप हमें ईमेल कर सकते हैं या Playground में रिपोर्टिंग टूल का इस्तेमाल कर सकते हैं.

• याद रखें कि आप रॉ मॉडल के साथ बातचीत कर रहे हैं, जिसका मतलब है कि हम पक्षपातपूर्ण या निगेटिव जवाबों को फ़िल्टर नहीं करते हैं. (इसके अलावा, आप हमारे मुफ़्त मॉडरेशन एंडपॉइंट⁠(एक नई विंडो में खुलेगा) को लागू करने के बारे में और ज़्यादा जानकारी यहां पढ़ सकते हैं.)

जो क्रिएटर्स अपनी फ़र्स्ट-पार्टी द्वारा लिखे गए कंटेंट (जैसे, एक किताब, लघु कथाओं का संग्रह) को OpenAI API के साथ आंशिक तौर पर पब्लिश करना चाहते हैं, उन्हें नीचे दी गई शर्तों के तहत ऐसा करने की अनुमति है:

• पब्लिश किया गया कंटेंट का श्रेय आपके नाम या कंपनी को दिया गया हो.
• कंटेंट को बनाने में AI की भूमिका को इस तरह क्लियर तरीके से बताया गया हो कि कोई भी रीडर इसे चूक न पाए, और जिसे एक सामान्य रीडर आसानी से समझ सकता हो.
• कंटेंट के टॉपिक्स OpenAI की कंटेंट पॉलिसी⁠ या इस्तेमाल की शर्तों⁠ का उल्लंघन नहीं करते हैं, जैसे कि, एडल्ट कंटेंट, स्पैम, नफ़रत भरे कंटेंट, हिंसा भड़काने वाले कंटेंट या दूसरे इस्तेमालों से संबंधित न हों जो सामाजिक नुकसान पहुंचा सकते हैं.
• हम आपसे अनुरोध करते हैं कि आप ऐसे आउटपुट शेयर करने से बचें जो दूसरों को अपमानित कर सकते हैं.

जैसे कि, किसी को भी एक प्रस्तावना या परिचय (या किसी समान स्थान) में ड्राफ़्टिंग, एडिटिंग, आदि की सापेक्ष भूमिकाओं के बारे में डिटेल में बताना होगा. लोगों को API-जनरेटेड कंटेंट को पूरी तरह से ह्यूमन द्वारा या पूरी तरह से AI द्वारा जनरेटेड के तौर पर प्रस्तुत नहीं करना चाहिए, और पब्लिश किए जा रहे कंटेंट के लिए पूरी ज़िम्मेदारी इंसान को ही लेनी चाहिए.

यहां कुछ स्टॉक लैंग्वेज दी गई है जिसका इस्तेमाल आप अपने क्रिएटिव प्रोसेस के बारे में बताने के लिए कर सकते हैं, बशर्ते वो सटीक हो:

हमारा मानना ​​है कि व्यापक दुनिया के लिए ये ज़रूरी है कि वो हमारी रिसर्च और प्रोडक्ट्स का इवैल्यूएशन कर सके, ख़ास तौर से हमारे मॉडल्स में संभावित कमज़ोरियों और सुरक्षा या पूर्वाग्रह संबंधी समस्याओं को समझने और उनमें सुधार करने के लिए. इसी के अनुसार, हम OpenAI API से जुड़े रिसर्च पब्लिकेशन्स का स्वागत करते हैं.

• कुछ मामलों में, हम आपके काम को इंटर्नल और/या एक्सटर्नल तरीके से उजागर करना चाह सकते हैं.
• दूसरे मामलों में, जैसे कि API की सुरक्षा या गलत इस्तेमाल से जुड़े पब्लिकेशन्स में, हम अपने यूज़र्स की सुरक्षा के लिए उचित कार्रवाई करना चाह सकते हैं.
• अगर आपको अपनी रिसर्च के दौरान API के साथ कोई सुरक्षा या सिक्योरिटी संबंधी समस्या नज़र आए, तो हम आपसे अनुरोध करते हैं कि कृपया इन्हें हमारे कोऑर्डिनेटेड वल्नरैबिलिटी डिस्क्लोज़र प्रोग्राम⁠ के ज़रिये तुरंत सबमिट करें.

OpenAI API के साथ कई रिसर्च की दिशाएं हैं जिन्हें हम एक्सप्लोर करने के लिए उत्साहित हैं. अगर आप सब्सिडाइज़्ड एक्सेस के अवसर में दिलचस्पी रखते हैं, तो कृपया हमें रिसर्चर एक्सेस प्रोग्राम ऐप्लिकेशन⁠ पर अपनी रिसर्च यूज़ केस के बारे में जानकारी दें.

ज़रूरी तौर पर, हम नीचे दी गई चीज़ों को ख़ास तौर से ज़रूरी दिशा-निर्देश मानते हैं, हालांकि आप अपनी खुद की दिशा बनाने के लिए स्वतंत्र हैं:

• अलाइनमेंट: हम कैसे समझ सकते हैं कि किसी मॉडल का उद्देश्य, अगर कोई हो, तो क्या है? हम उस उद्देश्य को ह्यूमन प्रेफ़रेंसेस के साथ अलाइन करने की सीमा को किस तरह बढ़ा सकते हैं, जैसे कि प्रॉम्प्ट डिज़ाइन या फ़ाइन-ट्यूनिंग के ज़रिये?
• निष्पक्षता और प्रतिनिधित्व: लैंग्वेज मॉडल में निष्पक्षता और प्रतिनिधित्व के लिए परफ़ॉर्मेंस क्राइटेरिया कैसे स्थापित किए जाने चाहिए? ख़ास, डिप्लॉय किए गए कॉन्टेक्स्ट में निष्पक्षता और प्रतिनिधित्व के लक्ष्यों को प्रभावी ढंग से सपोर्ट करने के लिए लैंग्वेज मॉडल को कैसे बेहतर बनाया जा सकता है?
• इंटरडिसिप्लिनरी रिसर्च: AI डेवलपमेंट फ़िलॉसोफ़ी, कॉग्निटिव साइंस और सोशियोलिंग्विस्टिक्स जैसे दूसरे विषयों से जानकारियां कैसे प्राप्त कर सकता है?
• विवेचनीयता और पारदर्शिता: ये मॉडल्स मैकेनिस्ट तरीके से कैसे काम करते हैं? क्या हम ये पहचान सकते हैं कि वे कौन-से कॉन्सेप्ट्स इस्तेमाल कर रहे हैं, या मॉडल से लेटेंट नॉलेज निकाल सकते हैं, ट्रेनिंग की प्रक्रिया के बारे में अनुमान लगा सकते हैं, या भविष्य में हैरान कर देने वाले बिहेवियर का अंदाज़ा लगा सकते हैं?
• गलत इस्तेमाल की संभावना: API जैसे सिस्टम्स का गलत इस्तेमाल कैसे किया जा सकता है? हम किस तरह के "रेड टीमिंग" अप्रोच डेवलप कर सकते हैं, जिससे हमें और दूसरे AI डेवलपर्स को इस तरह की टेक्नोलॉजियों को ज़िम्मेदारी से डिप्लॉय करने के बारे में सोचने में मदद मिल सके?
• मॉडल एक्सप्लोरेशन: API द्वारा पेश किए गए मॉडल्स में कई तरह की कैपेबिलिटीज़ होती हैं, जिन्हें हमें अभी एक्सप्लोर करना बाकी है. हम मॉडल की सीमाओं, भाषाई गुणों, कॉमनसेंस रीज़निंग और कई दूसरी समस्याओं के संभावित इस्तेमालों सहित, कई क्षेत्रों में जांच को लेकर बेहद उत्साहित हैं.
• मज़बूती: जनरेटिव मॉडल्स में असमान क्षमता सतहें होती हैं, जिनमें हैरान कर देने वाले मज़बूत और साथ ही कमज़ोर कैपेबिलिटी वाले क्षेत्रों की संभावना होती है. प्रॉम्प्ट में "नेचुरल" गड़बड़ियों के प्रति बड़े जनरेटिव मॉडल्स कितने मज़बूत हैं, जैसे कि एक ही आईडिया को अलग-अलग तरीकों से या गलतियों के साथ या बिना फ़्रेज़ करना? क्या हम उन डोमेन और टास्क के प्रकारों का पहले से अंदाज़ा लगा सकते हैं जिनके लिए बड़े जनरेटिव मॉडल्स और ज़्यादा मज़बूत (या मज़बूत नहीं) होने की संभावना रखते हैं, और ये ट्रेनिंग डेटा से किस तरह संबंधित है? क्या ऐसी टेक्निक्स हैं जिनका इस्तेमाल करके हम सबसे खराब-केस वाले बिहेवियर का पहले से अंदाज़ा लगा सकते हैं और उसे कम कर सकते हैं? कम-शॉट लर्निंग के कॉन्टेक्स्ट में मज़बूती को कैसे मापा जा सकता है (जैसे कि, प्रॉम्प्ट्स के वेरिएशन्स में)? क्या हम मॉडल्स को इस तरह ट्रेन कर सकते हैं कि वे प्रतिकूल इनपुट्स के तहत भी, भरोसे के बहुत ऊंचे लेवल के साथ सेफ़्टी प्रॉपर्टीज़ को पूरा कर सकें?

कृपया ध्यान दें कि अनुरोधों की ज़्यादा वॉल्यूम की वजह से, हमें इन ऐप्लिकेशन्स का रिव्यु करने में समय लगता है और सारी रिसर्च को सब्सिडी के लिए प्रायोरिटी नहीं दी जाएगी. हम आपसे तभी संपर्क करेंगे जब आपकी ऐप्लिकेशन सब्सिडी के लिए सिलेक्ट हो जाएगी.