OpenAI

Updated: 14 November 2022

Kabijakan nuduhake lan publikasi

Media sosial, siaran langsung, lan demonstrasi

Kanggo nyuda risiko sing bisa muncul saka konten sing digawe AI, kita wis netepaké kabijakan ing ngisor iki babagan kegiatan nuduhake sing diidinaké.

Ngirim prompt utawa completion gawean sampeyan dhéwé menyang media sosial umumé diidinaké, semono uga nyiaraké panggunaan sampeyan kanthi langsung utawa nduduhaké produk kita marang saklompok wong. Mangga tindakake ing ngisor iki:

  • Tinjau kanthi manual saben pangasilan sadurunge dituduhake utawa nalika streaming.

  • Wenehake atribut dening konten kasebut menyang jeneng utawa perusahaan sampeyan.

  • Tuduhna manawa konten kasebut digawe dening AI kanthi cara sing cukup cetha saengga ora ana pangguna sing kanthi wajar bisa ora weruh utawa salah paham.

  • Aja nuduhake konten sing nglanggar Kabijakan Konten⁠⁠ kita utawa sing bisa nyinggung pihak liya.

  • Yen sampeyan nampa panjalukan prompt saka pamirsa, gunakna pertimbangan sing becik; aja nginput prompt sing bisa nyebabake pelanggaran marang Kabijakan Konten⁠⁠ kita.

Yen sampeyan pengin mesthekake tim OpenAI ngerti ana completion tartamtu, sampeyan bisa ngirim email marang kita utawa nggunakaké piranti pelaporan ing njero Playground.

Konten ditulis bebarengan karo OpenAI API

Kreator sing pengin nerbitake konten tulisan pihak pertama (contone, buku, kumpulan crita cekak) sing digawe sapérangan kanthi OpenAI API, diidinake kanggo nindakake iku miturut katemtuan ing ngisor iki:

  • Konten sing diterbitake dihubungake karo jeneng utawa perusahaan sampeyan.

  • Peran AI ing nyusun konten diungkapake kanthi cetha kanthi cara sing ora bakal bisa kliwatan dening pamaca sapa wae, lan sing bakal dianggep cukup gampang dimangerteni dening pamaca umum.

  • Topik konten ora nglanggar Kebijakan Konten⁠⁠ utawi Ketentuan Panggunaan⁠⁠ OpenAI, contone, ora ana hubungane karo konten diwasa, spam, konten kebencian, konten sing nuwuhake kekerasan, utawa panggunaan liyane sing bisa nyebabake bebaya sosial.

  • Kita nyuwun supaya sampeyan ora nuduhake asil sing bisa nyinggung wong liya.

Umpamane, sawijining individu kudu njlentrehake ing Pambuka utawa Penganyar (utawa papan liya sing padha) peran relatif saka drafting, editing, lan liya-liyane. Individu ora kena nyatakaké konten sing digawe API minangka konten sing kabèh digawe manungsa utawa kabèh digawe AI, lan manungsa sing kudu nanggung tanggung jawab penuh kanggo konten sing diterbitaké.

Ing ngisor iki ana sawetara basa baku sing bisa sampeuam gunakaké kanggo njlèntrèhaké proses kreatif sampeyan, anggere akurat:

Panulis ngasilaké teks iki sebagian nganggo GPT‑3, model pangasilan basa skala gedhé OpenAI. Sawisé ngasilaké draf basa, penulis mriksa, nyunting, lan ngrevisi basa kasebut miturut kekarepane dhéwé lan nanggung tanggung jawab penuh kanggo isi publikasi iki.

Riset

Kita yakin manawa penting supaya masyarakat global sing luwih jembar bisa ngevaluasi riset lan produk kita, utamane kanggo mangerteni lan ningkatake potensi kelemahan lan masalah keamanan utawa bias ing model kita. Mula, kita nampani publikasi riset sing gegandhengan karo OpenAI API.

  • Ing sawetara kasus, kita bisa uga pengin nampilaké karya sampeyan kanthi internal lan/utawa eksternal.

  • Ing kasus liyane, kayata publikasi sing ana gandhengane karo keamanan utawa panyalahgunaan API, kita bisa uga pengin njupuk langkah-langkah sing cocog kanggo nglindhungi pangguna.

  • Yen sampeyan nemokake masalah keamanan utawa keselamatan karo API sajrone nindakake riset, kita nyuwun supaya sampeyan langsung ngirimake iki liwat Program Pengungkapan Kerentanan Terkoordinasi⁠⁠.

Program Akses Panaliti

Ana sawetara arah riset sing pengin dijelajahi nganggo OpenAI API. Yen sampeyan kepincut kaliyan kesempatan akses bersubsidi, mangga paringana rincian babagan kasus panggunaan riset sampeyan ing aplikasi Program Akses Panaliti⁠⁠.

Utamane, kita nganggep ing ngisor iki minangka pandhuan sing penting banget, sanajan sampeyan bebas nggawe pandhuan dhewe:

  • Keselaran: Kepiye carane kita bisa mangerteni tujuan apa, yen ana, sing paling apik dipahami minangka tujuan saka model kasebut? Kepiye carane kita bisa nambah sepira gedhene objektif kasebut selaras karo preferensi manungsa kanthi resmi, kayata liwat desain prompt utawa penyempurnaan?

  • Keadilan lan perwakilan: Kepiye kritéria kinerja kudu ditetepake kanggo keadilan lan perwakilan ing model basa? Kepiye model basa bisa ditingkatake supaya bisa efektif ndhukung tujuan keadilan lan perwakilan ing konteks tartamtu sing digunakake?

  • Riset interdisipliner: Kepiye pangembangan AI bisa njupuk wawasan saka disiplin liya kayata filsafat, ilmu kognitif, lan sosiolinguistik?

  • Interpretabilitas lan transparansi: Kepiye model-model iki bisa digunakaké sacara mekanistis? Apa kita bisa ngidentifikasi konsep apa sing digunakake, utawa ngekstrak kawruh laten saka model, nyimpulake babagan prosedur pelatihan, utawa ngramal prilaku mangsa ngarep sing ngagetake?

  • Potensi panyalahgunaan: Kepiye sistem kaya API bisa disalahgunakake? Pendekatan “red teaming” kaya apa sing bisa kita kembangake kanggo mbantu kita lan pangembang AI liyane mikir babagan cara nyebarake teknologi kaya iki kanthi tanggung jawab?

  • Eksplorasi model: Model-model kaya sing disedhiyakake liwat API nduweni macem-macem kemampuan sing durung kita teliti. Kita bungah banget karo investigasi ing pirang-pirang wilayah kalebu watesan model, sifat linguistik, penalaran sing masuk akal, lan potensi panggunaan kanggo akeh masalah liyane.

  • Ketangguhan: Model generatif duwé kapabilitas sing ora merata, kanthi kemungkinan ana area kapabilitas sing nggumunake kuwaté lan uga nggumunake ringkihé. Sepira kuwat model generatif gedhé marang owah-owahan “alami” ing prompt, kayata ngandharaké gagasan sing padha nganggo cara sing béda-béda utawa nganggo/tanpa salah ketik? Apa kita bisa mrediksi jinis domain lan tugas sing ndadekaké model generatif gedhé luwih cenderung kuwat (utawa ora kuwat), lan kepiye hubungane iki karo data pelatihan? Apa ana teknik sing bisa digunakake kanggo prediksi lan mitigasi prilaku kasus paling ala? Kepiye carane ketangguhan bisa diukur ing konteks pembelajaran sawetara langkah (contone, ing macem-macem variasi prompt)? Apa kita bisa nglatih model-model supaya padha nyukupi properti keamanan kanthi tingkat keandalan sing dhuwur banget, sanajan ana input sing orang cocog?

Elinga yen amarga akeh banget panjaluk, butuh wektu kanggo kita nliti aplikasi kasebut lan ora kabeh riset bakal diprioritasake kanggo subsidi. Kita mung bakal ngubungi sampeyan yen aplikasi sampeyan dipilih kanggo nampa subsidi.