शेअरिंग आणि प्रकाशन धोरण

AI वापरून जनरेट केलेल्या काँटेंटचे संभाव्य धोके कमी करण्यासाठी, आम्ही परवानगी असलेल्या शेअरिंगसाठी खालील धोरण निश्चित केले आहे.

सामान्यपणे सोशल मीडियावर तुमचे स्वतःचे प्रॉम्प्ट किंवा पूर्ण झालेली कामे पोस्ट करण्याची परवानगी आहे, तसेच तुमच्या वापराचे लाइव्हस्ट्रीमिंग करणे किंवा लोकांच्या गटांसमोर आमच्या उत्पादनांचे प्रात्यक्षिक करणे याचीसुद्धा परवानगी आहे. कृपया खालील गोष्टींचे पालन करा:

• शेअर करण्यापूर्वी किंवा स्ट्रीमिंग करताना प्रत्येक जनरेशनचे मॅन्युअली पुनरावलोकन करा.
• काँटेंटचे श्रेय तुमच्या नावाला किंवा तुमच्या कंपनीला द्या.
• काँटेंट AI ने जनरेट केले आहे ही गोष्ट या प्रकारे दर्शवा की सर्व वापरकर्ते ते पाहू शकतील किंवा त्यांना ते स्पष्टपणे समजेल.
• आमच्या काँटेंट धोरणाचे⁠ उल्लंघन करणारे किंवा इतरांना आक्षेपार्ह वाटेल असे काँटेंट शेअर करू नका.
• जर तुम्ही प्रॉम्प्टसाठी प्रेक्षकांच्या विनंत्या घेत असाल, तर योग्य निर्णय घ्या; आमच्या काँटेंट धोरणाचे⁠ उल्लंघन होऊ शकेल असे प्रॉम्प्ट इनपुट करू नका.

जर तुम्हाला खात्री करायची असेल की OpenAI टीमला एखाद्या विशिष्ट पूर्णतेची जाणीव आहे, तर तुम्ही आम्हाला ईमेल करू शकता किंवा Playground मधील रिपोर्टिंग टूल्स वापरू शकता.

• लक्षात ठेवा की तुम्ही अपूर्ण मॉडेलशी संवाद साधत आहात, याचा अर्थ आहे की आम्ही पक्षपाती किंवा नकारात्मक प्रतिसाद फिल्टर करत नाही. (तसेच, तुम्ही आमचे विनामूल्य मॉडरेशन एंडपॉइंट​⁠(नवीन विंडोमध्ये उघडेल) वापरण्याबद्दल येथे अधिक माहिती मिळवू शकता.)

OpenAI API सह अंशतः तयार केलेली त्यांची प्रथम-पक्ष लिखित काँटेंट (उदा. पुस्तक, लघुकथांचे संग्रह) प्रकाशित करू इच्छिणाऱ्या निर्मात्यांना खालील अटींनुसार तसे करण्याची परवानगी आहे:

• प्रकाशित काँटेंट तुमच्या किंवा तुमच्या कंपनीच्या नावावर आहे.
• काँटेंट तयार करण्यात एआयची भूमिका स्पष्टपणे अशा प्रकारे प्रकट केली आहे की कोणत्याही वाचकाच्या नजरेतून सुटू शकत नाही आणि सामान्य वाचकाला ते समजणे पुरेसे सोपे जाईल.
• काँटेंटचे विषय OpenAI च्या काँटेंट धोरणाचे⁠ किंवा वापराच्या अटींचे⁠ उल्लंघन करत नाहीत, उदा., प्रौढ काँटेंट, स्पॅम, द्वेषपूर्ण काँटेंट, हिंसाचाराला उत्तेजन देणारे काँटेंट किंवा सामाजिक हानी पोहोचवू शकणार्‍या इतर वापरांशी संबंधित नाहीत.
• इतरांना आक्षेपार्ह वाटेल असे आउटपुट शेअर करणे टाळावे अशी आमची विनंती आहे.

उदाहरणार्थ, प्रस्तावना किंवा परिचयात (किंवा तत्सम ठिकाणी) मसुदा तयार करणे, एडिटिंग करणे इत्यादींच्या सापेक्ष भूमिकांचे तपशीलवार वर्णन करणे आवश्यक आहे. लोकांनी API जनरेटेड काँटेंटला संपूर्णपणे मानवाने किंवा संपूर्णपणे AI ने जनरेट केलेले असल्याचे दाखवू नये आणि प्रकाशित होणाऱ्या काँटेंटची अंतिम जबाबदारी मानवानेच घेतली पाहिजे.

तुमच्या सर्जनशील प्रक्रियेचे वर्णन करण्यासाठी तुम्ही वापरू शकता अशी काही नेहमी वापरण्याची भाषा येथे दिलेली आहे, मात्र ती योग्य असली तरच वापरावी:

आमचा असा विश्वास आहे की व्यापक स्वरूपात आमच्या संशोधनाचे आणि उत्पादनांचे मूल्यांकन करता येणे जगासाठी महत्त्वाचे आहे, विशेषतः आमच्या मॉडेल्समधील संभाव्य कमकुवतपणा आणि सुरक्षितता किंवा पक्षपाती समस्या समजून घेणे आणि सुधारणे. म्हणूनच, आम्ही OpenAI API शी संबंधित संशोधन प्रकाशनांचे स्वागत करतो.

• काही प्रकरणांमध्ये, आम्हाला तुमचे काम अंतर्गत आणि/ किंवा बाह्यरित्या हायलाइट करायची गरज असू शकेल.
• इतर प्रकरणांमध्ये, जसे की API च्या सुरक्षिततेशी किंवा गैरवापराशी संबंधित प्रकाशनांसाठी, आम्हाला आमच्या वापरकर्त्यांचे संरक्षण करण्यासाठी योग्य ती कारवाई करावी लागू शकते.
• तुमच्या संशोधनादरम्यान जर तुम्हाला API मध्ये कोणत्याही सुरक्षिततेच्या समस्या आढळल्या, तर आम्ही तुम्हाला विनंती करतो की तुम्ही आमच्या कोऑर्डिनेटेड व्हल्नेरेबिलिटी डिस्क्लोजर प्रोग्राम⁠द्वारे त्या त्वरित सबमिट कराव्यात.

OpenAI API सह संशोधनाच्या अनेक दिशा एक्सप्लोर करण्यासाठी आम्ही उत्सुक आहोत. जर तुम्हाला अनुदान मिळवून प्रवेश मिळवण्याच्या संधीमध्ये रस असेल, तर कृपया संशोधक प्रवेश कार्यक्रम अर्जातून⁠ तुमच्या संशोधन वापराच्या परिस्थितींबद्दलचे तपशील आम्हाला द्या.

आम्ही खालील दिशांमधील संशोधन विशेषकरून महत्त्वाचे मानतो, पण तुम्ही स्वतःची दिशा ठरवण्यास मोकळे आहात:

• अलाइनमेंट: एखाद्या मॉडेलला कोणत्या उद्दिष्टासाठी वापरले पाहिजे हे आम्हाला कसे समजेल, जर मॉडेलची प्रकृती तशी असेल तर? प्रॉम्प्ट डिझाइन करणे किंवा फाइन-ट्यूनिंग करणे यासारख्या मानवी प्राधान्यांशी ते उद्दिष्ट किती सुसंगत आहे त्याचे प्रमाण आम्ही कसे वाढवू शकतो?
• निष्पक्षता आणि प्रतिनिधित्व: भाषा मॉडेल्समध्ये निष्पक्षता आणि प्रतिनिधित्वासाठी कामगिरीचे निकष कसे स्थापित केले पाहिजेत? विशिष्ट, लागू केलेल्या संदर्भांत निष्पक्षता आणि प्रतिनिधित्वाच्या उद्दिष्टांना प्रभावीपणे सपोर्ट करण्यासाठी भाषा मॉडेल्समध्ये सुधारणा कशी करता येईल?
• आंतरविद्याशाखीय संशोधन: तत्त्वज्ञान, संज्ञानात्मक विज्ञान आणि समाजभाषाशास्त्र यासारख्या इतर विषयांमधील इनसाइट्सचा वापर करून AI चा विकास कसा करता येईल?
• अर्थ लावणे आणि पारदर्शकता: या मॉडेल्सच्या काम करण्यामागील यंत्रणा काय आहे? ते कोणत्या संकल्पना वापरत आहेत हे आपण ओळखू शकतो का किंवा मॉडेलमधून सुप्त ज्ञान काढू शकतो का, प्रशिक्षण प्रक्रियेबद्दल निष्कर्ष काढू शकतो का किंवा भविष्यातील अनपेक्षित वर्तनाचा अंदाज लावू शकतो का?
• गैरवापराची शक्यता: API सारख्या प्रणालींचा गैरवापर कसा होऊ शकतो? यासारख्या तंत्रज्ञानाला जबाबदारीने डिप्लॉय करण्याबद्दल विचार करण्यासाठी आम्हाला आणि इतर AI डेव्हलपर्सना मदत करण्यासाठी आम्ही कोणत्या प्रकारचे "रेड टीमिंग" दृष्टिकोन तयार करू शकतो?
• मॉडेल एक्सप्लोरेशन: या API द्वारे मदत केल्या जाणाऱ्या मॉडेल्समध्ये विविध क्षमता असतात ज्या आपण अद्याप एक्सप्लोर केलेल्या नाहीत. मॉडेलच्या मर्यादा, भाषिक गुणधर्म, सामान्य व्यवहारज्ञान तर्क आणि इतर अनेक समस्यांसाठी संभाव्य उपयोग यांसारख्या अनेक क्षेत्रांमधील संशोधनांमुळे आम्हाला उत्साह वाटतो आहे.
• मजबूती: जनरेटिव्ह मॉडेल्समध्ये असमान क्षमता पृष्ठभाग असतात, ज्यांमध्ये अनपेक्षितपणे मजबूत आणि अनपेक्षितपणे कमकुवत सामर्थ्याची क्षेत्रे असू शकतात. एकाच कल्पनेसाठी वेगवेगळ्या प्रकारे किंवा टायपिंगच्या चुकांसह किंवा त्याशिवाय वाक्यरचना करणे यांसारख्या, प्रॉम्प्टमधील "नैसर्गिक" गोंधळांसाठी मोठे जनरेटिव्ह मॉडेल किती मजबूत आहेत? मोठे जनरेटिव्ह मॉडेल्स कोणत्या प्रकारच्या डोमेन आणि कामांसाठी मजबूत (किंवा कमकुवत) असण्याची शक्यता जास्त असते याचा अंदाज आपण लावू शकतो का आणि हे प्रशिक्षण डेटाशी कसे संबंधित आहे? अगदी वाईट परिस्थितीचे भाकित करण्यासाठी व त्याचा प्रभाव कमी करण्यासाठी आपण वापरू शकतो असे काही तंत्रज्ञान आहे का? कमी प्रयत्नात शिकण्याच्या संदर्भात (उदा., प्रॉम्प्टमधील फरकांसाठी) मजबूतपणा कसा मोजता येईल? आपण मॉडेल्सना असे प्रशिक्षण देऊ शकतो का, की ते उच्च पातळीच्या विश्वासार्हतेसह सुरक्षिततेच्या गुणधर्मांची पूर्तता करतील, अगदी प्रतिकूल इनपुटमध्येही?

कृपया लक्षात घ्या की विनंत्यांच्या मोठ्या संख्येमुळे, या अर्जांचे पुनरावलोकन करण्यासाठी आम्हाला वेळ लागतो आणि सर्व संशोधनांना अनुदानासाठी प्राधान्य दिले जाणार नाही. तुमचा अर्ज अनुदानासाठी निवडला गेला तरच आम्ही तुमच्याशी संपर्क साधू.