NTIA AI တာဝန်ယူမှုမူဝါဒအပေါ် မှတ်ချက်

OpenAI သည် National Telecommunications and Information Administration (NTIA) ၏ 2023 ခုနှစ်၊ ဧပြီ 13 ရက်စွဲပါ AI တာဝန်ယူမှုမူဝါဒအပေါ် မှတ်ချက်များတောင်းခံချက် (RFC) ကို တုံ့ပြန်ရခြင်းအား ဝမ်းမြောက်ပါသည်။

ဤမှတ်ချက်တွင် ကျွန်ုပ်တို့သည် ယနေ့ပေးအပ်နေသော ဝန်ဆောင်မှုများတွင် အသုံးချနေသည့် ဘေးကင်းရေးလုပ်ထုံးလုပ်နည်းများနှင့် အနာဂတ်တွင် ပေးအပ်ရန် မျှော်မှန်းထားသော ဝန်ဆောင်မှုများတွင် အသုံးချရန် စီစဉ်ထားသည့် လုပ်ထုံးလုပ်နည်းများအပေါ် အခြေခံ၍ AI တာဝန်ယူမှုဆိုင်ရာ ကျွန်ုပ်တို့၏ အမြင်ကို ဖော်ပြထားပါသည်။ NTIA က ဤဆွေးနွေးမှုကို AI တာဝန်ယူမှု၏ “ecosystem” ဟူသော သဘောတရားဖြင့် ဖွဲ့စည်းတင်ပြရန် ဆုံးဖြတ်ခြင်းကို ကျွန်ုပ်တို့ ကြိုဆိုပါသည်။ RFC တွင် ဖော်ပြထားသကဲ့သို့ မူဝါဒဆိုင်ရာ အကျိုးသက်ဆိုင်သူများသည် “ယုံကြည်စိတ်ချရသော AI စနစ်ရည်မှန်းချက်များနှင့် ဖြန့်ချိအသုံးချမှု နောက်ခံအခြေအနေများ၏ အကွာအဝေးတစ်ရပ်” ကို စူးစမ်းနေကြပါသည်။¹ တာဝန်ယူမှုကို ရရှိစေရန် ရည်ရွယ်၍ ဒီဇိုင်းထုတ်ထားသော မူဝါဒများနှင့် လုပ်ထုံးလုပ်နည်းများသည် ထိုအခြေအနေအလိုက် ကွဲပြားမည်ဖြစ်သည်။ တစ်ချိန်တည်းမှာပင် သီးခြား တာဝန်ယူမှုဆိုင်ရာ အစီအမံများသည် တစ်ခုနှင့်တစ်ခု အတူတကွ တည်ရှိနေရမည်ဖြစ်ပြီး၊ အရေးကြီးဆုံးမှာ ၎င်းတို့ပူးပေါင်းလုပ်ဆောင်သောအခါ ဖြစ်ပေါ်လာသည့် သက်ရောက်မှုဖြစ်သည်။

AI တာဝန်ယူမှုအတွက် ရင့်ကျက်သော ecosystem တစ်ခုတွင် အလျားလိုက်နှင့် ဒေါင်လိုက် အစိတ်အပိုင်းများ နှစ်မျိုးစလုံး ပါဝင်မည်ဟု ကျွန်ုပ်တို့ ယုံကြည်ပါသည်။ ဆိုလိုသည်မှာ အသုံးချနယ်ပယ်အနှံ့ AI စနစ်အချို့တွင် အသုံးဝင်မည့် အစိတ်အပိုင်းများလည်း ရှိမည်ဟု မျှော်လင့်သကဲ့သို့၊ သီးခြားနယ်ပယ်များအတွက် အံဝင်ခွင်ကျ ပြုလုပ်ထားသည့် အစိတ်အပိုင်းများလည်း ရှိမည်ဟု မျှော်လင့်ပါသည်။ ကျွန်ုပ်တို့သည် အလွန်စွမ်းဆောင်ရည်မြင့်သော foundation မော်ဒယ်များ၏ ဖွံ့ဖြိုးတိုးတက်မှုနှင့် ဖြန့်ချိအသုံးချမှုတွင် ပါဝင်ဆောင်ရွက်နေပါသည်—၎င်းတို့မှာ ဒေတာပမာဏများစွာမှ သင်ယူပြီး နောက်ဆက်တွဲလုပ်ငန်းအမျိုးမျိုးကို လုပ်ဆောင်နိုင်ရန် စွမ်းရည်ရရှိစေသော မော်ဒယ်များဖြစ်သည်။ ကျွန်ုပ်တို့၏ အမြင်အရ ကျွန်ုပ်တို့ကဲ့သို့သော AI ဖွံ့ဖြိုးသူများသည် တာဝန်သိစွာ လုပ်ဆောင်ရမည်ဖြစ်ပြီး အဆင့်မြင့်ဆုံး စွမ်းရည်များ၏ ဖွံ့ဖြိုးတိုးတက်ရေးနှင့် ဖြန့်ချိအသုံးချမှုတွင် သတိပြုကာ ဘေးကင်းရေးကို အလေးထားသည့် ချဉ်းကပ်နည်းကို လက်ခံရမည်ဖြစ်သည်။ ထိုသို့သော မော်ဒယ်များကို အသုံးပြုနိုင်သည့် သီးခြားနယ်ပယ်များ ဘာပဲဖြစ်ဖြစ် ဤအချက်သည် မှန်ကန်ပါသည်။

AI အပေါ်—ကျွန်ုပ်တို့၏ ထုတ်ကုန်များအပေါ်လည်း အပါအဝင်—ရှိပြီးသား ဥပဒေအမျိုးမျိုးသည် ယခုပင် အသက်ဝင်နေပြီး၊ အမေရိကန်လွှတ်တော်တွင် ဥပဒေပြုအစပျိုးမှုများ၊ ဥရောပတွင် ဖွံ့ဖြိုးဆဲ AI Act နှင့် ကမ္ဘာတဝှမ်း ပေါ်ပေါက်နေသော ဥပဒေရေးရာနှင့် မူဝါဒရေးရာ အစပျိုးမှုများကြောင့် ဥပဒေပတ်ဝန်းကျင်သည် အလျင်အမြန် ပြောင်းလဲနေပါသည်။ တစ်ချိန်တည်းမှာပင် ဆေးပညာ၊ ပညာရေးနှင့် အလုပ်အကိုင်ကဲ့သို့သော နယ်ပယ်များတွင် ရှည်လျားစွာ တည်ရှိခဲ့သော ဥပဒေများ၊ စည်းမျဉ်းများနှင့် အခြား မျှော်လင့်ချက်များကို AI သည် ထိုနယ်ပယ်များတွင် မည်သို့ အခန်းကဏ္ဍယူမည်ကို ပုံဖော်မည့် နည်းလမ်းများဖြင့် ယခုတင် ပြန်လည်အဓိပ္ပာယ်ဖွင့်ဆို၍ လိုက်လျောညီထွေ ပြောင်းလဲနေကြပြီဖြစ်သည်။ နက်ရှိုင်းသော နယ်ပယ်ဆိုင်ရာ ကျွမ်းကျင်မှုများဖြင့် အားပေးထောက်ပံ့ထားသော ဤကဏ္ဍအလိုက် ကြိုးပမ်းမှုများကို AI တာဝန်ယူမှု ပတ်ဝန်းကျင်၏ အရေးပါသော အစိတ်အပိုင်းတစ်ခုအဖြစ် ကျွန်ုပ်တို့ မြင်ပါသည်။

ကျွန်ုပ်တို့သည် NIST AI Risk Management Framework၊ U.S.-E.U. Trade and Technology Council နှင့် အခြား ကမ္ဘာလုံးဆိုင်ရာ အစပျိုးမှုများစွာ၏ ကြိုးပမ်းမှုများအပါအဝင် AI အတွက် ပေါ်ပေါက်လာနေသော တာဝန်ယူမှုဆိုင်ရာ မျှော်လင့်ချက်များကို ညှိနှိုင်းကိုက်ညီစေရန် ကြိုးပမ်းမှုများကို အခိုင်အမာ ထောက်ခံပါသည်။ ဤကြိုးပမ်းမှုများ ဆက်လက်တိုးတက်နေစဉ်နှင့် ဥပဒေအသစ်များ အပြည့်အဝ အကောင်အထည်မဖော်ရသေးမီတွင်ပင် ကျွန်ုပ်တို့နှင့် အခြားကုမ္ပဏီများအတွက် ဖြန့်ချိအသုံးချမှုမတိုင်မီ စမ်းသပ်ခြင်း၊ အကြောင်းအရာရင်းမြစ်အထောက်အထား နှင့် trust and safety ကဲ့သို့သော ကိစ္စရပ်များအပေါ် စိတ်အားထက်သန်စွာ ကတိကဝတ်များ ပြုလုပ်ရမည့် အခန်းကဏ္ဍ ရှိနေသည်ဟု ကျွန်ုပ်တို့ မြင်ပါသည်။

ကျွန်ုပ်တို့၏ လက်ရှိ အင်ဂျင်နီယာရင်းနီးယားချဉ်းကပ်နည်းသည် ထူးခြားသော အတိုင်းအတာရှိသော ကွန်ပျူတာတွက်ချက်မှု အရင်းအမြစ်များကို လိုအပ်ပြီး၊ ယင်းကို ကျွန်ုပ်တို့ကဲ့သို့သော အဖွဲ့အစည်းများအပေါ် သက်ဆိုင်မည့် ထပ်ဆောင်းပြီး ကွဲပြားသည့် တာဝန်ယူမှုဆိုင်ရာ မျှော်လင့်ချက်များကို သတ်မှတ်ရာတွင် အလားအလာကောင်းသော အခြေခံတစ်ရပ်အဖြစ် မြင်ပါသည်။ ပြိုင်ဆိုင်မှုနှင့် ဆန်းသစ်တီထွင်နိုင်စွမ်းကို သက်ဆိုင်သူအားလုံးအတွက် မျှတစွာ ထိန်းသိမ်းထားနိုင်ရန် အလွန်စွမ်းဆောင်ရည်မြင့်သော foundation မော်ဒယ်များအတွက် စည်းမျဉ်းသစ်များ၏ သက်ရောက်မှုအကွာအဝေးကို သေချာစွာ သတ်မှတ်ရန် ကျွန်ုပ်တို့ ထောက်ခံပါသည်။

တာဝန်ယူမှုသည် နည်းပညာ၏ အသက်ဝင်လည်ပတ်သည့် ကာလတစ်လျှောက်လုံးတွင် အခန်းကဏ္ဍတစ်ခုရှိပါသည်။ ကျွန်ုပ်တို့၏ မော်ဒယ်များကို ဘေးကင်းပြီး ယုံကြည်စိတ်ချရစေရန် ကြိုးပမ်းမှုများသည် ဖွံ့ဖြိုးတိုးတက်ရေး မစတင်မီကတည်းက စတင်ပြီး၊ မော်ဒယ်များကို ဖြန့်ချိအသုံးချခြင်းနှင့် လည်ပတ်ဆောင်ရွက်ခြင်း တစ်လျှောက်လုံး ဆက်လက်ရှိနေကာ၊ အလွန်စွမ်းဆောင်ရည်မြင့်သော foundation မော်ဒယ်များ၏ ဖန်တီးသူများနှင့် အသုံးပြုသူများ နှစ်ဖက်စလုံးကို လွှမ်းခြုံပါသည်။ ကျွန်ုပ်တို့သည် ဖွံ့ဖြိုးသူများအား ၎င်းတို့၏ application များအတွက် ကမ္ဘာ့အဆင့်မီ စွမ်းရည်များကို ပေးအပ်ပြီး၊ ChatGPT နှင့် ကျွန်ုပ်တို့၏ အခြားဝန်ဆောင်မှုများကို နေ့စဉ်အသုံးပြုနေသော လူသန်းပေါင်းများစွာထံသို့လည်း စွမ်းအားမြင့် စွမ်းရည်များကို တိုက်ရိုက်ပေးအပ်ပါသည်။ ကျွန်ုပ်တို့၏ အသုံးပြုမှု မူဝါဒများသည် ကျွန်ုပ်တို့၏ မော်ဒယ်များ၊ ကိရိယာများနှင့် ဝန်ဆောင်မှုများကို အသုံးပြုသူအားလုံးအပေါ် သက်ရောက်ပါသည်။² ကျွန်ုပ်တို့သည် ရှိပြီးသား ဥပဒေများကို လိုက်နာပြီး၊ ကျွန်ုပ်တို့၏ ဝန်ဆောင်မှုများကို အသုံးပြုသောအခါ ဖွံ့ဖြိုးသူများနှင့် အသုံးပြုသူများလည်း လိုက်နာရန် တောင်းဆိုပါသည်။

ဤမှတ်ချက်၏ ကျန်ပိုင်းတွင် AI တာဝန်ယူမှုအပေါ် ကျွန်ုပ်တို့၏ လက်ရှိချဉ်းကပ်နည်းများကို အာရုံစိုက်ကာ၊ ecosystem ကို ပိုမိုအားကောင်းစေရန် ကျွန်ုပ်တို့နှင့် အခြားသူများ လုပ်ဆောင်နေသော အရေးကြီးနယ်ပယ်များကို ဖော်ပြထားပါသည်။ အမေရိကန်ပြည်ထောင်စုနှင့် ကမ္ဘာတဝှမ်းရှိ မူဝါဒချမှတ်သူများသည် AI တာဝန်ယူမှုကို ရရှိစေရန် ရည်ရွယ်သည့် ဥပဒေပြုရေး၊ စည်းမျဉ်းများ၊ အပြည်ပြည်ဆိုင်ရာ သဘောတူညီချက်များ၊ ကိုယ်တိုင်စည်းကမ်းထိန်းသိမ်းရေး အစီအစဉ်များနှင့် အတင်းအကျပ်လိုက်နာရမည့် နည်းပညာဆိုင်ရာနှင့် အခြား စံချိန်စံညွှန်းများအပါအဝင် မူဝါဒများနှင့် အစီအမံများစွာကို စဉ်းစားနေကြောင်း ကျွန်ုပ်တို့ သတိပြုမိပါသည်။ ဤကြိုးပမ်းမှုများကို ကျွန်ုပ်တို့ တန်ဖိုးထားပြီး၊ AI တာဝန်ယူမှုအတွက် ထိရောက်သော ချဉ်းကပ်နည်းများကို ဖွံ့ဖြိုးတိုးတက်အကောင်အထည်ဖော်ရန် အခြား အကျိုးသက်ဆိုင်သူများနှင့် ပူးပေါင်းရန် အသင့်ရှိပါသည်။

ကျွန်ုပ်တို့သည် ပြောင်းလဲတိုးတက်နေသော အများပြည်သူဆိုင်ရာ ဆွေးနွေးမှုများနှင့်အတူ ကျွန်ုပ်တို့၏ လုပ်ဆောင်ပုံများကို ပိုမိုကောင်းမွန်အောင် ပြင်ဆင်နေပါသည်။ ဤနေရာတွင် ကျွန်ုပ်တို့၏ ချဉ်းကပ်နည်း၏ ကဏ္ဍအများအပြားအကြောင်း အသေးစိတ် ဖော်ပြထားပါသည်။

တာဝန်ယူမှုရှိသော AI စနစ်များကို တည်ဆောက်ရာတွင် ပွင့်လင်းမြင်သာမှုသည် အရေးကြီးသော အစိတ်အပိုင်းတစ်ခုဖြစ်သည်။ ကျွန်ုပ်တို့၏ တာဝန်ယူမှုချဉ်းကပ်နည်း၏ အဓိကအပိုင်းတစ်ခုမှာ ကျွန်ုပ်တို့ ဖြန့်ချိအသုံးပြုသည့် AI စနစ်အသစ်များအတွက် ယခုလက်ရှိတွင် စနစ်ကဒ် ဟု ခေါ်သည့် စာတမ်းတစ်စောင်ကို ထုတ်ဝေခြင်းဖြစ်သည်။ ဤချဉ်းကပ်နည်းသည် မော်ဒယ်ကဒ်များနှင့် စနစ်ကဒ်များအပေါ် ယခင်သုတေသနလုပ်ငန်းများမှ စိတ်ကူးယူထားသည်။³ ယနေ့အထိ OpenAI သည် စနစ်ကဒ် နှစ်ခုကို ထုတ်ဝေထားပြီးဖြစ်သည်။ GPT‑4 စနစ်ကဒ် နှင့် DALL-E 2 စနစ်ကဒ် ဖြစ်သည်။⁴

အများစုသော အခြေအနေများတွင် ဤစာတမ်းများသည် မော်ဒယ်ကိုသာ အာရုံစိုက်ခြင်းထက် စနစ်တစ်ခု၏ သက်ရောက်မှုများကို ခွဲခြမ်းစိတ်ဖြာဖော်ပြရန် အရေးကြီးသည်ဟု ကျွန်ုပ်တို့ ယုံကြည်ပါသည်။ အကြောင်းမှာ စနစ်၏ သက်ရောက်မှုများသည် မော်ဒယ်တစ်ခုတည်းမဟုတ်ဘဲ အသုံးပြုမှုအခြေအနေ၊ နောက်ခံအခြေအနေ နှင့် လက်တွေ့ကမ္ဘာအတွင်း အပြန်အလှန်ဆက်သွယ်မှုများ အပါအဝင် အခြားအချက်များပေါ်တွင်လည်း တစ်စိတ်တစ်ပိုင်း မူတည်နေသောကြောင့်ဖြစ်သည်။ အလားတူပင် AI စနစ်တစ်ခု၏ သက်ရောက်မှုများသည် အသုံးပြုမှုမူဝါဒများ၊ ဝင်ရောက်အသုံးပြုခွင့် ထိန်းချုပ်မှုများ နှင့် အလွဲသုံးစားမှု စောင့်ကြည့်ခြင်းကဲ့သို့သော အန္တရာယ်လျော့ပါးစေမှုများပေါ်တွင်လည်း မူတည်ပါသည်။ ပြင်ပမှ အကျိုးသက်ဆိုင်သူများအနေဖြင့် ဤအကြောင်းအရာများနှင့် ပတ်သက်သော အချက်အလက်များကို မျှော်လင့်ရခြင်းသည် သင့်လျော်ပြီး၊ ကျွန်ုပ်တို့၏ ချဉ်းကပ်နည်းကို နားလည်နိုင်မည့် အခွင့်အရေး ရှိသင့်သည်ဟု ကျွန်ုပ်တို့ ယုံကြည်ပါသည်။

ကျွန်ုပ်တို့၏ စနစ်ကဒ်များသည် စနစ်၏ အပြုအမူအပေါ် သက်ရောက်မှုရှိသော အဓိကအချက်များအကြောင်း၊ အထူးသဖြင့် တာဝန်သိစွာ အသုံးပြုမှုနှင့် သက်ဆိုင်သော နယ်ပယ်များတွင် ဖတ်ရှုသူများကို သိရှိစေရန် ရည်ရွယ်ပါသည်။ စနစ်ကဒ်များနှင့် ဆင်တူစာတမ်းများ၏ တန်ဖိုးသည် ၎င်းတို့ပေးသော မော်ဒယ်စွမ်းဆောင်ရည်ဆိုင်ရာ ပြဿနာများ၏ ခြုံငုံသုံးသပ်ချက်တင်မကဘဲ၊ ၎င်းတို့ပေးသော ဥပမာများမှလည်း ဖြစ်ပေါ်လာကြောင်း ကျွန်ုပ်တို့ တွေ့ရှိထားပါသည်။ ထိုသို့သော ဥပမာများသည် အသုံးပြုသူများနှင့် ဖွံ့ဖြိုးသူများအား ဖော်ပြထားသော စနစ်၏ စွမ်းဆောင်ရည်နှင့် အန္တရာယ်များ၊ ထိုအန္တရာယ်များကို လျော့ပါးစေရန် ကျွန်ုပ်တို့ လုပ်ဆောင်သည့် အဆင့်များကို ပိုမို အခြေပြုနားလည်စေနိုင်သည်။ ဤစာတမ်းများ ပြင်ဆင်ရေးသည် ကျွန်ုပ်တို့၏ အတွင်းပိုင်း လုပ်ထုံးလုပ်နည်းများကိုလည်း ပုံဖော်ပေးပြီး၊ AI အပေါ် တာဝန်သိသော ချဉ်းကပ်နည်းများကို လက်တွေ့အကောင်အထည်ဖော်ရန် လမ်းများရှာဖွေနေသူများအတွက်လည်း ထိုလုပ်ထုံးလုပ်နည်းများကို ပြသပေးပါသည်။

ထိုးဖောက်စမ်းသပ်ခြင်းဆိုသည်မှာ ကျွန်ုပ်တို့၏ မော်ဒယ်များနှင့် စနစ်များ၏ ဘေးကင်းရေးပရိုဖိုင်ကို ပိုမိုပြည့်စုံစွာ နားလည်နိုင်ရန် နယ်ပယ်အမျိုးမျိုးတွင် အရည်အသွေးပိုင်းဆိုင်ရာ စမ်းသပ်သုံးသပ်မှုများ ပြုလုပ်သည့် လုပ်ငန်းစဉ်ဖြစ်သည်။ ကျွန်ုပ်တို့သည် မော်ဒယ်ဖွံ့ဖြိုးတိုးတက်ရေး၏ အစိတ်အပိုင်းတစ်ရပ်အဖြစ် ကိုယ်ပိုင်ဝန်ထမ်းများဖြင့် အတွင်းပိုင်း ထိုးဖောက်စမ်းသပ်ခြင်းကို လုပ်ဆောင်သကဲ့သို့၊ စမ်းသပ်ခံစနစ်ကို တည်ဆောက်သည့် အဖွဲ့နှင့် လွတ်လပ်စွာ ဆောင်ရွက်သူများနှင့်လည်း လုပ်ဆောင်ပါသည်။ အဖွဲ့အစည်း၏ စွမ်းရည်များနှင့် တိုက်ခိုက်မှုများအပေါ် ခံနိုင်ရည်ကို စူးစမ်းစစ်ဆေးခြင်းအပြင်၊ red team များသည် အန္တရာယ်ဖြစ်စေနိုင်သော အနားသတ်ဖြစ်ရပ်များနှင့် အခြား ဖြစ်နိုင်သော ချို့ယွင်းမှုပုံစံများကို ဖော်ထုတ်ရန် ရည်ရွယ်သည့် stress testing နှင့် boundary testing နည်းလမ်းများကိုလည်း အသုံးပြုကြသည်။

ထိုးဖောက်စမ်းသပ်ခြင်းသည် ကျွန်ုပ်တို့လည်း ဆောင်ရွက်နေသည့် မော်ဒယ်စွမ်းရည်များနှင့် အန္တရာယ်များအပေါ် အလိုအလျောက်၊ ကိန်းဂဏန်းအခြေပြု အကဲဖြတ်မှုများကို ဖြည့်စွက်ပေးသည့် နည်းလမ်းဖြစ်ပြီး၊ ထိုအကြောင်းကို နောက်အပိုင်းတွင် ဖော်ပြထားပါသည်။ ၎င်းသည် ယခုထိ ကိန်းဂဏန်းဖြင့် မတိုင်းတာနိုင်သေးသော အန္တရာယ်များ သို့မဟုတ် ပိုမို စံပြုထားသော အကဲဖြတ်နည်းများ မဖွံ့ဖြိုးသေးသည့် အန္တရာယ်များကို ထင်ရှားစေပါသည်။ ထိုးဖောက်စမ်းသပ်ခြင်းအပေါ် ကျွန်ုပ်တို့၏ ယခင်လုပ်ငန်းများကို DALL-E 2 စနစ်ကဒ် နှင့် GPT‑4 စနစ်ကဒ် တွင် ဖော်ပြထားပါသည်။

ကျွန်ုပ်တို့၏ ထိုးဖောက်စမ်းသပ်ခြင်းနှင့် စမ်းသပ်မှုများကို ယေဘုယျအားဖြင့် မော်ဒယ် သို့မဟုတ် စနစ်အသစ်တစ်ခု၏ ဖွံ့ဖြိုးတိုးတက်ရေးအဆင့်အတွင်း ဆောင်ရွက်ပါသည်။ ကျွန်ုပ်တို့၏ အတွင်းပိုင်းစမ်းသပ်မှုများနှင့် သီးခြားစီ OpenAI ပြင်ပမှ စမ်းသပ်သူများကို ခေါ်ယူကာ ဖွံ့ဖြိုးဆဲစနစ်တစ်ခုသို့ အစောပိုင်း အသုံးပြုခွင့် ပေးပါသည်။ စမ်းသပ်သူများကို OpenAI က စိတ်ဝင်စားသည့် နယ်ပယ်များတွင် ယခင်လုပ်ကိုင်ခဲ့သည့် အတွေ့အကြုံများ (သုတေသန သို့မဟုတ် လက်တွေ့ကျွမ်းကျင်မှု) အပေါ် အခြေခံ၍ ရွေးချယ်ပြီး၊ များသောအားဖြင့် တက္ကသိုလ်သုတေသီများနှင့် လုပ်ငန်းခွင်ပညာရှင်များ (ဥပမာ Trust & Safety ဆိုင်ရာ အလုပ်အတွေ့အကြုံရှိသူများ) ပေါင်းစပ်ထားသူများ ဖြစ်ကြသည်။ ဤစမ်းသပ်မှုရလဒ်များကို ကျွန်ုပ်တို့ အကဲဖြတ်အတည်ပြုကာ သင့်လျော်သည့်နေရာများတွင် ပြင်ဆင်မှုများနှင့် လျော့ပါးစေမှုများကို ဆောင်ရွက်ပါသည်။

OpenAI သည် လက်ရှိနှင့် အနာဂတ် အကဲဖြတ်မှုများအတွက် ပြင်ပစမ်းသပ်သူများ၏ အရည်အသွေး၊ မတူကွဲပြားမှုနှင့် အတွေ့အကြုံကို မြှင့်တင်ရန် ဆက်လက်လုပ်ဆောင်နေပါသည်။

အထက်တွင် ဖော်ပြခဲ့သော အရည်အသွေးပိုင်းဆိုင်ရာ ထိုးဖောက်စမ်းသပ်ခြင်းအပြင် ကျွန်ုပ်တို့သည် ထိုးဖောက်စမ်းသပ်ခြင်းကဲ့သို့သော နည်းလမ်းများမှတစ်ဆင့် တွေ့ရှိသည့် အန္တရာယ်များ အပါအဝင် စွမ်းရည်အမျိုးမျိုးနှင့် ဘေးကင်းရေးဦးတည်သော အန္တရာယ်များအတွက် အလိုအလျောက်၊ ကိန်းဂဏန်းအခြေပြု အကဲဖြတ်မှုများကို ဖန်တီးပါသည်။ ဤအကဲဖြတ်မှုများက ကျွန်ုပ်တို့၏ မော်ဒယ်ဗားရှင်းအမျိုးမျိုးကို တစ်ခုနှင့်တစ်ခု နှိုင်းယှဉ်နိုင်စေပြီး၊ ဘေးကင်းရေးကို ပိုမိုကောင်းမွန်စေသည့် သုတေသနနည်းလမ်းများကို ထပ်ခါထပ်ခါ မြှင့်တင်နိုင်စေကာ၊ နောက်ဆုံးတွင် မည်သည့် မော်ဒယ်ဗားရှင်းများကို ဖြန့်ချိအသုံးချမည်ကို ဆုံးဖြတ်ရာတွင် ထည့်သွင်းစဉ်းစားရသည့် အချက်အလက်တစ်ရပ်အဖြစ် လုပ်ဆောင်ပါသည်။ ရှိပြီးသား အကဲဖြတ်မှုများတွင် erotic content၊ hateful content နှင့် self-harm နှင့် ပတ်သက်သော content စသည့် အကြောင်းအရာများ ပါဝင်ပြီး၊ မော်ဒယ်များက ထိုသို့သော content များကို ထုတ်ပေးရန် ဘယ်လောက် လွယ်ကူစွာ ယိုင်လဲနိုင်သည်ကို တိုင်းတာပါသည်။

ကျွန်ုပ်တို့၏ အသုံးပြုမှု မူဝါဒများတွင် ဖော်ပြထားသကဲ့သို့ OpenAI သည် ကျွန်ုပ်တို့၏ မော်ဒယ်များနှင့် ကိရိယာများကို လှုပ်ရှားမှုများနှင့် အကြောင်းအရာအချို့အတွက် အသုံးပြုခြင်းကို ခွင့်မပြုပါ။⁵ ဤမူဝါဒများသည် ကျွန်ုပ်တို့၏ မော်ဒယ်များနှင့် ကိရိယာများကို တစ်ဦးချင်း သို့မဟုတ် လူမှုအသိုင်းအဝိုင်းကို ထိခိုက်နစ်နာစေသည့် နည်းလမ်းများဖြင့် အသုံးပြုခြင်းကို တားမြစ်ရန် ဒီဇိုင်းထုတ်ထားခြင်းဖြစ်သည်။ ကျွန်ုပ်တို့သည် ပေါ်ပေါက်လာသော အန္တရာယ်အသစ်များနှင့် ကျွန်ုပ်တို့၏ မော်ဒယ်များကို မည်သို့ အသုံးပြုနေကြောင်း အပ်ဒိတ်ဖြစ်လာသော အချက်အလက်များအပေါ် တုံ့ပြန်၍ ဤမူဝါဒများကို မွမ်းမံပါသည်။ ကျွန်ုပ်တို့၏ မော်ဒယ်များသို့ ဝင်ရောက်အသုံးပြုခွင့်နှင့် အသုံးပြုမှုသည် OpenAI ၏ အသုံးပြုမှုဆိုင်ရာ စည်းမျဉ်းများ အောက်တွင်လည်း ရှိနေပြီး၊ ထိုစည်းမျဉ်းများတွင် အခြားအရာများအပြင် လူများ၏ အခွင့်အရေးများကို ထိခိုက်စေရန် ကျွန်ုပ်တို့၏ ဝန်ဆောင်မှုများကို အသုံးပြုခြင်းကို တားမြစ်ထားသကဲ့သို့၊ မလူက ဖန်တီးထားသော output ကို လူကဖန်တီးထားသည်ဟု တင်ပြခြင်းကိုလည်း တားမြစ်ထားပါသည်။⁶

ထိခိုက်နစ်နာမှုဖြစ်စေသော လှုပ်ရှားမှုများအတွက် ကျွန်ုပ်တို့၏ မော်ဒယ်များ အသုံးပြုမှုကို ကန့်သတ်ရန်၊ ဖြစ်နိုင်ချေရှိသော အန္တရာယ်ဖြစ်စေသော တုံ့ပြန်မှုများသို့ ဦးတည်နိုင်သည့် တောင်းဆိုမှုအမျိုးအစားအချို့ကို မော်ဒယ်များက တုံ့ပြန်ရန် ငြင်းဆိုတတ်စေရန် သင်ကြားပေးခြင်းဖြင့် အဆင့်များယူထားပါသည်။ ထို့အပြင် ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ မော်ဒယ်များကို အလွဲသုံးစားပြုမှုကို ဖော်ထုတ်ပြီး အရေးယူရန် သုံးသပ်သူများနှင့် အလိုအလျောက်စနစ်များ ပေါင်းစပ်အသုံးပြုပါသည်။ ကျွန်ုပ်တို့၏ အလိုအလျောက်စနစ်များတွင် ကျွန်ုပ်တို့၏ မူဝါဒများကို ချိုးဖောက်နိုင်သည့် content ကို ဖော်ထုတ်ရန် ဒီဇိုင်းထုတ်ထားသော စက်သင်ယူမှုနှင့် စည်းမျဉ်းအခြေပြု classifier detection အစုတစ်စု ပါဝင်သည်။ အသုံးပြုသူတစ်ဦးက ကျွန်ုပ်တို့၏ မော်ဒယ်များကို မူဝါဒချိုးဖောက်သော content ဖြင့် ထပ်တလဲလဲ prompt လုပ်သည့်အခါ သတိပေးချက်ထုတ်ပေးခြင်း၊ ယာယီဆိုင်းငံ့ခြင်း သို့မဟုတ် အခြေအနေပြင်းထန်ပါက အသုံးပြုခွင့်ပိတ်ပင်ခြင်းကဲ့သို့သော အရေးယူမှုများကို ကျွန်ုပ်တို့ လုပ်ဆောင်ပါသည်။

RFC တွင် ဆွေးနွေးထားသကဲ့သို့ AI တာဝန်ယူမှုနှင့် ဆက်စပ်သော အရေးကြီးမေးခွန်းများစွာမှာ ယခုထိ မဖြေရှင်းရသေးပါ။ အောက်ပါအပိုင်းများတွင် ဤမေးခွန်းများအနက် အချို့အပေါ် ထပ်ဆောင်းအမြင်များကို ကျွန်ုပ်တို့ ပေးထားပါသည်။

အလွန်စွမ်းဆောင်ရည်မြင့်သော foundation မော်ဒယ်များတွင် အကျိုးရှိသော စွမ်းရည်များရှိသကဲ့သို့၊ ထိခိုက်နစ်နာမှု ဖြစ်စေနိုင်သော အလားအလာလည်း ရှိပါသည်။ ဤမော်ဒယ်များ၏ စွမ်းရည်များ ပိုမိုအဆင့်မြင့်လာသည်နှင့်အမျှ၊ အထူးသဖြင့် မကောင်းသော ရည်ရွယ်ချက်ရှိသူ၏ ညွှန်ကြားမှုအောက်တွင် ရှိပါက သို့မဟုတ် မော်ဒယ်ကို လူ့တန်ဖိုးများနှင့် သင့်လျော်စွာ ကိုက်ညီအောင် မလုပ်ထားပါက၊ ၎င်းတို့ ဖြစ်စေနိုင်သည့် အန္တရာယ်များ၏ အရွယ်အစားနှင့် ပြင်းထန်မှုလည်း တိုးလာပါသည်။

အန္တရာယ်ဖြစ်နိုင်သော စွမ်းရည်များတွင် တိုးတက်မှုများကို တိကျခိုင်မာစွာ တိုင်းတာခြင်းသည် အန္တရာယ်ကို ထိရောက်စွာ အကဲဖြတ်နှင့် စီမံခန့်ခွဲရန်အတွက် မရှိမဖြစ်လိုအပ်ပါသည်။ ယင်းအတွက် ကျွန်ုပ်တို့သည် ရိုးရှင်းပြီး ချဲ့ထွင်အသုံးပြုနိုင်သော အလိုအလျောက်ကိရိယာများမှ လူ့ကျွမ်းကျင်သူများက ပြုလုပ်သည့် သီးသန့်၊ အလွန်နက်ရှိုင်းသော အကဲဖြတ်မှုများအထိ အန္တရာယ်ဖြစ်နိုင်သော စွမ်းရည်များအတွက် အကဲဖြတ်မှုများကို စူးစမ်းတည်ဆောက်နေပါသည်။ ကျွန်ုပ်တို့သည် တက္ကသိုလ်နှင့် လုပ်ငန်းကဏ္ဍမှ ကျွမ်းကျင်သူများနှင့် ပူးပေါင်းဆောင်ရွက်နေပြီး၊ နောက်ဆုံးတွင် အလွန်စွမ်းဆောင်ရည်မြင့်သော foundation မော်ဒယ်များတွင် ပေါ်ပေါက်လာသော အန္တရာယ်များကို အကဲဖြတ်ရန် အကောင်းဆုံး လုပ်ထုံးလုပ်နည်းများ ဖွဲ့စည်းရာတွင် အထောက်အကူပြုနိုင်သော မတူကွဲပြားသည့် အကဲဖြတ်မှုအစုံအလင် ဖွံ့ဖြိုးတိုးတက်စေရန် ပါဝင်ကူညီရန် ရည်မှန်းထားပါသည်။ အန္တရာယ်ရှိသော စွမ်းရည်အကဲဖြတ်မှုများသည် စွမ်းဆောင်ရည်အမြင့်ဆုံး AI ဖွံ့ဖြိုးတိုးတက်ရေးတွင် တာဝန်ယူမှုနှင့် အုပ်ချုပ်မှုအတွက် ပိုမိုအရေးပါလာသော အခြေခံတုံးတစ်ခုဖြစ်သည်ဟု ကျွန်ုပ်တို့ ယုံကြည်ပါသည်။

တတိယပါတီများအပါအဝင် လွတ်လပ်သော မော်ဒယ်နှင့် စနစ်အကဲဖြတ်မှုများသည် မော်ဒယ်စွမ်းရည်များ ဆက်လက်မြင့်တက်လာနေသဖြင့် ပိုမိုတန်ဖိုးရှိလာနိုင်ပါသည်။ ထိုသို့သော အကဲဖြတ်မှုများသည် AI စနစ်များ၏ အပြုအမူများနှင့် အန္တရာယ်များအပေါ် တာဝန်ယူမှုနှင့် ပွင့်လင်းမြင်သာမှုကို ပိုမိုအားကောင်းစေနိုင်သည်။

အချို့သော အကဲဖြတ်မှုပုံစံများကို အဖွဲ့အစည်းတစ်ခုအတွင်းပင် ဆောင်ရွက်နိုင်ပါသည်။ ဥပမာအားဖြင့် အဖွဲ့တစ်ခုက ကိုယ်ပိုင်လုပ်ငန်းကို ကိုယ်တိုင်အကဲဖြတ်သည့်အခါ၊ သို့မဟုတ် အဖွဲ့တစ်ခု သို့မဟုတ် အဖွဲ့အစည်း၏ အစိတ်အပိုင်းတစ်ခုက မော်ဒယ်တစ်ခု ထုတ်လုပ်ပြီး အခြား အဖွဲ့တစ်ခု သို့မဟုတ် အစိတ်အပိုင်းတစ်ခုက လွတ်လပ်စွာ ဆောင်ရွက်ကာ ထိုမော်ဒယ်ကို စမ်းသပ်သည့်အခါကဲ့သို့ ဖြစ်သည်။ အခြား ချဉ်းကပ်နည်းတစ်ခုမှာ ပြင်ပ တတိယပါတီတစ်ခုက အကဲဖြတ်မှုကို ဆောင်ရွက်စေခြင်း ဖြစ်သည်။ အထက်တွင် ဖော်ပြခဲ့သကဲ့သို့ ကျွန်ုပ်တို့သည် လက်ရှိတွင် မော်ဒယ်များအပေါ် အတွင်းပိုင်းနှင့် ပြင်ပ အကဲဖြတ်မှုများ ပေါင်းစပ်ထားသည့် နည်းလမ်းကို အားထားအသုံးပြုနေပါသည်။

တတိယပါတီ အကဲဖြတ်မှုများသည် သီးခြား ဖြန့်ချိအသုံးချမှုများ၊ အချိန်ကာလတစ်ခုအတွင်းရှိ မော်ဒယ် သို့မဟုတ် စနစ်တစ်ခု၊ အဖွဲ့အစည်းဆိုင်ရာ အုပ်ချုပ်မှုနှင့် အန္တရာယ်စီမံခန့်ခွဲမှု လုပ်ထုံးလုပ်နည်းများ၊ မော်ဒယ် သို့မဟုတ် စနစ်တစ်ခု၏ သီးခြား အသုံးချမှုများ သို့မဟုတ် ယင်းတို့၏ ပေါင်းစပ်မှုတစ်ခုခုကို အာရုံစိုက်နိုင်ပါသည်။ ထိုသို့သော အကဲဖြတ်မှုများတွင် အသုံးပြုမည့် အတွေးအခေါ်များနှင့် ဖြစ်နိုင်သော မူဘောင်များသည် အလွန်လျင်မြန်စွာ ဆက်လက်ပြောင်းလဲနေပြီး၊ ကျွန်ုပ်တို့သည် အကဲဖြတ်မှုများအပေါ် ကိုယ်ပိုင်ချဉ်းကပ်နည်းကို စောင့်ကြည့်စဉ်းစားနေပါသည်။

မည်သည့် တတိယပါတီ အကဲဖြတ်မှုမဆိုအတွက် သင့်လျော်သော ကျွမ်းကျင်မှုနှင့် လှုံ့ဆော်မှုပုံစံများရှိသော စာရင်းစစ်သူ/အကဲဖြတ်သူများကို ရွေးချယ်သည့် လုပ်ငန်းစဉ်တွင် ပိုမိုရှင်းလင်းမှု လိုအပ်ပါသည်။ ထို့အပြင် အဖွဲ့အစည်းများ သို့မဟုတ် မော်ဒယ်များကို အကဲဖြတ်ရန် ကိုက်ညီသည့် မျှော်လင့်ချက်များကို ရွေးချယ်သတ်မှတ်ခြင်းသည် အကျိုးသက်ဆိုင်သူ အမျိုးမျိုးထံမှ အမြင်များ လိုအပ်မည့် ဆက်လက်စူးစမ်းရမည့် နယ်ပယ်တစ်ခုဖြစ်နေဆဲ ဖြစ်သည်။ နောက်ဆုံးအနေဖြင့် စနစ်များသည် အချိန်ကြာလာသည်နှင့်အမျှ မည်သို့ ပြောင်းလဲလာနိုင်သည်ကို အကဲဖြတ်မှုများက ထည့်သွင်းစဉ်းစားပြီး၊ ထိုအချက်ကို အကဲဖြတ်မှု/စာရင်းစစ်မှု လုပ်ငန်းစဉ်တွင် တည်ဆောက်ထည့်သွင်းရန် အရေးကြီးမည်ဖြစ်သည်။

အနာဂတ်မျိုးဆက်၏ အလွန်စွမ်းဆောင်ရည်မြင့်သော foundation မော်ဒယ်များအတွက် မှတ်ပုံတင်ခြင်းနှင့် လိုင်စင်လိုအပ်ချက်များ ဖွံ့ဖြိုးရေးကို ကျွန်ုပ်တို့ ထောက်ခံပါသည်။ ထိုသို့သော မော်ဒယ်များတွင် အများပြည်သူ ဘေးကင်းရေးအတွက် သိသာထင်ရှားသော အန္တရာယ်များ ဖြစ်စေနိုင်လောက်သည့် အန္တရာယ်ရှိသော စွမ်းရည်များ ရှိနိုင်ပြီး၊ ထိုသို့ ဖြစ်ပါက ၎င်းတို့သည် အချိုးကျသော တာဝန်ယူမှုလိုအပ်ချက်များအောက်တွင် ရှိသင့်သည်ဟု ကျွန်ုပ်တို့ ယုံကြည်ပါသည်။

အလွန်စွမ်းဆောင်ရည်မြင့်သော foundation မော်ဒယ်များကို ထုတ်လုပ်မည်ဟု မျှော်မှန်းထားသော သင်ကြားရေးလုပ်ငန်းစဉ်များအတွက် ထုတ်ဖော်ပြောကြားခြင်းနှင့် မှတ်ပုံတင်ခြင်းဆိုင်ရာ မျှော်လင့်ချက်များကို စဉ်းစားသုံးသပ်ခြင်းသည် သင့်လျော်နိုင်ပါသည်။ ထိုသို့သော ထုတ်ဖော်မှုသည် မူဝါဒချမှတ်သူများကို ထိရောက်သော စည်းမျဉ်းရေးရာ ဖြေရှင်းချက်များ ဒီဇိုင်းထုတ်နိုင်ရန် လိုအပ်သော မြင်နိုင်စွမ်းကို ပံ့ပိုးပေးနိုင်ပြီး၊ AI တိုးတက်မှု၏ စွမ်းဆောင်ရည်အမြင့်ဆုံး နယ်စပ်တွင် ပေါ်ပေါက်လာမည့် လမ်းကြောင်းများကို ကြိုတင် ကိုင်တွယ်နိုင်စေပါသည်။ ထိုသို့သော စနစ်များမည်သည့်အရာမဆို ထုတ်ဖော်ပြောကြားသည့် အချက်အလက်များ၏ လုံခြုံရေးကို ဦးစားပေးရမည်မှာ အလွန်အရေးကြီးပါသည်။

AI ဖွံ့ဖြိုးသူများအား ယခင်က ဘေးကင်းကြောင်း ပြသထားသော မော်ဒယ်များထက် ပိုမိုစွမ်းဆောင်ရည်ရှိနိုင်ခြေ မြင့်မားသော အလွန်စွမ်းဆောင်ရည်မြင့် foundation မော်ဒယ်များ ဖန်တီးရန် လိုင်စင်ရယူရန် လိုအပ်စေနိုင်ပါသည်။ လိုင်စင်စနစ်သည် လေကြောင်းခရီးသွားလုပ်ငန်း၊ လျှပ်စစ်ထုတ်လုပ်ရေး၊ ဆေးဝါးထုတ်လုပ်ရေးနှင့် ဘဏ်လုပ်ငန်းကဲ့သို့သော ဘေးကင်းရေးအရေးကြီးသော နှင့် အန္တရာယ်မြင့်သော နောက်ခံအခြေအနေများတွင် ပုံမှန်တွေ့ရပါသည်။ လိုင်စင်ရသူများအား ဖြန့်ချိအသုံးချမှုမတိုင်မီ အန္တရာယ်အကဲဖြတ်မှုများ ဆောင်ရွက်ရန်နှင့် အဆင့်မြင့်ဆုံး လုံခြုံရေးနှင့် ဖြန့်ချိအသုံးချမှု ကာကွယ်စောင့်ရှောက်မှုများကို လက်ခံကျင့်သုံးရန် တောင်းဆိုနိုင်ပါသည်။ အမှန်အားဖြင့် NTIA က စဉ်းစားနေမည့် တာဝန်ယူမှုဆိုင်ရာ လုပ်ထုံးလုပ်နည်းများစွာသည် သင့်လျော်သော လိုင်စင်လိုအပ်ချက်များ ဖြစ်နိုင်ပါသည်။ ကွန်ပျူတာတွက်ချက်မှုပံ့ပိုးသူ အဆင့်တွင် လိုင်စင်လိုအပ်ချက်များ မိတ်ဆက်ခြင်းသည်လည်း အကောင်အထည်ဖော်ထိန်းကျောင်းရေးအတွက် အားကောင်းသော ဖြည့်စွက်ကိရိယာတစ်ခု ဖြစ်နိုင်ပါသည်။

AI ဖွံ့ဖြိုးတိုးတက်မှု၏ စွမ်းဆောင်ရည်အမြင့်ဆုံး နယ်စပ်တွင် တာဝန်ယူမှုရရှိစေရန် မှတ်ပုံတင်ခြင်းနှင့် လိုင်စင်စနစ်များ ဒီဇိုင်းထုတ်ရာတွင် ပွင့်နေသေးသော မေးခွန်းများစွာ ရှိနေဆဲဖြစ်သည်။ ဤမေးခွန်းများကို ကိုင်တွယ်ဖြေရှင်းရာတွင် မူဝါဒချမှတ်သူများနှင့် ပူးပေါင်းဆောင်ရွက်ရန် ကျွန်ုပ်တို့ မျှော်လင့်ပါသည်။