OpenAI ਅਤੇ ਪੱਤਰਕਾਰਤਾ
ਅਸੀਂ ਪੱਤਰਕਾਰਤਾ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਾਂ, ਖ਼ਬਰ ਸੰਸਥਾਵਾਂ ਨਾਲ ਭਾਗੀਦਾਰੀ ਕਰਦੇ ਹਾਂ, ਅਤੇ ਮੰਨਦੇ ਹਾਂ ਕਿ The New York Times ਦਾ ਮਾਮਲਾ ਬਿਨਾ ਆਧਾਰ ਹੈ।
ਚਿੱਤਰਕਲਾ: Justin Jay Wang × DALL·E
ਸਾਡਾ ਲਕਸ਼ ਐਸੇ AI ਸੰਦ ਵਿਕਸਿਤ ਕਰਨਾ ਹੈ ਜੋ ਲੋਕਾਂ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਤਾਂ ਜੋ ਉਹ ਉਹ ਸਮੱਸਿਆਵਾਂ ਹੱਲ ਕਰ ਸਕਣ ਜੋ ਨਹੀਂ ਤਾਂ ਉਨ੍ਹਾਂ ਦੀ ਪਹੁੰਚ ਤੋਂ ਬਾਹਰ ਹਨ। ਦੁਨੀਆ ਭਰ ਦੇ ਲੋਕ ਪਹਿਲਾਂ ਹੀ ਸਾਡੀ ਤਕਨਾਲੋਜੀ ਨੂੰ ਆਪਣੀ ਰੋਜ਼ਾਨਾ ਜ਼ਿੰਦਗੀ ਸੁਧਾਰਣ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਲਈ ਵਰਤ ਰਹੇ ਹਨ। ਲੱਖਾਂ ਡਿਵੈਲਪਰ ਅਤੇ Fortune 500 ਵਿੱਚੋਂ 92% ਤੋਂ ਵੱਧ ਕੰਪਨੀਆਂ ਅੱਜ ਸਾਡੇ ਉਤਪਾਦਾਂ 'ਤੇ ਨਿਰਮਾਣ ਕਰ ਰਹੀਆਂ ਹਨ।
ਹਾਲਾਂਕਿ ਅਸੀਂ The New York Times ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਕੀਤੇ ਦਾਵਿਆਂ ਨਾਲ ਅਸਹਿਮਤ ਹਾਂ, ਅਸੀਂ ਇਸਨੂੰ ਆਪਣੇ ਕਾਰੋਬਾਰ, ਆਪਣੇ ਉਦੇਸ਼ ਅਤੇ ਅਸੀਂ ਆਪਣੀ ਤਕਨਾਲੋਜੀ ਕਿਵੇਂ ਬਣਾਉਂਦੇ ਹਾਂ, ਇਹ ਸਪਸ਼ਟ ਕਰਨ ਦੇ ਮੌਕੇ ਵਜੋਂ ਵੇਖਦੇ ਹਾਂ। ਸਾਡੀ ਸਥਿਤੀ ਇਹਨਾਂ ਚਾਰ ਬਿੰਦੂਆਂ ਵਿੱਚ ਸੰਖੇਪ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਅਸੀਂ ਹੇਠਾਂ ਵਿਸਥਾਰ ਨਾਲ ਦਰਸਾਇਆ ਹੈ:
- ਅਸੀਂ ਖ਼ਬਰ ਸੰਸਥਾਵਾਂ ਨਾਲ ਸਹਿਕਾਰ ਕਰਦੇ ਹਾਂ ਅਤੇ ਨਵੇਂ ਮੌਕੇ ਪੈਦਾ ਕਰ ਰਹੇ ਹਾਂ
- ਟ੍ਰੇਨਿੰਗ ਫੇਅਰ ਯੂਜ਼ ਹੈ, ਪਰ ਅਸੀਂ opt-out ਦਿੰਦੇ ਹਾਂ ਕਿਉਂਕਿ ਇਹ ਸਹੀ ਕੰਮ ਹੈ
- “Regurgitation” ਇੱਕ ਦੁਲੱਭ ਬਗ ਹੈ ਜਿਸਨੂੰ ਅਸੀਂ ਸ਼ੂਨਿਆ ਤੱਕ ਲਿਆਉਣ 'ਤੇ ਕੰਮ ਕਰ ਰਹੇ ਹਾਂ
- The New York Times ਪੂਰੀ ਕਹਾਣੀ ਨਹੀਂ ਬਤਾ ਰਿਹਾ
ਅਸੀਂ ਖ਼ਬਰ ਸੰਸਥਾਵਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਆਪਣੀ ਤਕਨਾਲੋਜੀ ਡਿਜ਼ਾਇਨ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਬਹੁਤ ਮਿਹਨਤ ਕਰਦੇ ਹਾਂ। ਅਸੀਂ ਦਰਜਨਾਂ ਸੰਸਥਾਵਾਂ ਨਾਲ ਮਿਲੇ ਹਾਂ, ਨਾਲ ਹੀ News/Media Alliance ਵਰਗੀਆਂ ਅਗੇਤਰੀ ਉਦਯੋਗ ਸੰਸਥਾਵਾਂ ਨਾਲ ਵੀ, ਤਾਂ ਜੋ ਮੌਕਿਆਂ ਦੀ ਖੋਜ ਕੀਤੀ ਜਾਵੇ, ਉਨ੍ਹਾਂ ਦੀਆਂ ਚਿੰਤਾਵਾਂ 'ਤੇ ਗੱਲਬਾਤ ਹੋਵੇ ਅਤੇ ਹੱਲ ਦਿੱਤੇ ਜਾ ਸਕਣ। ਸਾਡਾ ਉਦੇਸ਼ ਸਿੱਖਣਾ, ਜਾਣਕਾਰੀ ਦੇਣਾ, ਪ੍ਰਤੀਕਿਰਿਆ ਸੁਣਨਾ ਅਤੇ ਅਨੁਕੂਲਿਤ ਹੋਣਾ ਹੈ।
ਸਾਡੇ ਲਕਸ਼ ਇੱਕ ਸਿਹਤਮੰਦ ਖ਼ਬਰ ਪਰਿਸਥਿਤੀ-ਤੰਤਰ ਦਾ ਸਮਰਥਨ ਕਰਨਾ, ਚੰਗੇ ਭਾਗੀਦਾਰ ਬਣਨਾ ਅਤੇ ਆਪਸੀ ਲਾਭ ਵਾਲੇ ਮੌਕੇ ਬਣਾਉਣਾ ਹਨ। ਇਸ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦਿਆਂ, ਅਸੀਂ ਇਹਨਾਂ ਉਦੇਸ਼ਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਖ਼ਬਰ ਸੰਸਥਾਵਾਂ ਨਾਲ ਭਾਗੀਦਾਰੀਆਂ ਕੀਤੀਆਂ ਹਨ:
- ਸਾਡੇ ਉਤਪਾਦ ਲਾਗੂ ਕਰਨ ਤਾਂ ਜੋ ਰਿਪੋਰਟਰਾਂ ਅਤੇ ਸੰਪਾਦਕਾਂ ਨੂੰ ਲਾਭ ਅਤੇ ਸਮਰਥਨ ਮਿਲੇ, ਜਿਵੇਂ ਬਹੁਤ ਵੱਡੇ ਸਰਕਾਰੀ ਰਿਕਾਰਡਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਅਤੇ ਖ਼ਬਰਾਂ ਦਾ ਅਨੁਵਾਦ ਕਰਨਾ ਵਰਗੇ ਸਮੇਂ-ਖਪਤ ਕੰਮਾਂ ਵਿੱਚ ਮਦਦ ਕਰਕੇ।
- ਵਧੀਕ ਇਤਿਹਾਸਕ, ਗੈਰ-ਸਰਵਜਨਿਕ ਸਮੱਗਰੀ 'ਤੇ ਟ੍ਰੇਨਿੰਗ ਦੇ ਕੇ ਸਾਡੇ AI ਮਾਡਲਾਂ ਨੂੰ ਦੁਨੀਆ ਬਾਰੇ ਸਿਖਾਉਣਾ।
- ChatGPT ਵਿੱਚ ਐਟ੍ਰਿਬਿਊਸ਼ਨ ਨਾਲ ਰੀਅਲ-ਟਾਈਮ ਸਮੱਗਰੀ ਦਿਖਾਉਣਾ, ਜਿਸ ਨਾਲ ਖ਼ਬਰ ਪ੍ਰਕਾਸ਼ਕਾਂ ਨੂੰ ਪਾਠਕਾਂ ਨਾਲ ਜੁੜਨ ਦੇ ਨਵੇਂ ਤਰੀਕੇ ਮਿਲਣ।
Associated Press(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), Axel Springer(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), American Journalism Project(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਅਤੇ NYU(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਨਾਲ ਸਾਡੀਆਂ ਸ਼ੁਰੂਆਤੀ ਭਾਗੀਦਾਰੀਆਂ ਸਾਡੇ ਦ੍ਰਿਸ਼ਟਿਕੋਣ ਦੀ ਇੱਕ ਝਲਕ ਦਿੰਦੀਆਂ ਹਨ।
ਸਰਵਜਨਿਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਇੰਟਰਨੈੱਟ ਸਮੱਗਰੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ AI ਮਾਡਲਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨਾ ਫੇਅਰ ਯੂਜ਼ ਹੈ, ਜਿਸ ਦਾ ਸਮਰਥਨ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਮੰਨੇ ਜਾਂਦੇ ਅਤੇ ਵਿਸ਼ਾਲ ਪੱਧਰ 'ਤੇ ਸਵੀਕਾਰੇ ਗਏ ਨਜ਼ੀਰਾਂ ਕਰਦੀਆਂ ਹਨ। ਅਸੀਂ ਇਸ ਸਿਧਾਂਤ ਨੂੰ ਰਚਨਾਕਾਰਾਂ ਲਈ ਨਿਆਂਸੰਗਤ, ਨਵੋਨਮੇਸ਼ਕਾਰਾਂ ਲਈ ਲਾਜ਼ਮੀ ਅਤੇ ਅਮਰੀਕੀ ਮੁਕਾਬਲਾਤਮਕਤਾ ਲਈ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਮੰਨਦੇ ਹਾਂ।
ਇਹ ਸਿਧਾਂਤ ਕਿ AI ਮਾਡਲਾਂ ਦੀ ਟ੍ਰੇਨਿੰਗ ਫੇਅਰ ਯੂਜ਼ ਤਹਿਤ ਮਨਜ਼ੂਰ ਹੈ, ਅਕਾਦਮਿਕਾਂ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਲਾਇਬ੍ਰੇਰੀ ਸੰਘਾਂ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਨਾਗਰਿਕ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਸਮਾਜ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਸਮੂਹਾਂ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਸਟਾਰਟਅਪਾਂ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਅਗੇਤਰੀ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਅਮਰੀਕੀ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਕੰਪਨੀਆਂ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਰਚਨਾਕਾਰਾਂ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਲੇਖਕਾਂ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਅਤੇ ਹੋਰਾਂ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦੀ ਵਿਸ਼ਾਲ ਰੇਂਜ ਵੱਲੋਂ ਸਮਰਥਿਤ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ US Copyright Office ਨੂੰ ਟਿੱਪਣੀਆਂ ਭੇਜੀਆਂ ਹਨ। ਹੋਰ ਖੇਤਰਾਂ ਅਤੇ ਦੇਸ਼ਾਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਯੂਰਪੀ ਸੰਘ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਜਾਪਾਨ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ)-,Article%2047%2D5,-(1)%E3%80%80A%20person), ਸਿੰਗਾਪੁਰ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਅਤੇ ਇਜ਼ਰਾਇਲ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਵਿੱਚ ਵੀ ਐਸੇ ਕਾਨੂੰਨ ਹਨ ਜੋ ਕਾਪੀਰਾਈਟ ਸਮੱਗਰੀ 'ਤੇ ਮਾਡਲ ਟ੍ਰੇਨ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ—ਜੋ AI ਨਵੋਨਮੇਸ਼, ਤਰੱਕੀ ਅਤੇ ਨਿਵੇਸ਼ ਲਈ ਇੱਕ ਫਾਇਦਾ ਹੈ।
ਇਹ ਕਹਿਣ ਤੋਂ ਬਾਅਦ, ਸਾਡੇ ਲਈ ਕਾਨੂੰਨੀ ਹੱਕ ਨਾਲੋਂ ਚੰਗੇ ਨਾਗਰਿਕ ਹੋਣਾ ਵੱਧ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਅਸੀਂ ਪ੍ਰਕਾਸ਼ਕਾਂ ਲਈ ਇੱਕ ਸਰਲ opt-out ਪ੍ਰਕਿਰਿਆ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦੇਣ ਵਿੱਚ AI ਉਦਯੋਗ ਦੀ ਅਗਵਾਈ ਕੀਤੀ ਹੈ (ਜਿਸਨੂੰ The New York Times ਨੇ ਅਗਸਤ 2023 ਵਿੱਚ ਅਪਣਾਇਆ) ਤਾਂ ਜੋ ਸਾਡੇ ਸੰਦਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀਆਂ ਸਾਈਟਾਂ ਤੱਕ ਪਹੁੰਚ ਤੋਂ ਰੋਕਿਆ ਜਾ ਸਕੇ।
ਸਾਡੇ ਮਾਡਲ ਇਸ ਤਰ੍ਹਾਂ ਡਿਜ਼ਾਇਨ ਅਤੇ ਟ੍ਰੇਨ ਕੀਤੇ ਗਏ ਸਨ ਕਿ ਉਹ ਧਾਰਣਾਵਾਂ ਨੂੰ ਸਿੱਖਣ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਨਵੀਆਂ ਸਮੱਸਿਆਵਾਂ 'ਤੇ ਲਾਗੂ ਕਰਨ।
ਯਾਦ ਰੱਖ ਲੈਣਾ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੀ ਇੱਕ ਦੁਲੱਭ ਨਾਕਾਮੀ ਹੈ, ਜਿਸ 'ਤੇ ਅਸੀਂ ਲਗਾਤਾਰ ਤਰੱਕੀ ਕਰ ਰਹੇ ਹਾਂ, ਪਰ ਇਹ ਤਦੋਂ ਵੱਧ ਆਮ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਖਾਸ ਸਮੱਗਰੀ ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਵਿੱਚ ਇੱਕ ਤੋਂ ਵੱਧ ਵਾਰ ਆਉਂਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਜੇ ਉਸ ਦੇ ਟੁਕੜੇ ਕਈ ਵੱਖ-ਵੱਖ ਸਰਵਜਨਿਕ ਵੈਬਸਾਈਟਾਂ 'ਤੇ ਮੌਜੂਦ ਹੋਣ। ਇਸ ਲਈ ਸਾਡੇ ਕੋਲ ਅਣਜਾਣੇ ਯਾਦਕਰਨ ਨੂੰ ਸੀਮਿਤ ਕਰਨ ਅਤੇ ਮਾਡਲ ਆਉਟਪੁੱਟ ਵਿੱਚ ਦੁਹਰਾਈ ਨੂੰ ਰੋਕਣ ਲਈ ਉਪਾਇ ਮੌਜੂਦ ਹਨ। ਅਸੀਂ ਆਪਣੇ ਵਰਤੋਂਕਾਰਾਂ ਤੋਂ ਵੀ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਵਰਤਣ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹਾਂ; ਸਾਡੇ ਮਾਡਲਾਂ ਨੂੰ ਜਾਣ-ਬੁੱਝ ਕੇ ਦੁਹਰਾਉਣ ਲਈ ਉਕਸਾਉਣਾ ਸਾਡੀ ਤਕਨਾਲੋਜੀ ਦਾ ਉਚਿਤ ਵਰਤੋਂ ਨਹੀਂ ਹੈ ਅਤੇ ਸਾਡੇ ਟਰਮਜ਼ ਆਫ ਯੂਜ਼ ਦੇ ਵਿਰੁੱਧ ਹੈ।
ਜਿਵੇਂ ਮਨੁੱਖ ਨਵੀਆਂ ਸਮੱਸਿਆਵਾਂ ਹੱਲ ਕਰਨਾ ਸਿੱਖਣ ਲਈ ਵਿਸਤ੍ਰਿਤ ਸਿੱਖਿਆ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ, ਉਸੇ ਤਰ੍ਹਾਂ ਅਸੀਂ ਚਾਹੁੰਦੇ ਹਾਂ ਕਿ ਸਾਡੇ AI ਮਾਡਲ ਦੁਨੀਆ ਦੀ ਜਾਣਕਾਰੀ ਦੀ ਪੂਰੀ ਵਿਭਿੰਨਤਾ ਨੂੰ ਵੇਖਣ, ਜਿਸ ਵਿੱਚ ਹਰ ਭਾਸ਼ਾ, ਸਭਿਆਚਾਰ ਅਤੇ ਉਦਯੋਗ ਸ਼ਾਮਲ ਹਨ। ਕਿਉਂਕਿ ਮਾਡਲ ਮਨੁੱਖੀ ਗਿਆਨ ਦੇ ਵਿਸ਼ਾਲ ਸਮੁੱਚੇ ਤੋਂ ਸਿੱਖਦੇ ਹਨ, ਇਸ ਲਈ ਕੋਈ ਵੀ ਇਕ ਖੇਤਰ—ਖ਼ਬਰਾਂ ਸਮੇਤ—ਕੁੱਲ ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਦਾ ਬਹੁਤ ਛੋਟਾ ਹਿੱਸਾ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਕੋਈ ਵੀ ਇਕੱਲਾ ਡਾਟਾ ਸਰੋਤ—The New York Times ਸਮੇਤ—ਮਾਡਲ ਦੇ ਉਦੇਸ਼ਿਤ ਸਿੱਖਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਨਹੀਂ ਹੁੰਦਾ।
19 ਦਸੰਬਰ ਨੂੰ ਸਾਡੇ ਆਖਰੀ ਸੰਚਾਰ ਤੱਕ The New York Times ਨਾਲ ਸਾਡੀਆਂ ਚਰਚਾਵਾਂ ਰਚਨਾਤਮਕ ਢੰਗ ਨਾਲ ਅੱਗੇ ਵੱਧਦੀਆਂ ਦਿੱਸ ਰਹੀਆਂ ਸਨ। ਗੱਲਬਾਤ ChatGPT ਵਿੱਚ ਐਟ੍ਰਿਬਿਊਸ਼ਨ ਨਾਲ ਰੀਅਲ-ਟਾਈਮ ਡਿਸਪਲੇ ਦੇ ਆਧਾਰ 'ਤੇ ਇਕ ਉੱਚ-ਮੁੱਲੀ ਭਾਗੀਦਾਰੀ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਸੀ, ਜਿਸ ਨਾਲ The New York Times ਨੂੰ ਆਪਣੇ ਮੌਜੂਦਾ ਅਤੇ ਨਵੇਂ ਪਾਠਕਾਂ ਨਾਲ ਜੁੜਨ ਦਾ ਨਵਾਂ ਤਰੀਕਾ ਮਿਲਣਾ ਸੀ, ਅਤੇ ਸਾਡੇ ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀ ਰਿਪੋਰਟਿੰਗ ਤੱਕ ਪਹੁੰਚ ਮਿਲਣੀ ਸੀ। ਅਸੀਂ The New York Times ਨੂੰ ਸਮਝਾਇਆ ਸੀ ਕਿ ਕਿਸੇ ਵੀ ਇਕੱਲੇ ਸਰੋਤ ਵਾਂਗ, ਉਨ੍ਹਾਂ ਦੀ ਸਮੱਗਰੀ ਨੇ ਸਾਡੇ ਮੌਜੂਦਾ ਮਾਡਲਾਂ ਦੀ ਟ੍ਰੇਨਿੰਗ ਵਿੱਚ ਕੋਈ ਮਾਨਯੋਗ ਯੋਗਦਾਨ ਨਹੀਂ ਪਾਇਆ, ਅਤੇ ਭਵਿੱਖ ਦੀ ਟ੍ਰੇਨਿੰਗ ਲਈ ਵੀ ਇਹ ਕਾਫ਼ੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਨਹੀਂ ਹੋਵੇਗੀ। 27 ਦਸੰਬਰ ਨੂੰ ਉਨ੍ਹਾਂ ਦਾ ਮਾਮਲਾ—ਜਿਸ ਬਾਰੇ ਸਾਨੂੰ The New York Times ਪੜ੍ਹ ਕੇ ਪਤਾ ਲੱਗਿਆ—ਸਾਡੇ ਲਈ ਹੈਰਾਨੀ ਅਤੇ ਨਿਰਾਸ਼ਾ ਦਾ ਕਾਰਨ ਬਣਿਆ।
ਇਸ ਦੌਰਾਨ, ਉਨ੍ਹਾਂ ਨੇ ਕਿਹਾ ਸੀ ਕਿ ਉਨ੍ਹਾਂ ਨੇ ਆਪਣੀ ਸਮੱਗਰੀ ਦੀ ਕੁਝ ਦੁਹਰਾਈ ਵੇਖੀ ਹੈ, ਪਰ ਸਾਡੀ ਜਾਂਚ ਕਰਨ ਅਤੇ ਕਿਸੇ ਵੀ ਸਮੱਸਿਆ ਨੂੰ ਠੀਕ ਕਰਨ ਦੀ ਵਚਨਬੱਧਤਾ ਦੇ ਬਾਵਜੂਦ, ਉਨ੍ਹਾਂ ਨੇ ਵਾਰ-ਵਾਰ ਕੋਈ ਉਦਾਹਰਨ ਸਾਂਝੀ ਕਰਨ ਤੋਂ ਇਨਕਾਰ ਕੀਤਾ। ਅਸੀਂ ਦਿਖਾਇਆ ਹੈ ਕਿ ਅਸੀਂ ਇਸ ਨੂੰ ਕਿੰਨੀ ਗੰਭੀਰ ਤਰਜੀਹ ਮੰਨਦੇ ਹਾਂ; ਉਦਾਹਰਨ ਲਈ, ਜੁਲਾਈ ਵਿੱਚ ਜਦੋਂ ਸਾਨੂੰ ਪਤਾ ਲੱਗਿਆ ਕਿ ਇਹ ਅਣਚਾਹੇ ਤਰੀਕਿਆਂ ਨਾਲ ਰੀਅਲ-ਟਾਈਮ ਸਮੱਗਰੀ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ, ਤਾਂ ਅਸੀਂ ChatGPT ਦੀ ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਹਟਾ ਦਿੱਤੀ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ)।
ਦਿਲਚਸਪ ਤੌਰ 'ਤੇ, The New York Times ਵੱਲੋਂ ਉਤਪੰਨ ਕਰਵਾਈਆਂ ਗਈਆਂ ਇਹ ਦੁਹਰਾਈਆਂ ਕਈ ਸਾਲ ਪੁਰਾਣੇ ਲੇਖਾਂ ਤੋਂ ਦਿੱਸਦੀਆਂ ਹਨ, ਜੋ ਕਈ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਤੀਜੀ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ)-ਪੱਖੀ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਵੈਬਸਾਈਟਾਂ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) 'ਤੇ ਫੈਲੇ ਹੋਏ ਹਨ। ਲੱਗਦਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਨੇ ਜਾਣ-ਬੁੱਝ ਕੇ ਪ੍ਰੌੰਪਟਾਂ ਨਾਲ ਹੇਰਾਫੇਰੀ ਕੀਤੀ, ਅਕਸਰ ਲੇਖਾਂ ਦੇ ਲੰਬੇ ਹਿੱਸੇ ਸ਼ਾਮਲ ਕਰਕੇ, ਤਾਂ ਜੋ ਸਾਡੇ ਮਾਡਲ ਤੋਂ ਉਹੀ ਸਮੱਗਰੀ ਦੁਹਰਾਈ ਜਾਵੇ। ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਪ੍ਰੌੰਪਟ ਵਰਤਣ 'ਤੇ ਵੀ ਸਾਡੇ ਮਾਡਲ ਆਮ ਤੌਰ 'ਤੇ ਉਸ ਤਰੀਕੇ ਨਾਲ ਵਰਤਾਰਾ ਨਹੀਂ ਕਰਦੇ ਜਿਵੇਂ The New York Times ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ, ਜਿਸ ਤੋਂ ਲੱਗਦਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਨੇ ਜਾਂ ਤਾਂ ਮਾਡਲ ਨੂੰ ਦੁਹਰਾਉਣ ਲਈ ਨਿਰਦੇਸ਼ ਦਿੱਤੇ ਸਨ ਜਾਂ ਕਈ ਕੋਸ਼ਿਸ਼ਾਂ ਵਿੱਚੋਂ ਚੁਣਿੰਦੀਆਂ ਉਦਾਹਰਣਾਂ ਚੁਣੀਆਂ।
ਉਨ੍ਹਾਂ ਦੇ ਦਾਵਿਆਂ ਦੇ ਬਾਵਜੂਦ, ਇਹ ਦੁਰਵਰਤੋਂ ਨਾ ਤਾਂ ਆਮ ਹੈ ਅਤੇ ਨਾ ਹੀ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵਰਤੋਂਕਾਰ ਗਤੀਵਿਧੀ, ਅਤੇ ਇਹ The New York Times ਦਾ ਬਦਲ ਨਹੀਂ ਹੈ। ਫਿਰ ਵੀ, ਅਸੀਂ ਲਗਾਤਾਰ ਆਪਣੇ ਸਿਸਟਮਾਂ ਨੂੰ ਵਿਰੋਧੀ ਹਮਲਿਆਂ ਦੇ ਖ਼ਿਲਾਫ਼ ਹੋਰ ਮਜ਼ਬੂਤ ਬਣਾ ਰਹੇ ਹਾਂ ਤਾਂ ਜੋ ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਦੀ ਦੁਹਰਾਈ ਨਾ ਹੋਵੇ, ਅਤੇ ਆਪਣੇ ਹਾਲੀਆ ਮਾਡਲਾਂ ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ ਕਾਫ਼ੀ ਤਰੱਕੀ ਕਰ ਚੁੱਕੇ ਹਾਂ।
ਅਸੀਂ The New York Times ਦੇ ਮਾਮਲੇ ਨੂੰ ਬਿਨਾ ਆਧਾਰ ਮੰਨਦੇ ਹਾਂ। ਫਿਰ ਵੀ, ਸਾਨੂੰ The New York Times ਨਾਲ ਇੱਕ ਰਚਨਾਤਮਕ ਭਾਗੀਦਾਰੀ ਦੀ ਉਮੀਦ ਹੈ ਅਤੇ ਅਸੀਂ ਇਸ ਦੇ ਲੰਮੇ ਇਤਿਹਾਸ ਦਾ ਸਤਿਕਾਰ ਕਰਦੇ ਹਾਂ, ਜਿਸ ਵਿੱਚ 60 ਸਾਲ ਤੋਂ ਵੱਧ ਪਹਿਲਾਂ ਪਹਿਲੇ ਕਾਰਗਰ neural network(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਬਾਰੇ ਰਿਪੋਰਟਿੰਗ ਕਰਨਾ ਅਤੇ First Amendment ਦੀਆਂ ਆਜ਼ਾਦੀਆਂ ਦਾ ਸਮਰਥਨ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ।
ਅਸੀਂ ਖ਼ਬਰ ਸੰਸਥਾਵਾਂ ਨਾਲ ਲਗਾਤਾਰ ਸਹਿਯੋਗ ਦੀ ਉਡੀਕ ਕਰਦੇ ਹਾਂ, AI ਦੀ ਰੂਪਾਂਤਰਨਕਾਰੀ ਸੰਭਾਵਨਾ ਨੂੰ ਹਕੀਕਤ ਬਣਾਕੇ ਗੁਣਵੱਤਾ ਵਾਲੀ ਪੱਤਰਕਾਰਤਾ ਪੈਦਾ ਕਰਨ ਦੀ ਉਨ੍ਹਾਂ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਉੱਚਾ ਚੁੱਕਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹੋਏ।
