Como o ChatGPT e nossos modelos fundacionais são desenvolvidos

Os grandes modelos fundacionais da OpenAI, incluindo os modelos que alimentam o ChatGPT, são desenvolvidos usando três fontes principais de informação: (1) informações disponíveis publicamente na internet, (2) informações que acessamos por meio de parcerias com terceiros e (3) informações fornecidas ou geradas por nossos usuários ou treinadores e pesquisadores humanos.

Este artigo oferece uma visão geral das informações disponíveis publicamente que usamos para ajudar a desenvolver esses modelos e como coletamos e usamos essas informações em conformidade com as legislações de privacidade. Para entender como coletamos e usamos informações dos usuários dos nossos serviços, incluindo como optar por não ter as conversas do ChatGPT usadas para ajudar a ensinar nossos modelos, consulte nossa Política de Privacidade⁠ e este artigo.

O ChatGPT é um serviço baseado em inteligência artificial que você pode acessar pela internet. Você pode usar o ChatGPT para diferentes tarefas, como organizar ou resumir informações, ajudar em traduções, analisar ou gerar uma imagem, inspirar sua criatividade e estimular ideias e auxiliar em tarefas do dia a dia. O ChatGPT foi desenvolvido de maneira que permite entender e responder a perguntas e instruções do usuário. Ele faz isso revisando uma grande quantidade de informações existentes, como texto, imagens, áudio ou vídeo, e aprendendo a partir das relacões entre essas informações. Por exemplo, o modelo aprende como as palavras tendem a aparecer em contexto com outras palavras e, em seguida, usa o que aprendeu para prever a próxima palavra mais provável que possa aparecer em resposta a uma solicitação do usuário e cada palavra subsequente a isso. Esses modelos também podem aprender a gerar outras formas de informação, como imagens, aprendendo como os pixels que formam imagens nos dados de treinamento se relacionam entre si e com as legendas que as descrevem.

Como exemplo, durante o processo de aprendizado do modelo (chamado de "treinamento"), nós podemos fazer com que o modelo tente completar a frase: "em vez de virar à esquerda, ela virou ___". Antes do treinamento, o modelo responderá com palavras aleatórias, mas à medida que lê e aprende com muitas linhas de texto, ele compreende melhor esse tipo de frase e pode prever a próxima palavra com mais precisão. Em seguida, ele repete esse processo em um número muito grande de frases.

Como existem muitas palavras possíveis que poderiam vir a seguir nessa frase (por exemplo, em vez de virar à esquerda, ela virou "à direita", "para trás" ou "de volta"), há um elemento de aleatoriedade na forma como um modelo pode responder, e em muitos casos nossos modelos responderão à mesma pergunta de maneiras diferentes.

Os modelos de aprendizado de máquina são compostos por grandes sequências de números, chamados de "pesos" ou "parâmetros", e códigos que interpretam e executam esses números. Os modelos não contêm ou armazenam cópias das informações que aprendem. Em vez disso, à medida que um modelo aprende, alguns dos números que compõem o modelo mudam ligeiramente para refletir o que ele aprendeu. No exemplo acima, o modelo revisou informações que o ajudaram a melhorar, passando de prever palavras aleatórias incorretas para prever palavras mais precisas, mas tudo o que realmente aconteceu no próprio modelo foi que os números mudaram ligeiramente. O modelo não armazenou ou copiou as frases, imagens ou áudios que ele revisou.

Como mencionado acima, o ChatGPT e nossos outros serviços são desenvolvidos usando (1) informações disponíveis publicamente na internet, (2) informações que acessamos por meio de parcerias com terceiros e (3) informações fornecidas ou geradas por nossos usuários ou treinadores e pesquisadores humanos. Este artigo se concentra no primeiro conjunto: informações disponíveis publicamente na internet.

Para este conjunto de informações, nós usamos apenas informaçõespublicamente disponíveis que estão livres e abertamente disponíveis na Internet – por exemplo, nós não buscamos informações que sabemos que estão protegidas por paywalls ou provenientes da "dark web". Nós aplicamos filtros e removemos informações que não queremos que nossos modelos aprendam ou produzam, como discurso de ódio, conteúdo adulto, sites que agregam principalmente informações pessoais e spam. Após isso, nós usamos as informações para ensinar nossos modelos.

Uma grande quantidade de dados na internet é relativa a pessoas, então nossas informações de treinamento incluem incidentalmente informações pessoais. Não buscamos ativamente informações pessoais para treinar nossos modelos.

Usamos informações de treinamento apenas para ensinar inteligência aos nossos modelos, como a capacidade de prever, raciocinar e solucionar problemas. Nós não usamos e não usaremos nenhuma informação pessoal nas informações de treinamento para criar perfis sobre pessoas, para contatá-las, para fazer publicidade para elas, para tentar vender algo a elas ou vender as informações em si.

Nossos modelos podem aprender a partir de informações pessoais para entender como coisas, por exemplo, nomes e endereços se encaixam na linguagem e nas frases, ou para aprender sobre pessoas famosas e figuras públicas. Isso torna nossos modelos melhores em fornecer respostas relevantes.

Nós também tomamos medidas para reduzir o tratamento de informações pessoais ao treinar nossos modelos. Por exemplo, nós removemos sites que agregam grandes volumes de informações pessoais e treinamos nossos modelos para rejeitar solicitações de informações privadas ou sensíveis sobre pessoas.

Nós usamos informações de treinamento de forma lícita. Nossos modelos fundacionais têm muitas aplicações que oferecem benefícios significativos e já estão ajudando as pessoas a criar conteúdo, melhorar o atendimento ao cliente, desenvolver software, personalizar a educação, apoiar pesquisas científicas e muito mais. Esses benefícios não podem ser realizados sem uma grande quantidade de informações para ensinar os modelos. Além disso, nosso uso de informações de treinamento não tem a intenção de impactar negativamente os indivíduos, e as principais fontes dessas informações de treinamento já estão publicamente disponíveis. Por esses motivos, nós fundamentamos a nossa coleta e uso de informações pessoais que estão incluídas nas informações de treinamento em interesses legítimos de acordo com as leis de privacidade, como o RGPD, conforme explicado com mais detalhes em nossa Política de Privacidade⁠. Nós também concluímos uma avaliação de impacto de proteção de dados para garantir que nós estamos coletando e usando essas informações de maneira lícita e responsável.

Nós respondemos a solicitações de oposição e direitos semelhantes. Como resultado do aprendizado de linguagem, as respostas do ChatGPT podem às vezes incluir informações pessoais sobre indivíduos cujas informações pessoais aparecem várias vezes publicamente na internet (por exemplo, figuras públicas). Indivíduos em determinadas jurisdições podem se opor ao tratamento de suas informações pessoais por nossos modelos ou fazer outras solicitações relacionadas aos direitos dos titulares de dados pessoais por meio do nosso Centro de Privacidade⁠(abre em uma nova janela). Você também pode exercer esses direitos entrando em contato com dsar@openai.com⁠.

Esteja ciente de que, de acordo com as leis de privacidade, alguns direitos podem não ser absolutos. Nós podemos recusar uma solicitação se tivermos motivo legal para tanto. No entanto, nos esforçamos para priorizar a proteção de informações pessoais e em cumprir todas as leis de privacidade aplicáveis. Se você achar que não abordamos adequadamente alguma questão, você tem o direito de apresentar uma reclamação à sua autoridade reguladora local.