Política de compartilhamento e publicação

Para mitigar os possíveis riscos do conteúdo gerado por IA, estabelecemos a política abaixo sobre compartilhamentos permitidos.

Em geral, é permitido publicar nas redes sociais seus próprios prompts e conclusões , assim como fazer transmissões ao vivo durante o uso de nossos produtos ou demonstrá-los para grupos de pessoas. Pedimos que você siga estas diretrizes:

• Revise manualmente cada geração antes de compartilhá-la ou durante a transmissão ao vivo.
• Associe o conteúdo ao seu nome ou à sua empresa.
• Indique que o conteúdo foi gerado por IA de tal maneira que todos os usuários possam razoavelmente assimilar essa informação.
• Não compartilhe conteúdo que infrinja nossa Política de Conteúdo⁠ ou que possa ofender as pessoas.
• Ao atender solicitações de prompts do público, tenha bom senso; não insira prompts que possam resultar em infração à nossa Política de Conteúdo⁠.

Se você quiser que a equipe da OpenAI tenha ciência de uma conclusão específica, envie-nos um e-mail ou use as ferramentas de denúncia do Playground.

• Lembre-se de que você está interagindo com o modelo bruto, ou seja, não usamos filtros para ocultar respostas tendenciosas ou negativas. (Você pode obter mais informações sobre como implementar nosso endpoint de moderação gratuito⁠(abre em uma nova janela) aqui.)

Os criadores que desejarem publicar seus conteúdos autorais escritos (como um livro ou uma coletânea de contos) criados parcialmente com a API da OpenAI podem fazer isso desde que respeitadas as seguintes condições:

• O conteúdo publicado deve estar atribuído a seu nome ou sua empresa.
• O papel da IA na formulação do conteúdo deve ser claramente divulgado, de maneira que qualquer leitor consiga identificar isso e que o leitor típico considere fácil de entender.
• O assunto do conteúdo não deve infringir a Política de Conteúdo⁠ ou os Termos de Uso⁠ da OpenAI. O assunto não pode tratar, por exemplo, de conteúdo adulto, spam, discurso de ódio, incitação à violência ou outro uso que possa causar dano social.
• Pedimos a você a gentileza de não compartilhar resultados que possam ser ofensivos a outras pessoas.

Por exemplo, você deve detalhar em um Prefácio ou Introdução (ou seção semelhante) as funções relativas de preparação, edição etc. Evite declarar que o conteúdo gerado por API foi integralmente gerado por pessoa humana ou integralmente gerado por IA. A pessoa humana deverá assumir a responsabilidade final pelo conteúdo publicado.

Veja abaixo um exemplo de texto que você pode usar para descrever seu processo criativo, desde que seja exato para seu caso:

Para nós, é importante que o mundo em geral possa avaliar nossa investigação e nossos produtos, principalmente para que possamos compreender e melhorar os possíveis pontos fracos e problemas de segurança ou viés de nossos modelos. Por isso, acolhemos com interesse publicações de investigação relacionadas à API da OpenAI.

• Em alguns casos, poderemos querer destacar o seu trabalho interna e/ou externamente.
• Em outros, como no caso de publicações referentes à segurança ou ao uso indevido da API, poderemos tomar as medidas adequadas para proteger nossos usuários.
• Se você identificar algum problema de segurança na API durante sua investigação, pedimos que nos comunique imediatamente por meio de nosso Programa de divulgação coordenada de vulnerabilidades⁠.

Há várias linhas de pesquisa que queremos explorar com a API da OpenAI. Se você tiver interesse na oportunidade de acesso subsidiado, envie-nos dados sobre seu caso de uso de investigação pelo aplicativo do Programa de Acesso a Pesquisadores⁠.

As linhas de pesquisa abaixo são especialmente importantes para nós, embora você esteja livre para desenvolver sua própria linha:

• Alinhamento: Como podemos entender qual é o objetivo, se houver, que um modelo parece estar buscando? Como podemos aumentar a extensão do alinhamento desse objetivo às preferências humanas, como por meio de criação de prompt ou ajuste fino?
• Imparcialidade e representação: Como os critérios de desempenho devem ser estabelecidos para fins de imparcialidade e representação em modelos de linguagem? Como melhorar os modelos de linguagem para que apoiem eficazmente os objetivos de imparcialidade e representação em contextos implantados específicos?
• Investigação interdisciplinar: Como o desenvolvimento da IA pode aproveitar os insights de outras disciplinas, como filosofia, ciência cognitiva e sociolinguística?
• Interpretabilidade e transparência: Como esses modelos funcionam, em termos mecânicos? Podemos identificar quais conceitos eles estão usando ou extrair conhecimento latente do modelo, fazer inferências sobre o procedimento de treinamento ou prever um comportamento futuro surpreendente?
• Potencial uso indevido: De que maneira sistemas como a API podem ser usados indevidamente? Que tipos de abordagens de "equipes de testes ofensivos" podemos criar para nos ajudar e auxiliar outros desenvolvedores de IA a implantar tecnologias como essa com responsabilidade?
• Exploração de modelos: Modelos como os oferecidos pela API possuem muitas capacidades a serem exploradas. Temos muito interesse em investigações em diferentes áreas, como limitações dos modelos, propriedades linguísticas, reflexões de senso comum e potenciais usos para muitos outros problemas.
• Robustez: Os modelos generativos possuem superfícies de capacidade irregulares, com o potencial para áreas de capacidade surpreendentemente fortes ou fracas. Qual é o grau de robustez dos grandes modelos generativos frente a perturbações "naturais" do prompt, como a redação da mesma ideia de maneiras diferentes ou com ou sem erros ortográficos? Conseguimos prever os tipos de domínios e tarefas para os quais os grandes modelos generativos têm maior probabilidade de serem robustos (ou não robustos)? Qual é a relação disso com os dados de treinamento? Existem técnicas que podemos usar para prever e mitigar comportamentos limítrofes? Como é possível medir a robustez no contexto do aprendizado com poucas amostras (por exemplo, entre variações dos prompts)? É possível treinar modelos de maneira que atendam a propriedades de segurança com alto grau de confiabilidade, mesmo com entradas antagônicas?

Devido ao alto volume de solicitações, a análise desses pedidos pode demorar. Nem todas as investigações serão priorizadas para subsídio. Entraremos em contato caso sua solicitação seja selecionada para ser subsidiada.