பகிர்தல் மற்றும் வெளியீட்டுக் கொள்கை

AI-உருவாக்கிய உள்ளடக்கத்தின் சாத்தியமான அபாயங்களைக் குறைக்க, அனுமதிக்கப்பட்ட பகிர்வு குறித்து பின்வரும் கொள்கையை நாங்கள் அமைத்துள்ளோம்.

உங்கள் சொந்த அறிவிப்புகள் அல்லது நிறைவுகளை சமூக ஊடகங்களில் இடுகையிடுவது பொதுவாக அனுமதிக்கப்படுகிறது, உங்கள் பயன்பாட்டை நேரடியாக ஒளிபரப்புவது அல்லது எங்கள் தயாரிப்புகளை மக்கள் குழுக்களுக்கு செயல்விளக்கமளிப்பது போன்றவை. பின்வருவனவற்றைக் கடைப்பிடித்திடுங்கள்:

• பகிர்வதற்கு முன் அல்லது ஸ்ட்ரீமிங் செய்யும் போது ஒவ்வொரு உருவாக்கத்தையும் கைமுறையாக மீளாய்வு செய்யவும்.
• உள்ளடக்கத்தை உங்கள் பெயருக்கு அல்லது உங்கள் நிறுவனத்திற்கு உரிமையளித்தல்.
• எந்தவொரு பயனரும் நியாயமாக தவறவிடவோ, தவறாகப் புரிந்துகொள்ளவோ முடியாத வகையில் உள்ளடக்கம் AI-உருவாக்கப்பட்டது என்பதைக் குறிப்பிடவும்.
• எங்கள் உள்ளடக்கக் கொள்கையை⁠ மீறுகின்ற அல்லது மற்றவர்களைப் புண்படுத்தக்கூடிய உள்ளடக்கத்தைப் பகிர வேண்டாம்.
• பார்வையாளர்களின் கோரிக்கைகளை கேட்கும்போது, விவேகமாக முடிவெடுக்கவும்; எங்கள் உள்ளடக்கக் கொள்கையை⁠ மீறக்கூடிய கேள்விகளை உள்ளிட வேண்டாம்.

ஒரு குறிப்பிட்ட நிறைவு குறித்து OpenAI குழு அறிந்திருப்பதை உறுதிசெய்ய விரும்பினால், நீங்கள் எங்களுக்கு மின்னஞ்சல் அனுப்பலாம் அல்லது Playground -இல் உள்ள புகாரளிப்புக் கருவிகளைப் பயன்படுத்தலாம்.

• நீங்கள் மூல மாதிரியுடன் தொடர்பு கொள்கிறீர்கள் என்பதை நினைவில் கொள்ளுங்கள், அதாவது நாங்கள் சார்புடைய அல்லது எதிர்மறையான பதில்களை வடிகட்டுவதில்லை. (மேலும், எங்கள் இலவச உள்ளடக்கத் தணிக்கைச் சேவையை⁠(புதிய சாளரத்தில் திறக்கும்) அமல்ல்படுத்துவது பற்றி இங்கே மேலும் படிக்கலாம்.)

OpenAI API -உடன் ஒரு பகுதியாக உருவாக்கப்பட்ட முதல் தரப்பு எழுத்து உள்ளடக்கத்தை (எ.கா., ஒரு புத்தகம், சிறுகதைகளின் தொகுப்பு) வெளியிட விரும்பும் படைப்பாளிகள் பின்வரும் நிபந்தனைகளின்கீழ் அவ்வாறு செய்ய அனுமதிக்கப்படுகிறார்கள்:

• வெளியிடப்பட்ட உள்ளடக்கம் உங்கள் பெயர் அல்லது நிறுவனத்திற்கு உரிமையளிக்கப்பட்டது.
• உள்ளடக்கத்தை வடிவமைப்பதில் AI-இன் பங்கு, எந்தவொரு வாசகரும் தவறவிட முடியாத வகையில் தெளிவாக வெளிப்படுத்தப்பட்டுள்ளது, மேலும் ஒரு பொதுவான வாசகருக்குப் புரிந்துகொள்ள எளிதாக இருக்கும்.
• உள்ளடக்கத்தின் தலைப்புகள் OpenAI -இன் உள்ளடக்கக் கொள்கை⁠ அல்லது பயன்பாட்டு விதிமுறைகளை⁠ மீறுவதில்லை, எ.கா., வயதுவந்தோர் உள்ளடக்கம், ஸ்பேம், வெறுக்கத்தக்க உள்ளடக்கம், வன்முறையைத் தூண்டும் உள்ளடக்கம் அல்லது சமூகத் தீங்கு விளைவிக்கக்கூடிய பிற பயன்பாடுகளுடன் தொடர்புடையவை அல்ல.
• மற்றவர்களை புண்படுத்தும் வெளியீடுகளைப் பகிர்வதைத் தவிர்க்குமாறு நாங்கள் கனிவுடன் கேட்டுக்கொள்கிறோம்.

உதாரணமாக, ஒருவர் ஒரு முன்னுரையிலோ, அறிமுகத்திலோ (அல்லது இதே போன்ற இடத்தில்) வரைவு, திருத்துதல் போன்றவற்றின் ஒப்பீட்டு நிலைகளை விவரிக்க வேண்டும். API-உருவாக்கிய உள்ளடக்கத்தை முழுமையாக ஒரு மனிதனால் உருவாக்கப்பட்டதாகவோ, முழுமையாக ஓர் AI-ஆல் உருவாக்கப்பட்டதாகவோ மக்கள் பிரதிநிதித்துவப்படுத்தக் கூடாது, மேலும் வெளியிடப்படும் உள்ளடக்கத்திற்கு இறுதிப் பொறுப்பை ஒரு மனிதர்தான் ஏற்க வேண்டும்.

உங்கள் படைப்புச் செயல்முறை துல்லியமாக இருந்தால், அதை விவரிக்க நீங்கள் பயன்படுத்தக்கூடிய சில தயாரான சொற்றொடர்களை இங்கே கொடுத்துள்ளோம்:

எங்கள் ஆராய்ச்சி மற்றும் தயாரிப்புகளை மதிப்பீடு செய்ய, குறிப்பாக எங்கள் மாடல்களில் உள்ள சாத்தியமான பலவீனங்கள் மற்றும் பாதுகாப்பு அல்லது சார்பு சிக்கல்களைப் புரிந்துகொண்டு மேம்படுத்த, பரந்த உலகிற்கு இது முக்கியம் என்று நாங்கள் நம்புகிறோம். அதன்படி, OpenAI API தொடர்பான ஆராய்ச்சி வெளியீடுகளை நாங்கள் வரவேற்கிறோம்.

• சில சந்தர்ப்பங்களில், உங்கள் வேலையை அகமாய் மற்றும்/அல்லது புறமாய் முன்னிலைப்படுத்த நாங்கள் விரும்பக்கூடும்.
• API -இன் பாதுகாப்பு அல்லது தவறான பயன்பாடு தொடர்பான வெளியீடுகள் போன்ற பிறவற்றில், எங்கள் பயனர்களைப் பாதுகாக்க பொருத்தமான நடவடிக்கைகளை எடுக்க நாங்கள் விரும்பக்கூடும்.
• உங்கள் ஆராய்ச்சியின்போது API -இல் ஏதேனும் பாதுகாப்பு அல்லது பாதுகாவல் சிக்கல்களைக் கண்டால், எங்கள் ஒருங்கிணைந்த ஊறுநிலை வெளிப்படுத்தல் திட்டத்தின்⁠ மூலம் உடனடியாக அவற்றைச் சமர்ப்பிக்குமாறு கேட்டுக்கொள்கிறோம்.

OpenAI API மூலம் நாங்கள் ஆராய ஆர்வமாக உள்ள பல ஆராய்ச்சி வழிகள் உள்ளன. மானிய விலையில் அணுகுவதற்கான வாய்ப்பில் நீங்கள் ஆர்வமாக இருந்தால், ஆராய்ச்சியாளர் அணுகல் திட்ட விண்ணப்பத்தில்⁠ உங்கள் ஆராய்ச்சிப் பயன்பாட்டு நிகழ்வு பற்றிய விவரங்களை எங்களுக்கு வழங்கவும்.

குறிப்பாக, பின்வருவனவற்றை நாங்கள் குறிப்பாக முக்கியமான வழிமுறைகளாகக் கருதுகிறோம், இருந்தாலும் உங்கள் சொந்த வழிமுறையை வடிவமைக்க உங்களுக்குச் சுதந்திரம் உள்ளது:

• சீரமைப்பு: ஒரு மாடல் எந்த நோக்கத்தை (ஏதேனும் இருந்தால்) பின்பற்றுவது என எப்படிச் சிறப்பாகப் புரிந்துகொள்வது? உடனடி வடிவமைப்பு அல்லது நுணுக்கமாகச் சரிசெய்தல் போன்றவற்றின் மூலம், அந்த நோக்கம் மனித விருப்பங்களுடன் எந்த அளவிற்கு ஒத்துப்போகிறது என்பதை எப்படி அதிகரிப்பது?
• நியாயத்தன்மை மற்றும் பிரதிநிதித்துவம்: மொழி மாடல்களில் நியாயத்தன்மை மற்றும் பிரதிநிதித்துவத்திற்கான செயல்திறன் அளவுகோல்களை எப்படி நிலைநாட்ட வேண்டும்? குறிப்பிட்ட, பயன்படுத்தப்பட்ட சூழல்களில் நியாயத்தன்மை மற்றும் பிரதிநிதித்துவத்தின் இலக்குகளை திறம்பட ஆதரிக்க மொழி மாடல்களை எப்படி மேம்படுத்தலாம்?
• துறைகளுக்கு இடையேயான ஆராய்ச்சி: தத்துவம், அறிவாற்றல் அறிவியல், சமூக மொழியியல் போன்ற பிற துறைகளின் நுண்ணறிவுகளை AI மேம்பாடு எப்படிப் பயன்படுத்தலாம்?
• பொருள் விளக்கம் மற்றும் வெளிப்படைத்தன்மை: இந்த மாடல்கள் இயந்திரத்தனமாக எப்படிச் செயல்படுகின்றன? அவை என்ன கருத்துக்களைப் பயன்படுத்துகின்றன என்பதை எங்களால் அடையாளம் காண முடியுமா, அல்லது மாடலிலிருந்து மறைந்திருக்கும் அறிவைப் பிரித்தெடுக்க முடியுமா, பயிற்சி நடைமுறை பற்றிய அனுமானங்களைச் செய்ய முடியுமா அல்லது ஆச்சரியமான எதிர்கால நடத்தையைக் கணிக்க முடியுமா?
• தவறாகப் பயன்படுத்துவதற்கான சாத்தியக்கூறு: API போன்ற அமைப்புகள் எப்படித் தவறாகப் பயன்படுத்தப்படலாம்? இது போன்ற தொழில்நுட்பங்களை பொறுப்புடன் பயன்படுத்துவது பற்றி நாங்களும் பிற AI டெவலப்பர்களும் சிந்திக்க உதவும் வகையில் என்ன வகையான "ரெட் டீமிங்" அணுகுமுறைகளை உருவாக்க முடியும்?
• மாடல் ஆய்வு: API -ஆல் வழங்கப்படும் மாடல்கள் பல்வேறு திறன்களைக் கொண்டுள்ளன, அவற்றை நாங்கள் இன்னும் ஆராயவில்லை. மாடல் வரம்புகள், மொழியியல் பண்புகள், பொது அறிவுப் பகுத்தறிவு மற்றும் பல சிக்கல்களுக்கான சாத்தியமான பயன்பாடுகள் உள்ளிட்ட பல பகுதிகளில் மேற்கொள்ளப்படும் விசாரணைகளால் நாங்கள் உற்சாகமாக இருக்கிறோம்.
• உறுதித்தன்மை: உற்பத்தி மாடல்கள் சீரற்ற திறன் மேற்பரப்புகளைக் கொண்டுள்ளன, வியக்கத்தக்க வகையில் வலுவான மற்றும் வியக்கத்தக்க வகையில் பலவீனமான திறன் பகுதிகளுக்கான சாத்தியக்கூறுகளுடன். ஒரே கருத்தை வெவ்வேறு வழிகளில் அல்லது எழுத்துப் பிழைகளுடன் அல்லது இல்லாமல் சொற்றொடர்களாகக் கூறுவது போன்ற "இயற்கை" இடையூறுகளுக்கு பெரிய உருவாக்க மாடல்கள் எந்தளவு வலுவானவை? பெரிய உற்பத்தி மாடல்கள் எந்த வகையான களங்கள் மற்றும் பணிகளுக்கு வலுவானதாக இருக்கும் (அல்லது வலுவானதாக இருக்காது) என்பதை எங்களால் கணிக்க முடியுமா, மேலும் இது பயிற்சித் தரவுகளுடன் எப்படித் தொடர்புடையது? மோசமான நடத்தையை முன்னறிவிப்பதற்கும் குறைப்பதற்கும் நாங்கள் பயன்படுத்தக்கூடிய நுட்பங்கள் எவையேனும் உள்ளனவா? சில உதாரணங்களுடன் பயிற்சியளிக்கும் கற்றல் சூழலில் (எ.கா., ப்ராம்ப்ட்களில் உள்ள மாறுபாடுகளில்) வலிமையை எப்படி அளவிட முடியும்? எதிர்மறையான உள்ளீடுகளின் கீழும், மிக உயர்ந்த அளவிலான நம்பகத்தன்மையுடன் பாதுகாப்புப் பண்புகளைப் பூர்த்தி செய்யும் வகையில் மாடல்களைப் பயிற்றுவிக்க முடியுமா?

அதிக அளவிலான கோரிக்கைகள் காரணமாக, இந்த விண்ணப்பங்களை மதிப்பாய்வு செய்ய எங்களுக்கு நேரம் எடுக்கும் என்பதையும், அனைத்து ஆராய்ச்சிகளும் மானியத்திற்கு முன்னுரிமை அளிக்கப்படாது என்பதையும் நினைவில் கொள்ளவும். உங்கள் விண்ணப்பம் மானியத்திற்குத் தேர்ந்தெடுக்கப்பட்டால் மட்டுமே நாங்கள் உங்களைத் தொடர்புகொள்வோம்.