Anthropic บอกว่าจะไม่ใช้ข้อมูลส่วนตัวของคุณเพื่อฝึก AI - ถอดรหัส

Anthropic กล่าวว่าจะไม่ใช้ข้อมูลส่วนตัวของคุณเพื่อฝึก AI – ถอดรหัส

ประทับเวลา: 5 มกราคม 2024 1:44 น
Anthropic กล่าวว่าจะไม่ใช้ข้อมูลส่วนตัวของคุณเพื่อฝึก AI - ถอดรหัสข้อมูลอัจฉริยะของ PlatoBlockchain ค้นหาแนวตั้ง AI.

Anthropic สตาร์ทอัพด้าน Generative ชั้นนำประกาศว่าจะไม่ใช้ข้อมูลของลูกค้าในการฝึก Large Language Model (LLM) และจะเข้ามามีส่วนร่วมในการปกป้องผู้ใช้ที่ถูกร้องเรียนการละเมิดลิขสิทธิ์

Anthropic ก่อตั้งโดยอดีตนักวิจัยจาก OpenAI ได้อัปเดตโฆษณา ใช้บริการมา เพื่อบอกเล่าถึงอุดมคติและเจตนารมณ์ของมัน ด้วยการแกะข้อมูลส่วนตัวของลูกค้าออกมา Anthropic ได้สร้างความแตกต่างอย่างมากจากคู่แข่งอย่าง OpenAI, Amazon และ Meta ซึ่งใช้ประโยชน์จากเนื้อหาของผู้ใช้เพื่อปรับปรุงระบบของพวกเขา

“Anthropic ไม่อาจฝึกอบรมโมเดลเกี่ยวกับเนื้อหาของลูกค้าจากบริการแบบชำระเงิน” ตามเงื่อนไขที่อัปเดต ซึ่งเสริมว่า “ในระหว่างทั้งสองฝ่ายและในขอบเขตที่อนุญาตโดยกฎหมายที่บังคับใช้ anthropic ตกลงว่าลูกค้าเป็นเจ้าของผลลัพธ์ทั้งหมด และไม่รับผิดชอบต่อสิทธิ์ใด ๆ ที่เกิดขึ้น ได้รับเนื้อหาของลูกค้าภายใต้ข้อกำหนดเหล่านี้”

ข้อกำหนดดังกล่าวกล่าวต่อไปว่า “Anthropic ไม่คาดว่าจะได้รับสิทธิ์ใดๆ ในเนื้อหาของลูกค้าภายใต้ข้อกำหนดเหล่านี้” และ “ไม่ให้สิทธิ์แก่ฝ่ายใดฝ่ายหนึ่งต่อเนื้อหาหรือทรัพย์สินทางปัญญาของอีกฝ่าย ไม่ว่าจะโดยนัยหรืออย่างอื่น”

เอกสารทางกฎหมายที่อัปเดตดังกล่าวให้ความคุ้มครองและความโปร่งใสแก่ลูกค้าเชิงพาณิชย์ของ Anthropic อย่างเห็นได้ชัด บริษัทต่างๆ เป็นเจ้าของเอาท์พุต AI ทั้งหมดที่สร้างขึ้น เช่น หลีกเลี่ยงข้อพิพาทด้าน IP ที่อาจเกิดขึ้น Anthropic ยังมุ่งมั่นที่จะปกป้องลูกค้าจากการเรียกร้องลิขสิทธิ์จากเนื้อหาที่ละเมิดลิขสิทธิ์ที่ผลิตโดย Claude

นโยบายสอดคล้องกับ ภารกิจมานุษยวิทยา คำกล่าวที่ว่า AI ควรเป็นประโยชน์ ไม่เป็นอันตราย และซื่อสัตย์ ในขณะที่ความสงสัยของสาธารณชนเพิ่มมากขึ้นเกี่ยวกับจริยธรรมของ generative AI ความมุ่งมั่นของบริษัทในการจัดการกับข้อกังวล เช่น ความเป็นส่วนตัวของข้อมูล อาจทำให้มีความได้เปรียบทางการแข่งขัน

ข้อมูลผู้ใช้: อาหารสำคัญของ LLM

โมเดลภาษาขนาดใหญ่ (LLM) เช่น GPT-4, LlaMa หรือ Claude ของ Anthropic เป็นระบบ AI ขั้นสูงที่เข้าใจและสร้างภาษามนุษย์โดยการฝึกเกี่ยวกับข้อมูลข้อความที่กว้างขวาง โมเดลเหล่านี้ใช้ประโยชน์จากเทคนิคการเรียนรู้เชิงลึกและโครงข่ายประสาทเทียมเพื่อทำนายลำดับคำ ทำความเข้าใจบริบท และเข้าใจรายละเอียดปลีกย่อยของภาษา ในระหว่างการฝึกอบรม พวกเขาปรับปรุงการทำนายอย่างต่อเนื่อง เพิ่มความสามารถในการสนทนา เขียนข้อความ หรือให้ข้อมูลที่เกี่ยวข้อง ประสิทธิผลของ LLM ขึ้นอยู่กับความหลากหลายและปริมาณของข้อมูลที่ได้รับการฝึกอบรมเป็นอย่างมาก ทำให้มีความแม่นยำและการรับรู้ตามบริบทมากขึ้นเมื่อพวกเขาเรียนรู้จากรูปแบบภาษา สไตล์ และข้อมูลใหม่ๆ ที่หลากหลาย

และนี่คือเหตุผลว่าทำไมข้อมูลของผู้ใช้จึงมีคุณค่ามากในการฝึกอบรม LLM ประการแรก ช่วยให้มั่นใจได้ว่าโมเดลจะทันเทรนด์ทางภาษาและความชอบของผู้ใช้ล่าสุด (เช่น การทำความเข้าใจคำสแลงใหม่ๆ) ประการที่สอง ช่วยให้มีความเป็นส่วนตัวและการมีส่วนร่วมของผู้ใช้ดีขึ้นโดยปรับให้เข้ากับการโต้ตอบและสไตล์ของผู้ใช้แต่ละคน อย่างไรก็ตาม สิ่งนี้ทำให้เกิดการถกเถียงทางจริยธรรม เนื่องจากบริษัท AI ไม่จ่ายเงินให้ผู้ใช้สำหรับข้อมูลสำคัญนี้ ซึ่งใช้ในการฝึกโมเดลที่สร้างรายได้หลายล้านดอลลาร์

รายงานโดย ถอดรหัส,เมตา เปิดเผยเมื่อเร็ว ๆ นี้ กำลังฝึกอบรม LlaMA-3 LLM ที่กำลังจะมีขึ้นโดยอิงตามข้อมูลของผู้ใช้ และโมเดล EMU ใหม่ (ซึ่งสร้างรูปภาพและวิดีโอจากข้อความแจ้ง) ก็ได้รับการฝึกอบรมโดยใช้ข้อมูลที่เปิดเผยต่อสาธารณะซึ่งอัปโหลดโดยผู้ใช้บนโซเชียลมีเดีย

นอกจากนี้ Amazon ยังเปิดเผยว่า LLM ที่กำลังจะมาถึงซึ่งจะขับเคลื่อนเวอร์ชันอัปเกรดของ Alexa ยังได้รับการฝึกอบรมเกี่ยวกับการสนทนาและการโต้ตอบของผู้ใช้ด้วย อย่างไรก็ตาม ผู้ใช้สามารถเลือกไม่รับข้อมูลการฝึกอบรมซึ่งตามค่าเริ่มต้นจะถือว่าผู้ใช้เห็นด้วย เพื่อแบ่งปันข้อมูลนี้ “[Amazon] เชื่อมาโดยตลอดว่าการฝึกอบรม Alexa กับคำขอในโลกแห่งความเป็นจริงเป็นสิ่งสำคัญในการมอบประสบการณ์ที่แม่นยำและเป็นส่วนตัวแก่ลูกค้า และพัฒนาให้ดีขึ้นอย่างต่อเนื่อง” โฆษกของ Amazon บอก ถอดรหัส. “แต่ในทางกลับกัน เราให้ลูกค้าควบคุมได้ว่าจะใช้การบันทึกเสียงของ Alexa เพื่อปรับปรุงบริการหรือไม่ และเราจะเคารพความต้องการของลูกค้าเสมอเมื่อเราฝึกโมเดลของเรา”

เนื่องจากยักษ์ใหญ่ด้านเทคโนโลยีต่างเร่งเปิดตัวบริการ AI ที่ทันสมัยที่สุด แนวทางปฏิบัติด้านข้อมูลที่มีความรับผิดชอบจึงเป็นกุญแจสำคัญในการได้รับความไว้วางใจจากสาธารณะ มานุษยวิทยามุ่งหวังที่จะเป็นผู้นำแบบอย่างในเรื่องนี้ การถกเถียงทางจริยธรรมเกี่ยวกับการได้รับโมเดลที่มีประสิทธิภาพและสะดวกสบายยิ่งขึ้นโดยเสียค่าใช้จ่ายในการมอบข้อมูลส่วนบุคคลนั้นแพร่หลายในปัจจุบันเช่นเดียวกับเมื่อหลายสิบปีก่อนเมื่อโซเชียลมีเดียทำให้แนวคิดของผู้ใช้แพร่หลาย กลายเป็นผลิตภัณฑ์ เพื่อแลกกับบริการฟรี

เรียบเรียงโดย ไรอัน โอซาวะ

ติดตามข่าวสาร crypto รับการอัปเดตทุกวันในกล่องจดหมายของคุณ

ประทับเวลา:

เพิ่มเติมจาก ถอดรหัส