Δεδομένα για την εκπαίδευση AI | Κέντρο αξιοπιστίας της Microsoft

Η εμπιστοσύνη και η διαφάνεια αποτελούν τον πυρήνα του τρόπου με τον οποίο προσεγγίζουμε τα δεδομένα για την εκπαίδευση μοντέλων AI εδώ στη Microsoft.

Ο σκοπός αυτής της σελίδας είναι να μοιραστούμε την προσέγγισή μας, περιγράφοντας τις κατηγορίες δεδομένων που χρησιμοποιούμε για εκπαίδευση και τι κάνουμε για να δώσουμε στους εκδότες web και στους δημιουργούς περιεχομένου τον έλεγχο του τρόπου χρήσης του περιεχομένου τους για την εκπαίδευση αυτών των μοντέλων.

Τι σημαίνει η εκπαίδευση ενός μοντέλου AI;

Τα μοντέλα AI κάνουν προβλέψεις με βάση τα δεδομένα. Κατά τη διάρκεια της διαδικασίας εκπαίδευσης, ένα μοντέλο AI αναγνωρίζει μοτίβα, συσχετίσεις και έννοιες σε τεράστιες ποσότητες δεδομένων και, στη συνέχεια, χρησιμοποιεί όσα έχει μάθει για να δημιουργεί απαντήσεις σε ερωτήσεις ή αιτήσεις. Το μοντέλο μπορεί να βελτιστοποιηθεί με τη χρήση διαφορετικών κατηγοριών δεδομένων εκπαίδευσης, ώστε να βελτιστοποιεί τις δυνατότητες δημιουργίας για συγκεκριμένες κατηγορίες πληροφοριών, όπως φυσική γλώσσα, κώδικας λογισμικού ή εικόνες. Μπορεί επίσης να στηριχτεί με τα δεδομένα ενός οργανισμού—για παράδειγμα, σε έναν κλάδο κλάδου όπως η γεωργία, η υγεία ή το λιανικό εμπόριο.

Τα μοντέλα παραγωγικού AI δεν έχουν σχεδιαστεί για αποθήκευση, πρόσβαση ή αναπαραγωγή των αρχικών δεδομένων εκπαίδευσης. Αντίθετα, αυτά τα μοντέλα προορίζονται να δημιουργούν νέα εκφραστικά έργα και περιεχόμενο.

Δύο άτομα στέκονται σε εσωτερικό χώρο και εξετάζουν έναν πίνακα εργαλείων σε μια μεγάλη οθόνη με γραφήματα και μετρήσεις.

Ανακαλύψτε πώς η Microsoft εκπαιδεύει μοντέλα παραγωγικής AI σε ποικίλα δεδομένα

Τα μεγάλα και ποικίλα σύνολα δεδομένων αποτελούν αναπόσπαστο μέρος της δημιουργίας των σημερινών συστημάτων AI. Είναι κρίσιμο να χρησιμοποιείται ένα ευρύ φάσμα δεδομένων για την ανάπτυξη μοντέλων που είναι πιο ακριβή, πιο αντιπροσωπευτικά διαφορετικών πολιτισμών και γλωσσών και που μαθαίνουν και εφαρμόζουν ολόκληρο το φάσμα της ανθρώπινης εμπειρίας και ευρηματικότητας.

Εκπαιδεύουμε σε επιλεγμένα δημόσια διαθέσιμα δεδομένα, από έναν συνδυασμό συνόλων δεδομένων μηχανικής μάθησης βιομηχανικού προτύπου και ανιχνεύσεων του Web. Εξαιρούμε προελεύσεις με paywall και περιεχόμενο που παραβιάζει τις πολιτικές μας και που έχουν εξαιρεθεί από την εκπαίδευση χρησιμοποιώντας στοιχεία ελέγχου web που δημοσιεύσαμε. Τα δεδομένα από ανιχνεύσεις Web φιλτράρονται για ασφάλεια και υποβάλλονται σε επεξεργασία ώστε να καταργηθεί το παράνομο περιεχόμενο, συμπεριλαμβανομένου του υλικού σεξουαλικής κακοποίησης παιδιών (CSAM), σύμφωνα με την ισχύουσα νομοθεσία και τις πολιτικές Υπεύθυνου AI της Microsoft.

Σεβόμαστε πρότυπα όπως οι ετικέτες robots.txt που χρησιμοποιούν οι εκδότες web για να εξαιρεθούν από την ανίχνευση web. Δεν χρησιμοποιούμε δεδομένα από τομείς που περιλαμβάνονται στη λίστα Notorious Markets for Counterfeiting and Piracy του Office of the United States Trade Representative (USTR).
Αυτά είναι δεδομένα εκπαίδευσης στα οποία έχουμε πρόσβαση μέσω διαπραγματευμένων συμφωνιών, όπως με εκδότες και κατόχους πνευματικών δικαιωμάτων.
Αυτά τα δεδομένα συλλέγονται από επιλεγμένες υπηρεσίες καταναλωτών της Microsoft και προστατεύονται σύμφωνα με τη Δήλωση προστασίας προσωπικών δεδομένων της Microsoft. Το ιστολόγιο Microsoft Copilot και οι Συνήθεις ερωτήσεις Copilot εξηγούν πώς χρησιμοποιούμε δεδομένα καταναλωτών από τα Copilot, Bing και Microsoft Start (MSN) για να βοηθήσουμε στην εκπαίδευση των μοντέλων μας στο Copilot. Διευκολύνουμε τους χρήστες να εξαιρεθούν και να εφαρμόσουν δικλείδες ασφαλείας, όπως η κατάργηση αναγνωριστικών που ενδέχεται να σας ταυτοποιήσουν για την προστασία προσωπικών δεδομένων των χρηστών. Δεν χρησιμοποιούμε τα δεδομένα των εταιρικών πελατών μας χωρίς την άδειά τους.
Μερικές φορές εκπαιδεύουμε με συνθετικά σύνολα δεδομένων. Διευκολύνουμε τους χρήστες να εξαιρεθούν και να εφαρμόσουν δικλείδες ασφαλείας, όπως η κατάργηση αναγνωριστικών που ενδέχεται να σας ταυτοποιήσουν για την προστασία του απορρήτου των χρηστών. Στη συνέχεια, τα αποτελέσματα επανεξετάζονται και φιλτράρονται, μεταξύ άλλων από ανθρώπινους αναθεωρητές, για να διασφαλιστεί ότι είναι επαρκούς ποιότητας ώστε να αποτελούν μέρος του συνόλου δεδομένων εκπαίδευσης.
Συμπεριλαμβάνουμε την ανθρώπινη ανατροφοδότηση από εκπαιδευτές AI, κόκκινες ομάδες, υπαλλήλους και εξωτερικούς συνεργάτες σχολιασμού, στη διαδικασία εκπαίδευσής μας. Αυτό περιλαμβάνει, για παράδειγμα, την ανθρώπινη ανατροφοδότηση που ενισχύει την ποιοτική απόδοση στην προτροπή ενός χρήστη, βελτιώνοντας την εμπειρία του τελικού χρήστη. Τα μέλη κόκκινης ομάδες δοκιμάζουν επίσης το μοντέλο έναντι επιβλαβών ή μη ασφαλών αιτημάτων και τα σχόλιά τους χρησιμοποιούνται για τη βελτίωση των συμπεριφορών ασφαλείας του μοντέλου.

Μαζί με τα δικά μας μοντέλα Microsoft, ενσωματώνουμε διάφορα άλλα μοντέλα, συμπεριλαμβανομένου του OpenAI, στα προϊόντα και τις υπηρεσίες μας. Μάθετε περισσότερα για το πώς η OpenAI εκπαιδεύει μοντέλα.

Για ευεργετική και χωρίς αποκλεισμούς AI, ορισμένοι εκδότες web και ιδιοκτήτες περιεχομένου θέλουν περισσότερο λόγο για τον τρόπο χρήσης του περιεχομένου τους. Τα στοιχεία ελέγχου εκδότη web είναι χρήσιμα, αλλά όχι η πλήρης λύση. Εργαζόμαστε μαζί με άλλους στον κλάδο, τις εκδόσεις, τους τυποποιημένους φορείς και την κοινότητα περιεχομένου για να προσδιορίσουμε μια κοινή προσέγγιση που όλοι μπορούμε να προωθήσουμε και να υιοθετήσουμε.