Dados para a Preparação de IA | Centro de Confiança da Microsoft

A confiança e a transparência são fundamentais para a forma como abordamos os dados para a preparação de modelos de IA aqui na Microsoft.

O objetivo desta página é partilhar a nossa abordagem, delineando as categorias de dados que utilizamos para a preparação e o que estamos a fazer para dar aos editores da Web e aos criadores de conteúdo controlo sobre a forma como o seu conteúdo é utilizado para preparar estes modelos.

O que significa preparar um modelo de IA?

Os modelos de IA fazem previsões com base em dados. Durante o processo de preparação, um modelo de IA identifica padrões, correlações e conceitos em grandes quantidades de dados e, em seguida, utiliza o que aprendeu para gerar respostas a perguntas ou pedidos. O modelo pode ser otimizado utilizando diferentes categorias de dados de preparação para otimizar as capacidades de geração para classes específicas de informação, como linguagem natural, código de software ou imagens. Também pode ser fundamentado com os próprios dados de uma organização, por exemplo, num setor vertical como a agricultura, a saúde ou o retalho.

Os modelos de IA generativa não foram concebidos para armazenar, aceder ou reproduzir os dados de preparação originais. Em vez disso, estes modelos destinam-se a gerar novas obras e conteúdos expressivos.

Duas pessoas em pé no interior, a rever um painel num monitor grande com gráficos e métricas apresentadas.

Descubra como a Microsoft prepara modelos de IA generativa com dados variados

Conjuntos de dados grandes e variados são fundamentais para a criação dos sistemas de IA atuais. É fundamental que seja utilizada uma grande diversidade de dados para desenvolver modelos que sejam mais precisos, mais representativos de diferentes culturas e idiomas e que aprendam e apliquem todo o espetro da experiência e engenho humanos.

Preparamos com dados selecionados publicamente disponíveis, a partir de uma combinação de conjuntos de dados de aprendizagem automática padrão da indústria e rastreios da Web. Excluímos fontes com paywalls e conteúdo que viole as nossas políticas, e que tenham optado por não participar na preparação através dos controlos da Web que publicámos. Os dados rastreados da Web são filtrados por segurança e processados para remover conteúdo ilegal, incluindo material de abuso sexual de crianças (CSAM), de acordo com as leis aplicáveis e as políticas de IA Responsável da Microsoft.

Respeitamos os padrões como as etiquetas robots.txt que os editores da Web utilizam para optar por não serem rastreados na Web. Não utilizamos dados de domínios listados na lista de Mercados Notórios de Contrafação e Pirataria do Gabinete do Representante Comercial dos Estados Unidos (USTR).
Estes são dados de preparação aos quais acedemos através de acordos negociados, como com editores e proprietários de direitos de autor.
Estes dados são recolhidos a partir de serviços selecionados para consumidores da Microsoft e protegidos de acordo com a nossa Declaração de Privacidade da Microsoft. O nosso blogue do Microsoft Copilot e as FAQ do Copilot explicam como utilizamos os dados dos consumidores do Copilot, Bing e Microsoft Start (MSN) para ajudar a preparar os nossos modelos no Copilot. Facilitamos a exclusão dos utilizadores e implementamos salvaguardas, como a remoção de identificadores que o possam identificar, para proteger a privacidade dos utilizadores. Não utilizamos os dados dos nossos clientes empresariais sem a sua autorização.
Por vezes, preparamos com conjuntos de dados sintéticos. Criamo-los ao enviar pedidos a grandes modelos de linguagem (LLM) para gerar resultados especificamente solicitados que aumentem os dados escassos ou limitados do mundo real. Os resultados são depois revistos e filtrados, incluindo por revisores humanos, para garantir que têm qualidade suficiente para fazerem parte do conjunto de dados de preparação.
Incluímos feedback humano de formadores de IA, red teamers, colaboradores e parceiros de anotação externos no nosso processo de preparação. Isto inclui, por exemplo, feedback humano que reforça a qualidade do resultado de um pedido de um utilizador, melhorando a experiência do utilizador final. Os red teamers também testam o modelo face a pedidos prejudiciais ou inseguros, e o seu feedback é utilizado para melhorar os comportamentos de segurança do modelo.

Juntamente com os nossos próprios modelos da Microsoft, incorporamos vários outros modelos, incluindo da OpenAI, nos nossos produtos e serviços. Saiba mais sobre como a OpenAI prepara modelos.

Para uma IA benéfica e inclusiva, alguns editores da Web e proprietários de conteúdo querem ter mais voz na forma como o seu conteúdo é utilizado. Os controlos dos editores da Web são úteis, mas não são a solução completa. Estamos a trabalhar em conjunto com outros parceiros da indústria, publicação, organismos de normalização e a comunidade de conteúdo para identificar uma abordagem comum que todos possamos promover e adotar.