adathasználat modelltanításhoz
angolul: use of data for model training (training data opt-in)
Az a beállítás és szabály, amely eldönti, hogy az AI-szolgáltató felhasználhatja-e a beszélgetéseidet, fájljaidat és tartalmaidat a modelljei további tanítására.
Érthetően
Amikor egy AI-csevegővel beszélgetsz, a szolgáltató eltárolja, amit beírsz. A kérdés az, hogy ezt csak a válaszadáshoz használja-e, vagy tananyagként is, amelyből a következő modellváltozat tanul.
Olyan ez, mint amikor egy nyelviskola felveszi az óráidat. Más dolog, ha a felvétel csak neked készül, és más, ha a jövő évi tankönyvbe is bekerülnek belőle mondatok. A második esetben joggal várod, hogy előbb megkérdezzenek.
Két alapmodell létezik. Az opt-in azt jelenti, hogy csak akkor tanítanak az adataidból, ha ezt kifejezetten engedélyezed. Az opt-out azt jelenti, hogy alapból tanítanak belőlük, és neked kell kikapcsolnod. A lakossági termékeknél az utóbbi a gyakoribb.
A céges előfizetéseknél és a fizetős fejlesztői hozzáféréseknél (API) jellemzően fordított a helyzet: ott a szolgáltatók szerződésben vállalják, hogy alapból nem tanítanak az ügyféladatokból. Az ingyenes fejlesztői csomagokra ez nem mindig igaz.
Hogyan működik
- Beírsz egy kérdést vagy feltöltesz egy fájlt, és a szolgáltató ezt a szerverein tárolja, a saját szabályai szerinti ideig.
- A fiókod adatvédelmi beállítása és az előfizetésed típusa dönti el, hogy a beszélgetés bekerülhet-e a tanítóadatok közé.
- Ha bekerülhet, a szolgáltató általában szűri és részben személytelenít, majd a szövegek egy részét a modell következő változatának tanításához vagy értékeléséhez használja.
- A modell nem tárolja el a beszélgetésedet úgy, mint egy adatbázis, hanem mintázatokat tanul belőle. Ritkán mégis előfordul, hogy szó szerinti részleteket is megjegyez.
- Ha kikapcsolod a beállítást, az a jövőbeli beszélgetésekre vonatkozik. Amit egy modell korábban már megtanult, azt utólag nagyon nehéz kivenni belőle.
Példa a mindennapokból
Bemásolod a csevegőbe a munkaszerződésedet, hogy elmagyarázza a felmondási szabályokat. Ha a fiókodban be van kapcsolva a „Segíts a modell fejlesztésében” jellegű kapcsoló, ez a szöveg tanítóadat lehet. Ezért az első használat előtt érdemes megnézned az adatvédelmi beállításokat.
Kit érint
Gyakori félreértés
Korlátok és kockázatok
- A beállítás szolgáltatónként és előfizetésenként eltér, és a feltételek idővel változhatnak, ezért érdemes időnként újra megnézned.
- A kikapcsolás nem visszamenőleges: amit a modell már megtanult, azt gyakorlatilag nem lehet belőle törölni.
- Ha értékeled a választ, például lájkolod vagy hibát jelentesz, az adott beszélgetést több szolgáltató a tiltás ellenére is felhasználhatja.
- Ha egy AI-agent a nevedben e-maileket, naptárat vagy fájlokat olvas, olyan emberek adatai is a rendszerbe kerülnek, akik ehhez nem járultak hozzá.
Hasonló, de nem ugyanaz
- adatmegőrzés – Az adatmegőrzés arról szól, meddig tárolják a beszélgetést, az adathasználat modelltanításhoz arról, hogy tanulhat-e belőle a modell.
- memória (AI-asszisztensnél) – A memória csak a te fiókodban jegyez meg dolgokat rólad, a tanítás viszont a mindenki által használt modellt alakítja.
- webes adatgyűjtés (scraping) – A scraping a nyilvános internetes tartalmakat gyűjti be tanításhoz, itt viszont a szolgáltatásba általad bevitt adatokról van szó.
Kapcsolódó fogalmak
opt-in, opt-out
adatmegőrzés, zéró adatmegőrzés, GDPR, finomhangolás, szintetikus adat, gépi felejtés
Röviden a története
A kérdés a ChatGPT 2022 végi megjelenése után került a figyelem középpontjába. 2023. március végén az olasz adatvédelmi hatóság átmenetileg korlátozta a ChatGPT-t. Ennek egyik oka az volt, hogy nem látta tisztázottnak, milyen jogalapon használnak személyes adatokat a tanításhoz. 2023 áprilisában az OpenAI bevezette a beszélgetések tanításból való kizárását, és hamarosan más szolgáltatók is hasonló kapcsolókat kínáltak.
Hol tart most
2026 végén szinte minden nagy AI-szolgáltatásban van tanítást szabályozó beállítás. A lakossági termékeknél jellemzően neked kell kikapcsolnod, a céges csomagoknál alapból tiltott. Az alapértelmezésekről Európában továbbra is vita folyik a hatóságok és a cégek között.
Más nevei
tanítási célú adathasználat · adatfelhasználás modelltanításra · training data opt-in · training opt-out · data usage for training · model improvement setting · modellfejlesztési hozzájárulás · opt-in / opt-out
A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.