ChatGPT: चॅटजीटीपी वापरतोय तुमची वैयक्तिक माहिती; 570 गिगाबाईट डाटा धोक्यात?

ChatGPT: आजच्या काळात ChatGPT चा वापर मोठ्याप्रमाणात वाढला आहे. प्रत्येकजण आपले काम सुकर करण्यासाठी या नव्या भाषा मॉडेलचा वापर करत आहे. ChatGPT एक यशस्वी आणि खास भाषा मॉडेल असूनही, डेटा गोपनीयतेबद्दल चिंता कायम आहे. न्यूयॉर्क टाइम्सच्या पत्रकाराने याबाबत खळबळजनक खुलासा केला आहे. त्यांचा दावा आहे की, ChatGPT सर्व OpenAI मॉडेल्समध्ये ट्रेनिंगदरम्यान दिलेला संवेदनशील डेटा पुन्हा-पुन्हा वापरत आहे. कंपनीच्या दाव्याच्या विरोधात, त्याच्या सुरक्षिततेची कोणतीही हमी नाही. कोणताही व्यक्ती कंपनीच्या सुरक्षा उपायांना चुकवून ईमेल सारखी माहिती मिळवू शकतो. ChatGPT मध्ये सुमारे 570 गीगाबाइट टेक्स्ट डेटा आहे आणि 175 बिलियन पॅरामीटर्सवर ट्रेन केला गेला आहे. खरे तर, न्यूयॉर्क टाइम्सशी संबंधित जेरेमी व्हाईट यांना अलीकडेच ब्लूमिंग्टन येथील इंडियाना विद्यापीठात पीएचडी करणार्‍या रुई झू कडून एक ईमेल प्राप्त झाला. हे पाहून त्यांना धक्काच बसला, कारण त्यांचा ईमेल आयडी पब्लिक नव्हता, असे रुई यांनी सांगितले.

झूने सांगितले की, त्यांना जेरेमीचा ईमेल आयडी GPT-3.5 Turbo वरुन मिळाला. हा त्यांना केवळ एकदाच मिळाला असे नाही. कदाचित ट्रेनिंगदरम्यान फिड केला गेला असावा, असा दावा त्यांनी केला. खरे तर, जनरेटिव्ह एआय मानवी मेंदूप्रमाणेच गोष्टी लक्षात ठेवते. एखाद्याला लहानपणी वाचलेल्या कवितेतील काही ओळी आठवत असतील तर त्यांनाही त्या आठवतात. अजून काही ओळी वाचल्यावर संपूर्ण कविता आठवते. तसेच, हे मॉडेल्स सुद्धा उरलेला डेटा काढून समोर ठेवते. मात्र यासाठी थोडा वेळ लागतो.

दरम्यान, चॅटजीपीटीच्या मदतीने त्यांना हा आयडी मिळाला. ChatGPT सामान्य वापरकर्त्यांना कोणतीही वैयक्तिक माहिती देण्यास नकार देते, परंतु तज्ञांनी त्याच्या सेफगार्डला बायपास करण्याची एक युक्ती शोधली. चॅटजीपीटीच्या फाइन ट्यून्ड डेटाची कोणतीही सुरक्षा नाही, असे झू म्हणाले. प्रिन्स्टन युनिव्हर्सिटीचे प्राध्यापक डॉ. प्रतीक मित्तल म्हणतात की, व्यावसायिक वापरासाठी उपलब्ध असलेल्या कोणत्याही प्रमुख भाषेच्या मॉडेलमध्ये गोपनीयतेच्या संरक्षणासाठी चांगली व्यवस्था नाही. एआय कंपन्या त्यांच्या मॉडेल्सची हमी देऊ शकत नाहीत.

मित्तल पुढे म्हणाले की, हा सर्वात मोठा धोका आहे असे मला वाटते. ओपनएआय असा दावा करु शकते की, ते ट्रेनिंगदरम्यान संकलित केलेला डेटा व्यवहारात वापरला जात नाही, परंतु त्याचे मॉडेल कोणती माहिती वापरतात याबद्दल गुप्त राहण्यासाठी ते कुप्रसिद्ध आहे. तसेच, या मॉडेल्सच्या प्रशिक्षणादरम्यान डेटा कुठून गोळा करण्यात आला हेही सांगितले जात नाही. इंटरनेटवर उपलब्ध असलेली सर्व माहिती जनरेटिव्ह एआयच्या प्रशिक्षणासाठी वापरली जात आहे.