LinkedIn-ի ԱԲ ուսուցումն անջատելը հետադարձ ուժ չունի․ արեք երկու քայլ

Ըստ LinkedIn-ի պաշտոնական պարզաբանման՝ ձեր տվյալների օգտագործումը ԱԲ մոդելների ուսուցման համար սահմանափակելու երկու քայլ կա. անջատել բովանդակություն ստեղծող մոդելների կարգավորումը և, եթե ցանկանում եք առարկել նաև այլ մոդելների ուսուցմանը, ներկայացնել առանձին դիմում։ Անջատիչը գործում է հետագա ուսուցման համար. արդեն կատարված ուսուցումը դրանից չի չեղարկվում։

Սկսեք «Data for Generative AI Improvement» կարգավորումից։ Երկրորդ քայլը՝ «Data Processing Objection Form»-ը, պետք է, երբ ձեր առարկությունը վերաբերում է նաև անհատականացման, անվտանգության կամ չարաշահումների դեմ կիրառվող մոդելների ուսուցմանը, ինչպես նաև որոշ արձագանքների մշակմանը։ Ձևն ուղարկելը ինքնին չի նշանակում, որ LinkedIn-ը դադարեցրել է ձեր տվյալների ցանկացած մշակում։

Առաջին քայլը․ գտեք անջատիչը և ստուգեք դրա վիճակը

LinkedIn-ի վեբ տարբերակում բացեք ձեր հաշվի կարգավորումները։ TechRadar-ի քայլային ուղեցույցում «Data for Generative AI Improvement» կետը նշված է «Data privacy» բաժնի «How LinkedIn uses your data» հատվածում։ Եթե ձեր միջերեսը անգլերեն է, հետևեք այս հերթականությանը.

1. Վերին ընտրացանկում բացեք «Me»-ն և ընտրեք «Settings & Privacy»։
2. Անցեք «Data privacy» բաժին և գտեք «How LinkedIn uses your data» հատվածը։
3. Բացեք «Data for Generative AI Improvement» կետը և անջատիչը դրեք «Off» դիրքում։
4. Կրկին բացեք նույն կետը և համոզվեք, որ ցուցադրվող վիճակը «Off» է։

Ստուգման վերջին քայլը կարևոր է, քանի որ որոշումը վերաբերում է հենց ձեր հաշվին պահպանված ընտրությանը։ Եթե նախկինում արդեն առարկության ձև եք ուղարկել, միևնույն է ստուգեք անջատիչի վիճակը. ձևի ներկայացումը և կարգավորման տեսանելի վիճակը տարբեր բաներ են։ Միջերեսի լեզվից կախված՝ բաժինների անունները կարող են թարգմանված լինել, ուստի կողմնորոշվեք նաև բաժինների հերթականությամբ և կարգավորման ամբողջական անվամբ։

Այս անջատիչը վերաբերում է այն մոդելների ուսուցմանը կամ լրացուցիչ ուսուցմանը, որոնք բովանդակություն են ստեղծում։ Այդ շրջանակում են, օրինակ, տեքստ առաջարկող ԱԲ հնարավորությունները։ Այն չի անջատում ձեր հաշվի ԱԲ գործառույթները. երբ ինքներդ օգտագործում եք նման գործառույթ, ծառայությունը կարող է մշակել ձեր մուտքագրած տեղեկությունը՝ պատասխան տալու կամ առաջարկ պատրաստելու համար։ Մոդելի ուսուցումն ու գործառույթի ընթացիկ աշխատանքը տարբեր նպատակներ են։

Երկրորդ քայլը․ առարկեք անջատիչից դուրս մնացող ուսուցմանը

Եթե ցանկանում եք առարկել նաև ոչ բովանդակություն ստեղծող ԱԲ կամ մեքենայական ուսուցման մոդելների համար ձեր տվյալների օգտագործմանը, բացեք LinkedIn-ի ԱԲ հարցուպատասխանում նշված «LinkedIn Data Processing Objection Form»-ը։ Այդ ուղին վերաբերում է, օրինակ, փորձի անհատականացման, անվտանգության, վստահության և չարաշահումների դեմ կիրառվող մոդելների ուսուցմանը։ Անջատիչի «Off» վիճակը այս ավելի լայն առարկության փոխարեն մի համարեք։

Դիմումում հնարավորինս հստակ նկարագրեք մշակման նպատակը, որի դեմ առարկում եք. նշեք, որ խոսքը ձեր անձնական տվյալների և LinkedIn-ում ստեղծած բովանդակության օգտագործման մասին է այլ ԱԲ կամ մեքենայական ուսուցման մոդելների ուսուցման համար։ Եթե ձեր մտահոգությունը վերաբերում է նաև ԱԲ գործառույթների վերաբերյալ ուղարկած գնահատականներին, աջակցության հարցումներին կամ մեկնաբանություններին, դրանք առանձնացրեք դիմումում։ Այդպիսի արձագանքները կարող են օգտագործվել բովանդակություն ստեղծող մոդելների կատարելագործման համար՝ դուրս մնալով հիմնական անջատիչի շրջանակից։

Իռլանդիայի տվյալների պաշտպանության հանձնաժողովի հայտարարությունը ԵՄ և Եվրոպական տնտեսական տարածքի օգտատերերի համար նշում է ընտրությունն արտահայտելու երկու ուղի՝ հաշվի անջատիչը կամ LinkedIn-ի առարկության ձևը։ Դա չի նշանակում, թե այդ տարածաշրջաններում ամեն օգտատեր պարտավոր է երկուսն էլ կատարել, և հայտարարությունը Հայաստանի համար առանձին իրավական արդյունք չի սահմանում։ Հայաստանից օգտվողի համար ձևի գործնական արժեքը լրացուցիչ մշակման նպատակը հստակ նշելու հնարավորությունն է։

Ուղարկելուց հետո պահեք դիմումի պատճենը կամ ստացած հաստատումը և ուշադրություն դարձրեք պատասխանին։ Ձևը առարկություն ներկայացնելու միջոց է, ուստի միայն այն ուղարկելու փաստով մի եզրակացրեք, որ դադարել են աշխատել LinkedIn-ի անհատականացման կամ անվտանգության բոլոր համակարգերը։ Պատասխանում կարևորն այն է, թե որ տվյալների օգտագործման և որ ուսուցման նպատակների մասին է խոսքը։

Ինչ է փոխվում անջատումից հետո

Հիմնական կարգավորումն անջատելուց հետո LinkedIn-ը և նրա փոխկապակցված ընկերությունները, այդ թվում՝ Microsoft-ը, այլևս չպետք է օգտագործեն ձեր LinkedIn-ի տվյալներն ու այստեղ ստեղծած բովանդակությունը բովանդակություն ստեղծող մոդելների հետագա ուսուցման համար՝ կարգավորման մեջ նկարագրված բացառություններով։ Սա ապագա օգտագործման սահման է։ Եթե տվյալները մինչև ձեր ընտրությունն արդեն մասնակցել են ուսուցմանը, անջատիչը կատարված աշխատանքը չի վերացնում և չի հաստատում, որ տեղեկությունը հեռացվել է արդեն ուսուցված մոդելից։

Սահմանը վերաբերում է ուսուցման նպատակին, ոչ թե LinkedIn-ի ներսում տվյալների ամեն կիրառությանը։ Պրոֆիլի տեքստի առաջարկ ստանալիս կամ աշխատանքի որոնման ԱԲ հնարավորությունից օգտվելիս ձեր տրամադրած տեղեկությունը կարող է մշակվել հենց այդ հնարավորությունն աշխատեցնելու համար։ Հետևաբար «Off» վիճակը մի մեկնաբանեք որպես խոստում, որ ԱԲ գործառույթները այլևս չեն տեսնի ձեր մուտքագրած տվյալները դրանց օգտագործման պահին։

Նույն տարբերակումը վերաբերում է անվտանգության և անհատականացման մոդելներին։ Դրանք կարող են կիրառվել LinkedIn-ի ծառայությունում, թեև բովանդակություն ստեղծող մոդելների ուսուցման անջատիչն անջատված է։ Այդ նպատակների համար առարկության ձևն է համապատասխան ուղին, իսկ դրա արդյունքի շրջանակը պարզ է դառնում ձեր ներկայացրած առարկությունից և LinkedIn-ի պատասխանից։

Որ տվյալներն են ընդգրկվում

Բովանդակություն ստեղծող մոդելների հնարավոր ուսուցման նյութը միայն հրապարակված գրառումները չեն։ Այն կարող է ներառել պրոֆիլի անունը, լուսանկարը, աշխատանքային փորձը, կրթությունը և հմտությունները, ինչպես նաև գրառումները, հոդվածները, հարցումների պատասխաններն ու մեկնաբանությունները։ Կարող են ընդգրկվել նաև ԱԲ գործառույթներին տրված հարցումները, խմբերում գործունեությունն ու խմբային հաղորդագրությունները։ Ուստի նույնիսկ հազվադեպ հրապարակող անդամի համար կարգավորումը վերաբերում է պրոֆիլում և ծառայության այլ մասերում առկա տվյալներին։

Աշխատանք փնտրողի համար կարևոր են նաև հաշվում շարունակական օգտագործման նպատակով պահված ռեզյումեն ու աշխատանքի դիմելու որոշ պատասխաններ։ Միաժամանակ LinkedIn-ը բովանդակություն ստեղծող մոդելների ուսուցման տվյալների շարքում չի ներառում անձնական նամակները, մուտքի գաղտնաբառերը, վճարային տվյալները կամ կոնկրետ դիմումին վերաբերող որոշ տվյալներ։ Խմբային հաղորդագրություններն ու անձնական նամակները այստեղ տարբեր կատեգորիաներ են. դրանք նույն կերպ մի գնահատեք։

Եթե ձեր առաջնահերթությունը ապագայում պրոֆիլի ու հրապարակումների օգտագործումը սահմանափակելն է, վճռորոշ ստուգումը «Data for Generative AI Improvement» կետի «Off» վիճակն է։ Եթե առարկում եք նաև այլ մոդելների ուսուցմանը կամ ձեր ուղարկած արձագանքների մշակմանը, դիմումում անվանեք հենց այդ տվյալներն ու նպատակները։ Այդպես ձեր ընտրության շրջանակը պարզ կլինի թե՛ ձեզ, թե՛ դիմումը դիտարկող կողմին։

Կարդացեք նաև:

• ԵՄ-ն երկու տարով կթեթևացնի Հայաստանի արտահանման 80%-ի մաքսատուրքերը