Ajudem els desenvolupadors a crear experiències d’IA més segures per a adolescents

Avui publiquem polítiques de seguretat⁠(s'obre en una finestra nova) basades en indicacions per ajudar els desenvolupadors a crear proteccions adequades a l’edat per a adolescents. Dissenyades per funcionar amb el nostre model de seguretat de pes obert, gpt-oss-safeguard⁠(s'obre en una finestra nova), aquestes polítiques simplifiquen la manera com els desenvolupadors converteixen els requisits de seguretat en classificadors útils per a sistemes del món real.

Vam publicar models de pes obert per democratitzar l’accés a una IA potent i donar suport a una innovació àmplia. Alhora, creiem que la seguretat i la innovació van de la mà, i que els desenvolupadors han de tenir accés tant a models capaços com a les eines i polítiques necessàries per desplegar-los de manera segura i responsable. Hem desenvolupat aquestes polítiques per donar suport als desenvolupadors en els seus esforços de seguretat per protegir els usuaris joves, amb aportacions d’organitzacions externes de confiança com Common Sense Media⁠(s'obre en una finestra nova) i everyone.ai⁠(s'obre en una finestra nova).

Reconeixem que els adolescents i els adults tenen necessitats diferents, i que els adolescents necessiten proteccions addicionals. Aquestes polítiques estan dissenyades per ajudar els desenvolupadors a tenir en compte aquestes diferències i crear experiències que siguin alhora enriquidores i adequades per als usuaris més joves.

Fa temps que estem compromesos a crear IA que ampliï les oportunitats per als joves alhora que els manté segurs. Com a part d’aquest treball, vam actualitzar la nostra especificació del model⁠(s'obre en una finestra nova) —les directrius que defineixen el comportament previst dels models d’OpenAI— per incloure els principis per a menors de 18 anys (U18)⁠(s'obre en una finestra nova), i vam introduir proteccions a nivell de producte com el control parental⁠ i la predicció d’edat⁠ per protegir millor els usuaris més joves. També hem demanat proteccions a escala de tota la indústria mitjançant el nostre Teen Safety Blueprint⁠.

La publicació d’avui es basa en aquests fonaments. Posem aquestes polítiques de seguretat a disposició dels desenvolupadors per ajudar-los a desplegar proteccions de seguretat per a adolescents i contribuir a democratitzar-ne l’accés a tot l’ecosistema dels pesos oberts.

Tot i que classificadors de seguretat com gpt-oss-safeguard poden detectar contingut perjudicial, depenen de definicions clares del que és aquest contingut. A la pràctica, un dels reptes més grans als quals s’enfronten els desenvolupadors és definir polítiques que capturin amb precisió els riscos específics dels adolescents i que es puguin aplicar de manera coherent en sistemes reals.

Fins i tot els equips amb experiència sovint tenen dificultats per traduir objectius de seguretat d’alt nivell en regles precises i operatives, especialment perquè això requereix tant experiència en la matèria com un coneixement profund de la IA. Això pot provocar buits de protecció, aplicació inconsistent o filtratge excessivament ampli. Les polítiques clares i ben delimitades són una base essencial per a sistemes de seguretat eficaços.

Per abordar aquest repte, publiquem un conjunt de polítiques de seguretat⁠(s'obre en una finestra nova), adaptades als riscos habituals als quals s’enfronten els adolescents i informades per una revisió acurada de la recerca existent sobre les diferències evolutives úniques dels adolescents. Aquestes polítiques s’estructuren com a indicacions que es poden utilitzar directament amb gpt-oss-safeguard⁠(s'obre en una finestra nova) i altres models de raonament, cosa que permet als desenvolupadors aplicar amb més facilitat estàndards de seguretat coherents a tots els seus sistemes.

La versió inicial inclou polítiques que cobreixen:

• Contingut violent gràfic

• Contingut sexual gràfic

• Ideals i comportaments corporals perjudicials

• Activitats i reptes perillosos

• Joc de rol romàntic o violent

• Béns i serveis amb restricció d’edat

Aquestes polítiques es poden fer servir per al filtratge de contingut en temps real, així com per a l’anàlisi fora de línia del contingut generat pels usuaris.

En estructurar les polítiques com a indicacions, els desenvolupadors les poden integrar més fàcilment en els fluxos de treball existents, adaptar-les als seus casos d’ús i iterar amb el temps.

Hem treballat amb organitzacions externes com Common Sense Media⁠(s'obre en una finestra nova) i everyone.ai⁠(s'obre en una finestra nova) per orientar el desenvolupament d’aquestes polítiques. La seva expertesa va ajudar a definir l’abast del contingut que cal cobrir, reforçar l’estructura de les indicacions i afinar els casos límit que cal tenir en compte a l’hora d’avaluar-les. 

Aquest treball reflecteix un esforç continuat per col·laborar amb experts i amb l’ecosistema en general per millorar la manera com els sistemes d’IA donen suport als joves.

«Una de les mancances més grans en la seguretat de la IA per a adolescents ha estat la falta de polítiques clares i operatives a partir de les quals els desenvolupadors puguin construir. Moltes vegades, els desenvolupadors parteixen de zero. Aquestes polítiques basades en indicacions ajuden a establir un llindar de seguretat significatiu a tot l’ecosistema i, com que es publiquen com a codi obert, es poden adaptar i millorar amb el temps. Ens encoratja veure aquest tipus d’infraestructura posada àmpliament a disposició, i esperem que catalitzi més punts de partida compartits sobre la seguretat juvenil a tot el sector.»

—Robbie Torney, responsable d’IA i avaluacions digitals, Common Sense Media

«Els esforços com aquest, que fan més operatives les polítiques de seguretat juvenil, són valuosos perquè ajuden a traduir el coneixement expert en orientacions que es poden utilitzar en sistemes reals. Les polítiques de contingut són un primer pas important i també obren la porta a un treball més ampli sobre com el comportament del model pot configurar amb el temps riscos rellevants per als joves. Inspirada per aquest treball i per la nostra pròpia recerca, everyone.ai⁠(s'obre en una finestra nova) també ha creat una política inicial de comportament centrada en riscos com l’exclusivitat i la dependència excessiva.»

—Dr. Mathilde Cerioli, científica en cap a everyone.AI

Les polítiques estan pensades com un punt de partida, no com una definició o garantia integral o definitiva de la seguretat adolescent. Cada aplicació té riscos, públics i contextos únics, i els desenvolupadors són els més ben situats per entendre els riscos que poden presentar els seus productes i integracions d’IA. Encoratgem fermament els desenvolupadors a adaptar i ampliar aquestes polítiques segons les seves necessitats específiques i a combinar-les amb altres proteccions, com ara decisions de disseny de producte, controls d’usuari, transparència adaptada als adolescents, sistemes de monitoratge i respostes reflexives adequades a l’edat. 

Creiem que un enfocament en capes de defensa en profunditat⁠⁠ és essencial per crear sistemes d’IA més segurs. Aquestes polítiques es basen en la nostra experiència interna, però no reflecteixen tota l’extensió de les polítiques o proteccions internes d’OpenAI.

Publiquem aquestes polítiques com a codi obert a través de la ROOST Model Community⁠(s'obre en una finestra nova) per fomentar la col·laboració i la iteració. Per contribuir-hi, fer comentaris o compartir polítiques de seguretat addicionals per a adolescents, visiteu el repositori de GitHub de l’RMC.⁠(s'obre en una finestra nova)

Els desenvolupadors i les organitzacions poden adaptar aquestes polítiques a les seves aplicacions específiques, traduir-les a diferents llengües i ampliar-les perquè cobreixin àrees de risc addicionals. Amb el temps, esperem que això contribueixi a una base més robusta i compartida per implementar polítiques de seguretat en sistemes d’IA.

Per començar amb gpt-oss-safeguard, descarregueu-lo de Hugging Face⁠(s'obre en una finestra nova).