As IAs generativas se popularizaram rapidamente entre os usuários, dada a possibilidade de criação de novos conteúdos, porém, também trouxeram desafios na proteção de dados. Além do ChatGPT, IAs generativas, como modelos de linguagem, imagens e vídeos, também merecem atenção especial para garantir a proteção das informações.

Segundo o artigo 5 da Lei Geral de Proteção de Dados:

Dado pessoal: informação relacionada a pessoa natural identificada ou identificável.

Dado pessoal sensível: dado pessoal sobre origem racial ou étnica, convicção religiosa, opinião política, filiação a sindicato ou a organização de caráter religioso, filosófico ou político, dado referente à saúde ou à vida sexual, dado genético ou biométrico, quando vinculado a uma pessoa natural.

Para manter a segurança e privacidade ao utilizar várias IAs generativas, especialmente quando tratamos de informações pessoais e pessoais sensíveis, devemos:

👩‍💻Evitar uso de dados pessoais e pessoais sensíveis: Independentemente da IA generativa que for utilizada, tenha sempre em mente os tipos de informações pessoais e pessoais sensíveis que podem ser compartilhadas. Evite revelar informações pessoais, financeiras ou confidenciais durante as interações próprias. Quando se trata de dados de terceiros não utilize estes tipos de ferramenta e se utilizar, tenha autorização para o mesmo.

👩‍💻Uso de dados anônimos: Opte por utilizar dados anônimos ou fictícios sempre que possível. Isso ajuda a proteger sua privacidade e minimiza a exposição de informações reais.

👩‍💻Escolha de plataformas seguras: Certifique-se de escolher plataformas confiáveis e seguras para interagir com diferentes IAs generativas. Avalie se a plataforma utiliza medidas de segurança e criptografia para proteger as informações compartilhadas e leia os termos de uso do sistema utilizado.

👩‍💻Limitação de contexto: Não forneça detalhes excessivamente específicos sobre seu contexto pessoal ou profissional durante as interações. Isso reduz o risco de compartilhar informações indevidamente.

👩‍💻Uso de exemplos fictícios: Quando ilustrar um ponto ou fazer perguntas, recorra a exemplos fictícios em vez de informações reais.

👩‍💻Limpeza de dados: Após a conclusão do uso da IA generativa, certifique-se de apagar ou limpar qualquer informação pessoal compartilhada durante as conversas. Isso reduz a possibilidade de vazamento de dados.

👩‍💻Configurações de privacidade: Verifique se as plataformas oferecem opções de configuração de privacidade que permitam controlar o armazenamento e uso dos dados gerados pelas interações.

👩‍💻Treinamento de modelos personalizados: Na criação de modelos personalizados baseados em IAs generativas, atente-se para garantir que os dados de treinamento sejam anonimizados e protegidos, especialmente se possuírem informações pessoais ou pessoais sensíveis.

👩‍💻Auditoria: Realize auditorias regulares das interações com diferentes IAs generativas para identificar padrões que possam revelar informações pessoais e pessoais sensíveis indevidamente.

É muito comum encontrar ferramentas de IA generativa que além de armazenarem o que os usuários digitam, também usam essas informações para aprender e reproduzir este conteúdo. Por isso, essas ferramentas devem ser usadas com cautela e responsabilidade.

Um exemplo de IA generativa que aprende com informações digitadas em um chat é um chatbot baseado em Reinforcement Learning from Human Feedback (Aprendizado por Reforço a partir do Feedback Humano). Aqui está um exemplo simplificado de como isso poderia funcionar:

Suponha que temos um chatbot projetado para responder a perguntas sobre viagens. Inicialmente, ele é treinado usando um conjunto de dados de treinamento que contém pares de perguntas e respostas relacionadas a viagens. No entanto, esse chatbot pode não ser perfeito e pode cometer erros.

Aqui está como o aprendizado com feedback humano poderia ser aplicado:

➡️Treinamento inicial: O chatbot é treinado usando um conjunto de dados inicial de perguntas e respostas. Ele usa modelos de linguagem como o GPT para gerar respostas.

➡️Interação com usuários: O chatbot é implantado e começa a interagir com os usuários em tempo real. Quando os usuários fazem perguntas e fornecem feedback, o chatbot registra essas interações.

➡️Feedback humano: Quando os usuários fornecem feedback, como indicar que uma resposta está incorreta ou fornecer a resposta correta, esse feedback é usado para ajustar o modelo. Por exemplo, se um usuário corrigir uma resposta errônea do chatbot, o modelo aprenderá com esse feedback.

➡️Treinamento iterativo: Periodicamente, o modelo é retreinado usando os dados de interações e feedbacks dos usuários. Isso ajuda o chatbot a melhorar suas respostas ao longo do tempo.

➡️Melhoria contínua: À medida que o chatbot continua interagindo com os usuários e recebendo feedback, ele continua a se ajustar e melhorar suas respostas.

Esse processo de aprendizado por reforço a partir do feedback humano permite que o chatbot se torne mais preciso e útil à medida que interage com mais pessoas e recebe mais informações corretivas. Isso é uma forma de aprendizado de máquina supervisionado, onde os seres humanos desempenham um papel fundamental na melhoria do desempenho do sistema de IA.