ചാറ്റ് ജിപിടിയിൽ ലോഗിൻ ചെയ്ത ഇമെയിലുകളുടെ സ്വകാര്യത ഭീഷണിയിലാണെന്ന മുന്നറിയിപ്പുമായി ഗവേഷക സംഘം. ഓപ്പൺ എ.ഐയുടെ ചാറ്റ് ജിപിടിയ്ക്ക് ശക്തിപകരുന്ന ലാംഗ്വേജ് മോഡലായ ജിപിടി 3.5 ടർബോയിലെ സ്വകാര്യതാ വീഴ്ചയാണ് ഇൻഡ്യാന യുണിവേഴ്സിറ്റി ബ്ലൂമിങ്ടണിലെ പി.എച്ച്.ഡി ഗവേഷകനായ റുയി ഷുവും സംഘവും കണ്ടെത്തിയത്. ജിപിടി.35 ടർബോയിൽ നിന്ന് കണ്ടെത്തിയ ഇമെയിലുകളുടെ ഉടമകളെ ഗവേഷക സംഘം ബന്ധപ്പെട്ടു. ഇക്കൂട്ടത്തിൽ ന്യൂയോർക്ക് ടൈംസ് ജീവനക്കാരുടെ ഇമെയിലുകളും ഉണ്ടായിരുന്നു.

വ്യക്തിവിവരങ്ങൾ ഓർത്തെടുക്കാനുള്ള ജിപിടി-3.5 ടർബോയുടെ കഴിവാണ് പതിവ് സുരക്ഷാ സംവിധാനങ്ങൾ മറികടന്ന് ഗവേഷകർ ഇതിനായി പ്രയോജനപ്പെടുത്തിയത്. തിരഞ്ഞ 80 ശതമാനം ന്യൂയോർക്ക് ടൈംസ് ജീവനക്കാരുടെയും ഇമെയിലുകൾ കൃത്യമായി തന്നെ ലഭിച്ചു. ചാറ്റ് ജിപിടി പോലുള്ള എഐ ടൂളുകൾ വഴി വ്യക്തി വിവരങ്ങൾ ചോരുമെന്നതിന്റെ തെളിവാണ് ഈ സംഭവം.
തുടർച്ചയായി പുതിയ വിവരങ്ങളിൽ നിന്ന് പഠിക്കും വിധമാണ് ജിപിടി 3.5 ടർബോ, ജിപിടി 4 തുടങ്ങിയ ലാംഗ്വേജ് മോഡലുകളെ ഓപ്പൺ എഐ രൂപകൽപന ചെയ്തിരിക്കുന്നത്. പ്രത്യേക വിഷയങ്ങളിൽ കൃത്യമായ അറിവ് നൽകുന്നതിനായുള്ള മോഡലിൻ്റെ ഫൈൻ ട്യൂണിങ് ഇൻ്റർഫെയ്സ് മോഡലിന്റെ പ്രതിരോധ സംവിധാനങ്ങളെ കബളിപ്പിക്കാൻ ഗവേഷകർ ഉപയോഗപ്പെടുത്തി.
വ്യക്തിഗത വിവരങ്ങൾ ആവശ്യപ്പെട്ടുകൊണ്ടുള്ള ചോദ്യങ്ങളെ തടയാൻ വിവിധ മാർഗങ്ങളാണ് ഓപ്പൺ എഐ, മെറ്റ, ഗൂഗിൾ പോലുള്ള കമ്പനികൾ അവരുടെ എഐ മോഡലുകളിൽ ഉപയോഗിക്കുന്നത്. ഈ സുരക്ഷാ സംവിധാനങ്ങളെ മറികടക്കാനുള്ള വഴിയാണ് ഗവേഷകർ കണ്ടെത്തിയത്.

അതേസമയം സ്വകാര്യ വിവരങ്ങൾ ആവശ്യപ്പെട്ടുകൊണ്ടുള്ള ചോദ്യങ്ങൾ തള്ളുമെന്നും ഉപഭോക്താക്കളുടെ സുരക്ഷയിൽ പ്രതിജ്ഞാബദ്ധരാണെന്നും ആശങ്കകൾക്ക് മറുപടിയായി ഓപ്പൺ എ.ഐ പറഞ്ഞു. എന്നാൽ എ.ഐയെ പരിശീലിപ്പിക്കുന്നതിനുപയോഗിക്കുന്ന വിവരങ്ങളുമായി ബന്ധപ്പെട്ട് സുതാര്യതയില്ലാത്തതിലും എ.ഐ മോഡലുകൾ സ്വകാര്യ വിവരങ്ങൾ കൈവശം വെക്കുന്നതിലും വിദഗ്ധർ ആശങ്ക സംശയം ഉയർത്തുന്നുണ്ട്.
ലാഗ്വേജ് മോഡലുകളിലെ വ്യക്തി സ്വകാര്യതയെ കുറിച്ചുള്ള ആശങ്ക ഉയർത്തുകയാണ് ജി.പി.ടി 3.5 ടർബോയിൽ കണ്ടെത്തിയ സുരക്ഷാ വീഴ്ച. വാണിജ്യപരമായി ലഭ്യമായ മോഡലുകൾക്ക് സ്വകാര്യത പരിരക്ഷിക്കുന്നതിന് ശക്തമായ പ്രതിരോധ സംവിധാനങ്ങളില്ലെന്ന് വിദഗ്ധർ വാദിക്കുന്നു. വിവിധ ഉറവിടങ്ങളിൽ നിന്ന് തുടർച്ചയായി വിവര ശേഖരണം നടത്തുന്ന ഇവ വലിയ അപകടസാധ്യത സൃഷ്ടിക്കുന്നു. ഓപ്പൺ എഐ വിവരങ്ങൾ കൈകാര്യം ചെയ്യുന്നതിലെ രഹസ്യ സ്വഭാവവും പ്രശ്നം സങ്കീർണമാക്കുകയാണ്. എഐ മോഡലുകളിലെ വിവര സംരക്ഷണം ഉറപ്പാക്കുന്നതിനും സുതാര്യത ഉറപ്പുവരുത്തണമെന്നുമാണ് വിമർശകർ ആവശ്യപ്പെടുന്നത്.


