데이터 로깅 및 공유

이 페이지에서는 결제가 사용 설정된 프로젝트의 지원되는 Gemini API 호출에서 개발자가 소유한 API 데이터인 Gemini API 로그의 저장 및 관리에 대해 설명합니다. 로그는 사용자의 요청부터 모델의 응답까지 전체 프로세스를 포함합니다. Google Cloud 프로젝트에 비공개인 이러한 로그는 악용 모니터링 목적으로만 보유되는 로그와는 별개입니다.

공유할 수 있는 데이터

프로젝트 소유자는 자체 사용을 위해 또는 Google에 의견을 제공하고 공유하여 Google이 모델을 지속적으로 개선할 수 있도록 Gemini API 호출의 로깅을 선택할 수 있습니다.

로깅을 사용 설정하면 제품 개선 및 모델 학습을 위해 다음 데이터를 제공하여 다양한 분야와 사용 사례에서 개발자에게 계속해서 유용한 AI 시스템을 구축하는 데 도움이 될 수 있습니다.

  • 데이터 세트: Google AI Studio의 로그 및 데이터 세트 인터페이스를 사용하여 지원되는 Gemini API 호출에서 관심 있는 로그 (요청, 응답, 메타데이터 등)를 선택합니다. 데이터 세트에 포함하여 제공되며 데이터 세트 생성 중에 선택 해제할 수 있습니다.
  • 의견: 로그를 검토할 때 의견을 제공할 수 있습니다. 여기에는 좋아요 및 싫어요 평가와 작성한 의견이 포함됩니다.

데이터 세트를 Google과 공유하면 요청 및 응답을 포함한 해당 데이터 세트의 로그가 저희 약관의 "무료 서비스"에 따라 처리됩니다. 즉, 데이터 세트는 모델 개선 및 학습을 포함하여 Google 제품, 서비스, 머신러닝 기술을 개발하고 개선하는 데 사용될 수 있습니다. 개인 정보, 민감한 정보 또는 기밀 정보를 포함하지 마세요.

Google에서 데이터를 사용하는 방식

로그는 기본적으로 최대 55일 동안 보관됩니다. 이 기간이 지나면 로그는 삭제 대상으로 자동 표시됩니다. AI Studio에서 프로젝트의 저장소 보관 기간을 업데이트하여 7일, 14일, 28일 또는 55일 후에 로그를 삭제 대상으로 자동 표시할 수 있습니다.

데이터 세트를 만들어 다운스트림 사용 사례에 대한 설정된 보관 기간을 초과하여 관심 있는 로그를 보관하고 모델 개선에 선택적으로 기여할 수 있습니다. 데이터 세트에 저장된 로그에는 설정된 보관 기간이 없습니다.

기본적으로 로깅은 결제가 사용 설정된 프로젝트에서만 사용할 수 있으므로 로그 내의 프롬프트와 응답은 제품 개선 또는 개발에 사용되지 않습니다. 이는 데이터 사용에 관한 약관 에 따릅니다.

로그의 데이터 세트를 Google과 공유하도록 선택하면 이러한 데이터 세트는 AI 시스템 및 애플리케이션이 사용되는 다양한 도메인과 컨텍스트를 더 잘 이해하기 위한 실제 데모 데이터로 사용됩니다. 이 데이터는 모델 품질을 개선하고 향후 모델 및 서비스의 학습 및 평가에 영향을 미칠 수 있습니다. 이 데이터는 무료 서비스의 데이터 사용 약관에 따라 처리됩니다.

따라서 인적 검토자는 공유하는 API 입력 및 출력을 읽고, 주석을 달고, 처리할 수 있습니다. 데이터가 모델 개선에 사용되기 전에 Google은 이러한 과정에서 사용자 개인 정보를 보호하기 위한 조치를 취합니다. 여기에는 검토자가 이 데이터를 보거나 주석을 작성하기 전에 Google 계정, API 키, Cloud 프로젝트에서 이 데이터의 연결을 해제하는 조치가 포함됩니다.

데이터 권한

API 데이터 제공을 선택하면 Google이 이 문서에 설명된 대로 데이터를 처리하고 사용할 수 있는 필요한 권한이 있음을 확인하는 것입니다. 유료 서비스를 통해 얻은 민감한 정보, 기밀 정보 또는 독점 정보가 포함된 로그는 제공하지 마세요. '콘텐츠 제출' 조항에 따라 Google에 부여한 라이선스도 Google의 사용에 대한 관련 법규에 따라 요구되는 범위 내에서 '서비스' 및 생성된 답변에 제출한 콘텐츠 (예: 이미지, 동영상, 문서 등 관련 파일, 캐시된 콘텐츠, 시스템 안내를 포함한 프롬프트)로 확장됩니다.

데이터 공유 및 의견

데이터를 예시로 공유하도록 선택하면 AI 연구, Gemini API, Google AI Studio의 발전에 도움이 될 수 있습니다. 이를 통해 다양한 컨텍스트에서 모델을 지속적으로 개선하고 다양한 분야와 사용 사례에서 개발자에게 계속해서 유용한 AI 시스템을 구축할 수 있습니다.