تصور کنید برنامهنویسی هستید که تمام تلاشش برای تحلیل یک باگ پیچیده، با یک کد تولیدشده توسط ماشین که هیچکس مسئولیت نگهداریاش را ندارد، خنثی شود. این کابوسی است که حالا برای بسیاری از توسعهدهندگان نرمافزارهای آزاد به واقعیت تبدیل شده است. عبارت «مدلهای زبانی بزرگ اکوسیستم نرمافزارهای آزاد/لیبره را به طور کلی به خطر میاندازند» اکنون به یک باور عملی تبدیل شده است.
در ۲۳ ژوئیه ۲۰۲۶، انجمن Codeberg تأیید کرد که دو طرح پیشنهادی اعضا برای محافظت از اکوسیستم نرمافزارهای آزاد و آزاد (FLOSS) در برابر اثرات جانبی مدلهای زبانی بزرگ (LLM) تصویب شده است. این تصمیم در حالی گرفته میشود که پلتفرمهای میزبانی مستقل، فشار شدیدی از سوی خزندههای وبِ شرکتهای هوش مصنوعی احساس میکنند.
همانطور که در تحلیل قبلی ما دربارهی ابزارهایی مثل Scrapeless و اتوماسیون دیده-شدن برندها اشاره کردیم، اکنون با روی دیگر سکه مواجههایم: پلتفرمهایی که برای بیرون نگه داشتن دادههایشان از این مدلها میجنگند. در این مسیر، مفهومی به نام Vibe-Coding (وایب-کدینگ) — یعنی تولید حجم انبوهی از کد از طریق پرامپتها، بدون داشتن درک عمیق از معماری سیستم — به یک تهدید جدی تبدیل شده است. این رویکرد در حالی است که برخی استارتاپها برای بهینهسازی همین روند، مدلهای اختصاصی خود را توسعه دادهاند تا هزینههای استنتاج را کاهش دهند.
فرآیند دموکراتیک تصمیمگیری
طبق اعلام Codeberg e. V.، این تصمیمات حاصل مجمع سالانه انجمن بود؛ جلسهای که هدف آن قرار دادن قدرت مستقیماً در دستان اعضای فعال است. این فرآیند شامل بحثهای زنده درباره پیشنهادها و به دنبال آن یک دوره رأیگیری غیرهمزمان است.
با توجه به اینکه مدلهای زبانی بزرگ فناوریهای نوظهور اما بحثبرانگیزی هستند، تعجبآور نبود که دو مورد از رأیگیریها بر موضع رسمی Codeberg متمرکز باشد. در این مورد خاص، یک دوره رأیگیری ۱۴ روزه به پایان رسید و هر دو پیشنهاد پذیرفته شدند.
طرح اول، موضع انجمن را در مورد آموزش دادهها تعیین کرد. طرح دوم که جنجالیتر بود، با ۳۵۸ موافقت، ۱۴۴ مخالفت و ۱۴ رأی ممتنع تصویب شد. این نتایج نشاندهنده مشارکت بالای رأیدهندگان است که تقریباً ۵۰ درصد از اعضای فعال را شامل میشد.
جنگ بر سر بلع دادهها
بر اساس مستندات وبلاگ Codeberg e. V.، این پلتفرم از دادههای کاربران یا پروژهها برای آموزش LLMها استفاده نخواهد کرد. این تصمیم یک توسعه صریح از سیاست حریم خصوصی آنهاست و بیان میکند که ابزارهای تولیدی (Generative Tools) که خروجیهایشان مدلشده از ورودیهای آموزشی است، اساساً با نگهداری مسئولانه از نرمافزارهای متنباز ناسازگارند. اصل بنیادین آنها این است: «ما نمیخواهیم به دادههای شما نیاز داشته باشیم.»
اما مشکل فقط سیاستها نیست؛ Codeberg با یک حمله فیزیکی از سوی شرکتهای هوش مصنوعی روبروست. طبق گزارش این پلتفرم، خزندههای وبِ ارائهدهندگان LLM زیرساختهای آنها را تحت فشار شدیدی قرار دادهاند. این شرکتها قصد دارند تمام کدهای میزبانی شده در Codeberg را برای آموزش مدلهای خود ببلعند.
در حالی که Codeberg با کمال میل دسترسی رایگان و باز را از طریق git clone فراهم میکند، این باتها مانند توسعهدهندگان رفتار نمیکنند. آنها هر تکه از صفحات وب را استخراج میکنند، فارغ از اینکه آیا این کار منطقی است یا خیر. این موارد شامل موارد زیر است:
- تمام گونهها و مدلهای مختلف فیلترهای مربوط به Issueها.
- تاریخچه کامل Git.
- تمامی فایلها در هر نقطه از تاریخچه Git، حتی زمانی که فایلها کاملاً یکسان و تکراری باشند.
این درخواستهای تکراری باعث ایجاد پرسوجوهای دیتابیسی گرانقیمت میشود که کیفیت سرویس را برای کاربران انسانی کاهش میدهد. در نتیجه، مدیران سیستم مجبورند مقدار زیادی از نیروی کار خود را بهجای افزودن قابلیتهای «جالب و جدید»، صرف ساخت بلوکهای دفاعی کنند. این وضعیت تجربهای بدتر برای توسعهدهندگان قانونی ایجاد میکند، زیرا آنها ممکن است با محدودیتها یا مسدود شدن در جریانهای کاری مورد نظرشان مواجه شوند.
ظهور و سقوط «وایب-کدینگ»
Codeberg اکنون در حال اجرایی کردن ممنوعیت پروژههای «وایب-کدینگ» است. جامعه این پلتفرم این پروژهها را به صورت موارد زیر تعریف میکند: پروژههایی که در آن یک توسعهدهنده تنها از LLMها استفاده میکند تا خروجی یک تیم بزرگ را شبیهسازی کند. این کار یک «تزریق آدرنالین» از طریق توسعه سریع ایجاد میکند که اما فاقد یک جامعه واقعی است. در واقعیت، توسعهدهنده اغلب تنهاست و با یک ماشین آماری کار میکند که انرژی را به کد تبدیل میکند.
- نابرابری منابع: Codeberg مشاهده کرده است که پروژههایی با کاربر نزدیک به صفر، منابع CI/CD و ذخیرهسازی به اندازه یا حتی بیشتر از برخی از بزرگترین پروژههای جامعهمحور که بسیار بهینه عمل میکنند، مصرف میکنند.
- پروژههای شبح: پلتفرم نمیپذیرد که پولهای ارزشمند حاصل از کمکهای مالی (Donation) را صرف میزبانی «پروژههای شبح بزرگ» کند. این پروژهها اغلب دارای تستهای سنگین CI/CD و نسخههای باینری بزرگ و مکرر هستند. گاهی اوقات، تعداد پلتفرمهای پشتیبانی شده در این پروژهها از تعداد کاربران واقعی آنها بیشتر است.
- خلاء نگهداری: وایب-کدینگ باعث ترویج ایجاد نرمافزارهای یکبارمصرف میشود که هیچکس در واقع آنها را نگهداری نمیکند. این روند باعث آلودگی فضای مشترک FLOSS با کدهایی میشود که توسط هیچ انسانی «نوشته» نشدهاند و توسط هیچکس نگهداری نمیشوند.
بهای اقتصادی هوش مصنوعی
مدلهای زبانی بزرگ فناوری بسیار پرهزینهای هستند و با تلاش شرکتها برای بازگشت سرمایهگذاری، این هزینهها در حال افزایش است. Codeberg استدلال میکند که این هزینهها به صورت خارجی به جامعه و کسانی که حتی کاربر این سیستمها نیستند تحمیل میشود. این هزینهها در قالب اشتراکهای ابری و سرویسهای «عادی» پنهان شدهاند تا ویژگیهای «نوآورانه جدید» را تامین مالی کنند که کاربران هرگز درخواست آنها را نداده بودند.
Codeberg اشاره میکند که قیمت SSDهای خاص و حافظهها به دلیل آموزش و استقرار LLMها به شدت افزایش یافته است. برای مثال، نوعی درایو که تنها چند سال پیش ۷۰۰ یورو قیمت داشت، اکنون به ۳۷۰۰ یورو رسیده و اغلب در بازار موجود نیست.
این تورم محدود به اجارههای ابری نیست. حتی با وجود اینکه Codeberg سختافزار خود را مالک است، جایگزینی یا گسترش ظرفیتها به طور قابل توجهی گرانتر شده است. این اتفاق باعث میشود بودجهها از بهبود خدمات دور شده و صرف بقای حداکلی در یک بازار تورمی شود و در نهایت مانع از پیشبرد ماموریت گستردهتر Codeberg گردد.
زوال اجتماعی و مدنی
شکاف دیجیتالی
این انجمن استدلال میکند که LLMها یک شکاف دیجیتالی رو به رشد ایجاد میکنند. شرکتهای بزرگ ابری قراردادهای سختافزاری قابل اعتمادی را تضمین میکنند، در حالی که NGOهای کوچک، تعاونیهای محلی و پروژههای پژوهشی از دسترسی به محاسبات و ذخیرهسازی پایه — ابزارهایی که تا همین اواخر بدیهی تلقی میشدند — محروم شده و از بازار بیرون رانده میشوند.
این روند، محاسبات شخصی را دوباره به یک کالای لوکس تبدیل میکند. دستگاههایی با ظرفیت محدود محاسباتی و ذخیرهسازی، حاکمیت کاربران را سلب میکنند و آنها را در تلهای هزینه قرار میدهند که در آن ارائهدهندگان ابری، ظرفیتی را به آنها میفروشند که در دنیای امروز، ابزارهای دیجیتال برای مشارکت در جامعه یک ضرورت دهفاکتو هستند.
تاثیر بر زیرساختهای مدنی
آسیبهای زیرساختی به نیازهای اساسی مدنی نیز گسترش مییابد. به دلیل تقاضای شدید برای انرژی و آب در مراکز داده LLM، جوامع محلی با افزایش هزینههای مصرفی برق و آب شرب مواجه هستند. ساکنانی که نزدیک به این مراکز زندگی میکنند، مستقیماً تحت تأثیر افزایش آلودگی هوا و Noise (آلودگی صوتی) قرار دارند.
برای تامین انرژی این مراکز، شرکتها فعالانه لابی میکنند تا از مقررات محیطزیستی معاف شوند. در فرانکفورت، مراکز داده در حال حاضر ۴۰ درصد از برق محلی را مصرف میکنند و برای پاسخ به تقاضای رو به رشد، میخواهند از سوختهای فسیلی استفاده کنند.
فرسایش اعتماد
همکاری در اکوسیستم FLOSS یک پدیده اجتماعی است که محوریت آن بر اشتراکگذاری رایگان و یادگیری متقابل است. Codeberg استدلال میکند که LLMها اعتماد بین مشارکتکنندگان و ایده همکاری دوستانه را به چندین روش تخریب میکنند:
۱. بار بررسی (Review Burden): نگهدارندگان پروژهها به دلیل مشارکتهای کمتلاش و تولیدشده توسط LLM، با حجم کاری افزایشیافتهای روبرو هستند. این کدها اغلب خیرخواهانه هستند اما بررسی آنها زمان انسانی قابل توجهی میطلبد.
۲. پولشویی لایسنس (License Laundering): در پروژههای Copyleft، از LLMها برای حذف الزامات متقابل (Reciprocity) استفاده میشود؛ به این صورت که کد را از دادههای آموزشی «تولید» میکنند و بدین ترتیب قصد قانونی لایسنسهای اصلی را دور میزنند.
۳. چرخه پارانویا: یک چرخه معیوب ایجاد شده است که در آن افرادی که تلاش واقعی برای تحلیل مسائل به کار میبرند، متهم به استفاده از AI میشوند. در مقابل، کاربران AI به مدلهای خود دستور میدهند تا ردپاهای خود را پاک کنند و از الگوهای رایج اجتناب کنند، که این امر بررسیکنندگان را مجبور میکند با دقت بیشتری به دنبال نشانههای تولید ماشینی bگردند.
این نیروها «هزینه تراکنش» همکاری را افزایش میدهند. این موضوع باعث میشود توسعهدهندگان بیشتر تمایل داشته باشند یک نرمافزار یکبارمصرف را با «وایب-کدینگ» برای نیاز خاص خود بسازند تا اینکه در پروژههای باکیفیت و در حال تکامل مشارکت کنند. نتیجه، جهانی است که در آن نرمافزارهای تکمنظوره و بدون نگهداری افزایش مییابد، در حالی که همکاری کمتر پاداشدهنده میشود.
دستورالعملهای جدید استفاده
تغییر شرایط استفاده (Terms of Use) به عنوان یک سیگنال قوی در مورد پروژههایی است که Codeberg مایل به حمایت از آنهاست. انجمن تصریح کرد که هیچ حذف جمعی محتوا در عرض چند روز رخ نخواهد داد و تیم مدیریت لیستی جامع برای حذف ایجاد نخواهد کرد. در عوض، آنها قوانین را از طریق موارد خاص عملیاتی خواهند کرد.
آنها اذعان میکنند که بسیاری از توسعهدهندگان LLMها را به عنوان ابزاری در جریان کاری خود پذیرفتهاند — برخی به طور گسترده و به ندرت دستی کد میزنند و برخی دیگر تنها وظایف خاصی را تفویض میکنند. در حالی که پاسخ سادهای وجود ندارد، انجمن معیارهای مشخصی برای وضعیت پروژهها ارائه میدهد.
دستههای کمریسک (Low-Risk)
پروژههایی که این معیارها را دارند احتمالاً آسیب نمیبینند:
- پروژههایی با یک جامعه فعال که از نرمافزار مراقبت کرده و آن را نگهداری میکنند.
- پروژههایی با تاریخچه قابل توجه که پیش از عصر LLMها وجود داشتهاند.
- نگهدارندگانی که مشارکتهای LLM را از دیگران پذیرفتهاند، به شرطی که خود پروژه متکی به استفاده شدید از LLM نباشد.
- پروژههای جانبی کوچک، آزمایشها یا اسکریپتهای سفارشی با مصرف منابع کم که احتمالاً صرفنظر از نحوه نوشته شدن، جامعهای پیدا نمیکردند.
دستههای پرریسک (High-Risk)
پلتفرم دیگر از موارد زیر استقبال نخواهد کرد:
- پروژههایی که به طور خودکار توسط «عاملهای» (Agents) هوش مصنوعی ایجاد شدهاند.
- پروژههایی که با استفاده شدید از LLM نوشته و نگهداری میشوند.
- پروژههایی که مصرف منابع آنها (ذخیرهسازی و CI/CD) به طور قابل توجهی بیشتر از آن چیزی است که کادر انسانی میتوانست به صورت دستی ایجاد کند.
- ابزارهایی که به شدت به اکوسیستم LLM وابسته هستند، مانند ابزارهای نوشته شده توسط LLM برای تسهیل استفاده از خودِ LLMها.
- کاربرانی که مشارکتهای LLM را در تضاد با سیاستهای سفارشی خاص یک پروژه ارسال میکنند.
این موضع نشاندهنده رد بنیادین روند توسعه «AI-first» است. با اولویت دادن به همکاری انسانی نسبت به حجم تولیدشده توسط ماشین، Codeberg روی این موضوع شرطبندی کرده است که ارزش بلندمدت نرمافزار در جامعهای است که آن را نگهداری میکند، نه در سرعتی که تولید میشود. همانطور که آنها بیان میکنند، به اشتراک گذاشتن نتیجه یک پرامپت و نامیدن آن به عنوان «نرمافزار لیبره»، دنیا را به مکان بهتری تبدیل نمیکند. Codeberg مکانی برای همکاری انسانها و بهبود مشترک نرمافزارها باقی میماند.
گام بعدی شما
- اگر پروژهای در Codeberg دارید، مصرف منابع CI/CD خود را بررسی کنید تا با استانداردهای جدید همراستا شوید.
- برای پروژههای حساس، سیاستهای پذیرش مشارکت (Contribution Policy) را بهروز کنید تا مشخص شود کد تولیدشده توسط AI پذیرفته میشود یا خیر.
- به دنبال جایگزینهای میزبانی بگردید که تعهد صریح به عدم استفاده از دادهها برای آموزش مدلها دارند.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو