تصور کنید بهجای استفاده از مرورگر یا اپلیکیشنهای مدرن، برای گفتگو با هوش مصنوعی از ابزاری استفاده کنید که در سال ۱۹۸۳ طراحی شده است. این تجربه اکنون به واقعیت تبدیل شده و مرز میان میراث رایانش کلاسیک و آیندهای مبتنی بر مدلهای زبانی را از بین برده است.
در ۲۳ اوت ۲۰۲۶، توسعهدهندهای به نام اندروز فنولوسا (Andros Fenollosa) موفق شد دستور قدیمی talk در یونیکس را به یک مدل زبانی بزرگ (LLM) — که شبیه کتابخانهداری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — متصل کند. دستور talk در ابتدا برای ارسال متن بهصورت زنده و کاراکتر به کاراکتر میان دو کاربر در سیستمهای مختلف طراحی شده بود. همانطور که در بحثهای گذشته ما دربارهی رابطهای متنی و ترمینالها اشاره کردیم، این رفتار قدیمی دقیقاً با نحوه تولید توکن (Token) — یا همان تکههای کوچک متن که مدل تکهتکه میخورد — در پاسخهای استریمینگ مدلهای زبانی همخوانی دارد.
به نقل از گزارش منتشر شده در وبسایت en.andros.dev، معماری این پروژه بر پایه یک پل ارتباطی پایتونی به نام bridge.py استوار است. این سیستم از چندین لایه فنی برای عملکرد خود استفاده میکند:
- پایانه مجازی (PTY): سرور، فرآیند talk را درون یک PTY اجرا میکند تا سیستم تصور کند یک کاربر واقعی در حال تایپ است.
- Pyte: یک شبیهساز ترمینال که ورودیهای کاربر را از صفحه مجازی میخواند.
- ثبت Utmp: کانتینر در هنگام اجرا، ترمینال خود را در فایل utmp ثبت میکند تا خطای «عدم ورود به سیستم» رخ ندهد.
- تزریق استریمینگ: وقتی کاربر Enter را میزند، متن به API هوش مصنوعی ارسال شده و پاسخ بهصورت کاراکتر به کاراکتر به ترمینال تزریق میشود.
این رویکرد در مدیریت جریان داده، یادآور راهکارهای پیشرفتهتری است که برای پایداری عاملهای هوش مصنوعی به کار میروند؛ برای مثال، استفاده از ماشینهای لینوکس اختصاصی برای حذف تایماوتها روشی برای تضمین تداوم حافظه در محیطهای مشابه است.
بر اساس مستندات این پروژه، سازگاری میان شبکههای دهه ۸۰ و هوش مصنوعی دهه ۲۰ صرفاً ساختاری است. توسعهدهنده با تعریف هوش مصنوعی بهعنوان یک کاربر وارد شده به VPN، قطعهای فراموششده از تاریخ اینترنت را به یک رابط شاعرانه برای هوش مصنوعی زاینده (Generative AI) تبدیل کرد. این تلاش برای بهینهسازی تعامل، در راستای معماریهای پیچیدهتری است که برای کنترل حافظه و وضعیت عاملها طراحی شدهاند تا هزینهها و پاسخدهی مدلها بهبود یابد.
این تجربه نشان میدهد رابطهایی که امروز برای تعامل با AI استفاده میکنیم، کاملاً قراردادی هستند. اگرچه ما به حبابهای چت و فرمتهای مدرن عادت کردهایم، اما ماهیت استریمینگ مدلهای زبانی اجازه میدهد آنها در هر محیط متنی، حتی قدیمیترین آنها، جای بگیرند.
گام بعدی شما
- بررسی نحوه عملکرد PTYها برای ایجاد رابطهای قدیمی برای APIهای مدرن
- آزمایش مدلهای زبانی در محیطهای ترمینال برای کاهش وابستگی به رابطهای گرافیکی
- مطالعه درباره پروتکلهای ارتباطی اولیه یونیکس برای درک بهتر جریان داده در LLMها
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو