اگر متولی دادههای حساس سیستمی هستید و میخواهید یک دستیار هوش مصنوعی بدون ارسال حتی یک بایت اطلاعات به سرورهای شرکتی داشته باشید، پروژه E.L.L.A اثر آندره زابل (Andre Zabel) همان نقشهای است که به دنبالش بودید. در این مدل، حریم خصوصی شما دیگر وابسته به «حسن نیت» شرکتها نیست، بلکه از نظر فنی تضمین شده است.
بسیاری از دستیاران فعلی، کامپیوتر شما را صرفاً به یک ترمینال تبدیل میکنند تا پردازش اصلی در سرورهای دوردست انجام شود. این یعنی شما کاملاً به شرایط خدمات شرکتها وابسته هستید. بر اساس گزارش سایت dev.to در ۹ ژوئن ۲۰۲۶، پروژه E.L.L.A برای حذف این ریسک، کل مغز پردازشی را به ماشین محلی منتقل کرده است. در پوشش پیشین ما از مدلهای بازمتن، دیدیم که اجرای محلی تنها برای سرعت نیست، بلکه لایه اول دفاع از حاکمیت دادهها است.
این سیستم برای اجرای مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — از Ollama برای مدل llama3.1:8b و از پایگاه داده MariaDB برای ذخیرهسازی استفاده میکند. طبق مستندات این پروژه، زابل ۸۵ ابزار کاربردی و ۲۰۵ تست موفق را پیاده کرده است. هسته این سیستم «دستورالعمل» (The Directive) نام دارد؛ مجموعهای از چهار ممنوعیت سختافزاری: عدم آسیب، عدم پنهانکاری، عدم نظارت و عدم خروج دادهها.
تفاوت کلیدی اینجاست: اینها دستورات اخلاقی نیستند، بلکه محدودیتهای معماریاند. یعنی اگر مسیر کدنویسی برای ارسال داده به بیرون وجود نداشته باشد، هیچ مهندسی پرامپت (Prompt Engineering) — یا همان هنر سؤال درست پرسیدن برای استخراج بهترین جواب — نمیتواند آن را فعال کند. این دقیقاً شبیه این است که به جای نصب تابلوی «ورود ممنوع»، کلاً درِ اتاق را برداریم و دیوار بلند بکشیم.
این رویکرد، بحث امنیت را از «همراستاسازی» (Alignment) به «معماری» میبرد. شما دیگر نیازی ندارید به وعده یک شرکت برای حفاظت از دادهها اعتماد کنید؛ شما به یک ناممکنسازی ریاضی اعتماد میکنید. برای هر کسی که دسترسیهای سطح سیستم را مدیریت میکند، این مدل فرض قدیمی را که مدلهای زبانی باید «قانع» شوند تا امن بمانند، میشکند.
گام بعدی شما
- مخزن باز این پروژه را در گیتهاب بررسی کنید تا با ساختار «دستورالعمل» آشنا شوید.
- اگر در محیطهای حساس کار میکنید، اجرای مدلهای کوچک را جایگزین APIهای ابری کنید.
- منتظر انتشار نسخه نصبی کامل (Installer) باشید تا قابلیت مقیاسپذیری این ساختار را بسنجید.
اما اثر این معماری بر سیستمهای خودکار پیچیدهتر مثل رباتهای انساننما حتی شگفتانگیزتر است — به تحلیل ما دربارهی آیندهی عاملهای محلی مراجعه کنید.
گفتگو