تصور کنید در شرکتی کار میکنید که مدیر فنی به دلیل نگرانی از امنیت دادهها، استفاده از هوش مصنوعی را ممنوع کرده است. احتمالاً شما هم دادههای بسیار حساستری را به کلود (Claude) میفرستید تا شما را در کدنویسی یاری کند که اصلاً مورد نیاز این مدل نیست.
اکثر شرکتها امروز بین دو راه سخت گیر کردهاند: یا هوش مصنوعی ابری را کاملاً ممنوع کنند یا ریسک لو رفتن منطق کسبوکاری دهها سالهی خود را بپذیرند. این چالش به این دلیل است که سورسکد فقط مجموعهای از دستورات نیست، بلکه مخزنی از اسرار تجاری است. همانطور که در تحلیلهای قبلی ما دربارهی امنیت مدلهای زبانی اشاره کردیم، تعادل بین بهرهوری و حریم خصوصی هنوز یک چالش باز است.
در ۱۰ ژوئن ۲۰۲۶، برنامهنویسی به نام پائولو ماسینیان (Paolo Massignan) ابزاری به نام کیری (Kiri) را معرفی کرد. به نقل از گزارش او در وبسایت dev.to، این ابزار در واقع یک پراکسی (Proxy) — شبیه به یک فیلتر یا واسطهی امنیتی که پیامها را قبل از ارسال سانسور میکند — است. کیری درخواستها را میگیرد و جزئیات پیچیده پیادهسازی را با توصیفات کلی از عملکرد جایگزین میکند.
این ابزار ساختار کلی، نامگذاریها و الگوهای معماری را حفظ میکند اما خطوط حساس منطق کد را حذف میکند. بر اساس مستندات این پروژه، کارهایی مثل تولید تست یا بازبینی معماری، حتی با وجود این حذفیات، کیفیت خود را حفظ کردهاند. هرچند نویسنده اعداد دقیق بنچمارکها را منتشر نکرده است.
این یافته برای هر برنامهنویسی بازی را تغییر میدهد. دیگر بحث بر سر «بله یا خیر» برای استفاده از هوش مصنوعی نیست، بلکه هدف پیدا کردن «حداقل بافت مورد نیاز» است. اگر یک مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — بتواند با کمترین کد حساس، بیشترین ارزش را خلق کند، ریسک پذیرش این ابزارها در شرکتهای بزرگ بهشدت کاهش مییابد.
گام بعدی شما
- مخزن گیتهاب Kiri را بررسی کنید تا ببینید آیا حذف جزئیات عملکردی برای کدهای شما هم جواب میدهد یا خیر.
- استراتژی «حداقل بافت مورد نیاز» را در پرامپتهای خود امتحان کنید و فقط اهداف کلی تابع را بنویسید.
- با مدیر فنی خود دربارهی استفاده از واسطهای امنیتی بهجای ممنوعیت کامل هوش مصنوعی گفتگو کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو