Pirate Face با استفاده از بیت‌تورنت مانع حذف مدل‌های باز می‌شود

تصور کنید یک شرکت تصمیم بگیرد مدل هوش مصنوعی محبوب شما را حذف کند و تمام دسترسی‌ها را ببندد؛ از امروز، یک شبکه جهانی از کاربران می‌تواند این تصمیم را بی‌اثر کند. Pirate Face که در ۲۰ سپتامبر ۲۰۲۶ راه‌اندازی شد، لایه‌ای از پایداری برای هوش مصنوعی حاکمیتی (Sovereign AI) ایجاد می‌کند تا مدل‌های باز را به‌صورت تورنت‌های غیرمتمرکز آینه‌سازی (Mirror) و ذخیره کند.

بسیاری از توسعه‌دهندگان برای دسترسی به وزن‌های باز (Open Weights) — که شبیه به «دستور پخت» مدل است و انتشار آن اجازه می‌دهد هر کسی مدل را اجرا کند — به مراکز متمرکز متکی هستند. اگر یک پلتفرم میزبانی به‌دلیل تغییر سیاست‌ها یا فشارهای قانونی مدلی را حذف کند، آن هوش مصنوعی برای تمام کسانی که نسخه محلی ندارند، عملاً می‌میرد. Pirate Face با تبدیل هر مدل به یک دارایی همتا-به-همتا (P2P)، این ریسک را حذف می‌کند. این رویکرد در واقع پاسخی به نبرد برای مالکیت داده و مقابله با اکوسیستم‌های بسته است که در آن زیرساخت‌های ماژولار جایگزین مدل‌های انحصاری می‌شوند.

این سازوکار شبیه به کتابخانه‌ای دیجیتال است که کتاب‌هایش در یک ساختمان نیستند، بلکه تکه‌های آن‌ها در هزاران خانه پخش شده است؛ حتی اگر ساختمان اصلی بسوزد، کتاب‌ها چون تکه‌هایشان نزد مردم است، زنده می‌مانند. این همان مکانیسم اصلی است که Pirate Face به اکوسیستم هوش مصنوعی وارد می‌کند. همان‌طور که در بحث‌های گذشته ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، تمرکز داده‌ها در یک نقطه همیشه یک نقطه شکست (Single Point of Failure) ایجاد می‌کند.

سازوکار پایداری

به نقل از مستندات pirateface.co، این سامانه از پل فنی خاصی به نام web-seed (استاندارد BEP-19 بیت‌تورنت) استفاده می‌کند. این ابزار در واقع یک آدرس HTTPS ساده است که در داخل فایل تورنت قرار می‌گیرد و مستقیماً به فایل مدل در Hugging Face اشاره می‌کند. این قابلیت اجازه می‌دهد تا تورنت، بایت‌ها را مستقیماً از طریق HTTPS از Hugging Face دریافت کند در حالی که مدل هنوز فعال است؛ این امر تضمین می‌کند که دانلودها حتی در شرایطی که هیچ کاربر دیگری (Peer) در شبکه نباشد، به‌درستی کار کنند.

اگر Hugging Face مدلی را حذف کند، web-seed از کار می‌افتد و دانلود به‌طور خودکار به شبکه همتا-به-همتا (P2P Swarm) منتقل می‌شود. در این حالت، Pirate Face مدل را در وضعیت «نجات‌یافته» (Rescued) قرار می‌دهد؛ به این معنا که مدل حالا صرفاً توسط کاربرانی که فایل را در اختیار دارند و آن را توزیع می‌کنند (Seeders) زنده نگه داشته شده است. این سیستم جایگزین (Fallback) تضمین می‌کند که همان بایت‌هایی که در Hugging Face در دسترس بودند، بدون وجود یک نقطه شکست واحد، همچنان قابل دسترسی باشند.

امنیت و تأیید اصالت

برای جلوگیری از توزیع مدل‌های دست‌کاری‌شده یا مخرب، Pirate Face از تأیید سخت‌گیرانه چک‌سام (Checksum) استفاده می‌کند. هر فایل دارای یک هش SHA-256 رسمی از Hugging Face است که مانند یک اثر انگشت منحصربه‌فرد برای بایت‌های دقیق فایل عمل می‌کند. برای مثال، فایلی مثل model-00001.safetensors با حجم ۶.۷ گیگابایت، دقیقاً با هش مربوطه (مثلاً 9f86d081884c7d659a2feaa0c55ad015a3bf4f1b2b0b822cd15d6c15b0f00a08) تطبیق داده می‌شود تا اطمینان حاصل شود که فایل یک تطابق بیت-به-بیت دارد.

• تطبیق بایت-به-بایت: سیستم هر بایت را با هش اصلی می‌سنجد. اگر هش‌ها مطابقت داشته باشند، فایل به عنوان نسخه‌ای دست‌نخورده تأیید می‌شود.
• ضد دست‌کاری: اگر حتی یک بیت در نسخه آینه‌ای تغییر کند، هش نامعتبر شده و فایل رد می‌شود. این قابلیت دقیقاً ترس‌های اصلی مرتبط با مدل‌های آینه‌سازی شده را برطرف می‌کند.
• حفاظت از هویت: در حالی که هر کسی می‌تواند یک نام کاربری (Handle) رزرو کند، تنها کاربرانی که حساب Hugging Face خود را تأیید کنند، نشان «سازنده تأییدشده» (Verified creator) می‌گیرند. این کار از جعل هویت جلوگیری کرده و انتساب مدل‌ها را در حین انتشار حفظ می‌کند.

مدیریت حساب و دسترسی

کاربران می‌توانند بدون نیاز به ساخت حساب کاربری، مدل‌ها را مرور، دانلود و سید (Seed) کنند. با این حال، ایجاد حساب به کاربران اجازه می‌دهد تا نام‌های کاربری ادعا شده خود را مدیریت کرده و میزان مشارکت‌هایشان را ردیابی کنند.

رزرو نام‌ها منعطف است؛ نام کاربری یک فرد در Pirate Face لزوماً نباید با نام کاربری او در Hugging Face یکی باشد. برای مثال، کاربری که در Hugging Face نام john123 دارد، می‌تواند نام john را در Pirate Face رزرو کند، اما او تنها می‌تواند نام john123 را برای دریافت نشان «سازنده تأییدشده» احراز هویت کند. اگر یک شخص (Squatter) نامی را به طور غیرقانونی رزرو کند، مالک واقعی می‌تواند با تأیید هویت خود، آن نام را پس بگیرد.

یکپارچگی و دسترسی برای توسعه‌دهندگان

برای برنامه‌نویسان، انتقال به این سیستم به‌گونه‌ای طراحی شده که کاملاً بدون اصطکاک باشد. Pirate Face در حال آماده‌سازی یک API جایگزین (Drop-in API) است که اجازه می‌دهد کاربران خط لوله‌های (Pipelines) موجود خود را با تنظیم متغیر HF_ENDPOINT=https://pirateface.co به سمت نقطه اتصال این پلتفرم هدایت کنند.

این تغییر نیازی به هیچ‌گونه اصلاح در کدهای پایتون موجود ندارد. یک توسعه‌دهنده می‌تواند به‌سادگی دستور export HF_ENDPOINT=https://pirateface.co را اجرا کرده و سپس با دستور python train.py مدل‌هایی مانند meta-llama/Llama-4 را مستقیماً از شبکه همتا-به-همتا دریافت کند.

انگیزه‌های جامعه‌محور

این پلتفرم از یک سیستم امتیازدهی برای شناسایی مشارکت‌کنندگان در یک جدول رده‌بندی (Leaderboard) استفاده می‌کند. این امتیازها پول یا اعتبار پردازشی نیستند، بلکه سوابق مشارکت در شبکه را ثبت می‌کنند:

• امتیاز خوش‌آمدگویی: برای هر حساب کاربری که یک نام کاربری واجد شرایط ثبت کند، اعطا می‌شود.
• ارجاع: ۵۰ امتیاز برای اولین نام کاربری ثبت شده توسط یک حساب جدید (سقف ۱۰ ارجاع برای هر حساب).
• مدل‌های نجات‌یافته: ۲۵ امتیاز برای هر مدل نجات‌یافته‌ی متمایز که به اولین نام کاربری تأییدشده credited شود.
• پاداش‌های سیدینگ: برای آینده برنامه‌ریزی شده است، به شرطی که شواهد قابل استناد برای سید کردن فایل‌ها ایجاد شود.

اگرچه امتیازها ارز نیستند، اما Pirate Face قصد دارد مزایایی را برای دارندگان حساب فراهم کند، از جمله دسترسی به انتشار مدل‌های انحصاری و اعتبارهای پردازشی رایگان. در حال حاضر هیچ توکنی برای این پروژه وجود ندارد.

افزودن مدل‌های جدید

کاربرانی که نسخه‌ای از یک مدل حذف‌شده را در اختیار دارند، می‌توانند آن را ارسال کنند. برای این کار، آن‌ها باید یک لینک مگنت (Magnet link) را همراه با شواهد منبع، شامل نسخه‌ی دقیق پین شده (Pinned revision)، چک‌سام فایل‌ها و شواهد مربوط به مجوز (License) ارائه دهند. در حال حاضر، پلتفرم تنها مجوزهای MIT و Apache-2.0 را می‌پذیرد، با یک استثنای خاص برای مدل Kimi-K3.

اگر مدل ارسال شده دارای هش‌های LFS مطابق با Hugging Face در نسخه‌ی پین شده باشد، بلافاصله فهرست می‌شود. مدل‌هایی که عدم تطابق دارند یا منبع آن‌ها کاملاً حذف شده است، به صف بررسی (Review queue) منتقل می‌شوند.

نقشه راه آینده

در حال حاضر، پلتفرم مستلزم آن است که مدل‌ها ابتدا در Hugging Face وجود داشته باشند. با این حال، تیم در حال توسعه قابلیت‌های «انتشار مستقیم» است. این قابلیت به سازندگان اجازه می‌دهد تا مدل‌ها را مستقیماً در Pirate Face مدیریت و آپلود کنند و وابستگی به میزبان‌های متمرکز را به‌طور کامل قطع کنند.

این تغییر، صنعت را از «پایداری از طریق آینه‌سازی» به «انتشار حاکمیتی» واقعی منتقل می‌کند؛ جایی که جامعه از روز اول کنترل چرخه حیات مدل را در دست دارد. این رویکرد دقیقاً با تمایل سازمان‌ها به حفظ کنترل بر وزن‌های مدل از طریق زیرساخت‌های ماژولار همسو است تا وابستگی به ارائه‌دهندگان ابری کاهش یابد.

این معماری، توازن قدرت بین میزبان‌های مدل و جامعه متن‌باز را تغییر می‌دهد. با جداسازی «در دسترس بودن» از «میزبانی»، Pirate Face تضمین می‌کند که وقتی مدلی عمومی شد، دیگر نمی‌توان آن را به‌طور مؤثر از اینترنت پاک کرد. برای یک توسعه‌دهنده، این یعنی استک تولیدی (Production Stack) شما دیگر با یک خطای ۴۰۴ ناگهانی از طرف یک شرکت ثالث، از کار نمی‌افتد. این سیستم، هوش مصنوعی با وزن‌های باز را از یک سرویس اجاره‌ای به یک ابزار عمومی دائمی تبدیل می‌کند.

منتظر انتشار رسمی API جایگزین و راه‌اندازی قابلیت انتشار مستقیم باشید، زیرا این‌ها آخرین گام در حذف گلوگاه‌های متمرکز از زنجیره تأمین هوش مصنوعی خواهند بود.

گام بعدی شما

• اگر از مدل‌های باز در محیط تولید استفاده می‌کنید، نسخه‌های محلی از وزن‌ها را در فضای ذخیره‌سازی مستقل نگهداری کنید.
• متغیر HF_ENDPOINT را در محیط توسعه خود بررسی کنید تا برای استفاده از API جدید Pirate Face آماده باشید.
• مدل‌های حیاتی خود را در پلتفرم‌های غیرمتمرکز آینه‌سازی کنید تا ریسک حذف ناگهانی را به صفر برسانید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.