هجوم ربات‌های هوش مصنوعی به ویکی‌پدیا؛ ویکی‌مدیا از OpenAI شکایت کرد

بنیاد ویکی‌مدیا اعلام کرده ربات‌های جمع‌آوری اطلاعات شرکت‌های هوش مصنوعی مانند OpenAI با هجوم سنگین به سرورهای ویکی‌پدیا، باعث کندی شدید و حتی قطعی موقت این وب‌سایت شده‌اند.

به گفته مسئولان این بنیاد، برخی از این شرکت‌ها قوانین و محدودیت‌های دسترسی به سایت را کاملاً نادیده می‌گیرند تا بتوانند حجم عظیمی از اطلاعات را برای آموزش مدل‌های خود استخراج کنند. این یعنی همان قوانین ساده‌ای که سال‌هاست برای مدیریت ترافیک وب وجود دارد، حالا توسط برخی از بزرگ‌ترین شرکت‌های فناوری دنیا زیر پا گذاشته می‌شود.

چرا ربات‌های هوش مصنوعی ویکی‌پدیا را کند کرده‌اند؟

وقتی این خبر را برای اولین‌بار خواندیم، یاد یک تجربه ساده افتادیم؛ همان تجربه‌ای که هر کاربر اینترنت حداقل یک‌بار داشته، یعنی باز نشدن یک صفحه ساده در ساعت شلوغی اینترنت. حالا تصور کنید این کندی نه به‌خاطر ترافیک طبیعی کاربران، بلکه به‌خاطر هزاران ربات خودکار باشد که بی‌وقفه و بدون رعایت هیچ قاعده‌ای، اطلاعات را از دل سایت بیرون می‌کشند.

ویکی‌مدیا تاکید کرده انتشار رایگان دانش به معنی سوءاستفاده بی‌رویه از زیرساخت‌های آن نیست. این جمله شاید ساده به نظر برسد، اما دقیقاً هسته اصلی این بحران را نشان می‌دهد؛ ویکی‌پدیا همیشه داده‌هایش را رایگان در اختیار همه گذاشته، اما این رایگان‌بودن هیچ‌وقت به معنی اجازه برداشت بی‌حد و مرز نبوده است.

این مشکل فقط مخصوص ویکی‌پدیا نیست

نکته‌ای که کمتر به آن توجه می‌شود این است که مشکل فشار ترافیکی ربات‌های هوش مصنوعی، محدود به یک سایت بزرگ مثل ویکی‌پدیا نمی‌ماند. ده‌ها و صدهاویکی کوچک‌تر در سراسر اینترنتهم همین روزها با همین مشکل دست‌وپنجه نرم می‌کنند، چون همین ربات‌ها معمولاً به‌صورت گسترده و خودکار، هر سایتی را که شکل دانشنامه‌ای یا پایگاه داده متنی داشته باشد هدف می‌گیرند.

حتی ابزارهای ساده‌تری مثلEtherpadکه برای ویرایش مشترک متن طراحی شده‌اند، گاهی در همین دسته از ترافیک‌های ناخواسته قرار می‌گیرند، چون هر پلتفرمی که محتوای متنی باز و قابل دسترس عمومی داشته باشد، می‌تواند هدف این خزنده‌ها باشد. همین‌طور پروژه‌هایی مثلCollusion Wikiکه به‌صورت مستقل و با منابع محدود اداره می‌شوند، در برابر این حجم از درخواست خودکار، آسیب‌پذیری بیشتری نسبت به زیرساخت‌های بزرگ دارند.

چقدر ترافیک این ربات‌ها واقعا زیاد است؟

برای این‌که ابعاد موضوع روشن‌تر شود، باید به تفاوت بین ترافیک انسانی و ترافیک رباتیک نگاه کرد.

همین تفاوت ساده نشان می‌دهد چرا ویکی‌مدیا این موضوع را این‌قدر جدی گرفته. وقتی هزاران درخواست هم‌زمان و بدون فاصله زمانی منطقی به سمت سرور ارسال شود، حتی زیرساخت‌های بزرگ هم دچار مشکل می‌شوند.

چرا این ربات‌ها اصلا دنبال ویکی‌پدیا هستند؟

ویکی‌پدیا یکی از بزرگ‌ترین و منظم‌ترین منابع متنی ساختاریافته در کل اینترنت است. برای شرکت‌هایی که دنبال داده باکیفیت برای آموزش مدل‌های زبانی هستند، این سایت عملاً یک معدن طلا محسوب می‌شود. مشکل از جایی شروع می‌شود که به‌جای استفاده از روش‌های استاندارد و کنترل‌شده، برخی ربات‌ها مسیر تندتر و پرفشارتر را انتخاب می‌کنند.

به گفته مسئولان بنیاد ویکی‌مدیا، از توسعه‌دهندگان هوش مصنوعی خواسته شده به قوانین ترافیک وب احترام بگذارند و فشار روی سرورها را کاهش دهند تا دسترسی کاربران عادی مختل نشود.

سابقه‌ای که نگرانی را جدی‌تر می‌کند

این اولین‌بار نیست که نام یک شرکت بزرگ هوش مصنوعی در کنار یک حادثه فنی مرتبط با زیرساخت دیده می‌شود.بر اساس گزارش بررسی حادثه منتشرشده درباره یکی از رویدادهای فنی مرتبط با OpenAI و Hugging Faceاین‌گونه حوادث نشان می‌دهند که حتی شرکت‌های بزرگ هم گاهی در مدیریت صحیح زیرساخت و رعایت محدودیت‌های فنی دچار اشتباه می‌شوند.

این سابقه باعث می‌شود نگرانی ویکی‌مدیا بی‌پایه به نظر نرسد. وقتی یک نهاد مستقل و معتبر پیش‌تر هم به بررسی رویدادهای مشابه پرداخته، یعنی موضوع رعایت یا عدم رعایت قوانین فنی توسط شرکت‌های هوش مصنوعی، یک نگرانی تکراری در این صنعت است، نه یک اتفاق مقطعی.

فهرست گسترده‌تر از پلتفرم‌های آسیب‌پذیر

وقتی بهفهرست کامل ویکی‌های موجود در دنیای دیجیتالنگاه کنید، متوجه می‌شوید حجم این اکوسیستم چقدر بزرگ است؛ از دانشنامه‌های تخصصی گرفته تا پایگاه‌های داده کوچک محلی. بسیاری از این پروژه‌ها حتی منابع مالی و فنی کافی برای مقابله با حجم سنگین ترافیک رباتیک را ندارند، برخلاف ویکی‌پدیا که حداقل یک بنیاد پشتیبان بزرگ دارد.

راهکارهایی که روی میز بنیاد ویکی‌مدیا قرار دارد

ویکی‌مدیا در این مرحله عمدتاً روی گفت‌وگو و درخواست رعایت قوانین تمرکز کرده، اما در صورت ادامه این روند، چند مسیر احتمالی دیگر هم وجود دارد.

۱.سخت‌گیری بیشتر در فایل robots.txtو مسدودسازی خزنده‌های ناشناس

۲.محدودسازی نرخ درخواستبرای آدرس‌های آی‌پی مشکوک به رفتار رباتیک غیرمجاز

۳.همکاری مستقیم با شرکت‌های هوش مصنوعیبرای تعریف یک کانال رسمی و کنترل‌شده دریافت داده

۴.افزایش هزینه زیرساختاز طریق کمک‌های مالی عمومی برای مقابله با فشار فزاینده ترافیک

هرکدام از این مسیرها مزایا و هزینه‌های خودش را دارد، اما نکته مشترک همه آن‌ها این است که بدون همکاری شرکت‌های هوش مصنوعی، حل کامل این مشکل سخت خواهد بود.

این موضوع چه ربطی به ابزارهای هوش مصنوعی عمومی دارد؟

جالب اینجاست که حتی پلتفرم‌های مرتبط با آموزش و توسعه هوش مصنوعی، مثلRubyHackکه در حوزه ساخت و آزمایش ابزارهای هوشمند فعالیت می‌کنند، نشان می‌دهند این صنعت چقدر سریع در حال رشد است. هرچه تعداد تیم‌ها و استارتاپ‌های فعال در ساخت مدل‌های زبانی بیشتر شود، تقاضا برای داده خام هم بیشتر می‌شود، و همین موضوع فشار روی منابعی مثل ویکی‌پدیا را تشدید می‌کند.

این بحران چه تاثیری روی کاربران عادی دارد؟

برای یک کاربر معمولی که فقط می‌خواهد یک مقاله ساده در ویکی‌پدیا بخواند، این ماجرا می‌تواند به شکل کندی بارگذاری صفحه، خطاهای موقت سرور یا حتی عدم دسترسی کامل در ساعات پرترافیک ظاهر شود. طبق تجربه‌ای که تیم XNET در رصد وضعیت پلتفرم‌های بزرگ اینترنتی داشته، این نوع اختلالات معمولا به‌تدریج و بدون اطلاع‌رسانی رسمی شروع می‌شوند، همان‌طور که در این مورد هم ابتدا کاربران عادی متوجه کندی شدند، پیش از آن‌که بنیاد ویکی‌مدیا به‌طور رسمی دلیل آن را اعلام کند.

چرا این موضوع برای آینده اینترنت باز مهم است؟

ویکی‌پدیا یکی از نمادهای اصلی اینترنت باز و رایگان محسوب می‌شود. اگر فشار ناشی از ربات‌های هوش مصنوعی ادامه پیدا کند و منابع آن را مجبور به محدودسازی شدید دسترسی عمومی کند، این یعنی یک آسیب غیرمستقیم به کل فلسفه دانش آزاد در اینترنت. این دقیقاً همان چیزی است که نگرانی بنیاد ویکی‌مدیا را فراتر از یک مشکل فنی ساده می‌برد.

تقابل دانش آزاد و اشتهای بی‌پایان هوش مصنوعی

هجوم ربات‌های هوش مصنوعی به ویکی‌پدیا، نشانه‌ای از یک تنش بزرگ‌تر در اینترنت امروز است؛ تنش بین نیاز فزاینده شرکت‌های هوش مصنوعی به داده باکیفیت و ظرفیت محدود زیرساخت‌های رایگان و عمومی مثل ویکی‌پدیا. بنیاد ویکی‌مدیا فعلاً مسیر گفت‌وگو و درخواست رعایت قوانین را انتخاب کرده، اما اگر این فشار ادامه پیدا کند، احتمالا شاهد محدودیت‌های سخت‌گیرانه‌تری در آینده نزدیک خواهیم بود. در نهایت، این ماجرا یادآوری می‌کند که حتی بزرگ‌ترین و آزادترین منابع دانش اینترنتی هم، بدون مرز و قانون، در برابر اشتهای بی‌پایان صنعت هوش مصنوعی آسیب‌پذیر هستند.

سوالات متداول

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.