مسدودسازی کاربران توسط Anthropic؛ جنجال بر سر سیاست‌های سخت‌گیرانه علیه آموزش مدل‌های هوش مصنوعی — Anthropic blocks users for anything touching training larger models
خلاصه
شرکت Anthropic دسترسی برخی از کاربران پژوهشگر را به دلیل استفاده از مدل Claude در فرآیندهای مرتبط با آموزش یا بهینه‌سازی مدل‌های دیگر مسدود کرده است. این اقدام واکنش‌های منفی شدیدی را در جامعه‌ی توسعه‌دهندگان برانگیخته و بحث درباره‌ی انحصارطلبی شرکت‌های بزرگ هوش مصنوعی را داغ‌تر کرده است.
جامعه‌ی توسعه‌دهندگان هوش مصنوعی بار دیگر شاهد تنش میان کاربران و ارائه‌دهندگان بزرگ مدل‌های زبانی است. ماجرا از توییتی آغاز شد که بازتاب گسترده‌ای پیدا کرد و زوایای تازه‌ای از چالش‌های نظارت بر استفاده از APIها را آشکار ساخت.
ماجرا از چه قرار است؟
Jiahao Shao، دانشجوی مقطع دکتری علوم کامپیوتر در HKUST و فعال در حوزه‌ی استدلال چندوجهی و عامل‌های هوشمند (Embodied Agents)، با انتشار پستی در شبکه اجتماعی X از عملکرد شرکت Anthropic به‌شدت انتقاد کرد. او اعلام کرد که حساب کاربری‌اش به جرم تلاش برای آموزش مدل‌های رقیب هدف محدودیت قرار گرفته است.
در متن این توییت آمده است:
«مایه شرمساری است... من هرگز Claude را تقطیر (Distill) نکردم—خروجی‌ها از یک مدل متن‌باز قوی آمده بودند؛ Claude فقط به اجرای کارها و تحلیل کمک کرد. با این حال برچسب «آموزش رقیب» خوردم و حالا هر چیزی که به RFT، SFT یا آموزش مدل‌های بزرگ‌تر مربوط شود باعث مسدود شدن من می‌شود، ادیشن Opus 5.5 به Opus 5 تنزل پیدا می‌کند یا نشست‌ها به‌کل متوقف می‌شوند. شما مدل‌های خود را روی داده‌های جهان ساخته‌اید، اما با کاربران پرداختی که پژوهش‌های خودکارسازی انجام می‌دهند مانند دشمن رفتار می‌کنید. تاسف‌آور است.»
پس‌زمینه و ابعاد فنی ماجرا
در دنیای مدل‌های زبانی بزرگ (LLM)، تکنیک‌هایی مانند SFT (آموزش تنظیم‌شده با نظارت) و RFT نقش کلیدی در بهبود عملکرد مدل‌ها دارند. بسیاری از پژوهشگران برای مدیریت کارهای پژوهشی، خودکارسازی خطوط لوله (Pipelines) و تحلیل داده‌ها از مدل‌های پیشرفته‌ای نظیر Claude استفاده می‌کنند. با این حال، شرکت‌های ارائه‌دهنده خدمات هوش مصنوعی مانند Anthropic، OpenAI و گوگل بندهای سخت‌گیرانه‌ای در شرایط خدمات (Terms of Service) خود دارند که استفاده از خروجی مدل‌هایشان برای آموزش یا بهبود مدل‌های دیگر (که اصطلاحاً Model Distillation یا رقابت تلقی می‌شود) را ممنوع یا محدود می‌کند.
مشکل اینجاست که ابزارهای تشخیص خودکار و سیستم‌های نظارتی این شرکت‌ها گاه مرز میان «استفاده‌ی کمکی از مدل برای پژوهش» و «تلاش مخرب برای کپی‌برداری یا تقطیر مدل» را به درست تشخیص نمی‌دهند. نتیجه‌یلاف این امر، جریمه شدن توسعه‌دهندگان و پژوهشگرانی است که هزینه‌ی استفاده از API را پرداخت می‌کنند اما ناگهان با مسدودسازی یا کاهش سطح دسترسی مواجه می‌شوند.
چرا این مسئله برای مهندسان اهمیت دارد؟
این رویداد چند نگرانی جدی را برای توسعه‌دهندگان برجسته می‌کند:
- ابهام در قوانین استفاده: مرز میان استفاده‌ی مجاز و غیرمجاز از APIها در پروژه‌های پژوهشی بسیار مبهم است.
- شکنندگی زیرساخت‌های وابسته: اتکای پژوهشگران به مدل‌های بسته‌ی تجاری (Proprietary Models) همواره با ریسک قطع ناگهانی دسترسی یا تغییر سیاست‌ها همراه است.
- نگرانی‌های انحصارطلبانه: منتقدان بر این باورند که شرکت‌های بزرگ با این بهانه‌ها تلاش می‌کنند مانع از رشد مدل‌های متن‌باز یا رقابتی شوند که توسط جامعه‌ی دانشگاهی و مستقل توسعه می‌یابند.
این چالش بار دیگر اهمیت توسعه و اتکا به مدل‌های قدرتمند متن‌باز را یادآوری می‌کند تا پژوهشگران کمتر تحت تاثیر تصمیمات سلیقه‌ای یا خودکار شرکت‌های انحصاری قرار گیرند.
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل