Codeberg cấm dùng dữ liệu người dùng huấn luyện AI và hạn chế dự án 'vibe-coded'

Tóm tắt:

Đại hội thường niên của Codeberg e. V. là cuộc họp trao quyền cho các thành viên tích cực của chúng tôi. Các đề xuất được thảo luận trực tiếp và sau đó được bỏ phiếu không đồng bộ.

Vì các Mô hình Ngôn ngữ Lớn (LLM) là một công nghệ mới nổi nhưng gây tranh cãi, không có gì ngạc nhiên khi hai trong số các cuộc bỏ phiếu liên quan đến quan điểm của Codeberg về công nghệ này. Thời gian bỏ phiếu kéo dài 14 ngày đã kết thúc vào ngày hôm qua và cả hai đề xuất đều đã được thông qua.

Cuộc bỏ phiếu đầu tiên là một tuyên bố về lập trường của Codeberg e. V. đối với việc sử dụng dữ liệu của bạn để huấn luyện các LLM.

Như đã nêu trong chính sách bảo mật của chúng tôi, "Chúng tôi không muốn cần đến dữ liệu của bạn", và điều này cũng áp dụng cho việc sử dụng dữ liệu người dùng và dự án của chúng tôi để sử dụng hoặc huấn luyện "AI" tạo sinh: Nền tảng Codeberg và các dịch vụ liên quan không và sẽ không sử dụng mã nguồn hoặc dữ liệu của các dự án và người dùng để huấn luyện các công cụ "Trí tuệ nhân tạo" như các Mô hình Ngôn ngữ Lớn, vốn có mục đích tạo ra kết quả dựa trên dữ liệu đầu vào dùng để huấn luyện chúng. Với tư cách là một hiệp hội, chúng tôi tin rằng những công nghệ này không tương thích với việc tạo ra và duy trì phần mềm tự do & nguồn mở một cách có trách nhiệm.

Cuộc bỏ phiếu thứ hai gây tranh cãi hơn, nhưng cũng đã được thông qua với 358 phiếu thuận so với 144 phiếu chống (và 14 phiếu trắng), với tỷ lệ cử tri đi bỏ phiếu cao khoảng 50% số thành viên tích cực. Điều này đồng nghĩa với việc thay đổi điều khoản sử dụng của chúng tôi nhằm cấm các 'dự án vibe-coded' (dự án được tạo ra dựa trên cảm hứng từ AI). Chúng tôi sẽ chia sẻ suy nghĩ về tác động thực tế ở cuối bài viết.

Tất cả chúng ta đều đang trả giá cho những LLM "đói khát"

LLM là một công nghệ rất đắt đỏ, và chi phí đó liên tục tăng khi các công ty cung cấp chúng bắt đầu phải thu hồi vốn đầu tư. Chúng không chỉ đắt đỏ đối với những người sử dụng và đăng ký dịch vụ này một cách rõ ràng. Chi phí không chỉ ẩn giấu trong các gói đăng ký dịch vụ và đám mây 'bình thường' để bù đắp cho các 'tính năng mới sáng tạo' mà bạn chưa bao giờ yêu cầu. Các LLM đắt đỏ đến mức các công ty chuyển chi phí ra bên ngoài trên quy mô lớn - lên những người không sử dụng chúng và toàn xã hội. Giá phần cứng tăng cao, tiêu thụ năng lượng và thiệt hại môi trường - tất cả chúng ta đều đang phải trả giá cho điều đó!

Máy chủ quá tải do việc thu thập dữ liệu vô nghĩa

Trong các bài viết trước, chúng tôi đã nêu rõ cách cơ sở hạ tầng tại Codeberg thường xuyên bị đặt dưới áp lực lớn từ các trình thu thập dữ liệu web (webcrawlers) của những công ty có kế hoạch thu thập toàn bộ mã nguồn được lưu trữ trên Codeberg để huấn luyện LLM của họ.

Tại Codeberg, chúng tôi rất vui lòng cung cấp quyền truy cập miễn phí và mở vào mã nguồn. Chỉ cần chạy lệnh git clone và tận hưởng.

Thật không may, các trình thu thập dữ liệu này lại cố gắng đọc từng trang một từ Codeberg, bất kể điều đó có hợp lý hay không. Điều này bao gồm tất cả các biến thể bộ lọc vấn đề (issue filter), lịch sử Git, cũng như các tệp thực tế tại bất kỳ thời điểm nào trong lịch sử Git - ngay cả khi chúng vẫn giống hệt nhau.

Những truy cập không cần thiết này tạo ra các truy vấn cơ sở dữ liệu đắt đỏ làm giảm chất lượng dịch vụ cho tất cả chúng ta, đòi hỏi khối lượng công việc đáng kể từ các quản trị viên hệ thống của chúng tôi, và buộc chúng tôi phải dành thời gian xây dựng các cơ chế phòng thủ thay vì phát triển những tính năng mới thú vị. Các cơ chế này cũng ảnh hưởng đến những người dùng hợp pháp mới và hiện tại, vì chúng tôi phải áp đặt các giới hạn hoặc chặn hoàn toàn quy trình làm việc mong muốn của họ; khiến họ có trải nghiệm tồi tệ hơn với Codeberg.

Đội ngũ phát triển của con số không

Sử dụng LLM để làm việc với mã nguồn của bạn mang lại cảm giác hưng phấn. Bạn có thể phát triển với tốc độ nhanh chóng, xây dựng mọi thứ như thể bạn có một đội ngũ lớn. Chỉ có điều là bạn chẳng có ai cả. Trên thực tế, bạn (thường) chỉ có một mình, làm việc với một cỗ máy thống kê biến năng lượng thành mã nguồn.

Có vẻ như nhiều 'vibe coder' không nhận ra rằng họ không thực sự có một cộng đồng xung quanh mình. Họ xây dựng các dự án như thể họ có, và chi tiêu tài nguyên tương ứng. Chúng tôi thấy các dự án có nhiều hoạt động mã nguồn, kiểm thử CI/CD nặng nề, các tệp nhị phân phát hành thường xuyên và lớn. Đôi khi, cảm giác như số lượng nền tảng được hỗ trợ còn vượt quá số lượng người dùng thực tế.

Đối với chúng tôi, thật nực cười khi thấy các dự án chỉ có một nhà phát triển và hầu như không có người dùng lại tiêu tốn nhiều hoặc thậm chí nhiều tài nguyên hơn một số dự án cộng đồng lớn nhất trên Codeberg, vốn vận hành tiết kiệm với tài nguyên CI/CD và lưu trữ. Chúng tôi không tin rằng việc Codeberg đầu tư tiền quyên góp quý giá của mình vào việc lưu trữ các dự án "ma" lớn là hợp lý.

Nguồn cung phần cứng đang trở thành một cơn đau đầu

Việc huấn luyện và triển khai các LLM đã làm tăng đáng kể chi phí mua phần cứng, đặc biệt là đối với SSD và bộ nhớ. Lấy một ví dụ: Loại ổ cứng mà chúng tôi mua với giá 700 € chỉ vài năm trước nay đã tăng lên 3.700 € - và thường xuyên hết hàng. Hệ quả là việc lưu trữ mã nguồn trên Codeberg đang trở nên đắt đỏ hơn.

Mặc dù chúng tôi sở hữu phần cứng của riêng mình và do đó không bị ảnh hưởng trực tiếp bởi chi phí thuê 'đám mây' đang lạm phát, điều đó có nghĩa là việc thay thế hoặc mở rộng phần cứng hiện nay tốn kém hơn đáng kể so với trước đây. Mặc dù chúng tôi có thể đủ khả năng chi trả cho mức giá phần cứng tăng cao đó, nhưng đó là số tiền mà chúng tôi không thể chi tiêu vào những việc khác để cải thiện dịch vụ và thúc đẩy sứ mệnh của Codeberg.

Khoảng cách số ngày càng lớn

Những đợt tăng giá này cũng dẫn đến khoảng cách số ngày càng lớn: Các nhà vận hành nhỏ và thậm chí cả lớn đều bị đe dọa bởi chi phí gia tăng, trong khi chỉ những công ty đám mây lớn nhất mới có các thỏa thuận đáng tin cậy về phần cứng. Chi phí tăng cao cho các dịch vụ như lưu trữ trang web, lưu trữ dữ liệu hoặc điện toán có thể là thách thức đối với rất nhiều tổ chức phi chính phủ nhỏ, hợp tác xã địa phương, dự án nghiên cứu và các mục đích sử dụng công cụ kỹ thuật số khác mà chúng ta từng coi là điều hiển nhiên cho đến gần đây.

Không chỉ việc vận hành cơ sở hạ tầng kỹ thuật số trở nên đắt đỏ hơn, ngay cả những công cụ kỹ thuật số cơ bản hơn như máy tính và điện thoại thông minh cũng bị ảnh hưởng bởi chi phí gia tăng, biến máy tính cá nhân trở lại thành một món hàng xa xỉ — nhưng giờ đây trong một thế giới mà các công cụ kỹ thuật số là yêu cầu thực tế để tham gia vào xã hội. Các thiết bị có ít khả năng tính toán và lưu trữ tước đi quyền tự chủ của người dùng và đẩy họ vào cái bẫy chi phí của các nhà cung cấp đám mây, những người bán lại chính những thứ đó cho bạn.

Cơ sở hạ tầng dân sự, người dùng và môi trường đều phải chịu thiệt

Những tác động tiêu cực đến cơ sở hạ tầng không dừng lại ở đó, mà còn liên quan đến cơ sở hạ tầng dân sự cơ bản hơn: Do nhu cầu năng lượng và nước vốn có của các trung tâm dữ liệu được xây dựng đặc biệt để huấn luyện LLM, nhiều cộng đồng ngày nay đã phải trải qua tình trạng chi phí tiêu dùng tăng cao cho cả điện và nước uống. Và ngoài chi phí tăng cao, những người sống gần các trung tâm dữ liệu còn bị ảnh hưởng trực tiếp bởi tình trạng ô nhiễm không khí và tiếng ồn ngày càng tăng.

Để có thể cung cấp năng lượng cho các trung tâm dữ liệu đó, các công ty đứng sau chúng cũng đang tích cực vận động hành lang để được miễn trừ khỏi các quy định về môi trường: Tại Frankfurt, các trung tâm dữ liệu hiện đã tiêu thụ 40% lượng điện năng tại địa phương, và nhu cầu vẫn đang tăng lên. Để đáp ứng nhu cầu này, họ muốn sử dụng nhiên liệu hóa thạch.

Sự hợp tác đang gặp nguy hiểm

Không chỉ cơ sở hạ tầng kỹ thuật số và dân sự bị ảnh hưởng bởi việc sử dụng LLM. Hệ sinh thái phần mềm tự do/nguồn mở (FLOSS), mà chúng tôi coi Codeberg là một phần quan trọng, là một hiện tượng xã hội tập trung vào sự hợp tác. Làm việc theo cách này chỉ có thể thực hiện được nhờ sự chia sẻ tự do và học hỏi lẫn nhau. Điều này bao gồm cả những công cụ rất nhỏ được chia sẻ và tái sử dụng, nơi sự hợp tác có thể bắt đầu. Ngược lại, bằng cách áp dụng LLM, mọi người có xu hướng viết mã phần mềm dùng một lần từ đầu. Mặc dù điều này dẫn đến sự gia tăng mã nguồn 'được chia sẻ', nhưng đó chủ yếu là mã nguồn không chỉ chưa được 'viết' bởi bất kỳ ai mà còn không được duy trì bởi bất kỳ ai.

Mất niềm tin vào nhau

Việc sử dụng rộng rãi LLM trong FLOSS đang trở thành một cuộc tấn công đa chiều vào niềm tin giữa những người đóng góp và chính ý tưởng về sự hợp tác thân thiện. Những người bảo trì (maintainer) đang chịu khối lượng công việc tăng cao do mọi người gửi các đóng góp (thường là có ý tốt) nhưng chất lượng thấp, do LLM tạo ra, đòi hỏi tốn nhiều thời gian để xem xét. Đồng thời, ngày càng khó phân biệt dự án nào được duy trì bởi các nhà phát triển có kinh nghiệm và dự án nào được tạo ra bởi LLM mà không có sự giám sát và đầu vào có ý nghĩa của con người. Trong trường hợp các dự án copyleft, LLM còn dẫn đến 'rửa giấy phép' (license laundering), nơi mã nguồn copyleft bị tước bỏ các yêu cầu tương hỗ bằng cách 'tạo' nó ra từ dữ liệu huấn luyện.

Chúng tôi quan sát thấy xu hướng ngày càng mất lòng tin lẫn nhau, đến mức những người thực sự nỗ lực phân tích các vấn đề hoặc chia sẻ đề xuất của họ lại bị cáo buộc là đã sử dụng LLM khi họ không hề làm vậy. Đồng thời, những người khác lại hướng dẫn LLM của họ che giấu dấu vết và chủ động tránh các mẫu phổ biến, khiến những người khác phải xem xét các đóng góp và giao tiếp cẩn thận hơn để tìm dấu hiệu của việc tạo ra bằng máy.

Bước vào một vòng xoáy luẩn quẩn

Cùng với nhau, những lực lượng này làm cho sự hợp tác không chỉ khó khăn hơn mà còn ít mang lại kết quả hơn: Với chi phí giao dịch hợp tác tăng lên, mọi người ít có khả năng đóng góp vào việc tạo ra các dự án phần mềm chất lượng cao và có nhiều khả năng 'vibe-code' một phần mềm dùng một lần cụ thể cho nhu cầu của bạn, và sẽ không phát triển thêm nữa. Chúng ta rơi vào một vòng xoáy luẩn quẩn nơi sự hợp tác ngày càng ít được đền đáp, trong khi số lượng phần mềm dùng một lần không được duy trì và không bao giờ thấy bất kỳ cải tiến nào lại tăng lên.

Mặc dù thường có ý tốt, nhưng việc chia sẻ kết quả của một câu lệnh (prompt) và gọi nó là "phần mềm tự do" không làm cho thế giới tốt đẹp hơn. Codeberg không phải và không muốn trở thành nơi để đổ bỏ những phần mềm dùng một lần được tạo ra như vậy mà không ai khác sẽ xem đến. Chúng tôi là nơi để mọi người hợp tác và cùng nhau cải thiện phần mềm. Trong bối cảnh này, các cuộc bỏ phiếu gần đây có thể được hiểu là sự tái khẳng định các nguyên tắc đó: Vì chúng tôi muốn tập trung vào sự hợp tác của con người, chúng tôi sẽ không chủ động hỗ trợ hoặc tham gia vào việc tạo ra các LLM và sẽ không sử dụng nguồn lực hạn chế của mình để lưu trữ phần mềm dùng một lần gây ô nhiễm không gian chung FLOSS của chúng ta.

Phát triển các điều khoản của chúng tôi

Việc thay đổi Điều khoản Sử dụng gửi đi một tín hiệu mạnh mẽ về sứ mệnh và các dự án mà chúng tôi muốn hỗ trợ. Tuy nhiên, bạn sẽ không thấy việc xóa hàng loạt nội dung trong vài ngày. Đội ngũ kiểm duyệt của chúng tôi sẽ không bắt đầu bằng việc tạo ra một danh sách đầy đủ các kho lưu trữ bị ảnh hưởng để xóa bỏ. Thay vào đó, sử dụng các trường hợp như các ví dụ dưới đây, chúng tôi sẽ bắt đầu đưa các quy tắc mới vào thực tiễn. Chúng tôi là những con người ở phía bên kia, những người quan tâm sâu sắc đến các dự án và cộng đồng phần mềm tự do/nguồn mở.

Chúng tôi thừa nhận rằng nhiều nhà phát triển đã bắt đầu đón nhận LLM như một công cụ trong quy trình làm việc của họ. Một số người sử dụng nó rộng rãi và hiếm khi viết mã bằng tay, những người khác chỉ ủy thác các tác vụ cụ thể cho nó. Chúng tôi hiểu rằng bạn muốn biết sự thay đổi này ảnh hưởng như thế nào đến các dự án của bạn trong tương lai. Mặc dù chúng tôi không thể đưa ra câu trả lời dễ dàng, chúng tôi sẽ chia sẻ một số lưu ý để giải quyết hầu hết các mối quan ngại được nêu ra trong cuộc thảo luận.

Một số hướng dẫn ban đầu, nhưng không chính thức

Nếu công việc của bạn phù hợp với các trường hợp này, thì khả năng cao là bạn hoàn toàn không bị ảnh hưởng:

Chúng tôi cũng sẽ không dành nhiều thời gian và tài nguyên để tự động quét nội dung trên Codeberg. Vì vậy, mặc dù các trường hợp sử dụng sau đây không được khuyến khích (tương tự như các kho lưu trữ riêng tư), chúng có khả năng sẽ được dung thứ trong thực tế: