يقول فيتالیک: كيف أنشئ بيئة عمل للذكاء الاصطناعي بالكامل محليًا وخفية وتحكمًا ذاتيًا وقابلة للرقابة

قدّم فيتالik بوتيرين بنيةً لذكاء اصطناعي يعمل محليًا، مع التأكيد على الخصوصية والأمان والسيادة الذاتية، مع التحذير من المخاطر المحتملة لوكلاء الذكاء الاصطناعي.

في 2 أبريل، نشر مؤسس إيثيريوم فيتالik بوتيرين مقالًا مطوّلًا على موقعه الإلكتروني الشخصي، يشارك فيه إعداد بيئة عمل للذكاء الاصطناعي صمّمها بحيث تكون الخصوصية والأمان والسيادة الذاتية في قلبها—حيث يتم تشغيل استدلال جميع نماذج LLM محليًا، وتخزين جميع الملفات محليًا، مع حوسبة معزولة بالكامل داخل حاويات (sandbox)، وبشكل متعمد يتم تجنّب نماذج السحابة وواجهات برمجة التطبيقات الخارجية.

في بداية المقال، حذّر أولًا: «من فضلك لا تنسخ مباشرة الأدوات والتقنيات التي يصفها هذا المقال، ولا تفترض أنها آمنة. هذا مجرد نقطة بداية وليس وصفًا لمنتج مكتمل».

لماذا نكتب هذا الآن؟ مخاوف أمن وكلاء الذكاء الاصطناعي مُقلّلة بشكل كبير

أشار فيتالik إلى أن الذكاء الاصطناعي في بداية هذا العام أكمل التحوّل المهم من «روبوتات الدردشة» إلى «وكلاء»—لم تعد تسأل فقط، بل تسلّم مهامًا، ليُفكّر الذكاء الاصطناعي لفترات طويلة، ويستدعي مئات الأدوات لتنفيذها. وقد استشهد بـ OpenClaw (وهو حاليًا أسرع repo نموًا على GitHub على الإطلاق)، كما سمّى عدة مشكلات أمنية تم توثيقها من قبل الباحثين، ومنها:

• يمكن لوكلاء الذكاء الاصطناعي تعديل الإعدادات الحساسة دون الحاجة إلى تأكيد بشري، بما في ذلك إضافة قنوات اتصال جديدة وتعديل رسائل النظام (system prompts)
• تحليل أي إدخال خارجي خبيث (مثل صفحات ويب خبيثة) قد يؤدي إلى اختطاف الوكيل بالكامل؛ وفي عرض توضيحي لدى HiddenLayer، جعل الباحثون الذكاء الاصطناعي يلخّص مجموعة من صفحات ويب، إلا أن ضمنها صفحة خبيثة تأمر الوكيل بتنزيل وتنفيذ سكربت shell
• بعض حزم المهارات التابعة لجهات خارجية (skills) قد تُجري تسريبًا صامتًا للبيانات، عبر أوامر curl لإرسال البيانات إلى خادم خارجي يتحكم به مؤلف المهارة
• ضمن حزم المهارات التي حلّلوها، تحتوي نحو 15% على تعليمات خبيثة

شدد فيتالik على أن انطلاقه من منظور الخصوصية يختلف عن منظور باحثي الأمن السيبراني التقليديين: «أنا آتٍ من موقف يخشى بشدة أن تُغذّى حياتك الشخصية كاملةً إلى ذكاء اصطناعي يعمل في السحابة—ففي الوقت الذي أصبح فيه أخيرًا—بشكل رئيسي—التشفير من طرف إلى طرف والبرمجيات ذات الأولوية المحلية، ربما نحن نعود خطوة إلى الوراء عشر خطوات».

خمسة أهداف أمنية

حدد إطارًا واضحًا لأهداف الأمان:

• خصوصية LLM: في السياقات المتعلقة ببيانات الخصوصية الشخصية، تقليل استخدام النماذج البعيدة قدر الإمكان
• خصوصية أخرى: تقليل تسريب البيانات لغير LLM إلى الحد الأدنى (مثل استعلامات البحث وواجهات برمجة التطبيقات عبر الإنترنت الأخرى)
• اختراق/تجاوز LLM (LLM jailbreak): منع المحتوى الخارجي من «اختراق» LLM الخاص بي، والتسبب في أن يتصرف بما يخالف مصالحي (مثل إرسال رموزي أو بياناتي الخاصة)
• LLM غير المقصود: منع قيام LLM بالخطأ بإرسال بيانات خاصة إلى قناة خاطئة أو جعلها متاحة على الإنترنت
• LLM كخلفية (backdoor): منع آليات خفية تم تدريبها عمدًا داخل النموذج. وقد نبّه تحديدًا: النماذج المفتوحة هي أوزان مفتوحة (open-weights)، ولا يكاد يوجد نموذج حقيقي «مفتوح المصدر» (open-source)

اختيارات الأجهزة: 5090 كحواسيب محمولة تتفوّق، وDGX Spark مخيّبة

اختبر فيتالik ثلاثة إعدادات لأجهزة الاستدلال المحلية، وكانت الاستخدامات الأساسية لنموذج Qwen3.5:35B، مع دمج llama-server وllama-swap:

وكان استنتاجه: أقل من 50 tok/sec بطيء جدًا، و90 tok/sec هو المثالي. كانت تجربة كمبيوتر NVIDIA 5090 المحمول الأكثر سلاسة؛ ولا يزال لدى AMD حتى الآن مشكلات على الأطراف (edge) أكثر، لكن هناك أمل بأن تتحسن مستقبلًا. كما أن أجهزة MacBook الراقية خيار فعّال، لكنّه شخصيًا لم يجربها مباشرة.

وبخصوص DGX Spark، قال ذلك بصراحة دون مجاملة: «تم وصفه بأنه “كمبيوتر عملاق للذكاء الاصطناعي على سطح المكتب”، لكن في الواقع tokens/sec أقل من وحدات معالجة الرسوم (GPU) في حواسيب محمولة أفضل، ولا يزال يتطلب إنجاز تفاصيل إضافية مثل إعداد اتصال الشبكة—وهذا أمر مخيب». ونصيحته هي: إذا لم تكن قادرًا على تحمّل تكلفة كمبيوتر محمول راقٍ، فبإمكانك شراء جهاز قوي بما يكفي بشكل مشترك مع الأصدقاء، ووضعه في مكان به عنوان IP ثابت، ثم يستخدم الجميع الاتصال عن بُعد.

لماذا تُعد مشكلات خصوصية الذكاء الاصطناعي المحلي أكثر إلحاحًا مما تتخيله

تأتي هذه المقالة من فيتالik لتتجاوب بشكل مثير مع مناقشة مشاكل الأمان المتعلقة بـ Claude Code التي أُطلقت في نفس اليوم—إذ بينما يدخل وكيل الذكاء الاصطناعي في تدفقات العمل اليومية لتطوير البرمجيات، تتحول مشكلات الأمان أيضًا تدريجيًا من مخاطر نظرية إلى تهديدات واقعية.

والرسالة الأساسية واضحة جدًا لديه: عندما تصبح أدوات الذكاء الاصطناعي أقوى وأقدر على الوصول إلى بياناتك الشخصية وصلاحيات النظام، فإن «الأولوية المحلية، والحوسبة المعزولة (sandbox)، وأقل قدر من الثقة» ليست هوسًا، بل نقطة بداية عقلانية.

• تمت إعادة نشر هذا المقال بموجب ترخيص من: 《链新闻》
• العنوان الأصلي: 《Vitalik：كيف صنعت بيئة عمل للذكاء الاصطناعي محلية بالكامل، وخاصة، وقابلة للتحكم الذاتي》
• مؤلف النص الأصلي: Elponcrab