PewDiePie يدرّب نموذج Ajax بلا رقابة في منزله بعد حظرين من OpenAI

يعمل Felix Kjellberg، المعروف باسم PewDiePie، على Ajax، وهو نموذج لغوي بلا رقابة مدمجة، وقد درّبه في منزله بحسب فيديو Fireship. وكان السبب حظرين من OpenAI: فقد أُغلقت حسابات المدوّن مرتين بسبب التقطير. ولم يُكشف في وصف الفيديو عن حجم النموذج ولا عن أساسه ولا عن مجموعة البيانات ولا عن شروط التوزيع. وفيما يلي أفصل المؤكَّد عن السياق الذي يساعد على فهم حجم القصة.

ما المعروف عن Ajax

المعلومات قليلة، ومن المهم توضيح ذلك منذ البداية. المصدر هو وصف فيديو Fireship وسياقه، ولا تتوفر لدينا مواد أولية من المؤلف نفسه.

• اسم النموذج: Ajax.
• المؤلف: PewDiePie.
• التموضع: uncensored، أي بلا رفض معياري ولا مرشِّحات.
• مكان التدريب: في المنزل، على عتاد شخصي.
• الدافع: حظران من OpenAI بسبب التقطير.
• لم يُكشف عنه: عدد المعاملات، والنموذج الأساسي، وحجم البيانات ومصادرها، والترخيص، ونتائج اختبارات الأداء.

عبارة «درّبه في المنزل» تعني على الأرجح إعادة تدريب (fine-tuning) لنموذج مفتوح موجود، لا تدريبًا مسبقًا من الصفر. فنموذج بمستوى النماذج الرائدة الحالية يحتاج إلى آلاف المسرّعات وأشهر من العمل، ولا يتسع لذلك رف منزلي يضم بضع وحدات GPU. هذا استنتاجنا، ولا يوجد تأكيد عليه في المصدر.

لماذا ينتهي التقطير بالحظر

يجري التقطير على النحو التالي: تُجمع إجابات نموذج قوي في مجموعة بيانات، ثم يُدرَّب عليها نموذج آخر، يكون عادة أصغر. الأسلوب قانوني ومستخدم منذ زمن داخل الشركات. وتبدأ المشكلات حين يكون «المعلّم» نموذجًا مغلقًا يعود لجهة أخرى. فشروط استخدام OpenAI تحظر استخدام مخرجات الخدمة لتطوير نماذج منافسة. وقد أثار الموضوع جدلًا من قبل: ففي مطلع 2025 ظهرت تقارير تفيد بأن OpenAI تشتبه في أن DeepSeek استخدمت مخرجات نماذجها.

لا يُعرف كيف رصدت OpenAI نشاط PewDiePie. وعادةً ما تكشف مثل هذه الحالات حركة البيانات: طلبات جماعية متشابهة، وخطوط معالجة آلية، وبنية المطالبات (prompts). وأن يُحظر الحساب مرتين يعني أن صاحبه لم يتخلَّ عن الأسلوب بعد المرة الأولى، بل أعاد بناءه.

لماذا نموذج بلا رقابة

يُزال عادةً من نموذج «uncensored» الرفض أو يُخفَّف: تُنقّى بيانات التدريب من أمثلة من نوع «لا أستطيع المساعدة في ذلك»، ثم يُعاد تدريب النموذج على عينة خالية من هذه الردود. والمزايا للمستخدم واضحة: تحكم كامل في سلوك النموذج، وخصوصية، وغياب الحظر المفاجئ في منتصف سير العمل. والعيوب واضحة أيضًا: يصبح النموذج أكثر استعدادًا لإنتاج محتوى ضار، وتقع المسؤولية عن ذلك على من شغّله ويوزّعه.

وفي الأمر مفارقة. فللحصول على بيانات عالية الجودة لإعادة التدريب، كثيرًا ما تُؤخذ إجابات النماذج المغلقة تحديدًا، وهي نماذج خضعت للمواءمة (alignment). ثم يتعين تنقية حالات الرفض منها. وهنا بالذات يصطدم التقطير بشروط واجهة API.

ماذا يفعل المطورون والفرق

تصلح هذه القصة مناسبةً لمراجعة عملياتكم الخاصة، خصوصًا إذا كنتم تجمعون بيانات اصطناعية.

• اقرؤوا شروط واجهة API التي تستخدمونها. إذا كانت تتضمن حظرًا على تدريب نماذج منافسة، فلا تستخدموا المخرجات في مجموعات البيانات، حتى «لتجربة داخلية».
• للبيانات الاصطناعية، اعتمدوا نماذج مفتوحة الأوزان بترخيص يسمح صراحةً بهذا الاستخدام. تتباين التراخيص كثيرًا بين العائلات المختلفة، فراجعوا التفاصيل.
• لا تخلطوا بين الحسابات الشخصية وحسابات العمل. فالحظر بسبب مخالفة الشروط قد يقطع الوصول إلى جميع المشاريع المرتبطة بحساب واحد.
• إذا كنتم تنوون تشغيل Ajax بعد نشر أوزانه، فانتظروا اختبارات مستقلة. فلا يمكن التحقق من ادعاءات المؤلف حول الجودة في غياب اختبارات الأداء ووصف البيانات.
• لإعادة التدريب محليًا، قدّروا مسبقًا ميزانية ذاكرة الفيديو الفعلية: تتيح LoRA والتكميم (quantization) ملاءمة النماذج لوحدات GPU الاستهلاكية، لكن للنماذج متوسطة الحجم فقط.

الخلاصة حتى الآن بسيطة: اسم لامع وفكرة مثيرة وغياب شبه تام للتفاصيل التقنية. وحين تظهر الأوزان ومجموعة البيانات والتقييمات، سيتضح هل هو مشروع مفتوح المصدر جاد أم تجربة إعلامية.