保护我们的FLOSS公共资源免受LLM侵害

# 保护我们的 FLOSS 公共资源免受 LLM 侵害 — Codeberg 新闻 来源：https://blog.codeberg.org/protecting-our-floss-commons-from-llms.html **概要：** - Codeberg e.V. 成员对两项关于“人工智能”和大型语言模型（LLM）的动议进行了投票，并已通过。 - 我们承诺不会使用您的任何数据来训练 LLM，并说明计划中的使用条款变更对“氛围编码”项目意味着什么。 - 我们认为 LLM 对整个自由/开源软件生态系统构成了威胁。 Codeberg e.V. 年度大会是让活跃成员掌握权力的会议。提案现场讨论，随后进行异步投票。 由于大型语言模型（LLM）是一项新兴但有争议的技术，其中两项投票涉及 Codeberg 对此技术的立场并不令人意外。为期 14 天的投票期于昨日结束，两项提案均获通过。 第一项投票是关于 Codeberg e.V. 对使用您的数据训练 LLM 的立场声明。 > 正如我们的隐私政策所述，“我们不需要您的数据”，这也适用于使用我们的用户和项目数据来使用或训练生成式“AI”：Codeberg 代码托管平台及其相关服务不会、也将不会使用项目和用户的代码或数据来训练诸如大型语言模型之类的“人工智能”工具，这些工具的目的是根据其训练输入生成输出。作为一个协会，我们认为这些技术与负责任地创建和维护自由及开源软件是不相容的。 第二项投票争议较大，但同样以 358 票同意对 144 票反对（14 票弃权）获得通过，投票率高达活跃成员的 50% 左右。这意味着我们的使用条款将进行修改，以禁止“氛围编码项目”。我们将在文章末尾分享关于实际影响的思考。 ## 我们都在为饥饿的 LLM 买单 LLM 是一项成本非常高昂的技术，而且随着提供这些服务的公司开始收回投资，成本还在不断上升。它们不仅对那些使用和明确订阅这些服务的人成本高昂。这些成本不仅隐藏在你从未要求的“创新新功能”交叉补贴的“普通”云和服务订阅中。LLM 是如此昂贵，以至于公司大规模地将成本外化——对那些不使用它们的人和整个社会而言。硬件价格上涨、能源消耗和环境破坏——我们都在为此付出代价！ ### 因无意义的爬取而紧张的服务器 在之前的文章中，我们已经概述了 Codeberg 的基础设施如何经常受到那些计划抓取 Codeberg 上所有代码用于训练 LLM 的公司的网络爬虫的沉重负载。 在 Codeberg，我们乐于提供对代码的自由开放访问。只需运行 `git clone` 即可享受。 不幸的是，这些爬虫却试图读取 Codeberg 上的每一个页面，不管是否有意义。这包括所有不同的问题筛选变体、Git 历史记录，以及 Git 历史记录中任何时间点的实际文件——即使它们仍然是相同的。 这些不必要的访问产生了昂贵的数据库查询，降低了我们所有人的服务质量，需要我们的系统管理员投入大量工作，并迫使我们花时间构建防御机制，而不是做酷炫的新东西。这些机制也会影响新的和现有的合法用户，因为我们不得不对他们期望的工作流程施加限制或直接阻止；这给他们带来了更差的 Codeberg 体验。 ### 没有团队的开发团队 使用 LLM 处理代码会让你肾上腺素飙升。你可以快速开发，就像拥有一个大团队一样。只是你实际上没有团队。事实上，你（常常）是独自一人，与一台将能量转化为代码的统计机器一起工作。 似乎许多“氛围编码者”没有意识到他们实际上没有围绕自己的社区。他们像有社区一样构建项目，并相应地消耗资源。我们看到了很多代码活动频繁、CI/CD 测试密集、频繁发布大型二进制文件的项目。有时，感觉支持平台的数量超过了实际用户的数量。 对我们来说，看到单个开发者、几乎没有用户的项目消耗比 Codeberg 上一些最大的社区项目（这些项目在 CI/CD 和存储资源上运作节俭）更多甚至更多的资源，这似乎很荒谬。我们认为 Codeberg 将我们宝贵的捐款用于托管大型幽灵项目是不合理的。 ### 硬件采购正变得令人头疼 LLM 的训练和部署极大地提高了购买硬件的成本，尤其是 SSD 和内存。举个例子：几年前我们花费 700 欧元采购的驱动器型号，现在涨到了 3700 欧元——而且常常缺货。因此，在 Codeberg 上托管代码正变得越来越昂贵。 虽然我们拥有自己的硬件，因此没有直接受到膨胀的“云”租赁成本的影响，但这意味着更换或扩展我们的硬件现在比以前（以及需要的）要昂贵得多。虽然我们可能能够负担得起这些高昂的硬件价格，但这些钱本可以用于其他地方来改善我们的服务并推进 Codeberg 的使命。 ### 日益加剧的数字鸿沟 这些价格上涨还导致了日益加剧的“数字鸿沟”：小型甚至大型运营商都因成本上升而面临危险，而只有最大的云公司才有可靠的硬件协议。像网站托管、存储或计算等服务成本的增加，对许多小型非政府组织、本地合作社、研究项目以及直到最近我们还认为理所当然的其他数字工具的使用来说，可能是一个挑战。 不仅运行数字基础设施变得更加昂贵，甚至连计算机和智能手机等更基本的数字工具也受到成本上升的影响，将个人计算重新变成了奢侈品——但现在，数字工具是参与社会的事实上的要求。计算和存储能力低的设备剥夺了用户的主权，并将他们推向了云提供商的成本陷阱，后者将这些服务再卖回给你。 ### 民用基础设施、其用户和环境都遭受损失 对基础设施的负面影响还不止于此，还涉及更基础的民用基础设施：由于专门为训练 LLM 而建的数据中心固有的能源和水需求，许多社区今天已经经历了电力和饮用水的消费者成本上升。除了成本上升之外，那些居住在这些数据中心附近的人们还直接受到日益严重的空气和噪音污染的影响。 为了能够为这些数据中心供电，背后的公司也在积极游说，希望不受环境法规的约束：在法兰克福，数据中心现在已经消耗了当地 40% 的电力，而且需求还在增长。为了满足这一需求，他们想使用化石燃料。 ## 协作面临危险 受到 LLM 使用影响的不仅仅是数字和民用基础设施。自由/开源软件生态系统（我们认为 Codeberg 是其重要组成部分）是一种以协作为中心的社会现象。只有通过自由分享和相互学习，这种工作方式才有可能实现。这包括甚至是非常小的工具，它们被分享和重用，围绕它们可以开始协作。相比之下，采用 LLM 的人倾向于从头开始编写“一次性使用”的软件。虽然这导致了“共享”代码的增加，但大部分代码不仅不是由任何人“编写”的，也没有人维护。 ### 相互失去信任 LLM 在 FLOSS 中的广泛使用反而变成了对贡献者之间信任以及协作理念本身的多维度攻击。维护者的工作量因人们提交（通常是善意的）低质量、LLM 生成的贡献而增加，这些贡献需要大量时间进行审查。与此同时，哪些项目是由经验丰富的开发者维护的，哪些是 LLM 生成的而没有有意义的人类监督和输入，变得越来越不清楚。对于版权许可项目，LLM 还导致了“许可证洗钱”，即通过从训练数据中“生成”代码来剥离其互惠要求。 我们观察到一种日益增长的相互不信任趋势，甚至到了那些真正付出努力分析问题或分享建议的人被指责使用了 LLM，而实际上他们并没有。与此同时，其他人则指示他们的 LLM 隐藏痕迹并积极避免常见模式，促使他人在审查贡献和沟通时更加仔细地寻找机器生成的迹象。 ### 进入恶性循环 这些力量共同使协作不仅更困难，而且回报更低：随着协作的“交易成本”增加，人们越来越不可能为创建高质量软件项目做出贡献，而更可能去“氛围编码”一个满足自身需求的一次性软件，并且不会进一步发展。我们陷入了一个恶性循环：协作的回报越来越低，而无人维护、永无改进的一次性软件数量却在上升。 虽然通常出于好意，但分享一个提示的结果并称之为“自由软件”并不会让世界变得更好。Codeberg 不是、也不想成为一个倾倒这种生成的、没有人会再看一眼的一次性软件的地方。我们是人们协作并共同改进软件的地方。在此背景下，最近的投票可以理解为对这些原则的再次确认：既然我们希望以人类协作为中心，我们就不会积极支持或参与 LLM 的创造，也不会将我们有限的资源用于存储会污染我们 FLOSS 公共资源的一次性软件。 ## 发展我们的条款 更改我们的使用条款发出了一个关于我们使命和我们希望支持的项目的有力信号。话虽如此，你不会在几天内看到大规模的内容删除。我们的审核团队不会着手生成一个受影响的仓库列表来删除。相反，我们将从类似下面的例子开始，将新规则付诸实施。我们是另一端的、深切关心自由/开源软件项目和社区的人类。 我们承认许多开发者已经开始将 LLM 作为其工作流程中的一个工具。有些人大量使用它，很少手动编码；其他人只将特定任务委托给它。我们理解你想知道这一变化未来如何影响你的项目。虽然我们不能给出一个简单的答案，但我们将分享一些应该能解决讨论中提出的大多数担忧的评论。 ### 一些早期但非正式的指南 如果你的工作符合这些情况，你很可能根本不会受到影响： - 拥有活跃社区关心和维护软件的项目 - 在 LLM 出现之前就有显著历史的项目 - 不自觉地或自愿地接受了其他贡献者 LLM 生成贡献的维护者，只要你的项目在其他方面不涉及大量使用 LLM 我们也不会花费大量时间和资源来自动扫描 Codeberg 上的内容。因此，虽然以下使用情况不鼓励（类似于私有仓库），但实践中可能会被容忍： - 资源使用量小的副项目和实验 - 不太可能找到社区的具体工具和自定义脚本，即使它们不是 LLM 生成的 然而，我们也需要诚实地面对某些可能不再欢迎在 Codeberg 上的使用情况。如果你觉得自己属于这个列表，你不需要立即搬走，但可能有其他更适合你需求的地方： - 由 LLM“代理”以自主方式创建的项目 - 大量使用 LLM 编写和维护的项目 - 消耗的资源量（例如存储、CI/CD）显著大于相关人数用手工可能创建的量的项目 - 与 LLM 生态系统紧密相关的项目，例如 LLM 编写的用于简化 LLM 使用的工具 - 违反项目自定义政策发送 LLM 贡献的用户 你可以查看添加到使用条款中的具体变更。