تحلیل فنی مدل Ajax؛ گامی از PewDiePie برای توسعه هوش مصنوعی محلی و بدون سانسور

در دنیای هوش مصنوعی که تحت سلطه مدل‌های عظیم و بسته‌ی شرکت‌های بزرگ قرار دارد، Felix Kjellberg، معروف به PewDiePie، با معرفی مدل Ajax و فضای کاری Odysseus، رویکرد متفاوتی را برای اجرای هوش مصنوعی در محیط‌های محلی (Local) و بدون محدودیت‌های رایج اتخاذ کرده است. این پروژه که بر پایه مدل Qwen3.5-9B بنا شده، چالشی مستقیم برای مدل‌های Frontier محسوب می‌شود که با سیاست‌های سخت‌گیرانه دسترسی و فیلترینگ همراه هستند.

معماری فنی و پایه‌های نرم‌افزاری Ajax

مدل Ajax یک نسخه Fine-tune شده از مدل قدرتمند Qwen3.5-9B (محصول علی‌بابا) است. انتخاب این مدل به دلیل بهینگی در پارامترها و قدرت پردازشی مناسب برای سخت‌افزارهای خانگی صورت گرفته است. برخلاف مدل‌های تریلیون پارامتری که نیاز به زیرساخت‌های عظیم ابری دارند، Ajax برای اجرا به صورت Local طراحی شده تا حریم خصوصی کاربران را با حفظ استقلال کامل داده‌ها تضمین کند. هسته مرکزی این پروژه، فضای کاری Odysseus است که به عنوان یک Agent خودمختار و ۲۴ ساعته عمل کرده و وظایفی نظیر جست‌وجوی وب، مدیریت ایمیل‌ها و تقویم را انجام می‌دهد.

حذف سانسور؛ فراتر از فیلترینگ ساده

یکی از جنجالی‌ترین بخش‌های این پروژه، حذف سیستماتیک فیلترهای اخلاقی و محدودیت‌های پاسخ‌دهی (Refusal) است. سازنده برای دستیابی به این هدف، از ابزار متن‌باز Heretic استفاده کرده است. فرآیند Abliteration در اینجا به معنای شناسایی بردارهای نهفته در مدل است که باعث امتناع از پاسخگویی به درخواست‌های خاص می‌شوند؛ بدون اینکه به ساختار اصلی مدل و دانش (Brain Damage) آسیبی وارد شود. این رویکرد به مدل اجازه می‌دهد تا بدون دیکته کردن استانداردهای رفتاری شرکت‌های بزرگ، در چارچوب‌های اخلاقی تعیین‌شده توسط کاربر عمل کند.

چالش‌های تقابل با مدل‌های Frontier و مفهوم Distillation

تجربه PewDiePie در مواجهه با دو بار مسدود شدن حساب کاربری‌اش توسط OpenAI، نشان‌دهنده حساسیت شرکت‌های بزرگ نسبت به فرآیند Distillation (استفاده از خروجی‌های یک مدل برای آموزش مدل دیگر) است. OpenAI این اقدام را به عنوان تهدیدی علیه مالکیت معنوی داده‌های خود تلقی می‌کند. با این حال، از منظر مهندسی، بسیاری از محققان معتقدند که توسعه مدل‌های کوچک و تخصصی (Small Language Models – SLM) برای انجام کارهای روزمره، مسیری منطقی‌تر نسبت به مدل‌های عظیم عمومی است که مصرف انرژی و هزینه استنتاج بسیار بالایی دارند.

نتیجه‌گیری؛ آینده هوش مصنوعی در دستان کاربران

پروژه Ajax نه تنها یک ابزار کاربردی، بلکه بیانیه‌ای در حمایت از دموکراتیک‌سازی هوش مصنوعی است. انتقال دانش و قدرت پردازشی از مراکز داده‌های متمرکز به سخت‌افزارهای خانگی، نه تنها آزادی دسترسی را افزایش می‌دهد، بلکه حریم خصوصی کاربران را از نظارت‌های غیرمستقیم پلتفرم‌های ابری نجات می‌دهد. در پاییز ۱۴۰۳، شاهد هستیم که توسعه‌دهندگان مستقل با استفاده از ابزارهای Open-Source در حال بازپس‌گیری بخشی از قدرت در حوزه هوش مصنوعی هستند.