‏موزیلا به گوگل می‌تازد: Prompt API در مرورگر ضرر داره!

گوگل در حال آزمایش یه قابلیت جدید توی کروم و مایکروسافت اج هست به اسم Prompt API؛ ابزاری که به صفحات وب اجازه می‌ده مستقیماً با یه مدل زبانی محلی داخل مرورگر حرف بزنن. این مدل همون Gemini Nano گوگله که برای اجرای محلی روی دستگاه کاربر طراحی شده و حدود ۴.۲۷ گیگابایت جا می‌گیره (گوگل توصیه می‌کنه ۲۲ گیگ فضا داشته باشی).

هدف گوگل از این کار اینه که توسعه‌دهنده‌ها بتونن بدون نیاز به سرویس‌های ابری، هوش مصنوعی رو سریع‌تر، ارزان‌تر و حتی آفلاین به کارشون بیارن. در واقع یه جور fallback رایگان برای کسایی که اشتراک API پولی ندارن.

ولی موزیلا اصلاً راضی نیست. جیک آرچیبالد، مسئول روابط توسعه‌دهندگان وب موزیلا، توی یه بحث گیت‌هاب نوشته که این API «پیامدهای منفی جدی برای تعامل‌پذیری، قابلیت به‌روزرسانی و بی‌طرفی پلتفرم وب داره.»

مشکل اول اینه که پرامپت‌ها به مدل گره می‌خورن. توسعه‌دهنده‌ها ناخواسته شروع می‌کنن رفتار و quirk های مدل خاص گوگل رو توی کدشون فرض می‌گیرن. این یعنی اگه فردا اپل یا موزیلا بخوان همین API رو پشتیبانی کنن، باید یا Nano رو لایسنس بگیرن یا قبول کنن که تجربه کاربری متفاوتی داشته باشن. آرچیبالد می‌گه: «این همون مشکل ناسازگاری مرورگرهاست، فقط با لباس جدید.»

مشکل دوم شرایط استفاده‌ست. برای استفاده از این API باید «Generative AI Prohibited Uses Policy» گوگل رو قبول کنی؛ سیاستی که یه‌سری محتواها رو ممنوع می‌کنه، نه به‌خاطر اینکه غیرقانونی‌ان، بلکه چون «ناراحت‌کننده» به نظر می‌رسن. آرچیبالد می‌گه وقتی استفاده از یه API وب مستلزم قبول سیاست محتوایی یه شرکت خاصه، دیگه واقعاً داری روی یه پلتفرم باز نمی‌سازی.

مشکل سوم هم ادعای گوگله در مورد اینکه توسعه‌دهنده‌ها «خیلی مثبت» هستن. موزیلا می‌گه گوگل چند پست شبکه اجتماعی رو به‌عنوان شواهد گسترده حمایت ارائه داده، در حالی که سیگنال‌ها اصلاً یکدست نیستن و قطبی‌ان.

از طرف گوگل، ریک بایرز، مهندس کروم که مسئول شیپینگ این API‌ه، اعتراف کرده که نگرانی‌های موزیلا رو می‌فهمه، ولی ترجیح می‌ده آزمایش و یادگیری از اشتباه جلوی نگرانی از آینده رو بگیره. گوگل هم در نهایت گفته که از نظر موزیلا استقبال می‌کنه.

جالب‌تر اینکه یه گزارش از فوریه نشون می‌ده این مدل‌های محلی هنوز خیلی باگ دارن: حدود ۱۵ تا ۲۴ درصد پاسخ‌های تولیدی کروم و اج موفق به انجام وظیفه نشدن. نرخ هالوسینیشن کروم ۶٪ و اج ۱۷٪ بوده.

نکات کلیدی:

• Prompt API به صفحات وب اجازه می‌ده مستقیم با Gemini Nano داخل کروم تعامل داشته باشن
• موزیلا می‌گه این API تعامل‌پذیری وب رو خراب می‌کنه و وابستگی به مدل خاص گوگل ایجاد می‌کنه
• استفاده از API نیازمند پذیرش سیاست محتوایی گوگله که فراتر از قانون محدودیت ایجاد می‌کنه
• توسعه‌دهنده‌ها ناخواسته کدشون رو به رفتار مدل Nano گره می‌زنن، مثل مشکل قدیمی ناسازگاری مرورگرها
• گزارش‌ها نشون می‌ده مدل‌های محلی کروم و اج هنوز نرخ خطای قابل‌توجهی دارن
• یه مهندس گوگل نگرانی‌های موزیلا رو تأیید کرده اما رویکرد «آزمایش و خطا» رو ترجیح می‌ده