ابزارهای هوش مصنوعی شما در حال جاسوسی از شما هستند. راه‌حل اینجاست.

#ابزارهای هوش مصنوعی شما در حال جاسوسی از شما هستند. راه‌حل اینجاست.

هر بار که یک ایمیل کاری، سؤال پزشکی، طرح کسب‌وکار یا مشکل شخصی را در ChatGPT، Claude، Gemini یا Grok می‌چسبانید، در واقع آن متن را در اختیار شرکتی قرار می‌دهید که تنظیمات پیش‌فرض پلن‌های رایگان و شخصی‌اش، استفاده از همین داده‌ها برای آموزش مدل است. مدت نگهداری داده‌ها از ۳۰ روز تا چندین سال متغیر است و برخی پلتفرم‌ها به‌خاطر نحوه برخورد با این داده‌ها با شکایت و تحقیق مواجه شده‌اند. اما جالب اینجاست که اکثر کاربران هرگز تنظیمات را تغییر نمی‌دهند.

این یک تئوری توطئه نیست؛ بلکه مدل کسب‌وکار مستند بزرگ‌ترین محصولات هوش مصنوعی مصرفی در سال ۲۰۲۶ است. خبر خوب اینکه دیگر برای داشتن جایگزین نیازی به دکترا یا بودجهٔ کلان مرکز داده ندارید. می‌توانید مدل‌های باکیفیت را کاملاً روی سخت‌افزار خودتان اجرا کنید، طوری که پرامپت‌ها هرگز از دستگاه شما خارج نشوند.

در دو سال اخیر، مدل‌های متن‌باز در تقریباً همهٔ حوزه‌های عملی – از نویسندگی خلاق و تولید کد تا خلاصه‌سازی و استدلال – به رقبای بسته خود رسیده‌اند. با وجود ابزارهای بالغی مثل Ollama و Open WebUI، استنتاج محلی به انتخاب منطقی برای هر کسی تبدیل شده که به حریم خصوصی، هزینهٔ قابل‌پیش‌بینی و کنترل بلندمدت بر پشتهٔ هوش مصنوعی خود اهمیت می‌دهد.

#واقعاً چه بر سر پرامپت‌های شما می‌آید؟

در لایه‌های رایگان و شخصی چت‌بات‌های بزرگ، پیش‌فرض روشن است: مکالمات می‌توانند برای بهبود مدل‌ها استفاده شوند مگر اینکه فعالانه انصراف دهید.

OpenAI صراحتاً اعلام کرده که حساب‌های Free، Plus و Pro ممکن است ورودی‌ها و خروجی‌ها را به‌طور پیش‌فرض برای آموزش استفاده کنند. پلن‌های مصرف‌کنندهٔ Anthropic (Free، Pro، Max) نیز پس از به‌روزرسانی‌های سیاست در ۲۰۲۵ همین الگو را دنبال می‌کنند. تنظیم Gemini Apps Activity گوگل هم ذخیره‌سازی و هم آموزش را کنترل می‌کند. حتی وقتی آموزش را خاموش می‌کنید، تاریخچه اغلب برای هفته‌ها یا ماه‌ها به دلایل نظارت بر سوءاستفاده و الزامات قانونی نگه داشته می‌شود.

علاوه بر این، ریسک‌های دیگری مثل اسکریپت‌های تحلیلی شخص‌ثالث، افزونه‌های مرورگر که متن چت را می‌دزدند، و شکایت‌هایی که ادعا می‌کنند داده‌های مکالمه با ردیاب‌های تبلیغاتی به اشتراک گذاشته شده، وجود دارد. وقتی استنتاج فقط روی سخت‌افزاری که کنترل می‌کنید انجام شود، هیچ‌کدام از این مشکلات وجود نخواهد داشت.

بیایید دقیق‌تر ببینیم: وقتی پرامپت را در چت‌بات ابری تایپ می‌کنید، این متن از طریق اینترنت به مرکز داده می‌رود، آنجا توسط مدلی روی زیرساخت اشتراکی پردازش می‌شود. حتی اگر چت را حذف کنید، کپی‌هایی از آن ممکن است ماه‌ها یا سال‌ها در سیستم‌های پشتیبان، لاگ‌ها یا مجموعه‌های آموزش باقی بمانند. گزینه‌های انصراف از آموزش معمولاً در منوهای حریم خصوصی پنهان شده‌اند و پیش‌فرض برای اکثریت قریب‌به‌اتفاق کاربران، «روشن» است.

#راه‌حل واقعی: هوش مصنوعی محلی و خصوصی

هوش مصنوعی محلی یعنی وزن‌های مدل روی دیسک شما قرار دارند، استنتاج روی CPU یا GPU خودتان اجرا می‌شود و پرامپت هرگز از اینترنت عبور نمی‌کند.

سه قطعهٔ متن‌باز به شما تجربه‌ای کامل شبیه ChatGPT می‌دهند، بدون اینکه حتی یک بایت داده از دستگاه خارج شود:

• Ollama – ساده‌ترین راه برای دانلود و اجرای مدل‌های باز مدرن (Llama، Qwen، Mistral، Gemma و ده‌ها مدل دیگر)
• Open WebUI – رابط چت زیبا و خودمیزبان با تاریخچهٔ مکالمه، آپلود سند (RAG)، قابلیت تعویض مدل و ویژگی‌های تیمی
• Cline (اختیاری) – یک عامل کدنویسی متن‌باز که داخل VS Code کار می‌کند و می‌تواند مدل‌های محلی شما را برای کار واقعی توسعه فراخوانی کند

نکتهٔ جذاب این ترکیب این است که هر جزء با اولویت حریم خصوصی طراحی شده. Ollama به‌طور پیش‌فرض هیچ دادهٔ آماری جمع‌آوری نمی‌کند؛ Open WebUI همهٔ داده‌ها را در یک پایگاه دادهٔ محلی SQLite ذخیره می‌کند؛ و Cline هرگز کد شما را به سرور خارجی نمی‌فرستد. این سه کنار هم یک محیط هوش مصنوعی خودمختار می‌سازند که به حاکمیت دیجیتال شما احترام می‌گذارد.

فراتر از حریم خصوصی، هوش مصنوعی محلی مزایای دیگری هم دارد: بدون هزینهٔ اشتراک ماهیانه، کنترل کامل روی نسخهٔ مدل، امکان کار آفلاین (عالی برای سفر یا محیط‌های امن)، و آزادی عمل برای تنظیم دقیق و آزمایش پرامپت‌های سیستمی بدون محدودیت شخص‌ثالث.

#چگونه یک پشتهٔ کاملاً خصوصی را در کمتر از ۳۰ دقیقه راه‌اندازی کنیم

مراحل زیر فرض می‌کنند که یک کامپیوتر نسبتاً مدرن دارید (حداقل ۸ گیگابایت رم، ۱۶ گیگابایت توصیه می‌شود) و با خط فرمان آشنایی اولیه دارید. ما روش استاندارد با Docker را برای Open WebUI پوشش می‌دهیم و در کنار آن یک روش بدون Docker را هم برای کسانی که ترجیح می‌دهند معرفی می‌کنیم.

//۱. نصب Ollama

به سایت رسمی بروید و نصب‌کنندهٔ سیستم‌عامل خود را دانلود کنید. در macOS و لینوکس یک اسکریپت curl تک‌خطی کار می‌کند. در ویندوز از نصب‌کنندهٔ PowerShell استفاده کنید. پس از نصب، ترمینال را باز کنید و یک مدل عمومی قوی بکشید:

ollama pull llama3.1:8b یا ollama pull qwen2.5:14b

مدل‌های بزرگ‌تر به VRAM بیشتری نیاز دارند، اما نسخه‌های کوانتیزهٔ ۸B–۱۴B از الان روی لپ‌تاپ‌ها و دسکتاپ‌های مدرن عالی کار می‌کنند. اگر کارت گرافیک مجزا دارید، می‌توانید مدل‌های بزرگ‌تری مثل llama3.1:70b یا qwen2.5:72b را هم بکشید، اما انتظار داشته باشید حداقل ۸ گیگابایت VRAM نیاز باشد.

Ollama مدل‌ها را به‌طور خودکار دانلود و کش می‌کند و می‌توانید در هر لحظه بین آن‌ها جابه‌جا شوید. خط فرمان هم مستقیماً از چت پشتیبانی می‌کند: فقط کافی است تایپ کنید ollama run llama3.1:8b و شروع به مکالمه کنید. همین یک دستور به شما یک دستیار خصوصی می‌دهد، اما برای تجربهٔ کامل به رابط کاربری نیاز داریم.

//۲. افزودن رابط زیبا با Open WebUI

سریع‌ترین مسیر Docker است. یک دستور، یک رابط وب کامل راه‌اندازی می‌کند که به‌طور خودکار نمونهٔ محلی Ollama شما را تشخیص می‌دهد:

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

سپس در مرورگر خود به http://localhost:3000 بروید. حالا تاریخچهٔ مکالمه فقط روی دستگاه شما ذخیره می‌شود، قابلیت آپلود سند برای RAG خصوصی دارید و می‌توانید وسط چت مدل را عوض کنید. Volume Docker تضمین می‌کند که داده‌های شما پس از به‌روزرسانی کانتینر هم حفظ شوند.

اگر ترجیح می‌دهید از Docker استفاده نکنید، می‌توانید Open WebUI را از منبع نصب کنید: مخزن را کلون کرده، وابستگی‌ها را نصب و اسکریپت پایتون را اجرا کنید. با این حال Docker به شدت توصیه می‌شود چون همهٔ وابستگی‌ها و به‌روزرسانی‌ها را به‌خوبی مدیریت می‌کند.

پس از ورود (یک حساب محلی ادمین می‌سازید)، به Settings > Connections بروید و تأیید کنید که Ollama نمایش داده می‌شود. در اینجا می‌توانید ارائه‌دهندگان ابری را هم اضافه کنید، اما برای حداکثر حریم خصوصی، فقط مدل‌های محلی خود را فعال نگه دارید.

//۳. اختیاری: عامل‌های کدنویسی که خصوصی می‌مانند

اگر کد می‌نویسید، Cline یک افزونهٔ متن‌باز برای VS Code است که می‌تواند با مدل‌های محلی Ollama شما ارتباط برقرار کند. پروژهٔ شما را می‌خواند، ویرایش پیشنهاد می‌دهد و دستورات ترمینال را اجرا می‌کند – همه بدون اینکه کد منبع به API راه دور فرستاده شود.

Cline را از بازارچهٔ VS Code نصب کنید، سپس آن را به آدرس محلی Ollama (http://localhost:11434) متصل کنید. یک مدل مخصوص کدنویسی مثل Qwen‑Coder یا DeepSeek‑Coder انتخاب کنید. توانایی Cline در درک کل کدبیس و انجام ویرایش‌های چندفایلی، آن را به جایگزینی مناسب برای دستیارهای کدنویسی ابری تبدیل کرده است.

#کدام مدل را انتخاب کنیم؟

با وجود ده‌ها مدل مختلف، بهتر است مدل را با وظایف معمول خود هماهنگ کنید. در اینجا یک راهنمای سریع آورده شده:

• Llama 3.1 8B – یک مدل همه‌کارهٔ متعادل، عالی برای چت، خلاصه‌سازی و کدنویسی سبک. روی تقریباً هر دستگاهی اجرا می‌شود.
• Qwen 2.5 14B – عالی برای استدلال و ریاضیات؛ در برخی معیارها از مدل‌های بزرگ‌تر بهتر عمل می‌کند.
• Mistral 7B – بسیار سریع و مناسب برای کارهای روزمرهٔ دستیاری.
• Llama 3.1 70B / Qwen 2.5 72B – عملکرد سطح بالا، اما نیاز به GPU قدرتمند (بیش از ۲۴ گیگابایت VRAM) برای سرعت معقول دارد.
• مدل‌های تخصصی کدنویسی (مثل Qwen‑Coder، DeepSeek‑Coder) – مخصوص برنامه‌نویسی هستند و اغلب در معیارهای کدنویسی از مدل‌های عمومی بهتر عمل می‌کنند.

با یک مدل کوچک کوانتیزه (مثل llama3.1:8b‑q4_0) شروع کنید تا با فضا آشنا شوید، سپس به‌مرور مدل‌های بزرگ‌تر را امتحان کنید.

#چه چیزی به دست می‌آورید (و چه چیزی را معامله می‌کنید)

• حریم خصوصی کامل داده — پرامپت‌ها، فایل‌ها و تاریخچه هرگز دستگاه را ترک نمی‌کنند
• بدون هزینهٔ اشتراک ماهیانه برای استفادهٔ اصلی چت و کدنویسی
• کنترل کامل روی انتخاب مدل و زمان به‌روزرسانی
• امکان کار آفلاین یا روی ماشین‌های ایزوله
• معامله: به سخت‌افزار مناسب نیاز دارید (حداقل ۸ گیگابایت رم، GPU به شدت توصیه می‌شود برای مدل‌های بزرگ‌تر)
• معامله: جدیدترین مدل‌های پیشرو هنوز ابتدا در ابر ظاهر می‌شوند، معمولاً با چند ماه تأخیر
• معامله: مسئولیت به‌روزرسانی‌ها، پشتیبان‌گیری و امنیت سرور خودتان بر عهدهٔ شماست

برای بیشتر کارهای دانشی، تحقیق، نوشتن و کدنویسی، مدل‌های باز فعلی به‌اندازه‌ای خوب هستند که مزایای حریم خصوصی و هزینه بر چند درصد آخر اختلاف عملکرد غلبه می‌کند. این شکاف به سرعت در حال بسته شدن است؛ احتمالاً تا ۲۰۲۷ مدل‌های محلی حتی برای کاربران سنگین به گزینهٔ پیش‌فرض تبدیل خواهند شد.

#اعتراضات رایج و پاسخ‌های سرراست

//«مدل‌های محلی خیلی ضعیف هستند»

در ۲۰۲۶ این حرف تا حد زیادی منسوخ شده. مدل‌های کوانتیزهٔ ۱۴B–۳۲B اکثر وظایف حرفه‌ای روزمره را به‌خوبی انجام می‌دهند. بسیاری از توسعه‌دهندگان و نویسندگان اکنون این مدل‌ها را به خاطر ترکیب سرعت، حریم خصوصی و هزینهٔ صفر ترجیح می‌دهند. برای مثال، Qwen 2.5 14B در بسیاری از معیارهای استدلال با GPT‑4o رقابت می‌کند و Llama 3.1 70B اغلب در آزمایش‌های واقعی با Claude 3.5 Sonnet برابری می‌کند.

//«راه‌اندازی پیچیده است»

Ollama به‌علاوهٔ دستور تک‌خطی Docker برای Open WebUI واقعاً برای بیشتر افراد زیر ۱۵–۳۰ دقیقه است. بعد از دانلود اولین مدل، کار تمام است. حتی اگر از Docker استفاده نکنید، نصب دستی مستندات خوبی دارد و سرراست است. منحنی یادگیری بسیار کم‌شیب‌تر از راه‌اندازی یک سرور وب سنتی است.

//«هنوز گاهی به بهترین مدل مطلق نیاز دارم»

یک حساب ابری پولی برای موارد نادری که واقعاً لازم دارید نگه دارید. از مدل‌های محلی به عنوان پیش‌فرض برای بقیهٔ کارها استفاده کنید. این رویکرد ترکیبی از قبل ۹۰٪ در معرض قرار گرفتن حریم خصوصی را حذف می‌کند. Open WebUI حتی قابلیت ادغام ارائه‌دهندگان ابری را هم دارد، پس در صورت لزوم می‌توانید در همان رابط از محلی به ابری سوئیچ کنید.

//«تک‌وظیفه‌های چندوجهی (تصویر، صدا) چطور؟»

مدل‌های بینایی و صوتی در اکوسیستم متن‌باز وجود دارند. Ollama از مدل‌های بینایی مثل LLaVA و Qwen‑VL پشتیبانی می‌کند و می‌توانید در Open WebUI تصویر آپلود کنید. برای صدا، می‌توانید با موتورهای محلی تبدیل متن به گفتار و گفتار به متن همراه شوید. این اکوسیستم به سرعت در حال رشد است و تا ۲۰۲۶ بیشتر نیازهای چندوجهی رایج پوشش داده می‌شود.

#عادات عملی حریم خصوصی حتی اگر در ابر بمانید

• گزینهٔ «بهبود مدل برای همه» (یا معادل آن) را در هر حساب مصرف‌کننده‌ای که هنوز استفاده می‌کنید خاموش کنید
• حالت‌های موقت / ناشناس را برای موضوعات حساس ترجیح دهید
• هرگز رمز، سوابق کامل پزشکی یا داده‌های مشتری بدون ویرایش را در چت‌بات ابری پیست نکنید
• افزونه‌های مرورگر را بررسی کنید — چندین خانوادهٔ افزونه در حال برداشت متن چت هوش مصنوعی گرفتار شده‌اند
• یک پروفایل مرورگر جداگانه بدون افزونه‌های ردیابی برای استفاده از هوش مصنوعی در نظر بگیرید
• اگر ناچار به استفاده از سرویس‌های ابری هستید، از VPN برای مخفی کردن IP خود استفاده کنید

این اقدامات ریسک را کاهش می‌دهند اما نمی‌توانند با تضمین استنتاج محلی رقابت کنند. این‌ها یک راه‌حل موقت هستند تا زمانی که گردش کار خود را به یک محیط خصوصی منتقل کنید.

#جمع‌بندی: لایهٔ استنتاج را مالک شوید

دوران چسباندن بی‌دقت همه‌چیز در چت‌بات ابری برای کسانی که به حریم خصوصی، هزینه و کنترل بلندمدت اهمیت می‌دهند، رو به پایان است.

لازم نیست هوش مصنوعی را رها کنید. فقط باید بخش حساس پشته را روی سخت‌افزاری که کنترل می‌کنید منتقل کنید. Ollama مدل‌ها را در اختیار شما می‌گذارد. Open WebUI رابط کاربری را فراهم می‌کند. Cline (و ابزارهای مشابه) عامل‌های هوشمند را به شما می‌دهند. این سه کنار هم یک فضای کاری هوش مصنوعی خصوصی می‌سازند که هرگز به بیرون زنگ نمی‌زند.

همین هفته با یک مدل شروع کنید. وقتی همان کیفیت را بدون نظارت تجربه کنید، برگشتن به حالت قبل عجیب به نظر می‌رسد.

پرامپت‌های شما سزاوار این هستند که مال شما بمانند. کنترل هوش مصنوعی خود را از امروز به دست بگیرید.