چالش MariaDB با دستیاران کدنویسی هوش مصنوعی؛ آغاز عصر بهینه‌سازی برای مدلهای زبانی

پایگاه داده MariaDB قابلیت جستجوی برداری (Vector Search) را به سیستم خود اضافه کرده است؛ اما به گفته رئیس هیئت‌مدیره بنیاد MariaDB، چالش اصلی این مجموعه متقاعد کردن ابزارهای کدنویسی مبتنی بر هوش مصنوعی برای معرفی این قابلیت به توسعه‌دهندگان است.

کای آرنو (Kaj Arnö) در جریان رویداد Percona Live اعلام کرد: «بسیار ناامیدکننده است که فعالان این حوزه هنوز متوجه اضافه شدن قابلیت‌های برداری به MariaDB نشده‌اند.» این در حالی است که در این رویداد، ارائه‌دهندگان رقیب پایگاه‌های داده در فضایی به‌دور از تنش در کنار یکدیگر حضور یافته‌اند.

با این حال، آرنو کنایه‌ای نیز به رقبای قدیمی زد و افزود: «فکر می‌کنم اکنون در دورانی آرام به‌سر می‌بریم، در حال حرکت در آب‌های آرام هستیم و نظاره‌گر تأثیر هوش مصنوعی و توسعه‌پذیری بر بخش‌های مختلفیم؛ اما چندان مطمئن نیستم که پایگاه داده MySQL نیز چنین روزهای آرامی را سپری کند.»

پایگاه داده MariaDB در سال ۲۰۰۹ و هم‌زمان با تصاحب شرکت Sun Microsystems توسط Oracle، به عنوان یک شاخه مستقل (Fork) از MySQL متولد شد. این پایگاه داده اکنون از جستجوی برداری پشتیبانی می‌کند؛ قابلیتی که به برنامه‌ها امکان می‌دهد داده‌ها را بر اساس شباهت مفهومی به‌جای تطابق دقیق بیابند که یکی از الزامات اساسی در کاربردهای هوش مصنوعی به‌شمار می‌رود. در حال حاضر، بنیاد غیرانتفاعی MariaDB Foundation توسعه سرور متن‌باز و جامعه کاربری آن را بر عهده دارد و شرکت MariaDB plc محصولات تجاری و پشتیبانی سازمانی را توسعه می‌دهد.

اگرچه MariaDB برای کاربران بسیاری از توزیع‌های Linux نامی کاملاً آشناست، اما نگرانی اصلی آرنو این است که آیا توسعه‌دهندگانی که پروژه‌های جدید هوش مصنوعی را کلید می‌زنند، هرگز توسط دستیاران هوشمند به استفاده از آن هدایت خواهند شد یا خیر.

او در توضیح این موضوع می‌گوید: «توسعه‌دهندگان پایگاه‌های داده برداری را بر اساس چارچوب‌های خاص یا گزینه‌های پیش‌فرض مدلهای زبانی انتخاب می‌کنند. بنابراین اگر مشغول vibe coding باشید و صرفاً پیشنهادهای ابزارهایی مثل Claude Code را بدون بررسی تأیید کنید، بعید است برای جستجوی برداری به سراغ MariaDB بروید؛ این همان معادله‌ای است که باید تغییر دهیم.»

آرنو بخشی از این چالش را ناشی از داده‌های در دسترس ابزارهای هوش مصنوعی می‌داند. داده‌های آموزشی این مدل‌ها احتمالاً مربوط به دوره‌ای پیش از اضافه شدن قابلیت‌های برداری MariaDB است، در حالی که مستندات و نمونه‌کدهای موجود در وب نیز همواره گزینه‌های جاافتاده‌تر و قدیمی‌تر را ترجیح می‌دهند.

رئیس هیئت‌مدیره بنیاد MariaDB ادامه می‌دهد: «هزاران منبع و پلتفرم وجود دارند که باید اطلاعات آن‌ها به‌روزرسانی شود تا فریم‌ورک‌ها، داده‌های آموزشی مدلهای زبانی و جوامع توسعه‌دهندگان از وجود قابلیت‌های برداری در MariaDB باخبر شوند. برای نمونه، اگر از یک مدل زبانی بپرسید چه پایگاه داده‌ای برای کار با بردارها مناسب است و نامی از MariaDB نبرید، بر اساس آموزش فعلی مدل‌ها، هیچ‌کدام MariaDB را پیشنهاد نخواهند داد.»

در بررسی‌های تجربی انجام‌شده، هنگامی که از Claude درباره بهترین پایگاه داده برای جستجوی برداری پرسش شد، این مدل در ابتدا PostgreSQL را پیشنهاد داد و اشاره‌ای به MariaDB نکرد. با این حال، زمانی که مقایسه میان MariaDB و PostgreSQL درخواست شد، مدل توضیحات کاملی ارائه داد. این موضوع نشان می‌دهد هوش مصنوعی از قابلیت‌های MariaDB آگاه است، اما به‌صورت پیش‌فرض آن را به توسعه‌دهندگان پیشنهاد نمی‌کند.

آرنو این فضا را با سال‌های آغازین سئو مقایسه کرده و می‌گوید: «این وضعیت شبیه دوران گذشته و تلاش برای بهبود رتبه در موتور جستجوی Google است؛ حوزه‌ای ناشناخته که مشخص نبود الگوریتم‌ها بر چه اساسی نتایج را اولویت‌بندی می‌کنند. اکنون دنیا از بهینه‌سازی برای موتورهای جستجو (SEO) به سمت بهینه‌سازی برای مدلهای زبانی (LLM Optimization) حرکت کرده است.»

او با اذعان به اینکه شرکت‌ها ممکن است در پی دستکاری پیشنهادهای هوش مصنوعی باشند، تصریح کرد: «تنها راه اصولی برای تأثیرگذاری بر مدل‌ها، توسعه واقعی ویژگی‌ها، مستندسازی دقیق و استفاده عملی توسعه‌دهندگان از آن‌هاست.» با این حال، این مسئله MariaDB را با معمای مرغ و تخم‌مرغ مواجه می‌کند؛ چرا که بدون ایجاد نمونه‌ها و گفتگوهای فنی توسط کاربران، داده‌های کمتری برای یادگیری مدل‌های هوش مصنوعی وجود خواهد داشت.

وی تأکید می‌کند: «پیشگامان اولیه از برتری نامتناسبی برخوردارند؛ درست شبیه به جریانی از آب که وقتی در مسیری هدایت شد، به همان مسیر ادامه می‌دهد. اکنون ما باید این مسیر را تغییر دهیم و جامعه توسعه‌دهندگان را نسبت به دستاوردهای خود آگاه کنیم.»

تلاش‌های MariaDB برای جلب نظر توسعه‌دهندگان، پرسش‌هایی را نیز درباره قابلیت‌های نسخه عمومی و متن‌باز (Community Edition) آن ایجاد کرده است. به عنوان مثال، فناوری خوشه‌بندی Galera که در MariaDB به کار می‌رود، اخیراً به‌دلیل جایگاهش در سبد محصولات سازمانی و آینده متن‌باز خود با حاشیه‌هایی همراه بوده است.

آرنو در این خصوص توضیح می‌دهد: «می‌توان نظرات متفاوتی درباره تعلق آن به هسته اصلی سرور MariaDB داشت، اما این فناوری از ابتدا توسط تیم مهندسی هسته MariaDB توسعه نیافته بود. این پروژه توسط مجموعه‌ای مدیریت می‌شد که بعدها توسط شرکت تجاری MariaDB plc خریداری شد. آن‌ها حق دارند درباره محصولات تجاری خود تصمیم‌گیری کنند؛ آنچه ما از آن محافظت می‌کنیم، هسته اصلی سرور MariaDB است و اگر کسی بخواهد به آن آسیبی بزند، به شدت واکنش نشان خواهیم داد.»