Il Discendente di Anthropic Accusato di Copiare il Design di Mononoke di Meta

Scion di Anthropic Attinge Pesantemente da Mononoke di Meta, Sostiene un Ingegnere

Anthropic ha recentemente svelato Scion, un nuovo sistema di controllo versione progettato per gestire repository su larga scala con maggiore efficienza. Ma un ex ingegnere di Meta solleva preoccupazioni sul fatto che l'architettura principale di Scion rispecchi da vicino Mononoke, il server di controllo versione open-source sviluppato in Facebook tra il 2017 e il 2018 — senza la dovuta attribuzione.

In un dettagliato post sul blog, l'ingegnere, che ha contribuito a costruire Mononoke, sottolinea che la descrizione di Anthropic del meccanismo di "dati derivati" di Scion è quasi identica al concetto utilizzato in Mononoke. Il post include confronti affiancati del blog tecnico di Anthropic e del resoconto del 2022 dell'ingegnere, evidenziando le sorprendenti somiglianze sia nella terminologia che nella filosofia di progettazione.

Il Concetto di 'Dati Derivati': Uno Sguardo Più Approfondito

Al centro della disputa c'è il concetto di dati derivati — indici precalcolati che accelerano operazioni come blame e cronologia dei file. Sia in Scion che in Mononoke, i dati derivati vengono calcolati ricorsivamente dai changeset, con ogni tipo definito in termini di valori dei suoi genitori.

Questo approccio offre diversi vantaggi, come spiega il post tecnico di Anthropic: consente di aggiungere facilmente nuovi tipi di indice, abilita il calcolo eager o differito e mantiene le strutture dati interne nascoste ai client. L'implementazione di Mononoke, descritta dall'ingegnere nel 2022, segue lo stesso schema, utilizzando un DAG Merkle separato con un modello ad albero/blob simile a Git per gestire le operazioni di diff in modo efficiente.

Uno dei principali vantaggi di questo design è il suo impatto sulle operazioni di blame. In Git tradizionale, blame può essere lento su repository di grandi dimensioni, richiedendo un attraversamento dell'intera cronologia dei commit. L'approccio dei dati derivati di Mononoke riduce questo a O(numero di commit che toccano il file), un miglioramento significativo. Il sistema ora supporta otto indici separati, ciascuno adattato a casi d'uso specifici come il rilevamento di copie e la ricerca di file basata sul percorso.

Attribuzione dell'Arte Precedente: Sapling vs. Mononoke

La principale lamentela dell'ex ingegnere non è che Anthropic abbia adottato il design — Mononoke è open-source e il team ha sempre incoraggiato la diffusione di buone idee. Piuttosto, è la mancanza di credito dove è dovuto.

Il post sul blog di Anthropic menziona Sapling, il client di controllo versione di Meta, per "lezioni duramente apprese", ma non fa alcuna menzione di Mononoke, il server che ha aperto la strada all'architettura dei dati derivati. L'ingegnere sostiene che questa omissione "rasenta il plagio", specialmente dato che entrambi i sistemi condividono non solo intuizioni simili ma terminologia e dettagli di implementazione quasi identici.

"Il fatto che Sapling sia stato accreditato solo per 'lezioni duramente apprese', e che Mononoke non sia stato menzionato affatto, rasenta il plagio," ha scritto l'ingegnere. "Il post dà l'impressione che Anthropic sostenga che Claude abbia progettato tutto questo, mentre la realtà è che il nostro team in Meta ha ideato molte delle intuizioni che Claude ha applicato fedelmente quasi un decennio dopo."

Il Ruolo dei LLM nella Progettazione dei Sistemi

Questa controversia evidenzia una preoccupazione crescente nel settore tecnologico: man mano che i modelli linguistici di grandi dimensioni (LLM) diventano più coinvolti nella progettazione di nuovi sistemi, è probabile che si basino pesantemente sui design esistenti trovati nei loro dati di addestramento. Mononoke è open-source e fa parte del set di addestramento di ogni grande LLM, rendendolo un punto di riferimento naturale per la progettazione assistita dall'AI.

È interessante notare che, quando viene chiesto dell'arte precedente per l'architettura di Scion, sia Claude Opus che GPT-6 indicano immediatamente Mononoke come ispirazione. Ciò suggerisce che la somiglianza non è solo casuale ma profondamente radicata nei dati di addestramento che informano questi modelli.

L'ingegnere sostiene che dare credito al lavoro precedente è ora più facile — e più importante — che mai. "Non c'è più scusa," ha scritto, sottolineando che l'attribuzione dovrebbe essere una pratica standard nello sviluppo assistito dall'AI.

Reazioni del Settore e Confronti

La comunità tecnologica ha risposto con un misto di scetticismo e supporto. Alcuni sviluppatori hanno notato che, sebbene Scion e Mononoke condividano concetti fondamentali, ci sono differenze chiave nell'implementazione. Ad esempio, Vicent Marti di Cursor ha scritto un post sul blog sul ridimensionamento di Git che affronta sfide simili ma con scelte di design diverse.

"Penso che il livello di imitazione vada ben oltre l'avere intuizioni simili," ha detto l'ingegnere, contrapponendo l'approccio di Scion al lavoro di Marti, che offre una soluzione alternativa allo stesso problema. Questa distinzione è importante per capire dove si trova il confine tra ispirazione e imitazione.

Allo stesso tempo, l'ingegnere ha riconosciuto di non avere problemi con il fatto che Anthropic abbia copiato il design di Mononoke. "Questo è in parte il motivo per cui abbiamo rilasciato open-source — per beneficiare l'umanità attraverso la diffusione di buone idee," ha scritto. Il problema è puramente legato alla trasparenza e al dare credito dove è dovuto.

Perché Questo è Importante per il Futuro dei VCS

Questo incidente solleva importanti domande sul futuro dei sistemi di controllo versione e sul ruolo dell'AI nel loro sviluppo. Man mano che i repository diventano più grandi e complessi, la necessità di sistemi efficienti come Scion e Mononoke aumenterà solo. Ma aumenterà anche la necessità di una corretta attribuzione e di pratiche etiche dell'AI.

Per gli sviluppatori che valutano nuove architetture di controllo versione, questo dibattito serve come promemoria per guardare oltre la superficie e comprendere la discendenza delle tecnologie che adottano. Sottolinea anche l'importanza delle comunità open-source nel guidare l'innovazione e la responsabilità delle aziende di riconoscere i loro contributi.

Mentre il settore tecnologico continua a confrontarsi con questi problemi, la controversia Scion-Mononoke potrebbe diventare un caso di studio su come la progettazione assistita dall'AI dovrebbe — e non dovrebbe — gestire l'arte precedente. Per ora, la palla è nel campo di Anthropic per rispondere a queste accuse e chiarire le origini del design di Scion.