Η γωνία του Anderson
Εγκαταστάσεις Πακέτων Python ως Δείκτης Τοπικής Υιοθέτησης AI
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Η δύσκολα ποσοτικοποιήσιμη αύξηση των λήψεων πακέτων για Python γράφει την ιστορία της διάχυσης της AI, αν ξέρεις πού να κοιτάξεις.
Γνώμη Όποιος έχει εξερευνήσει τις δυνατότητες της τοπικής AI θα έχει μέχρι τώρα χάσει ένα φριχτό ποσό χώρου δίσκου όχι μόνο για τα γιγαντιαία μοντέλα που εμπλέκονται, αλλά και για τα σχετικά πακέτα Python και παρόμοιους συστήματα που διευθύνουν την ενημέρωση, την εκπαίδευση και εκατοντάδες άλλες πιθανές χρήσεις – όχι λιγότερο, στην δημιουργία τοπικών αυτοματοποιημένων συστημάτων.
Αυτή η τελευταία περίπτωση είναι η πιο κοινή σε διάφορες μηχανές στο δίκτυό μου, όπου έχω χρησιμοποιήσει την AI για να ρυθμίσω “πλατά” αυτοματοποιημένες διαδικασίες βασισμένες σε Python, όπως αναπαραγωγές, περιοδικές ελέγχους, τη διαχείριση του ιστότοπού μου και ένα δωδεκάδα άλλων χρήσεων.
Πρακτικά, τα πάντα που θέλω να επιτύχω κατά τη διάρκεια αυτών των συνεδριών προγραμματισμού φαίνεται να απαιτούν μια νέα βιβλιοθήκη Python, μέχρι το σημείο που το PIP (ο εγκαταστάτης πακέτων για Python) είναι ένας από τους μεγαλύτερους καταναλωτές χώρου σε όλες τις μηχανές του δικτύου μου:
Η μικρή παρουσία του PIP στο CLI και GUIs κρύβει την επίδρασή του στο σύστημα αρχείων. Η προσωρινή αποθήκευση μπορεί να φτάσει σε πολύ υψηλά, ακόμη και συστημικά κρίσιμους μεγέθους αρχείων.
Το πείραμα με την τοπική AI αντιστρέφει την σημαντική απώλεια πολυτελείας των τοπικών υπολογιστών, πριν από την απαίτηση υλικού AI της τρέχουσας εποχής. Αν είχες μια γενναιόδωρη ποσότητα RAM, θα καταναλωθεί στο GPU offloading; ένας terabyte χώρου δίσκου, επίσης, θα γεμίσει γρήγορα με υψηλής όγκου μοντέλα, quantized ή όχι; και ακόμη και αν, όπως εγώ, έχετε εξοπλιστεί με 24GB VRAM (ένα νέο ελάχιστο..?), το σύστημα θα χρειαστεί μια ποικιλία συντομεύσεων και τεχνικών για να τρέξει την ενημέρωση σε λογικούς χρόνους.
Εγκατεστημένα πακέτα PyPi (Python Package Index) δεν εμφανίζονται στα τυπικά GUIs “Εγκατεστημένα προγράμματα” σε ένα mainstream λειτουργικό σύστημα και πρέπει να εξαχθούν ρητά, μέσω Python, για παράδειγμα με την εντολή PowerShell pip freeze --all.
Η λίστα μπορεί να είναι εκπληκτικά μεγάλη:
| Πακέτο | Έκδοση | Πακέτο | Έκδοση | Πακέτο | Έκδοση |
|---|---|---|---|---|---|
| absl-py | 2.3.0 | Jinja2 | 3.1.4 | pip | 25.1.1 |
| attrs | 25.3.0 | jsonpatch | 1.33 | platformdirs | 4.3.8 |
| beets | 2.5.1 | jsonpointer | 3.0.0 | protobuf | 4.25.8 |
| certifi | 2025.11.12 | kiwisolver | 1.4.8 | psutil | 7.2.1 |
| cffi | 1.17.1 | lap | 0.5.12 | pybrisque | 1.0 |
| charset-normalizer | 3.4.4 | lazy_loader | 0.4 | pycparser | 2.22 |
| click | 8.2.1 | libsvm | 3.23.0.4 | pyparsing | 3.2.3 |
| colorama | 0.4.6 | Markdown | 3.8.2 | python-dateutil | 2.9.0.post0 |
| confuse | 2.1.0 | MarkupSafe | 2.1.5 | PyYAML | 6.0.2 |
| contourpy | 1.3.2 | matplotlib | 3.10.3 | pyyaml_env_tag | 1.1 |
| cycler | 0.12.1 | mediafile | 0.13.0 | requests | 2.32.5 |
| dlib | 20.0.0 | mediapipe | 0.10.21 | scikit-image | 0.25.2 |
| face-recognition | 1.3.0 | mergedeep | 1.3.4 | scipy | 1.16.0 |
| face_recognition_models | 0.3.0 | mkdocs | 1.6.1 | sentencepiece | 0.2.0 |
| filelock | 3.13.1 | mkdocs-get-deps | 0.2.0 | setuptools | 65.5.0 |
| filetype | 1.2.0 | ml_dtypes | 0.5.1 | six | 1.17.0 |
| flatbuffers | 25.2.10 | mpmath | 1.3.0 | sounddevice | 0.5.2 |
| fonttools | 4.58.4 | musicbrainzngs | 0.7.1 | sympy | 1.13.1 |
| fsspec | 2024.6.1 | mutagen | 1.47.0 | tifffile | 2025.6.11 |
| ghp-import | 2.1.0 | networkx | 3.3 | torch | 2.5.1+cu118 |
| idna | 3.11 | numpy | 2.1.2 | torchvision | 0.20.1+cu118 |
| image-quality | 1.2.7 | opencv-contrib-python | 4.11.0.86 | tqdm | 4.67.1 |
| imageio | 2.37.0 | opencv-python | 4.11.0.86 | typing_extensions | 4.12.2 |
| internetarchive | 5.7.1 | opt_einsum | 3.4.0 | Unidecode | 1.4.0 |
| jax | 0.6.2 | packaging | 25.0 | urllib3 | 2.6.2 |
| jaxlib | 0.6.2 | pathspec | 0.12.1 | watchdog | 6.0.0 |
| jellyfish | 1.2.1 | pillow | 11.0.0 |
Μια αποθήκη εγκαταστάσεων PyPi σε μια από τις πιο δραστήριες μηχανές μου. Ορισμένα από αυτά τα μικρά λόγια κρύβουν γιγαμπάιτ χώρου δίσκου – ιδιαίτερα οτιδήποτε σχετίζεται με το Torch/PyTorch.
Σύντομα, η τοπική AI μπορεί να σας οδηγήσει πίσω στη δεκαετία του 1990, λίγο μετά την περίοδο όπου ένα πρόγραμμα όπως το Word έπρεπε να φορτωθεί σε λίγα KB RAM, ένα μεγάλο δισκέτο τη φορά; αλλά πριν οι διαθέσιμες 할υσεις δίσκου σας έδιναν κάποιο χώρο για αναπνοή.
Βρήσκοντας τις Υποκείμενες Ροές
Ήμουν περίεργος αν μια αύξηση στις εγκαταστάσεις PyPi τα τελευταία χρόνια θα μπορούσε να χρησιμεύσει ως δείκτης για την τοπική υιοθέτηση της AI, η οποία είναι γενικά khá δύσκολο να παρακολουθηθεί, εκτός από την εικασία όταν συμμετέχετε σε διάφορες κοινότητες AI και σημειώνετε ποια πλατφόρμες και πακέτα κερδίζουν προσοχή.
Μια περιστασιακή ματιά στην ιστοσελίδα στατιστικών PyPi δείχνει μια απογοητευτικά στενή εύρος ημερομηνιών, όλες από τις οποίες, ωστόσο, δείχνουν συνεχής αύξηση στις λήψεις:
Αύξηση στις λήψεις σε όλα τα πακέτα Python από την αρχή του 2026 – αν και το διαθέσιμο εύρος ημερομηνιών είναι πολύ στενό. Πηγή
Θα ήταν υπέροχο να επεκτείνουμε αυτό το εύρος ημερομηνιών στο 2020 και να δούμε αν η αύξηση παραμένει σταθερή, ή (όπως μπορεί κανείς να υποψιαστεί), αν αυξήθηκε πιο απότομα το 2024-26 – αν και μόνο για τις ανεξέλεγκτες ενέργειες των αυτόνομων συστημάτων AI.
Λυπηρά, οι επίσημες πηγές PyPi δηλώνουν ότι οι στατιστικές λήψεων για PyPi δεν διατίθενται, για διάφορους λόγους, συμπεριλαμβανομένων των επιβαρύνσεων της προσωρινής αποθήκευσης CDN, των ανακριβών μετρήσεων λήψεων που προκαλούνται από τις προσωρινές αποθήκες, των μη επίσημων λήψεων και των προβλημάτων ποιότητας των ιστορικών δεδομένων – και, σύμφωνα με την ιστοσελίδα Python, η περιορισμένη τους χρησιμότητα ως μέτρησης της ποιότητας ενός πακέτου.
Όχι Τόσο Γρήγορα
Ωστόσο, το PyPi δίνει τις συνιστώσες που απαιτούνται για άλλους να αναλύσουν τις τάσεις λήψεων; υπάρχουν επομένως διάφορες ιστοσελίδες που επιτρέπουν περισσότερο από ένα μήνα εύρος, όπως το PepySite – αλλά οι περισσότερες είναι βασισμένες σε συνδρομή, και πρέπει να πληρώσετε για να δείτε τις μακροπρόθεσμες τάσεις και στατιστικά (μέχρι $490 USD το μήνα σε μια περίπτωση, για το πακέτο ‘VC’).
Υπάρχει κάτι που μπορούμε να κατανοήσουμε, τότε, για την Python ως δείκτη της επιτάχυνσης της AI, μακριά από τις δαπανηρές API που διευθύνουν αυτές τις τάσεις για τους πλούσιους;
Αν και το PyPiStats είναι một πηγή ανοιχτού κώδικα, για κάποιο λόγο προσφέρει μόνο τα στατιστικά του τελευταίου μήνα, και αυτό το εύρος δεν μπορεί να επεκταθεί ακόμη και με πληρωμή.
Ευτυχώς, μια ιστοσελίδα είναι πιο γενναιόδωρη – στο ClickPy, μπορείτε να ψάξετε για την ιστορία υιοθέτησης των ατομικών πακέτων, ακόμη και αν το άθροισμα αυτών δεν διευθύνεται σε μια επισκόπηση που ευκολότερα αποκαλύπτει ευρύτερες, συντονισμένες τάσεις. Εδώ, για παράδειγμα, είναι η πορεία της βιβλιοθήκης Transformers από το 2016 (αν και μόνο έγκυρη από την κυκλοφορία της το 2019):
Η μετεωρική άνοδος των transformers. Πηγή
Τι γίνεται με το σεβαστό Torch, πρώτη κυκλοφορία το 2002, αλλά δεν προοριζόταν να παραトルύνει τους οικιακούς αυτοματοποιημένους AI ενθουσιώδεις μέχρι την ανάπτυξή του σε PyTorch, και την άνοδο των Transformer-βασισμένων VLM και γενετικών AI που σχετίζονται με εικόνες και βίντεο..?
Λήψεις Torch από το 2017, με μια απότομη κλίση προς τα πάνω τα τελευταία 2-3 χρόνια.
PyTorch την ίδια περίοδο, που ισοπεδώνει και μετά πηδάει μερικές φορές πάνω από μια σταθερή βάση.
Περισσότερο ενδιαφέρον, για παράδειγμα, στην περίπτωση του PyTorch (δείτε την εικόνα ακριβώς πάνω), είναι η επισκόπηση της υιοθέτησης σε διάφορες εκδόσεις Python από το 2017:
Λήψεις PyTorch με την πάροδο του χρόνου από το 2017, ανά εκδόση Python, παρέχοντας μια 额 dimension εποπτείας στην υιοθέτηση από την ‘ζεστή’ εποχή αυτής της τρίτης επανάστασης της AI.
Αν τα στατιστικά παραπάνω φωτίζουν την αύξηση της υιοθέτησης από την έλευση των πραγματικά ικανοποιητικών LLM και VLM συστημάτων, αυτό γίνεται ακόμη πιο εμφανές όταν εξετάζεται ανά σύστημα:
Υιοθέτηση PyTorch από το 2017, ερμηνευμένη από λειτουργικό σύστημα.
Είναι μια παρόμοια ιστορία για το πακέτο accelerate – ένα από τα πιο απαραίτητα βιβλιοθήκες για τους χρήστες AI που είναι πιεσμένοι από τον VRAM και προσπαθούν να πάρουν όσο το δυνατόν περισσότερο από τις περιορισμούς των συστημάτων τους:
Η άνοδος του ‘accelerate’, ανά λειτουργικό σύστημα.
Έτσι πάει για οποιοδήποτε αριθμό πακέτων ή βιβλιοθηκών που ερευνάτε στο ClickPy, και θα ήταν σίγουρα ενδιαφέρον να δημιουργηθεί μια επισκόπηση αντί να ψάχνετε τα κομμάτια ένα προς ένα.
Ένα πράγμα που γίνεται εμφανές από τις γραφικές παραστάσεις ‘ανά λειτουργικό σύστημα’ είναι η αύξηση της υιοθέτησης του Linux. Ενώ η υιοθέτηση του Linux σε επιφάνεια εργασίας κάνει μια σταθερή αλλά προσεκτική άνοδο ενάντια στις μη δημοφιλείς στρατηγικές των Windows, η χρήση περιβαλλόντων Linux είναι σαφώς σε μια σημαντική άνοδο.
Για παράδειγμα, τρέχω Ubuntu εικονικά στο WSL2 στο Windows για διάφορους δοχεία Docker, όπου το Docker μπορεί να εκμεταλλευτεί ένα γνήσιο σύστημα Linux με τους ίδιους όρους με τους (πρεσβευόμενους Linux-γεννηματούς) προγραμματιστές. Αυτό είναι δύο ενεργά συστήματα Linux σε ένα πλήρως δίκτυο Windows (από την άποψη του γυμνού μετάλλου), με ένα φυσικό σύστημα Linux σε μια ανενεργό κατάσταση για πιο χαλαρές ώρες.
Συμπέρασμα
Όσον αφορά τις λήψεις πακέτων με βάση την γραμμή εντολών, είναι ενδιαφέρον να σημειωθεί πώς αυτό το πολύ γεωργικό χώρο έχει γίνει τόσο ζήλευτο στην αφίξη της AI.
Η αύξηση της κατανάλωσης πακέτων αρχίζει να γίνεται ένα πρόβλημα ασφαλείας, με την έλευση των slopsquatting.既然 τα LLMs είναι επιρρεπή να φαντασιώνουν πακέτα, είναι πιθανό να στείλουν αιτήσεις για εφευρεμένα πακέτα. Λόγω της ομοιότητας της σύγκλισης, τα ψευδείς πακέτα είναι πιθανό να επαναλαμβάνονται σε άλλες βιβλιοθηκές, μέχρι το σημείο που αξίζει για κακόβουλους ηθοποιούς να κάνουν τα ψευδείς πακέτα διαθέσιμα για μελλοντικές λήψεις/κλήσεις – φυσικά, με μια κακόβουλη荷:
Από το έγγραφο ‘We Have a Package for You! A Comprehensive Analysis of Package Hallucinations by Code Generating LLMs’ – AI-driven code generation expanding the supply-chain attack surface. LLMs frequently hallucinate nonexistent package names, creating ‘slopsquatting’ vulnerabilities that bad actors exploit when automated pipelines blindly pull unverified dependencies. Πηγή
Πρώτη δημοσίευση Παρασκευή, 24 Ιουλίου 2026
