AI sampah dilempar ke komunitas sumber terbuka! Ada proyek yang mulai menangguhkan kontribusi eksternal, Shitcode seperti serangan DDoS

Proyek sumber terbuka Tldraw karena tidak mampu menanggung beban kode sampah yang dihasilkan AI dalam jumlah besar, mengumumkan penghentian sementara menerima kontribusi eksternal. Jenis “AI Slop” ini sangat menguras energi pemelihara, komunitas sedang membahas membangun sistem reputasi atau mekanisme jaminan untuk mengatasi hal ini.

Tidak mampu menanggung beban konten yang dihasilkan AI, proyek sumber terbuka Tldraw sementara berhenti menerima PR dari luar

Sebuah proyek gambar web sumber terbuka di GitHub yang mendapatkan lebih dari 40.000 bintang, Tldraw, baru-baru ini mengumumkan bahwa mereka akan menghentikan sementara menerima permintaan tarik (Pull Request, disingkat PR) dari kontributor eksternal.

Pengembang steveruizok menunjukkan bahwa, seperti banyak proyek sumber terbuka di GitHub, tim baru-baru ini menemukan bahwa jumlah kontribusi yang sepenuhnya dihasilkan oleh alat AI meningkat secara signifikan. Meskipun sebagian kontribusi yang diajukan secara formal benar, sebagian besar konten kekurangan konteks lengkap, salah memahami basis kode, dan pengirim hampir tidak terlibat dalam diskusi selanjutnya.

steveruizok menekankan bahwa sebuah PR yang dibuka mewakili komitmen pemelihara, yang berarti kontribusi tersebut akan diperiksa secara cermat dan dipertimbangkan secara serius untuk dimasukkan. Untuk menjaga makna dari komitmen ini, tim harus melakukan penyaringan yang lebih ketat.

Saat ini, kebijakan Tldraw adalah menutup semua PR dari luar terlebih dahulu, hanya membuka kembali yang benar-benar dipertimbangkan. Ini demi kepentingan terbaik dari kualitas proyek dan kode, meskipun merasa sedih harus menutup kontribusi publik, steveruizok menyatakan bahwa mereka harus menunggu hingga GitHub meluncurkan alat manajemen yang lebih baik, baru bisa membuka kembali.

Curl dan OCaml juga menjadi korban, penyebaran AI Slop meluas

Keputusan Tldraw untuk menghentikan pengambilan PR hanyalah salah satu contoh dari dampak AI Slop (sampah AI) yang baru-baru ini melanda komunitas sumber terbuka. Diskusi serupa semakin meningkat di forum Reddit dan Hacker News.

Thread diskusi di Reddit menunjukkan bahwa, penyedia alat transfer terkenal Curl, Daniel Stenberg, mengungkapkan bahwa,** proyek sedang mengalami “serangan DDoS” dari laporan kesalahan yang dihasilkan AI, sekitar 20% dari pengajuan tahun 2025 termasuk konten sampah AI****, yang secara serius menguras waktu sukarelawan pemelihara.**

Selain itu, pemelihara OCaml juga pernah menolak sebuah PR sepanjang 13.000 baris yang dihasilkan AI, dengan alasan bahwa meninjau kode yang dihasilkan AI lebih melelahkan daripada menulis secara manual, dan banyak PR berkualitas rendah dapat menyebabkan sistem crash.

Diskusi di forum Hacker News juga berfokus pada masalah mekanisme GitHub.

Seorang pengguna berpendapat bahwa, GitHub menempatkan jumlah PR di tempat yang mencolok di halaman, yang mendorong budaya pengajuan data semata.

Sementara itu, kesulitan yang dihadapi komunitas sumber terbuka akibat AI generatif adalah karena banyak pengembang yang kurang berpengalaman menggunakan alat AI, menghasilkan kode yang tidak bernilai, dan berharap pemelihara dapat menggabungkan dengan cepat, yang justru merusak kepercayaan kolaborasi dalam komunitas sumber terbuka.

Beberapa solusi: daftar putih atau sistem reputasi

Menghadapi gangguan kode sampah (Shitcode) dari komunitas sumber terbuka, pengembang Bitcoin Bryan Bishop (kanzure) menanggapi di halaman GitHub Tldraw, dia pernah mengusulkan** agar proses pengembangan “dijadikan privat”, beralih ke mode yang hanya diikuti oleh anggota yang diundang, atau mengharuskan masuk daftar putih untuk mengirim komentar dan PR.**

Meskipun ini mungkin melanggar semangat keterbukaan Bitcoin, Bryan Bishop berpendapat bahwa langkah ini dapat secara efektif mengurangi kebisingan dan diskusi tidak berguna yang disebabkan oleh non-kontributor, sehingga pengembang dapat fokus pada aspek teknis, dan menghindari perhatian berharga terpecah oleh interaksi yang malicious atau tidak efektif.

Selain privat, insinyur perangkat lunak Steve Rodrigue juga menyarankan membangun sistem reputasi kontributor lintas proyek, melalui jaringan kepercayaan untuk memverifikasi nilai akun.

Pengembang lain sedang membangun protokol “Stake-to-PR” berbasis blockchain, yang meminta pengirim membayar jaminan kecil, dan jika konten yang diajukan terbukti sampah AI, dana akan disita; jika kontribusi valid, dana dikembalikan sepenuhnya, berusaha meningkatkan ambang batas untuk menghentikan penyalahgunaan AI.

Baca lebih lanjut:
AI content meluap! Kamus Web3 memilih “Slop” sebagai kata perwakilan tahun 2025, memicu diskusi hangat di dunia teknologi