vibe-coding-college-specs/chapters/11-security-and-best-practices/08-lesson-cost-ownership-and-ai-ethics/spec.md

مشخصات درس‌نامه: هزینه، مالکیت فکری، مسئولیت حقوقی و اخلاق حرفه‌ای در وایب کدینگ

• شناسه در سیلابس: L11.9
• فصل: فصل ۱۱: امنیت و استفاده مسئولانه (Ch 11)
• نوع محتوا: 📘 درس‌نامه متنی
• زمان تقریبی مطالعه: ۱۸ دقیقه
• پیش‌نیازهای مستقیم: L11.8 (جلوگیری از حملات DoS با Rate Limiting)

---

۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)

دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:

• درک کند (Understand): وضعیت حقوقی مالکیت فکری (Copyright) و حق نشر کدهای تولید شده توسط مدل‌های زبانی را بشناسد و بداند چرا ارزش واقعی در معماری، هدایت و انتخاب‌های انسانی نهفته است.
• تحلیل/ارزیابی کند (Evaluate): مسئولیت اخلاقی و قانونی نهایی محصول را ارزیابی کرده و درک کند که در صورت بروز باگ، افشای اطلاعات خصوصی کاربران یا خطاهای مالی، هیچ دادگاه یا کارفرمایی بهانه‌ی «هوش مصنوعی این کد را نوشته بود» را نمی‌پذیرد.
• به‌کار ببندد (Apply): سقف‌های سخت‌گیرانه بودجه و هشدارهای مصرف (Hard Limits & Spending Alerts) را در پنل ارائه‌دهندگان ابری (OpenRouter, Supabase, لیارا) تنظیم کند تا از شوک مالی قبوض غیرمنتظره جلوگیری نماید.
• ایجاد کند (Create): منشور حریم خصوصی (Privacy Notice) و مدیریت داده‌های حساس هویتی (PII Anonymization) را در پروژه پیاده‌سازی کند تا داده‌های خصوصی کاربران به عنوان دیتای تمرینی به هوش مصنوعی ارسال نشوند.

---

۲. محدوده و مرزهای محتوا (Scope & Boundaries)

آنچه باید پوشش داده شود (In-Scope):

1. شما ناخدای کشتی هستید، نه یک ناظر بی‌مسئولیت:
   • هوش مصنوعی یک ابزار کمکی فوق‌پیشرفته است، اما مسئولیت حقوقی، اخلاقی و مالی محصول منتشر شده ۱۰۰٪ بر عهده شخص شماست.
2. مالکیت فکری کدهای هوش مصنوعی (Copyright & Intellectual Property):
   • خروجی مستقیم و خام یک مدل هوش مصنوعی در بسیاری از حوزه‌های قضایی جهان مشمول حق کپی‌رایت انحصاری نمی‌شود؛ اما سیستم، معماری، پرامپت‌ها و محصول نهایی شما به عنوان اثر خلاقانه انسانی متعلق به شماست.
   • خطر کپی شدن ناخواسته کدهای دارای لایسنس سخت‌گیرانه (مانند GPL v3) توسط هوش مصنوعی و ورود آن به پروژه‌های تجاری.
3. مدیریت هزینه‌ها و جلوگیری از شوک قبوض (Bill Shock Prevention):
   • تنظیم سقف سخت (Hard Limit): تعیین سقف ماهانه (مثلاً ۵ یا ۱۰ دلار در OpenRouter یا مبلغ معین در لیارا) که با رسیدن به آن، درخواست‌ها به جای ایجاد بدهی خودکار متوقف شوند.
   • هشدارهای اعلان ایمیلی و پیامکی مصرف در آستانه ۵۰٪ و ۸۰٪ بودجه.
4. حریم خصوصی و حفاظت از داده‌های حساس کاربران (User Privacy & PII):
   • قانون طلایی: اطلاعات هویتی محرمانه (مانند شماره ملی، پیام‌های خصوصی یا اطلاعات تماس) نباید بدون اطلاع کاربر در پرامپت مدل‌های عمومی فرستاده شوند.
   • تکنیک گمنام‌سازی (Anonymization): جایگزینی داده‌های حساس با توکن‌های تصادفی قبل از ارسال به API مدل زبانی.
5. اخلاق حرفه‌ای مهندسی نرم‌افزار در عصر هوش مصنوعی:
   • شفافیت با مشتری و کارفرما: پنهان نکردن استفاده از هوش مصنوعی و افتخار به مهارت هدایت حرفه‌ای آن.
   • تعهد به پشتیبانی، امنیت و صداقت در ادعای توانمندی‌های محصول.
6. کال‌اوت‌های آموزشی و هشدار کوئرا:
   • کال‌اوت بنفش (<details class="violet">): مفهوم لایسنس‌های متن‌باز (MIT, Apache 2.0, GPL) و الزام رعایت حقوق خالقان اصلی ابزارها.
   • کال‌اوت سبز (<details class="green">): آرامش خاطر مطلق با فعال‌سازی سقف ۵ دلاری شارژ که اجازه ضرر بیشتر را نمی‌دهد.
   • کال‌اوت قرمز (<details class="red">): بهانه «هوش مصنوعی اشتباه کرد» هیچ اعتبار حقوقی ندارد؛ شما امضاکننده پای نهایی نرم‌افزار هستید.

آنچه نباید وارد آن شویم (Out-of-Scope):

• جزییات دادگاه‌های تجاری بین‌المللی و دعاوی نقض پتنت در آمریکا.
• تحلیل‌های فلسفی آگاهی مصنوعی (Consciousness).

---

۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)

اصطلاح انگلیسی	معادل فارسی مصوب	توضیح یک‌خطی ساده
Software Liability	مسئولیت حقوقی نرم‌افزار	تعهد قانونی و خسارت‌پذیری سازنده نسبت به آسیب‌ها، باگ‌ها یا نشت داده‌های ناشی از نرم‌افزار
Bill Shock	شوک قبوض غیرمنتظره	غافلگیری ناگهانی توسعه‌دهنده با هزینه‌های بسیار سنگین ناشی از مصرف مهارنشده APIها یا لوپ‌های بی‌پایان
Hard Limit	سقف قطعی مصرف	تنظیمات بازدارنده‌ای در پنل‌های ابری که پس از رسیدن هزینه به مبلغی مشخص، بلافاصله سرویس را متوقف می‌کند
PII (Personally Identifiable Info)	اطلاعات هویتی قابل شناسایی	هرگونه داده فردی (کد ملی، ایمیل، آدرس) که می‌تواند هویت واقعی یک کاربر را فاش کند
Anonymization	گمنام‌سازی داده‌ها	فرآیند حذف یا بازنویسی داده‌های هویتی از متن برای حفظ کامل حریم خصوصی پیش از ارسال به هوش مصنوعی
Open Source License	لایسنس متن‌باز	سند قانونی تعیین‌کننده شرایط و محدودیت‌های مجاز برای استفاده، کپی و تجاری‌سازی یک کد برنامه‌نویسی

---

۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)

راهنمای ایجنت نویسنده: تمام تصاویر باید در پوشهٔ images/ ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:

1. تصویر کاور درس: images/cover.png
   • موضوع: ترازوی طلایی عدالت نئونی در کنار یک سپر دیجیتال و قطب‌نمای اخلاقی در محیط کاربری توسعه‌دهنده مدرن.
2. مثلث مسئولیت: کاربر، وایب کدر و هوش مصنوعی: images/ai-responsibility-triangle.png
   • موضوع: اینفوگرافیک حقوقی: کاربر به وایب کدر اعتماد می‌کند \rightarrow وایب کدر ابزار AI را هدایت می‌کند \rightarrow فلش مسئولیت نهایی تماماً متوجه شخص وایب کدر است.
3. تنظیم سقف بودجه (Hard Limit) در داشبورد سرویس‌های ابری: images/budget-hard-limit-setup.png
   • موضوع: اسکرین‌شات از بخش Billing سرویس با فعال بودن کلید Hard Cap روی ۱۰ دلار برای پیشگیری از هدررفت بودجه.
4. فرآیند گمنام‌سازی داده‌ها قبل از ارسال به مدل زبانی: images/pii-anonymization-pipeline.png
   • موضوع: فلوچارت تصویری: ورودی کاربر حاوی شماره تلفن \rightarrow ماژول ماسک‌گذاری داده \rightarrow ارسال متن خنثی به API مدل \rightarrow پاسخ سالم.

---

۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (README.md)

1. تیتر اصلی: # هزینه، مالکیت فکری، مسئولیت حقوقی و اخلاق حرفه‌ای در وایب کدینگ
2. مقدمه: هوش مصنوعی تا اینجا برای شما کد نوشت، پیامک فرستاد و چت کرد؛ اما اگر فردا باگی پیش بیاید چه کسی پای میز محاکمه می‌نشیند؟
3. جدول کاور درس
4. استعاره ناخدای کشتی مسافربری و خلبان خودکار:
   • سیستم ناوبری خودکار مسیر را هدایت می‌کند، اما اگر کشتی به صخره بخورد، ناخدا مسئول جان مسافران است.
5. وضعیت حقوقی کدهای تولید شده با هوش مصنوعی (مالکیت فکری و لایسنس‌ها):
   • قوانین کپی‌رایت چه می‌گویند؟ چرا معماری شماست که ارزش محصول را می‌سازد.
   • مراقبت از ورود کدهای دارای لایسنس‌های ویروسی (Copyleft مانند GPL).
6. مدیریت حرفه‌ای هزینه‌ها: هرگز دوباره شوک قبض را تجربه نکنید!
   • آموزش فعال‌سازی Hard Limit و Soft Limit در پنل OpenRouter، دیتابیس Supabase و سرورهای لیارا.
7. حفظ حریم خصوصی کاربر (Privacy by Design):
   • تکنیک طلایی ماسک‌گذاری روی اطلاعات هویتی و پرهیز از فرستادن اطلاعات خصوصی در چت‌بات‌ها.
8. منشور اخلاقی وایب کدرهای حرفه‌ای کوئرا کالج:
   • تعهد به راستی‌آزمایی خروجی، پایبندی به کیفیت، شفافیت با کارفرما و رعایت امنیت کاربر نهایی.
9. باکس نکته Quera (<details class="violet">): اهمیت نوشتن یک صفحه ساده «سیاست حریم خصوصی» (Privacy Policy) در فوتر سایت برای ایجاد حس اعتماد و پرستیژ کاری.
10. باکس هشدار Quera (<details class="red">): هرگز اطلاعات بانکی، رمزها یا اطلاعات هویتی حساس افراد را برای دیباگ کردن داخل چت‌های هوش مصنوعی کپی نکنید!
11. باکس انرژی‌بخش Quera (<details class="green">): تبریک! شما نه تنها یک سازنده پرسرعت هستید، بلکه به یک معمار مسئولیت‌پذیر، قانون‌مدار و حرفه‌ای تبدیل شده‌اید.
12. جمع‌بندی فصل یازدهم و پیش‌نمایش فصل دوازدهم: پایان فصول آماده‌سازی و ارتقای امنیت؛ ورود به باشکوه‌ترین لحظه: انتشار پروژه واقعی روی اینترنت در فصل ۱۲ (دیپلوی، سرورهای ابری، دامنه و SSL).

---

۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)

• اصول مسئولیت حقوقی و اخلاقی شخص وایب کدر به روشنی تبیین شود.
• وضعیت مالکیت فکری کدهای AI و لایسنس‌های متن‌باز تشریح گردد.
• روش‌های کاربردی تعیین سقف بودجه (Hard Limit) برای پیشگیری از شوک هزینه آموزش داده شود.
• اصول حفظ حریم خصوصی و گمنام‌سازی داده‌های کاربران (PII) لحاظ شود.