Google cenzuruje torrenty, počet nodů Yacy roste

Hned pro začátek je třeba přiznat, že titulek (nejen mého) článku je poněkud zavádějící - protože Google začala cenzurovat pouze svůj automatický našeptávač (typická Web 2.0 feature) - nikoliv výsledky vyhledávání. (Ty jsou konkrétně u těch torrentů beztak čím dál tím více zkreslené díky dobrému google ratingu různých spammerů - kteří nejčastěji předstírají, že jsou sami vyhledávači torrentů... takže nakonec když hledáte cokoliv rozumného, tak stejně většinou z Googlu jdete neomylně rovnou na Piratebay...). Ale to neznamená, že je možné cenzuru prohledávač zlehčovat - protože "ďábelský" Google je vám stejně pořád připraven našeptat v celé řadě činností, které jsou srovnatelně (nebo více) nebezpečné, než sdílení filmů pomocí bittorentu.

Toto je podle mě dobrý argument, proč jednoznačně podpořit výrok: „Na první pohled se jedná o mírnou cenzuru, která působí triviálně. I přesto ale ukazuje ochotu Googlu ke změně způsobu vyhledávání, aby uspokojil určité obchodní skupiny - v tomto případě hráče v zábavním průmyslu.“ Podle serveru Mashable.com je tento krok navíc překvapivý i vzhledem k tomu, že Google už předtím ohrožoval vlastní obchodní zájmy snahou vzdorovat požadavkům na cenzuru v Číně - a zavázal se, že nebude cenzurovat ani antisemitská témata.

Jak jsem už podrobně vysvětloval dříve - existují i jiné, než čistě pirátské aplikace peer2peer sítí, včetně torrentu. Určité procento torrentů šíří zcela legitimní obsah (např. oficiálně zveřejněné dokumenty britské vlády, linuxové distribuce, apod. - ale může jít i o rozsáhlé archivy staršího obsahu, který se již nachází v public domain)

A odsud je už jen krůček k druhému hlavnímu tématu tohoto článku, o kterém se už žádný z výše uvedených informačních kanálů nezmiňuje: již několik měsíců se snažím udržet v provozu vlastní node decentralizovaného search enginu Yacy - na adrese teckacz.arachne.cz:8080, viz ikonka na navigační liště vpravo - což je, jak mi jistě potvrdí ti, kdo se o to pokusili také, nadlidský úkol. Momentálně dostupná betaverze prohledávače Yacy je totiž nestabilní, padavé a paměťově náročné monstrum, které vyžaduje téměř každodenní dohled. Podařilo se mi sice najít jakýsi kompromis mezi rychlostí prohledávání webu (co nejmenší), množstvím přidělené paměti (300 MB na prakticky vyhrazeném systému s 512 MB RAM) a nastavením min. velikostí volné paměti před tím, než se vyhledávání zasekne - ale stejně je třeba nainstalovaný node neustále pravidelně aktualizovat, hlídat jestli nespadl a občas promazat z disku nahromaděná data - nechápu, proč je tohle nutné, ale bohužel je.

A právě díky snaze udrže svůj node "naživu" po několik měsíců, jsem si všiml zajímavého jevu: zatímco po celou dobu se počet aktivních nodů tohoto experimentálního, náročného a padavého systémů pohyboval mezi 50-70ti a počet indexovaných stránek během sledovaného období klesl z 1.2 miliardy pod hranici 1 miliardy - tak po zveřejnění zprávy o hloupém cenzurování našeptávače Googlu vzrostl počet aktivních nodů sítě Yacy na více než 100 a počet indexovaných stránek se vrátil někam k 1 miliardě.

Osobně jsem přesvědčený, že Yacy je pouze jakýmsi prvním, nepříliš přesvědčivým pokusem na poli decentralizovaného vyhledávání. Vývoj tohoto oboru se dá očekávat jednak proto, že vývojáři programů pro filesharing už údajně pracují na tom, aby jejich software byl schopen pracovat i bez trackerů (centralizovaných supernodů), a zahrnoval i prvky vyhledávání. Byl by to přirozený návrat ke zvyklostem, které mezi uživateli osobních počítačů vládly před nástupem centralizovaných sociálních sítí.

Ale dovedu si představit - z politických i jiných důvodů - i užitečnost existence na dnešní dobu "syrového", jednoduchého, základního prohledávače, který nebude přímo propojen s dalšími vychytávkami. Např. diskutovaný našeptávač je v podstatě zbytečný - já např. pro přístup ke Google používám rozhraní Goosh.org - které nabízí jakousi "javascriptovou příkazovou řádku". Sice teoreticky by provozovatelé Goosh mohli logovat vyhledávané řetězce - ale na druhou stranu, vůči Googlu samotnému je moje vyhledávání naopak "anonymizované" (podobné dilema ale řeší i každý uživatel sítě Tor). A nemožnost celé "našeptávání" jednoduše vypnout (aspoň já jsem to v administračním rozhraní sítě Yacy dosud nenašel) samozřejmě dále zatěžuje (dosud nedostatečnou, velice poddimenzovanou) distribuovanou infrastrukturu celého systému: v podstatě každá delší prodleva mezi psaním dotazu do okénka vyhledávače takhle vygeneruje nějaký nesmyslný dotaz na spuštění potenciálně složitého distribuovaného výpočtu.

Nody "jednoduchého decentralizovaného vyhledávače" by samozřejmě bylo vhodné napsat v jazyce C (možná C++), aby nepřiměřeně nezatěžoval hostitelský systém (tak jako java). A celkově by bylo dobré začít nejdřív u odladění základní funkčnosti (prohledávání textu, nebo max. textových stránek s obrázky) - a pak teprve se snažit o implementaci "třešniček na dortu" (prohledávání multimédií, překlady stránek, navigace v reálném čase, apod.). Chybou prohledávače Yacu je, že se snaží nabídnout úplně všechno a hned - a dělá to zatím poměrně nekvalitně a nepoužitelně.