ia-machine-learning-linux-kernel-ibm-chris-mason-propostes
El nucli de Linux, el cor que mou des de superordinadors fins a telèfons Android, es prepara per a una transfusió d'intel·ligència artificial.
En un moviment coordinat que abasta des d'IBM fins a Meta, desenvolupadors clau han començat a explorar com l'aprenentatge automàtic (Machine Learning) pot no només ajudar a escriure codi, sinó també integrar-se dins del nucli del sistema operatiu per optimitzar-lo en temps real.
Vyacheslav Dubeyko, enginyer d'IBM, ha llançat una proposta a la llista de correu de desenvolupadors del nucli: dotar Linux d'una capacitat d'autoevolució. La seva visió no és menor: integrar una biblioteca de Machine Learning directament al nucli perquè els subsistemes puguin prendre decisions intel·ligents basades en dades, sense intervenció humana manual.
El concepte és revolucionari, ja que per exemple podríem tenir un sistema de fitxers que prediu errors en un disc abans de que passin, o un planificador de tasques que ajusta la seva configuració dinàmicament segons la càrrega de treball, aprenent de patrons dús passats. Tot i això, Dubeyko és conscient dels desafiaments tècnics. El nucli no permet operacions de punt flotant (essencials per al càlcul de xarxes neuronals) de forma directa, i entrenar un model dins del nucli degradaria el rendiment del sistema complet.
En termes generals, l'aprenentatge automàtic pot introduir un model autoevolutiu ipacitat d'autoaprenentatge al nucli de Linux. Ja hi ha treballs de recerca i els esforços de la indústria per emprar enfocaments de ML per a la configuració jooptimització del nucli de Linux. No obstant això, la introducció denfocaments daprenentatge automàtic in el nucli de Linux, la forma no és tan simple ni directa.
Su solució proposada és una arquitectura híbrida: un proxy de model ML dins del kernel que actua com a intermediari. La part pesada (l'entrenament i la inferència complexa) s'executaria a l'espai d'usuari (on resideixen les aplicacions normals), comunicant-se amb el kernel a través d'interfícies com a sysfs. Aquest proxy permetria al nucli operar en diferents maneres: des d'un «mode d'aprenentatge» on prova tímidament les recomanacions de la IA, fins a un «manera de recomanació» total quan el model ha madurat prou per superar els algorismes estàtics tradicionals.
El model daprenentatge continu es pot adoptar durant la fase de formació. Això implica que el subsistema del nucli pot rebre recomanacions del model ML. Fins i tot durant la fase d'entrenament, el proxy del model ML al costat del nucli pot estimar l'estat actual del subsistema del nucli, intenta aplicar recomanacions i estimar l'eficiència de les recomanacions aplicades.
Claude Code com a revisor de pegats
Mentre IBM busca ficar la IA dins del nucli, Chris Mason, creador del sistema de fitxers Btrfs (i actualment a Meta), vol fer-la servir per construir-lo. Mason ha publicat review-prompts, un conjunt d'eines dissenyades per convertir assistents d'IA com a Claude Code en revisors de codi experts.
La idea és atacar un dels colls dampolla més grans del desenvolupament de Linux: la revisió de pegats. El projecte de Mason proporciona a la IA el context que li manca (especificacions tècniques de subsistemes, documentació de protocols i llistes d'errors comuns) perquè pugui analitzar els canvis proposats amb rigor. El sistema divideix els pegats grans en tasques petites, analitza gràfics de trucades i verifica si les correccions propostes per a errors reportats per eines com a syzkaller són realment vàlides.
Tot i que encara és experimental, els resultats són prometedors: amb les instruccions adequades, la taxa de falsos positius de la IA ha baixat al 10%. L'objectiu no és reemplaçar els mantenidors humans, sinó donar-los un copilot que pugui pre-digerir els milers de línies de codi que reben, generant informes automatitzats (en format review-inline.txt) llestos per ser enviats a les llistes de correu.
Amb aquestes dues iniciatives, la comunitat de Linux s'endinsa en un territori inexplorat, on el sistema operatiu no només executa codi, sinó que aprèn a optimitzar-se i corregir-se a si mateix.
Finalment, si estàs interessat en poder conèixer més sobre això, pots consultar els detalls en el següent enllaç.