ia-koneoppimisen-linux-ydin-ibm-chris-mason-ehdotukset
Linux-ydin, joka pyörittää kaikkea supertietokoneista Android-puhelimiin, valmistautuu tekoälyn siirtoon.
IBM:ltä Metaan ulottuvassa koordinoidussa siirtymässä keskeiset kehittäjät ovat alkaneet tutkia, miten koneoppiminen voi paitsi auttaa koodin kirjoittamisessa, myös integroida itse käyttöjärjestelmän ytimeen sen reaaliaikaista optimointia varten.
Vjatšeslav Dubeiko, IBM:n insinööri on julkaissut ehdotuksen kernel-kehittäjien sähköpostilistalla: antaa Linuxille kyvyn itsekehitykseen. Hänen näkemyksensä ei ole merkityksetön: integroi koneoppimiskirjasto suoraan ytimeen jotta alijärjestelmät voivat tehdä älykkäitä, datalähtöisiä päätöksiä ilman manuaalista ihmisen puuttumista asiaan.
Konsepti on mullistava, koska meillä voisi olla esimerkiksi tiedostojärjestelmä, joka ennustaa levyvikoja etukäteen jotka tapahtuvat, tai tehtävien ajoitusohjelma, joka säätää asetuksiaan dynaamisesti Työmäärästä riippuen se oppii aiemmista käyttötavoista. Dubeyko on kuitenkin tietoinen teknisistä haasteista. Ydin ei suoraan salli liukulukuoperaatioita (jotka ovat välttämättömiä neuroverkkolaskennalle), ja mallin kouluttaminen ytimen sisällä heikentäisi koko järjestelmän suorituskykyä.
Yleisesti ottaen koneoppiminen voi ottaa käyttöön itse kehittyvän mallin ja c:n avullaLinux-ytimen itseoppimiskyky. Tutkimusta on jo olemassa. ja alan pyrkimykset käyttää koneoppimismenetelmiä konfigurointiinLinux-ytimen optimointi. Koneoppimismenetelmien käyttöönotto jaLinux-ytimessä tapa ei ole niin yksinkertainen tai suoraviivainen.
Su Ehdotettu ratkaisu on hybridiarkkitehtuuriKoneoppimismallin ytimen sisäinen välittäjä, joka toimii välittäjänä. Raskas työ (koulutus ja monimutkainen päättely) Se toimisi käyttäjätilassa (missä normaalit sovellukset sijaitsevat) ja kommunikoi ytimen kanssa rajapintojen, kuten sysfs:n, kautta. Tämä välityspalvelin mahdollistaisi ytimen toiminnan eri tiloissa"Oppimistilasta", jossa se testaa alustavasti tekoälyn suosituksia, täyteen "suositustilaan", kun malli on kypsynyt tarpeeksi suoriutuakseen perinteisistä staattisista algoritmeista paremmin.
Jatkuvan oppimisen mallia voidaan ottaa käyttöön koulutusvaiheen aikana. Tämä tarkoittaa, että ytimen alijärjestelmä voi vastaanottaa suosituksia koneoppimismallilta. Jo koulutusvaiheen aikana koneoppimismallin ytimen puolen välityspalvelin voi arvioida ytimen alijärjestelmän nykyisen tilan, yrittää toteuttaa suosituksia ja arvioida näiden suositusten tehokkuutta.
Claude Code korjaustiedostojen arvioijana
Vaikka IBM pyrkii upottamaan tekoälyn ytimeen, Chris Mason, Btrfs-tiedostojärjestelmän luoja (ja tällä hetkellä Metassa), haluaa käyttää sitä sen rakentamiseen. Mason on julkaissut arvostelukehotteita, työkalusarja, joka on suunniteltu muuttaa Claude Coden kaltaiset tekoälyavustajat asiantunteviksi koodintarkistajiksi.
La Ajatuksena on puuttua yhteen Linux-kehityksen suurimmista pullonkauloista.: korjauspäivityksen tarkistus. Masonin projekti tarjoaa tekoälylle puuttuvan kontekstin (alijärjestelmien tekniset tiedot, protokolladokumentaatio ja luettelot yleisistä virheistä), jotta se voi analysoida ehdotettuja muutoksia "tarkasti". Heidän järjestelmänsä jakaa suuret korjauspäivitykset pienempiin tehtäviin, analysoi kutsugraafit ja tarkistaa, ovatko korjaukset Syzkallerin kaltaisten työkalujen ilmoittamien virheiden ehdotukset ovat todellakin päteviä.
Vaikka se on vielä kokeellinen, tulokset ovat lupaavia: Oikeilla ohjeilla tekoälyn väärien positiivisten tulosten määrä on laskenut 10 prosenttiin. Tavoitteena ei ole korvata ihmisylläpitäjiä, vaan antaa heille "apulaisohjaaja", joka pystyy esikäsittelemään tuhansia vastaanottamiaan koodirivejä ja luomaan automatisoituja raportteja (review-inline.txt-muodossa) lähetettäväksi postituslistoille.
Näiden kahden aloitteen myötä Linux-yhteisö astuu kartoittamattomalle alueelle, jossa käyttöjärjestelmä ei ainoastaan suorita koodia, vaan myös oppii optimoimaan ja korjaamaan itseään.
Lopuksi, jos olet kiinnostunut oppimaan lisää tästä, voit tutustua yksityiskohdat seuraavassa linkissä.