ia-machine-learning-linux-kernel-ibm-chris-mason-proposals
Le noyau Linux, le cœur qui alimente tout, des superordinateurs aux téléphones Android, se prépare à une transfusion d'intelligence artificielle.
Dans le cadre d'une initiative coordonnée s'étendant d'IBM à Meta, des développeurs clés ont commencé à explorer comment l'apprentissage automatique peut non seulement aider à écrire du code, mais aussi être intégré au noyau du système d'exploitation lui-même pour l'optimiser en temps réel.
Viatcheslav Dubeyko, Un ingénieur d'IBM a lancé une proposition sur la liste de diffusion des développeurs du noyau: pour doter Linux d'une capacité d'auto-évolution. Sa vision n'est pas insignifiante : intégrer une bibliothèque d'apprentissage automatique directement dans le noyau afin que les sous-systèmes puissent prendre des décisions intelligentes et fondées sur les données sans intervention humaine manuelle.
Le concept est révolutionnaire, car, par exemple, nous pourrions avoir un système de fichiers qui prédit les pannes de disque avant qui se produisent, ou un planificateur de tâches qui ajuste dynamiquement ses paramètres En fonction de la charge de travail, il tire des enseignements des habitudes d'utilisation passées. Cependant, Dubeyko est conscient des difficultés techniques. Le noyau ne permet pas directement les opérations en virgule flottante (essentielles au calcul des réseaux neuronaux), et l'entraînement d'un modèle au sein du noyau dégraderait les performances de l'ensemble du système.
De manière générale, l'apprentissage automatique peut introduire un modèle auto-évolutif et avec cCapacité d'auto-apprentissage du noyau Linux. Des recherches existent déjà à ce sujet. et les efforts de l'industrie pour utiliser des approches d'apprentissage automatique à des fins de configurationOptimisation du noyau Linux. Toutefois, l'introduction d'approches d'apprentissage automatique etDans le noyau Linux, la voie n'est ni aussi simple ni aussi directe.
Su La solution proposée est une architecture hybrideUn modèle proxy d'apprentissage automatique au sein du noyau, servant d'intermédiaire. Il prend en charge les opérations les plus complexes (entraînement et inférence). Il s'exécuterait dans l'espace utilisateur. (où résident les applications normales), communiquant avec le noyau via des interfaces telles que sysfs. Ce proxy permettrait au noyau de fonctionner dans différents modesD'un « mode d'apprentissage » où il teste provisoirement les recommandations de l'IA, à un « mode de recommandation » complet lorsque le modèle est suffisamment mature pour surpasser les algorithmes statiques traditionnels.
Le modèle d'apprentissage continu peut être adopté dès la phase d'entraînement. Ainsi, le sous-système noyau reçoit des recommandations du modèle d'apprentissage automatique. Même pendant cette phase, le proxy côté noyau du modèle d'apprentissage automatique peut estimer l'état actuel du sous-système noyau, tenter d'appliquer les recommandations et évaluer leur efficacité.
Claude Code en tant que relecteur de correctifs
Alors qu'IBM cherche à intégrer l'IA au sein du noyau, Chris Mason, créateur du système de fichiers Btrfs (et actuellement dans Meta), souhaite l'utiliser pour le construire. Mason a publié des sujets de révision, un ensemble d'outils conçus transformer les assistants IA comme Claude Code en experts en révision de code.
La L'idée est de s'attaquer à l'un des plus grands goulots d'étranglement du développement Linux: examen des correctifs. Le projet de Mason fournit à l'IA le contexte manquant (spécifications techniques des sous-systèmes, documentation des protocoles et listes d'erreurs courantes) afin qu'elle puisse analyser les modifications proposées avec « rigueur ». Leur système décompose les correctifs importants en tâches plus petites, analyse les graphes d'appels et vérifie si les corrections Les propositions concernant les erreurs signalées par des outils comme syzkaller sont effectivement valables.
Bien que cela reste expérimental, les résultats sont prometteurs : Avec les bonnes instructions, le taux de faux positifs de l'IA a chuté à 10 %. L'objectif n'est pas de remplacer les équipes de maintenance humaines, mais de leur fournir un « copilote » capable d'analyser en amont les milliers de lignes de code qu'elles reçoivent, en générant des rapports automatisés (au format review-inline.txt) prêts à être envoyés aux listes de diffusion.
Avec ces deux initiatives, la communauté Linux s'aventure en territoire inexploré, où le système d'exploitation n'exécute pas seulement du code, mais apprend également à s'optimiser et à se corriger lui-même.
Enfin, si vous souhaitez en savoir plus à ce sujet, vous pouvez consulter les détails dans le lien suivant.