IA-strojno-učenje-linux-kernel-ibm-chris-mason-prijedlozi
Linuxova jezgra, srce koje pokreće sve od superračunala do Android telefona, priprema se za transfuziju umjetne inteligencije.
U koordiniranom potezu koji se proteže od IBM-a do Mete, ključni su programeri počeli istraživati kako strojno učenje ne samo da može pomoći u pisanju koda, već se i integrirati u samu jezgru operativnog sustava kako bi se optimizirala u stvarnom vremenu.
Vjačeslav Dubejko, IBM-ov inženjer je pokrenuo prijedlog na mailing listi programera kernela: dati Linuxu sposobnost samoevolucije. Njegova vizija nije beznačajna: integrirati biblioteku za strojno učenje izravno u kernel tako da podsustavi mogu donositi inteligentne odluke temeljene na podacima bez ručne ljudske intervencije.
Koncept je revolucionaran, jer bismo, na primjer, mogli imati datotečni sustav koji predviđa kvarove diska prije koje se događaju, ili planer zadataka koji dinamički prilagođava svoje postavke Ovisno o opterećenju, uči iz prošlih obrazaca korištenja. Međutim, Dubeyko je svjestan tehničkih izazova. Jezgra ne dopušta izravno operacije s pomičnim zarezom (bitne za računanje neuronskih mreža), a treniranje modela unutar jezgre smanjilo bi performanse cijelog sustava.
Općenito govoreći, strojno učenje može uvesti samorazvijajući model i s cMogućnost samoučenja u Linux kernelu. Istraživanje već postoji. i napori industrije za korištenje ML pristupa za konfiguracijuOptimizacija Linux kernela. Međutim, uvođenje pristupa strojnog učenja iU Linux kernelu, način nije tako jednostavan ili izravni.
Su Predloženo rješenje je hibridna arhitekturaZamjena za model strojnog učenja unutar jezgre koja djeluje kao posrednik. Teški poslovi (trening i složeno zaključivanje) Radilo bi u korisničkom prostoru (gdje se nalaze normalne aplikacije), komunicirajući s kernelom putem sučelja kao što je sysfs. Ovaj proxy bi omogućio kernelu rad u različitim načinima radaOd "načina učenja" gdje okvirno testira preporuke umjetne inteligencije, do potpunog "načina preporuke" kada model dovoljno sazrije da nadmaši tradicionalne statičke algoritme.
Model kontinuiranog učenja može se usvojiti tijekom faze obuke. To znači da podsustav jezgre može primati preporuke od modela strojnog učenja. Čak i tijekom faze obuke, proxy na strani jezgre za model strojnog učenja može procijeniti trenutno stanje podsustava jezgre, pokušati implementirati preporuke i procijeniti učinkovitost tih preporuka.
Claude Code kao recenzent zakrpa
Dok IBM nastoji ugraditi umjetnu inteligenciju unutar kernela, Chris Mason, tvorac datotečnog sustava Btrfs (i trenutno u Meti), želi ga koristiti za izgradnju. Mason objavio je upite za recenziju, skup alata dizajniranih pretvoriti AI asistente poput Claudea Codea u stručne recenzente koda.
La Ideja je riješiti jedno od najvećih uskih grla u razvoju Linuxa.: pregled zakrpe. Masonov projekt pruža umjetnoj inteligenciji nedostajući kontekst (tehničke specifikacije podsustava, dokumentaciju protokola i popise uobičajenih pogrešaka) kako bi mogla analizirati predložene promjene s "rigoroznošću". Njihov sustav rastavlja velike zakrpe na manje zadatke, analizira grafove poziva i provjerava jesu li ispravci Prijedlozi za pogreške koje prijavljuju alati poput syzkallera doista su valjani.
Iako je još uvijek eksperimentalno, rezultati su obećavajući: Uz prave upute, stopa lažno pozitivnih rezultata umjetne inteligencije pala je na 10%. Cilj nije zamijeniti ljudske održavatelje, već im dati "kopilota" koji može unaprijed obraditi tisuće redaka koda koje prime, generirajući automatizirana izvješća (u formatu review-inline.txt) spremna za slanje na mailing liste.
S ove dvije inicijative, Linux zajednica ulazi u nepoznato područje, gdje operativni sustav ne samo da izvršava kod, već i uči kako se optimizirati i ispravljati.
Konačno, ako ste zainteresirani saznati više o ovome, možete se obratiti pojedinosti na sljedećem linku.