ia-gépi-tanulás-linux-kernel-ibm-chris-mason-javaslatok
A Linux kernel, a szuperszámítógépektől az Android telefonokig mindent működtető rendszer lelke, mesterséges intelligencia átömlesztésre készül.
Az IBM-től a Metához átnyúló összehangolt lépés során a kulcsfontosságú fejlesztők elkezdték feltárni, hogy a gépi tanulás nemcsak a kódírásban segíthet, hanem hogyan integrálható magába az operációs rendszer kernelébe is, hogy valós időben optimalizálja azt.
Vjacseszlav Dubejko, Egy IBM mérnök tett közzé egy javaslatot a kernel fejlesztők levelezőlistáján: hogy a Linuxnak önfejlődési képességet adjon. A víziója nem jelentéktelen: integráljon egy gépi tanulási könyvtárat közvetlenül a kernelbe hogy az alrendszerek intelligens, adatvezérelt döntéseket hozhassanak emberi beavatkozás nélkül.
A koncepció forradalmi, mivel például lehetne egy olyan fájlrendszer, amely előre jelzi a lemezhibákat amelyek előfordulnak, vagy egy feladatütemező, amely dinamikusan módosítja a beállításait A munkaterheléstől függően tanul a korábbi használati mintákból. Dubeyko azonban tisztában van a technikai kihívásokkal. A kernel nem engedélyezi közvetlenül a lebegőpontos műveleteket (amelyek elengedhetetlenek a neurális hálózati számítástechnikához), és egy modell kernelen belüli betanítása rontaná a teljes rendszer teljesítményét.
Általánosságban elmondható, hogy a gépi tanulás bevezethet egy önfejlesztő modellt, és a cÖntanuló képesség a Linux kernelben. Már léteznek kutatások. és az iparági erőfeszítések a gépi tanulási megközelítések konfigurációs alkalmazásáraLinux kernel optimalizálás. A gépi tanulási megközelítések bevezetése ésA Linux kernelben a módszer nem ilyen egyszerű vagy egyértelmű.
Su A javasolt megoldás egy hibrid architektúraA gépi tanulási modell kernelen belüli helyettesítője, amely közvetítőként működik. A nehéz munka (tanítás és komplex következtetés) Felhasználói térben futna (ahol a normál alkalmazások találhatók), a kernellel olyan interfészeken keresztül kommunikál, mint a sysfs. Ez a proxy lehetővé tenné a kernel számára, hogy különböző módokban működjön.Egy „tanulási módtól”, ahol kísérletileg teszteli a mesterséges intelligencia ajánlásait, egy teljes „ajánlási módig”, amikor a modell eléggé érett ahhoz, hogy felülmúlja a hagyományos statikus algoritmusokat.
A folyamatos tanulási modell a betanítási fázisban is alkalmazható. Ez azt jelenti, hogy a kernel alrendszer ajánlásokat fogadhat a gépi tanulási modelltől. A gépi tanulási modell kernel oldali proxyja már a betanítási fázis alatt is képes megbecsülni a kernel alrendszer aktuális állapotát, megpróbálni implementálni az ajánlásokat, és megbecsülni azok hatékonyságát.
Claude Code, mint javításellenőr
Miközben az IBM a kernelbe igyekszik beágyazni a mesterséges intelligenciát, Chris Mason, a Btrfs fájlrendszer megalkotója (és jelenleg a Metában van), azt akarja felhasználni a megépítéséhez. Mason közzétett értékelési kérdéseket, egy olyan eszközkészlet, amelyet hogy az olyan mesterséges intelligencia asszisztenseket, mint Claude Code, szakértő kódellenőrökké alakítsák.
La Az ötlet az, hogy megoldják a Linux fejlesztés egyik legnagyobb szűk keresztmetszetét.: javítások áttekintése. Mason projektje hiányzó kontextust biztosít a mesterséges intelligencia számára (az alrendszerek műszaki specifikációi, a protokoll dokumentációja és a gyakori hibák listái), hogy az „alaposan” elemezhesse a javasolt változtatásokat. A rendszerük a nagy javításokat kisebb feladatokra bontja, elemzi a hívási grafikonokat, és ellenőrzi, hogy a javítások A syzkallerhez hasonló eszközök által jelentett hibákra vonatkozó javaslatok valóban érvényesek.
Bár még kísérleti jellegű, az eredmények biztatóak: A megfelelő utasításokkal a mesterséges intelligencia téves riasztási aránya 10%-ra csökkent. A cél nem az emberi karbantartók lecserélése, hanem egy „másodpilóta” biztosítása, amely képes előre feldolgozni a kapott több ezer sornyi kódot, és automatizált jelentéseket generálni (review-inline.txt formátumban), amelyek készen állnak a levelezőlistákra való elküldésre.
Ezzel a két kezdeményezéssel a Linux közösség ismeretlen területekre merészkedik, ahol az operációs rendszer nemcsak kódot futtat, hanem megtanulja optimalizálni és korrigálni önmagát.
Végül, ha többet szeretne megtudni erről, konzultálhat a következővel: a részleteket a következő linken.