proposal pembelajaran mesin ia-kernel-linux-ibm-chris-mason
Kernel Linux, jantung yang menggerakkan segala sesuatu mulai dari superkomputer hingga ponsel Android, sedang bersiap untuk menerima suntikan kecerdasan buatan.
Dalam langkah terkoordinasi yang melibatkan IBM hingga Meta, para pengembang utama telah mulai mengeksplorasi bagaimana pembelajaran mesin tidak hanya dapat membantu menulis kode, tetapi juga diintegrasikan ke dalam inti sistem operasi untuk mengoptimalkannya secara real-time.
Vyacheslav Dubeyko, Seorang insinyur IBM telah meluncurkan sebuah proposal. di milis pengembang kernel: untuk memberikan Linux kemampuan untuk berevolusi sendiri. Visinya bukanlah visi yang sepele: mengintegrasikan pustaka Machine Learning langsung ke dalam kernel sehingga subsistem dapat membuat keputusan cerdas berbasis data tanpa campur tangan manusia secara manual.
Konsep ini revolusioner, karena, misalnya, kita bisa memiliki sebuah sistem file yang memprediksi kegagalan disk sebelum yang terjadi, atau penjadwal tugas yang secara dinamis menyesuaikan pengaturannya. Bergantung pada beban kerja, sistem ini belajar dari pola penggunaan sebelumnya. Namun, Dubeyko menyadari tantangan teknisnya. Kernel tidak secara langsung mengizinkan operasi floating-point (penting untuk komputasi jaringan saraf), dan melatih model di dalam kernel akan menurunkan kinerja seluruh sistem.
Secara umum, pembelajaran mesin dapat memperkenalkan model yang berevolusi sendiri dan dengan cKemampuan belajar mandiri pada kernel Linux. Penelitian tentang hal ini sudah ada. dan upaya industri untuk menerapkan pendekatan ML untuk konfigurasi.Optimasi kernel Linux. Namun, pengenalan pendekatan pembelajaran mesin danDi dalam kernel Linux, caranya tidak sesederhana atau semudah itu.
Su Solusi yang diusulkan adalah arsitektur hibrida.Sebuah proksi untuk model pembelajaran mesin di dalam kernel yang bertindak sebagai perantara. Tugas berat (pelatihan dan inferensi kompleks) Program tersebut akan berjalan di ruang pengguna. (tempat aplikasi normal berada), berkomunikasi dengan kernel melalui antarmuka seperti sysfs. Proxy ini akan memungkinkan kernel untuk beroperasi dalam berbagai mode.Dari "mode pembelajaran" di mana ia secara tentatif menguji rekomendasi AI, hingga "mode rekomendasi" penuh ketika model telah cukup matang untuk mengungguli algoritma statis tradisional.
Model pembelajaran berkelanjutan dapat diadopsi selama fase pelatihan. Ini berarti bahwa subsistem kernel dapat menerima rekomendasi dari model pembelajaran mesin. Bahkan selama fase pelatihan, proksi sisi kernel untuk model pembelajaran mesin dapat memperkirakan keadaan subsistem kernel saat ini, mencoba menerapkan rekomendasi, dan memperkirakan efisiensi rekomendasi tersebut.
Claude Code sebagai peninjau patch.
Sementara IBM berupaya menyematkan AI di dalam kernel, Chris Mason, pencipta sistem file Btrfs (dan saat ini ada di Meta), ingin menggunakannya untuk membangunnya. Mason telah menerbitkan petunjuk ulasan, seperangkat alat yang dirancang untuk mengubah asisten AI seperti Claude Code menjadi peninjau kode ahli.
La Idenya adalah untuk mengatasi salah satu hambatan terbesar dalam pengembangan Linux.: tinjauan patch. Proyek Mason menyediakan konteks yang hilang bagi AI (spesifikasi teknis subsistem, dokumentasi protokol, dan daftar kesalahan umum) sehingga dapat menganalisis perubahan yang diusulkan dengan "ketelitian." Sistem mereka memecah patch besar menjadi tugas-tugas yang lebih kecil, menganalisis grafik panggilan, dan memeriksa apakah perbaikan tersebut berhasil. Usulan untuk mengatasi kesalahan yang dilaporkan oleh alat seperti syzkaller memang valid.
Meskipun masih bersifat eksperimental, hasilnya menjanjikan: Dengan instruksi yang tepat, tingkat kesalahan positif AI telah turun menjadi 10%. Tujuannya bukan untuk menggantikan pengelola manusia, tetapi untuk memberi mereka "asisten" yang dapat memproses ribuan baris kode yang mereka terima, menghasilkan laporan otomatis (dalam format review-inline.txt) yang siap dikirim ke milis.
Dengan dua inisiatif ini, komunitas Linux memasuki wilayah yang belum dipetakan, di mana sistem operasi tidak hanya menjalankan kode, tetapi juga belajar untuk mengoptimalkan dan memperbaiki dirinya sendiri.
Terakhir, jika Anda tertarik untuk mempelajari lebih lanjut tentang hal ini, Anda dapat berkonsultasi dengan [nama konsultan]. detailnya di tautan berikut.