ia-machine-learning-linux-kernel-ibm-chris-mason-proposte
Il kernel Linux, il cuore che alimenta tutto, dai supercomputer ai telefoni Android, si sta preparando per una trasfusione di intelligenza artificiale.
In un'iniziativa coordinata che va da IBM a Meta, gli sviluppatori chiave hanno iniziato a esplorare come l'apprendimento automatico possa non solo aiutare a scrivere codice, ma anche essere integrato nel kernel del sistema operativo stesso per ottimizzarlo in tempo reale.
Vyacheslav Dubeyko, Un ingegnere IBM ha lanciato una proposta nella mailing list degli sviluppatori del kernel: per dare a Linux la capacità di auto-evoluzione. La sua visione non è insignificante: integrare una libreria di Machine Learning direttamente nel kernel in modo che i sottosistemi possano prendere decisioni intelligenti basate sui dati, senza l'intervento umano manuale.
Il concetto è rivoluzionario, poiché, ad esempio, potremmo avere un file system che prevede i guasti del disco prima che si verificano, o un pianificatore di attività che regola dinamicamente le sue impostazioni A seconda del carico di lavoro, impara dai modelli di utilizzo passati. Tuttavia, Dubeyko è consapevole delle sfide tecniche. Il kernel non consente direttamente operazioni in virgola mobile (essenziali per il calcolo delle reti neurali) e addestrare un modello all'interno del kernel degraderebbe le prestazioni dell'intero sistema.
In termini generali, l'apprendimento automatico può introdurre un modello autoevolutivo e con cCapacità di autoapprendimento nel kernel Linux. Esistono già ricerche in merito. e gli sforzi del settore per impiegare approcci ML per la configurazioneOttimizzazione del kernel Linux. Tuttavia, l'introduzione di approcci di apprendimento automatico eNel kernel Linux la strada non è così semplice o diretta.
Su La soluzione proposta è un'architettura ibridaUn proxy per il modello di apprendimento automatico all'interno del kernel che funge da intermediario. Il lavoro più pesante (addestramento e inferenza complessa) Verrebbe eseguito nello spazio utente (dove risiedono le applicazioni normali), comunicando con il kernel tramite interfacce come sysfs. Questo proxy consentirebbe al kernel di operare in modalità diverseDa una "modalità di apprendimento", in cui vengono testate provvisoriamente le raccomandazioni dell'IA, a una "modalità di raccomandazione" completa, quando il modello è sufficientemente maturo da superare le prestazioni degli algoritmi statici tradizionali.
Il modello di apprendimento continuo può essere adottato durante la fase di addestramento. Ciò significa che il sottosistema del kernel può ricevere raccomandazioni dal modello di apprendimento automatico. Anche durante la fase di addestramento, il proxy lato kernel per il modello di apprendimento automatico può stimare lo stato attuale del sottosistema del kernel, tentare di implementare le raccomandazioni e stimarne l'efficienza.
Claude Code come revisore delle patch
Mentre IBM cerca di integrare l'intelligenza artificiale nel kernel, Chris Mason, creatore del file system Btrfs (e attualmente in Meta), vuole usarlo per costruirlo. Mason ha pubblicato richieste di revisione, un insieme di strumenti progettati per trasformare gli assistenti AI come Claude Code in esperti revisori di codice.
La L'idea è quella di affrontare uno dei più grandi colli di bottiglia nello sviluppo di Linux: revisione delle patch. Il progetto di Mason fornisce all'IA il contesto mancante (specifiche tecniche dei sottosistemi, documentazione del protocollo ed elenchi di errori comuni) in modo che possa analizzare le modifiche proposte con "rigore". Il loro sistema suddivide le patch di grandi dimensioni in attività più piccole, analizza i grafici delle chiamate e verifica se le correzioni Le proposte per gli errori segnalati da strumenti come syzkaller sono effettivamente valide.
Sebbene sia ancora sperimentale, i risultati sono promettenti: Con le giuste istruzioni, il tasso di falsi positivi dell'IA è sceso al 10%. L'obiettivo non è sostituire i manutentori umani, ma fornire loro un "copilota" in grado di pre-digerire le migliaia di righe di codice che ricevono, generando report automatici (in formato review-inline.txt) pronti per essere inviati alle mailing list.
Con queste due iniziative, la comunità Linux si avventura in un territorio inesplorato, dove il sistema operativo non solo esegue il codice, ma impara anche a ottimizzarsi e correggersi.
Infine, se sei interessato a saperne di più, puoi consultare i dettagli nel seguente link.