ia-機械学習-Linuxカーネル-IBM-クリス・メイソン-提案
スーパーコンピュータから Android フォンまで、あらゆるものを動かす心臓部である Linux カーネルが、人工知能の移植を準備している。
IBM から Meta に至る協調的な動きの中で、主要な開発者たちは、機械学習がコードの作成に役立つだけでなく、オペレーティング システム カーネル自体に統合されてリアルタイムで最適化される方法を探り始めています。
ヴィアチェスラフ・ドゥベイコ IBMのエンジニアが提案書を提出した カーネル開発者メーリングリスト: Linux に自己進化の能力を与えるため。 彼のビジョンは決して重要ではない。 機械学習ライブラリをカーネルに直接統合する これにより、サブシステムは人間の手動介入なしに、インテリジェントなデータ駆動型の意思決定を行うことができます。
このコンセプトは革命的です。例えば、 ディスク障害を事前に予測するファイルシステム 発生する、 または設定を動的に調整するタスクスケジューラ ワークロードに応じて、過去の使用パターンから学習します。しかし、ドゥベイコ氏は技術的な課題を認識しています。カーネルは浮動小数点演算（ニューラルネットワークコンピューティングに不可欠）を直接実行できず、カーネル内でモデルをトレーニングするとシステム全体のパフォーマンスが低下します。
一般的に言えば、機械学習は自己進化モデルを導入することができ、Linuxカーネルの自己学習機能。研究は既に行われています。 構成にMLアプローチを採用する業界の取り組みLinuxカーネルの最適化。しかし、機械学習のアプローチの導入とLinux カーネルでは、方法はそれほど単純でも簡単でもない。
Su 提案されたソリューションはハイブリッドアーキテクチャであるカーネル内で機械学習モデルのプロキシとして機能し、仲介役として機能します。重い処理（トレーニングと複雑な推論）は ユーザー空間で実行される (通常のアプリケーションが存在する場所)、sysfs などのインターフェースを介してカーネルと通信します。 このプロキシによりカーネルは異なるモードで動作できるようになるAI の推奨事項を暫定的にテストする「学習モード」から、モデルが従来の静的アルゴリズムを上回るほど成熟した完全な「推奨モード」に移行します。
継続学習モデルはトレーニングフェーズでも採用可能です。つまり、カーネルサブシステムは機械学習モデルからの推奨を受け取ることができます。トレーニングフェーズ中であっても、機械学習モデルのカーネル側プロキシはカーネルサブシステムの現在の状態を推定し、推奨の実装を試み、それらの推奨の効率を推定することができます。
パッチレビュー担当者のClaude Code
IBMはカーネル内にAIを組み込もうとしているが、 Btrfsファイルシステムの開発者、クリス・メイソン （そして現在Metaに所属）は、それを使って構築したいと考えています。メイソン レビュープロンプトを公開しました設計されたツールセット Claude Code のような AI アシスタントを専門的なコードレビュー担当者に変えること。
La このアイデアは、Linux開発における最大のボトルネックの1つに取り組むことです。: パッチレビュー。メイソン氏のプロジェクトは、AIに不足しているコンテキスト（サブシステムの技術仕様、プロトコルドキュメント、一般的なエラーのリスト）を提供することで、提案された変更を「厳密に」分析できるようにします。 彼らのシステムは、大きなパッチを小さなタスクに分割し、コールグラフを分析し、修正が syzkaller のようなツールによって報告されるエラーに対する提案は確かに有効です。
まだ実験段階ではありますが、結果は有望です。 適切な指示を与えることで、AIの誤検知率は10%まで低下しました。目標は、人間のメンテナーに取って代わることではなく、受け取った数千行のコードを事前に分析し、自動レポート（review-inline.txt形式）を生成してメーリングリストに送信できる「副操縦士」を提供することです。
これら 2 つの取り組みにより、Linux コミュニティは、オペレーティング システムがコードを実行するだけでなく、自らを最適化して修正することを学習する未知の領域に踏み込んでいます。
最後に、これについてさらに詳しく知りたい場合は、 詳細は次のリンクにあります。