Dirbtinis intelektas „Linux“ branduolyje: IBM siūlo savioptimizavimą, o Chrisas Masonas siūlo automatinius recenzentus

Pagrindiniai klausimai:
  • Branduolio tarpinis serveris jungtųsi prie dirbtinio intelekto modelių vartotojo erdvėje, kad būtų išvengta našumo pablogėjimo.
  • Chrisas Masonas išleido peržiūros užduotis, skirtas naudoti „Claude Code“ klaidų aptikimui ir pataisų peržiūrai.
  • Nauji įrankiai suteikia teisės magistro (LLM) specialistams technines specifikacijas, leidžiančias sumažinti klaidingai teigiamų rezultatų skaičių iki 10 %.
  • Mašininis mokymasis leistų numatyti saugojimo klaidas ir automatiškai koreguoti posistemio logiką.
ia-mašininio mokymosi-linux-branduolio-ibm-chris-mason-pasiūlymai

ia-mašininio mokymosi-linux-branduolio-ibm-chris-mason-pasiūlymai

„Linux“ branduolys, širdis, maitinanti viską nuo superkompiuterių iki „Android“ telefonų, ruošiasi dirbtinio intelekto perpylimui.

Koordinuotai perėjus nuo IBM prie „Meta“, pagrindiniai kūrėjai pradėjo tyrinėti, kaip mašininis mokymasis gali ne tik padėti rašyti kodą, bet ir būti integruotas į pačią operacinės sistemos branduolį, kad jį būtų galima optimizuoti realiuoju laiku.

Viačeslavas Dubeiko, IBM inžinierius pateikė pasiūlymą branduolio kūrėjų adresų sąraše: suteikti „Linux“ galimybę savarankiškai evoliucionuoti. Jo vizija nėra nereikšminga: integruoti mašininio mokymosi biblioteką tiesiai į branduolį kad posistemės galėtų priimti išmanius, duomenimis pagrįstus sprendimus be rankinio žmogaus įsikišimo.

Ši koncepcija yra revoliucinė, nes, pavyzdžiui, galėtume turėti failų sistema, kuri numato disko gedimus iš anksto kurie atsiranda, arba užduočių planuoklė, kuri dinamiškai koreguoja savo nustatymus Priklausomai nuo darbo krūvio, sistema mokosi iš ankstesnių naudojimo modelių. Tačiau Dubeyko supranta techninius iššūkius. Branduolys tiesiogiai neleidžia atlikti slankiojo kablelio operacijų (būtinų neuroninių tinklų skaičiavimams), o modelio mokymas branduolyje sumažintų visos sistemos našumą.

Apskritai mašininis mokymasis gali įdiegti savarankiškai besivystantį modelį ir su cSavarankiško mokymosi galimybė „Linux“ branduolyje. Tyrimai jau atlikti. ir pramonės pastangos naudoti ML metodus konfigūravimui„Linux“ branduolio optimizavimas. Tačiau mašininio mokymosi metodų diegimas ir„Linux“ branduolyje būdas nėra toks paprastas ar tiesmukas.

Su Siūlomas sprendimas yra hibridinė architektūra.Branduolio viduje esantis mašininio mokymosi modelio pakaitalas, veikiantis kaip tarpininkas. Sunkus darbas (mokymas ir sudėtingos išvados). Jis veiktų vartotojo erdvėje (ten, kur yra įprastos programos), bendraujant su branduoliu per tokias sąsajas kaip sysfs. Šis tarpinis serveris leistų branduoliui veikti skirtingais režimaisNuo „mokymosi režimo“, kai preliminariai testuojamos dirbtinio intelekto rekomendacijos, iki pilno „rekomendavimo režimo“, kai modelis pakankamai subrendsta, kad pranoktų tradicinius statinius algoritmus.

Nuolatinio mokymosi modelis gali būti pritaikytas mokymo etape. Tai reiškia, kad branduolio posistemė gali gauti rekomendacijas iš mašininio mokymosi modelio. Net ir mokymo etape branduolio pusės mašininio mokymosi modelio tarpinis serveris gali įvertinti dabartinę branduolio posistemės būseną, bandyti įgyvendinti rekomendacijas ir įvertinti tų rekomendacijų efektyvumą.

Claude'as Code'as kaip pataisų recenzentas

Nors IBM siekia integruoti dirbtinį intelektą į branduolį, Chrisas Masonas, „Btrfs“ failų sistemos kūrėjas (ir šiuo metu „Meta“), nori jį panaudoti statybai. Masonas paskelbė atsiliepimų užklausas, įrankių rinkinys, sukurtas paversti tokius dirbtinio intelekto asistentus kaip Claude'as Code'as ekspertų kodo recenzentais.

La Idėja yra išspręsti vieną didžiausių „Linux“ kūrimo kliūčių.: pataisų peržiūra. Masono projektas suteikia dirbtiniam intelektui trūkstamą kontekstą (technines posistemių specifikacijas, protokolų dokumentaciją ir dažniausiai pasitaikančių klaidų sąrašus), kad jis galėtų „kruopščiai“ analizuoti siūlomus pakeitimus. Jų sistema suskaido didelius pataisymus į mažesnes užduotis, analizuoja iškvietimų grafikus ir patikrina, ar pataisymai Pasiūlymai dėl klaidų, apie kurias praneša tokios priemonės kaip „syzkaller“, iš tiesų yra pagrįsti.

Nors tai vis dar eksperimentinis etapas, rezultatai daug žadantys: Tinkamai nurodžius, dirbtinio intelekto klaidingai teigiamų rezultatų rodiklis sumažėjo iki 10 %. Tikslas – ne pakeisti žmones, kurie prižiūri sistemą, o suteikti jiems „bendrąjį pilotą“, kuris galėtų iš anksto apdoroti tūkstančius gaunamų kodo eilučių ir generuoti automatines ataskaitas („review-inline.txt“ formatu), paruoštas siųsti į adresų sąrašus.

Šiomis dviem iniciatyvomis „Linux“ bendruomenė žengia į neištirtą teritoriją, kur operacinė sistema ne tik vykdo kodą, bet ir mokosi optimizuoti bei taisyti save.

Galiausiai, jei norite sužinoti daugiau apie tai, galite pasikonsultuoti išsami informacija šioje nuorodoje.