ia-mašīnmācīšanās-linux-kodola-ibm-chris-mason-priekšlikumi
Linux kodols, sirds, kas darbina visu, sākot no superdatoriem līdz Android tālruņiem, gatavojas mākslīgā intelekta pārliešanai.
Koordinētā pārejā no IBM uz Meta galvenie izstrādātāji ir sākuši izpētīt, kā mašīnmācīšanās var ne tikai palīdzēt rakstīt kodu, bet arī tikt integrēta pašā operētājsistēmas kodolā, lai to optimizētu reāllaikā.
Vjačeslavs Dubeiko, IBM inženieris ir laidis klajā priekšlikumu kodola izstrādātāju adresātu sarakstā: lai dotu Linux spēju pašattīstīties. Viņa vīzija nav nenozīmīga: integrēt mašīnmācīšanās bibliotēku tieši kodolā lai apakšsistēmas varētu pieņemt inteliģentus, uz datiem balstītus lēmumus bez manuālas cilvēka iejaukšanās.
Šī koncepcija ir revolucionāra, jo, piemēram, mēs varētu failu sistēma, kas paredz disku kļūmes pirms kas rodas, vai uzdevumu plānotājs, kas dinamiski pielāgo savus iestatījumus Atkarībā no darba slodzes tas mācās no iepriekšējiem lietošanas modeļiem. Tomēr Dubeiko apzinās tehniskās problēmas. Kodols tieši neatļauj peldošā komata operācijas (kas ir būtiskas neironu tīklu skaitļošanai), un modeļa apmācība kodola ietvaros pasliktinātu visas sistēmas veiktspēju.
Vispārīgi runājot, mašīnmācīšanās var ieviest pašattīstības modeli, un ar cPašmācības iespējas Linux kodolā. Pētījumi jau pastāv. un nozares centieni izmantot mašīnmācīšanās pieejas konfigurēšanaiLinux kodola optimizācija. Tomēr mašīnmācīšanās pieeju ieviešana unLinux kodolā šis veids nav tik vienkāršs vai tiešs.
Su Piedāvātais risinājums ir hibrīda arhitektūraMašīnmācīšanās modeļa aizstājējs kodolā, kas darbojas kā starpnieks. Smagā darba veikšana (apmācība un sarežģītu secinājumu izdarīšana). Tas darbotos lietotāja telpā (kur atrodas parastās lietojumprogrammas), sazinoties ar kodolu, izmantojot saskarnes, piemēram, sysfs. Šis starpniekserveris ļautu kodolam darboties dažādos režīmos.No "mācību režīma", kurā tas provizoriski pārbauda mākslīgā intelekta ieteikumus, līdz pilnam "ieteikumu režīmam", kad modelis ir pietiekami nobriedis, lai pārspētu tradicionālos statiskos algoritmus.
Nepārtrauktās mācīšanās modeli var pieņemt apmācības fāzē. Tas nozīmē, ka kodola apakšsistēma var saņemt ieteikumus no mašīnmācīšanās modeļa. Pat apmācības fāzes laikā mašīnmācīšanās modeļa kodola puses starpniekserveris var novērtēt kodola apakšsistēmas pašreizējo stāvokli, mēģināt ieviest ieteikumus un novērtēt šo ieteikumu efektivitāti.
Klods Kods kā ielāpu recenzents
Kamēr IBM cenšas integrēt mākslīgo intelektu kodolā, Kriss Meisons, Btrfs failu sistēmas veidotājs (un pašlaik atrodas Metā), vēlas to izmantot, lai to izveidotu. Meisons ir publicējis atsauksmju uzvednes, rīku komplekts, kas paredzēts lai mākslīgā intelekta asistentus, piemēram, Klodu Kodu, pārvērstu par ekspertiem koda recenzentiem.
La Ideja ir risināt vienu no lielākajiem šķēršļiem Linux izstrādē.: ielāpa pārskatīšana. Meisona projekts nodrošina mākslīgo intelektu (AI) ar trūkstošo kontekstu (apakšsistēmu tehniskās specifikācijas, protokola dokumentāciju un bieži sastopamo kļūdu sarakstus), lai tas varētu analizēt ierosinātās izmaiņas ar “stingrību”. Viņu sistēma sadala lielus ielāpus mazākos uzdevumos, analizē izsaukumu grafikus un pārbauda, vai labojumi ir pieejami. Priekšlikumi par kļūdām, ko ziņo tādi rīki kā syzkaller, patiešām ir pamatoti.
Lai gan tas joprojām ir eksperimentāls, rezultāti ir daudzsološi: Ar pareizajām instrukcijām mākslīgā intelekta kļūdaini pozitīvo rezultātu līmenis ir samazinājies līdz 10 %. Mērķis nav aizstāt cilvēkus, kas ir uzturētāji, bet gan dot viņiem "otra pilota" lomu, kas var iepriekš apstrādāt tūkstošiem saņemto koda rindiņu, ģenerējot automatizētus pārskatus (review-inline.txt formātā), kas ir gatavi nosūtīšanai adresātu sarakstiem.
Ar šīm divām iniciatīvām Linux kopiena ienāk neizpētītā teritorijā, kur operētājsistēma ne tikai izpilda kodu, bet arī mācās sevi optimizēt un labot.
Visbeidzot, ja vēlaties uzzināt vairāk par šo tēmu, varat konsultēties ar sīkāku informāciju šajā saitē.