ia-aprendizagem-de-máquina-kernel-linux-ibm-chris-mason-propostas
O kernel do Linux, o núcleo que alimenta tudo, desde supercomputadores a celulares Android, está se preparando para uma transfusão de inteligência artificial.
Numa ação coordenada que abrange desde a IBM até a Meta, desenvolvedores importantes começaram a explorar como o aprendizado de máquina pode não apenas ajudar a escrever código, mas também ser integrado ao próprio kernel do sistema operacional para otimizá-lo em tempo real.
Vyacheslav Dubeyko, Um engenheiro da IBM lançou uma proposta. na lista de discussão dos desenvolvedores do kernel: Para dar ao Linux a capacidade de autoevolução. Sua visão não é insignificante: integrar uma biblioteca de aprendizado de máquina diretamente no kernel para que os subsistemas possam tomar decisões inteligentes, baseadas em dados, sem intervenção humana manual.
O conceito é revolucionário, já que, por exemplo, poderíamos ter um sistema de arquivos que prevê falhas de disco antes que ocorrem, ou um agendador de tarefas que ajusta suas configurações dinamicamente. Dependendo da carga de trabalho, o sistema aprende com padrões de uso anteriores. No entanto, Dubeyko está ciente dos desafios técnicos. O kernel não permite operações de ponto flutuante diretamente (essenciais para computação de redes neurais), e treinar um modelo dentro do kernel degradaria o desempenho de todo o sistema.
Em termos gerais, o aprendizado de máquina pode introduzir um modelo autoevolutivo e com cCapacidade de autoaprendizagem no kernel do Linux. Já existem pesquisas sobre o assunto. e os esforços da indústria para empregar abordagens de aprendizado de máquina para configuraçãootimização do kernel do Linux. No entanto, a introdução de abordagens de aprendizado de máquina eNo kernel do Linux, o caminho não é tão simples ou direto.
Su A solução proposta é uma arquitetura híbrida.Um modelo proxy de aprendizado de máquina dentro do kernel que atua como intermediário. O trabalho pesado (treinamento e inferência complexa). Seria executado no espaço do usuário. (onde residem os aplicativos normais), comunicando-se com o kernel por meio de interfaces como o sysfs. Esse proxy permitiria que o kernel operasse em diferentes modos.De um "modo de aprendizagem", onde testa provisoriamente as recomendações de IA, até um "modo de recomendação" completo, quando o modelo estiver suficientemente maduro para superar os algoritmos estáticos tradicionais.
O modelo de aprendizado contínuo pode ser adotado durante a fase de treinamento. Isso significa que o subsistema do kernel pode receber recomendações do modelo de aprendizado de máquina. Mesmo durante a fase de treinamento, o proxy do lado do kernel para o modelo de aprendizado de máquina pode estimar o estado atual do subsistema do kernel, tentar implementar as recomendações e estimar a eficiência dessas recomendações.
Claude Code como revisor de patches
Enquanto a IBM busca incorporar IA no kernel, Chris Mason, criador do sistema de arquivos Btrfs. (e atualmente em Meta), quer usá-lo para construí-lo. Mason publicou sugestões de revisão, um conjunto de ferramentas projetadas Transformar assistentes de IA como Claude Code em revisores de código especializados.
La A ideia é resolver um dos maiores gargalos no desenvolvimento do Linux.Revisão de patches. O projeto de Mason fornece à IA o contexto que faltava (especificações técnicas de subsistemas, documentação de protocolos e listas de erros comuns) para que ela possa analisar as alterações propostas com rigor. O sistema deles divide grandes correções em tarefas menores, analisa gráficos de chamadas e verifica se as correções foram aplicadas. As propostas para erros relatados por ferramentas como o syzkaller são de fato válidas.
Embora ainda esteja em fase experimental, os resultados são promissores: Com as instruções corretas, a taxa de falsos positivos da IA caiu para 10%. O objetivo não é substituir os responsáveis humanos pela manutenção, mas sim fornecer a eles um "copiloto" capaz de pré-processar as milhares de linhas de código recebidas, gerando relatórios automatizados (no formato review-inline.txt) prontos para serem enviados às listas de discussão.
Com essas duas iniciativas, a comunidade Linux está se aventurando em território desconhecido, onde o sistema operacional não apenas executa código, mas também aprende a se otimizar e se corrigir.
Por fim, se tiver interesse em saber mais sobre isso, você pode consultar os detalhes no link a seguir.