ia-machine-learning-linux-kernel-ibm-chris-mason-proposals
Ядро Linux, сердце, на котором работает всё — от суперкомпьютеров до телефонов Android, — готовится к внедрению искусственного интеллекта.
В рамках скоординированных действий, охватывающих IBM и Meta, ведущие разработчики начали изучать, как машинное обучение может не только помочь в написании кода, но и быть интегрировано в ядро операционной системы для его оптимизации в режиме реального времени.
Вячеслав Дубейко, Инженер компании IBM выдвинул предложение. в списке рассылки разработчиков ядра: наделить Linux способностью к саморазвитию. Его видение отнюдь не незначительно: Интегрировать библиотеку машинного обучения непосредственно в ядро. чтобы подсистемы могли принимать интеллектуальные решения на основе данных без ручного вмешательства человека.
Эта концепция революционна, поскольку, например, мы могли бы иметь файловая система, которая прогнозирует сбои дисков до их возникновения которые происходят, или планировщик задач, который динамически корректирует свои настройки. В зависимости от рабочей нагрузки система обучается на основе прошлых моделей использования. Однако Дубейко осведомлен о технических проблемах. Ядро не позволяет напрямую выполнять операции с плавающей запятой (необходимые для вычислений в нейронных сетях), а обучение модели внутри ядра ухудшит производительность всей системы.
В общих чертах, машинное обучение может представлять собой саморазвивающуюся модель, и с помощью cВозможность самообучения в ядре Linux. Исследования в этой области уже проводятся. а также усилия отрасли по применению подходов машинного обучения для настройки.Оптимизация ядра Linux. Однако внедрение подходов машинного обучения иВ ядре Linux этот путь не так прост и понятен.
Su Предлагаемое решение представляет собой гибридную архитектуру.Встроенный в ядро прокси-объект модели машинного обучения, выступающий в качестве посредника. Основная работа (обучение и вывод сложных моделей). Оно будет работать в пользовательском пространстве. (где размещаются обычные приложения), осуществляя связь с ядром через такие интерфейсы, как sysfs. Этот прокси-сервер позволит ядру работать в различных режимах.От «режима обучения», в котором модель предварительно тестирует рекомендации ИИ, до полноценного «режима рекомендаций», когда модель достаточно созрела, чтобы превзойти традиционные статические алгоритмы.
Модель непрерывного обучения может применяться на этапе обучения. Это означает, что подсистема ядра может получать рекомендации от модели машинного обучения. Даже на этапе обучения прокси-сервер на стороне ядра для модели машинного обучения может оценивать текущее состояние подсистемы ядра, пытаться реализовать рекомендации и оценивать эффективность этих рекомендаций.
Клод Код в качестве рецензента патчей.
В то время как IBM стремится внедрить ИИ в ядро операционной системы, Крис Мейсон, создатель файловой системы Btrfs. (и в настоящее время в Meta), хочет использовать это для создания. Мейсон опубликовал вопросы для рецензированиянабор инструментов, разработанных превратить ИИ-помощников, таких как Клод Код, в экспертов по проверке кода.
La Идея заключается в том, чтобы устранить одно из самых больших узких мест в разработке под Linux.: обзор исправлений. Проект Мейсона предоставляет ИИ недостающий контекст (технические характеристики подсистем, документацию по протоколам и списки распространенных ошибок), чтобы он мог анализировать предлагаемые изменения с «тщательностью». Их система разбивает большие участки на более мелкие задачи, анализирует графы обращений и проверяет, были ли исправления выполнены. Предложения по поводу ошибок, о которых сообщают такие инструменты, как syzkaller, действительно обоснованы.
Хотя это пока экспериментальный метод, результаты многообещающие: При наличии правильных инструкций частота ложных срабатываний ИИ снизилась до 10%. Цель состоит не в замене специалистов по сопровождению кода, а в предоставлении им «второго пилота», способного предварительно обрабатывать тысячи строк кода, которые они получают, генерируя автоматические отчеты (в формате review-inline.txt), готовые к отправке по спискам рассылки.
Благодаря этим двум инициативам сообщество Linux осваивает неизведанную территорию, где операционная система не только выполняет код, но и учится оптимизировать и исправлять собственные ошибки.
Наконец, если вас интересует более подробная информация по этому вопросу, вы можете обратиться к... подробности по следующей ссылке.