ia-makine-öğrenimi-linux-çekirdeği-ibm-chris-mason-önerileri
Süper bilgisayarlardan Android telefonlara kadar her şeye güç veren Linux çekirdeği, yapay zekâ aktarımı için hazırlanıyor.
IBM'den Meta'ya uzanan koordineli bir hamleyle, önde gelen geliştiriciler, makine öğreniminin yalnızca kod yazımına yardımcı olmakla kalmayıp, aynı zamanda işletim sistemi çekirdeğine entegre edilerek gerçek zamanlı optimizasyon sağlamasının yollarını araştırmaya başladılar.
Vyacheslav Dubeyko, Bir IBM mühendisi bir teklif sundu. çekirdek geliştiricileri posta listesinde: Linux'a kendi kendine evrimleşme yeteneği kazandırmak. Onun vizyonu önemsiz değil: Makine öğrenimi kütüphanesini doğrudan çekirdeğe entegre edin. Böylece alt sistemler, insan müdahalesi olmadan akıllı, veriye dayalı kararlar alabilirler.
Bu kavram devrim niteliğinde, çünkü örneğin, şunlara sahip olabiliriz: Disk arızalarını önceden tahmin eden dosya sistemi meydana gelen, veya ayarlarını dinamik olarak düzenleyen bir görev zamanlayıcı. İş yüküne bağlı olarak, geçmiş kullanım kalıplarından öğrenir. Ancak Dubeyko, teknik zorlukların farkındadır. Çekirdek, doğrudan kayan nokta işlemlerine (sinir ağları hesaplaması için gerekli) izin vermez ve çekirdek içinde bir model eğitmek, tüm sistemin performansını düşürür.
Genel olarak, makine öğrenimi kendi kendini geliştiren bir model sunabilir ve bununla birlikte cLinux çekirdeğinde kendi kendine öğrenme yeteneği. Bu konuda zaten araştırmalar mevcut. ve yapılandırma için makine öğrenimi yaklaşımlarını kullanmaya yönelik endüstri çabalarıLinux çekirdeği optimizasyonu. Ancak, makine öğrenimi yaklaşımlarının devreye girmesiyle birlikte veLinux çekirdeğinde durum o kadar basit veya kolay değil.
Su Önerilen çözüm hibrit bir mimaridir.Çekirdek içindeki makine öğrenimi modelinin aracı görevi gören bir vekil. Ağır işleri (eğitim ve karmaşık çıkarım) üstleniyor. Kullanıcı alanında çalışırdı. (Normal uygulamaların bulunduğu yer), sysfs gibi arayüzler aracılığıyla çekirdekle iletişim kurar. Bu proxy, çekirdeğin farklı modlarda çalışmasına olanak tanıyacaktır.Yapay zekâ önerilerini deneme amaçlı olarak test ettiği "öğrenme modundan", modelin geleneksel statik algoritmalardan daha iyi performans gösterecek kadar olgunlaştığı tam "öneri moduna" kadar.
Sürekli öğrenme modeli, eğitim aşamasında benimsenebilir. Bu, çekirdek alt sisteminin makine öğrenme modelinden öneriler alabileceği anlamına gelir. Eğitim aşamasında bile, makine öğrenme modelinin çekirdek tarafındaki vekili, çekirdek alt sisteminin mevcut durumunu tahmin edebilir, önerileri uygulamaya çalışabilir ve bu önerilerin verimliliğini değerlendirebilir.
Claude Code yama inceleyicisi olarak
IBM yapay zekayı çekirdeğe entegre etmeyi hedeflerken, Btrfs dosya sisteminin yaratıcısı Chris Mason (ve şu anda Meta'da bulunan) Mason, bunu kullanarak bir şeyler inşa etmek istiyor. inceleme soruları yayınladıtasarlanmış bir dizi araç Claude Code gibi yapay zeka asistanlarını uzman kod inceleyicilerine dönüştürmek.
La Amaç, Linux geliştirme sürecindeki en büyük darboğazlardan birini ortadan kaldırmaktır.: Yama incelemesi. Mason'ın projesi, yapay zekaya eksik olan bağlamı (alt sistemlerin teknik özellikleri, protokol dokümantasyonu ve yaygın hataların listeleri) sağlayarak önerilen değişiklikleri "titizlikle" analiz etmesini mümkün kılıyor. Sistemleri, büyük yamaları daha küçük görevlere ayırıyor, çağrı grafiklerini analiz ediyor ve düzeltmelerin işe yarayıp yaramadığını kontrol ediyor. Syzkaller gibi araçlar tarafından bildirilen hatalara yönelik öneriler gerçekten de geçerlidir.
Henüz deneysel aşamada olmasına rağmen, sonuçlar umut verici: Doğru talimatlarla, yapay zekanın yanlış pozitif oranı %10'a düştü. Amaç, insan bakımcıların yerini almak değil, onlara aldıkları binlerce satır kodu önceden işleyebilen ve posta listelerine gönderilmeye hazır otomatik raporlar (review-inline.txt formatında) oluşturabilen bir "yardımcı pilot" sağlamaktır.
Bu iki girişimle Linux topluluğu, işletim sisteminin yalnızca kod çalıştırmakla kalmayıp aynı zamanda kendini optimize etmeyi ve düzeltmeyi de öğrendiği, daha önce keşfedilmemiş bir alana adım atıyor.
Son olarak, bu konu hakkında daha fazla bilgi edinmek isterseniz danışabilirsiniz. aşağıdaki bağlantıdaki ayrıntılar.