пропозиції щодо машинного навчання linux-ядра-ibm-chris-mason
Ядро Linux, серце, яке забезпечує роботу всього, від суперкомп'ютерів до телефонів Android, готується до переливання штучного інтелекту.
У скоординованому русі, що охоплює IBM та Meta, ключові розробники почали досліджувати, як машинне навчання може не лише допомогти в написанні коду, але й бути інтегрованим у ядро операційної системи для його оптимізації в режимі реального часу.
В'ячеслав Дубейко, Інженер IBM запропонував пропозицію у списку розсилки розробників ядра: щоб надати Linux здатність до саморозвитку. Його бачення не є незначним: інтегрувати бібліотеку машинного навчання безпосередньо в ядро щоб підсистеми могли приймати інтелектуальні рішення на основі даних без ручного втручання людини.
Ця концепція є революційною, оскільки, наприклад, ми могли б мати файлова система, яка передбачає збої диска заздалегідь що трапляються, або планувальник завдань, який динамічно налаштовує свої налаштування Залежно від робочого навантаження, система навчається на основі попередніх моделей використання. Однак Дубейко усвідомлює технічні труднощі. Ядро безпосередньо не дозволяє виконувати операції з плаваючою комою (що є важливим для нейронних мережевих обчислень), а навчання моделі в ядрі знизить продуктивність усієї системи.
Загалом, машинне навчання може запровадити саморозвивається модель, і за допомогою cМожливість самонавчання в ядрі Linux. Дослідження вже проводяться. та зусилля галузі щодо використання підходів машинного навчання для конфігураціїОптимізація ядра Linux. Однак впровадження підходів машинного навчання таУ ядрі Linux шлях не такий простий чи зрозумілий.
Su Запропоноване рішення являє собою гібридну архітектуруПроксі-сервер моделі машинного навчання в ядрі, який діє як посередник. Важка робота (навчання та комплексний висновок). Він би працював у просторі користувача (де знаходяться звичайні програми), що взаємодіє з ядром через інтерфейси, такі як sysfs. Цей проксі-сервер дозволить ядру працювати в різних режимах.Від «режиму навчання», де він попередньо тестує рекомендації ШІ, до повноцінного «режиму рекомендацій», коли модель достатньо дозріла, щоб перевершити традиційні статичні алгоритми.
Модель безперервного навчання може бути прийнята під час фази навчання. Це означає, що підсистема ядра може отримувати рекомендації від моделі машинного навчання. Навіть під час фази навчання проксі-сервер на стороні ядра для моделі машинного навчання може оцінити поточний стан підсистеми ядра, спробувати впровадити рекомендації та оцінити ефективність цих рекомендацій.
Клод Код як рецензент патчів
Хоча IBM прагне вбудувати штучний інтелект у ядро, Кріс Мейсон, творець файлової системи Btrfs (і зараз знаходиться в Мета), хоче використати його для його побудови. Мейсон опублікував теми для рецензування, набір інструментів, розроблених перетворити помічників ШІ, таких як Клод Коуд, на експертів з рецензування коду.
La Ідея полягає у вирішенні однієї з найбільших проблем у розробці Linux: огляд патчу. Проєкт Мейсона надає ШІ відсутній контекст (технічні специфікації підсистем, документацію протоколів та списки поширених помилок), щоб він міг ретельно аналізувати запропоновані зміни. Їхня система розбиває великі патчі на менші завдання, аналізує графіки викликів та перевіряє, чи є виправлення. Пропозиції щодо помилок, про які повідомляють такі інструменти, як syzkaller, справді є обґрунтованими.
Хоча це все ще експериментальний процес, результати обнадійливі: Завдяки правильним інструкціям рівень хибнопозитивних результатів ШІ знизився до 10%. Мета полягає не в тому, щоб замінити людей-супроводжуючих, а в тому, щоб надати їм «другого пілота», який може попередньо обробляти тисячі рядків коду, які вони отримують, генеруючи автоматичні звіти (у форматі review-inline.txt), готові до надсилання до списків розсилки.
Завдяки цим двом ініціативам спільнота Linux виходить на незвідану територію, де операційна система не лише виконує код, але й вчиться оптимізувати та виправляти себе.
Зрештою, якщо ви зацікавлені дізнатися більше про це, ви можете звернутися деталі у наступному посиланні.