ia-machine-learning-linux-kernel-ibm-chris-mason-proposals
Linux 内核是驱动从超级计算机到安卓手机等一切设备的核心，它正准备接受人工智能的改造。
从 IBM 到 Meta，关键开发人员已开始协调行动，探索机器学习不仅可以帮助编写代码，还可以集成到操作系统内核本身，以实时优化代码。
维亚切斯拉夫·杜贝科 一位IBM工程师提出了一项提案 在内核开发者邮件列表中: 赋予 Linux 自我进化的能力。 他的远见卓识不容小觑： 将机器学习库直接集成到内核中 这样，子系统就可以在无需人工干预的情况下做出智能的、数据驱动的决策。
这个概念是革命性的，因为，例如，我们可以拥有一个 能够提前预测磁盘故障的文件系统 发生的情况， 或者一个能够动态调整其设置的任务调度器 根据工作负载的不同，它会从过去的运行模式中学习。然而，杜贝科也意识到其中的技术挑战。内核并不直接支持浮点运算（这对神经网络计算至关重要），而且在内核中训练模型会降低整个系统的性能。
一般来说，机器学习可以引入自演化模型，并且具有cLinux内核具备自学习能力。相关研究已经存在。 以及业界为采用机器学习方法进行配置所做的努力Linux 内核优化。然而，机器学习方法的引入和在 Linux 内核中，方法并不那么简单直接。
Su 所提出的解决方案是一种混合架构内核中机器学习模型的代理，充当中间层。负责繁重的计算工作（训练和复杂的推理）。 它将在用户空间运行 （普通应用程序所在的位置），通过 sysfs 等接口与内核通信。 该代理将允许内核以不同的模式运行。从“学习模式”（试探性地测试人工智能推荐）到“推荐模式”（模型成熟到足以超越传统静态算法）。
在训练阶段可以采用持续学习模型。这意味着内核子系统可以接收来自机器学习模型的推荐。即使在训练阶段，机器学习模型的内核端代理也可以估计内核子系统的当前状态，尝试实施推荐，并评估这些推荐的有效性。
Claude Code 担任补丁审核员
IBM 正在寻求将人工智能嵌入内核中。 克里斯·梅森，Btrfs文件系统的创建者 （目前在 Meta 中），想用它来构建它。梅森 已发布评论提示一套设计工具 将 Claude Code 等 AI 助手转变为专业的代码审查员。
La 其目的是解决 Linux 开发中最大的瓶颈之一。补丁审查。Mason 的项目为人工智能提供了缺失的上下文信息（子系统的技术规范、协议文档和常见错误列表），以便它能够“严谨地”分析提出的变更。 他们的系统将大型补丁分解成更小的任务，分析调用图，并检查修复是否有效。 针对 syzkaller 等工具报告的错误提出的建议确实是有效的。
虽然仍处于试验阶段，但结果令人鼓舞： 经过正确的指导，人工智能的误报率已降至 10%。其目标并非取代人类维护人员，而是为他们提供一个“副驾驶”，该副驾驶可以预先处理他们收到的数千行代码，并生成可直接发送到邮件列表的自动报告（review-inline.txt 格式）。
通过这两项举措，Linux 社区正在进入未知领域，在这个领域中，操作系统不仅可以执行代码，还可以学习优化和纠正自身。
最后，如果您有兴趣了解更多相关信息，可以咨询相关机构。 以下链接中的详细信息。