Siga ZDNET: Agréganos como fuente preferida en Google.

Conclusiones secreto de ZDNET

• Los desarrolladores del kernel de Linux están utilizando IA para respaldar el mantenimiento de proyectos.
• Escribir código kernel con IA sigue siendo una cuestión abierta.
• Aún persisten preocupaciones sobre los derechos de autor y las licencias de código extenso.

La comunidad de desarrolladores de Linux ha pasado rápidamente de luchar cómo utilizar la IA a integrarla discretamente en los flujos de trabajo de ingeniería del kernel de Linux. De hecho, Linus Torvalds ahora se describe a sí mismo como “un gran creyente” en la IA como aparejo de mantenimiento.

Al mismo tiempo, los desarrolladores del kernel se reunieron en Tokio para Cumbre de Código Franco (OSS) Japón, Cumbre de mantenedores del kernel de Linuxy Plomeros Linux estaban formalizando cómo los modelos de lenguajes grandes (LLM) encajarán en procesos a espléndido plazo, como el backporting estable, la clasificación de vulnerabilidades y exposiciones comunes (CVE) y la política de herramientas.

Igualmente: Por qué los agentes de IA no lograron tomar el control en 2025: es “una historia tan antigua como el tiempo”, dice Deloitte

Como dijo Torvalds en su discurso de transigencia de OSS Japón, la IA finalmente ha llegado al punto en el que es verdaderamente útil para los mantenedores de Linux, en oficio de simplemente exagerar la engendramiento de código. Enfatizó que su interés radica en los sistemas de inteligencia sintético que analizan previamente los parches y fusiones, sacando a la luz los problemas antaño de que lleguen a su bandeja de entrada, en oficio de las herramientas que intentan escribir código de núcleo complicado directamente. La IA aún no está preparada para eso.

Antiguamente de las conferencias, Sasha Levin, una distinguida ingeniera de NVIDIA y mantenedora del kernel estable, había explicado dónde Los mantenedores y desarrolladores del kernel de Linux ya tenían un acuerdo sobre el uso de la IA: La responsabilidad humana no es negociable; se necesita alguna forma de divulgación cuando se utiliza IA; y los mantenedores decidirán por sí mismos cómo utilizar las herramientas de IA.

Los mantenedores aún no han llegado a un consenso sobre algunas cuestiones. Por ejemplo, ¿la IA comete tipos de errores fundamentalmente diferentes a los de los humanos? ¿Debería el trabajo de la IA someterse a un típico diferente al del código producido por humanos? ¿Y cuáles son las ramificaciones legales de introducir código de IA en el núcleo?

Igualmente: Esta nueva plataforma Linux le permitirá modernizar su próximo automóvil en casa, a partir de 2027

Este posterior es un tema candente. Aún no se ha resuelto cómo se mezclan los derechos de autor y la IA. Grandes demandas siguen abriéndose camino en los tribunales. Para complicar las cosas, es admisiblemente sabido que las herramientas de codificación de IA se entrenaron en gran medida en código fuente extenso bajo una variedad de licencias de código extenso diferentes.

Usar LLM en trabajos ingratos

A principios de este año, Levin reveló que ya había telegrafiado LLM en dos de los trabajos más ingratos del esquema: identificar backports y correcciones de seguridad. Para AUTOSELel sistema que identifica parches del kernel para realizar backports a versiones estables, Levin reconstruyó el motor de selección en torno a incrustaciones, tratando cada confirmación como un punto en un espacio semántico y pidiendo a los LLM que encontraran parches similares a backports anteriores. El sistema distribuye consultas a múltiples modelos, les permite “elegir” y luego entrega los candidatos preseleccionados a mantenedores humanos, actuando efectivamente como un mantenedor extra estable que nunca olvida las decisiones históricas.

La misma infraestructura sustenta ahora Flujo de trabajo CVE interno de Linuxque asumió la responsabilidad de asignar sus propios números CVE a principios de 2024. El equipo de CVE reemplazó los frágiles scripts de shell con herramientas Rust redactadas en gran medida con ayuda de LLM. Levin utilizó IA tanto para ocasionar código como para ayudar a clasificar qué confirmaciones probablemente sean relevantes para la seguridad. Levin sostiene que estas herramientas no reemplazan el inteligencia humano, pero hacen posible un proceso de clasificación que de otro modo no sería escalable y que dura siete días a la semana a medida que el convexidad de parches del kernel continúa creciendo. El agotamiento de los mantenedores de Linux es una preocupación trascendental y conocida. Es un trabajo ingrato.

Igualmente: La alternativa para los desordenados ecosistemas de agentes de IA podría finalmente estar aquí, y es de código extenso

Levin incluso dijo que se fusionó un parche para Linux 6.15, que se le atribuye pero que fue generado en su totalidad por IA, con registro de cambios y pruebas incluidas. El parche, un cambio pequeño pero no trivial en la tabla hashdemostró, en su opinión, lo que la IA hace admisiblemente: transformaciones mecánicas de magnitud acotado en las que el maniquí puede razonar sobre campos de bits. Añadió que la IA realiza pruebas con más paciencia que un humano cansado. Los desarrolladores del kernel ahora utilizan a diario un script git-resolve independiente generado por IA, anejo en 6.16 para resolver ID de confirmación ambiguas y enviado con autopruebas y documentación inusualmente exhaustivas.

Pero el parche hash escrito por IA incluso contenía un error sutil: eliminó un atributo __read_mostly, una sugerencia de rendimiento que debería haberse conservado, lo que provocó una ola de críticas una vez que la omisión fue analizada en los hilos de comentarios de la LWN. Los comentaristas incluso argumentaron que la autoría no revelada de AI viola la Certificado de origen del desarrollador y expectativas de la comunidad en cuanto a honestidad y revisión.

El propio Torvalds dijo más tarde que habría examinado el cambio más cuidadosamente si hubiera sabido que fue generado 100% por herramientas. Es por eso que se requerirá una formalidad o divulgación explícita cuando los programadores entreguen parches de código derivados de IA.

En OSS Japón, Torvalds dijo que cree que los LLM deberían ser tratados como el subsiguiente paso en la transformación de los compiladores en oficio de reemplazos humanos. Comparó su acogida con el cambio de lenguajes ensambladores a lenguajes de nivel superior: inicialmente controvertido, pero finalmente aceptado como una forma de liberar a los desarrolladores de trabajos pesados ​​como escribir textos repetitivos o redactar meticulosamente mensajes de confirmación en un segundo idioma. En la destreza, los desarrolladores ya están utilizando los LLM como potentes linters y resumidores tanto para código como para correo electrónico.

Igualmente: La aparejo de ringlera de comandos de Gemini cambia las reglas del placer de la productividad y es gratuita: cómo la uso

Algunos mantenedores incluso me dijeron que la preselección impulsada por IA puede resumir la clasificación de parches de un día a minutos. Para aquellos de ustedes que no lo saben, el proceso de ampliación del kernel de Linux se ejecuta en listas de correo, específicamente en Registro de correo del kernel de Linux (LKML). Esto supone un enorme reducción de tiempo y energía. Shuah Khan, miembro de la Fundación Linux, estuvo de acuerdo en que la IA ha demostrado ser muy útil para revisar y mejorar la productividad.

Más allá de las herramientas para desarrolladores, el ecosistema Linux más amplio incluso se está moviendo alrededor de cargas de trabajo de IA y operaciones asistidas por IA. Los proveedores de hardware están compitiendo para exponer aceleradores y NPU a Linux. Al mismo tiempo, se están ajustando el almacenamiento y los sistemas de archivos para impulsar los canales de GPU a escalera. Paralelamente, proyectos fuera del núcleo, provenientes de experimentos académicos como Sondeo de código a ofertas comerciales, están explorando cómo los LLM pueden mapear grandes bases de código, rastrear ciclos de vida de funciones y descubrir subsistemas con muchos errores mediante la ascendencia de confirmaciones y listas de correo.

No todos están convencidos

A pesar de los informes entusiastas, todavía no todo el mundo está convencido de la IA. Un mantenedor senior dijo, si admisiblemente la experiencia de la mayoría de las personas con la IA se sintió falsamente positiva. Escuchamos inquietudes y estamos trabajando para incorporar la IA a nuestros procesos de forma responsable. Es poco que definitivamente puede ayudar a resumir la carga para los mantenedores y desarrolladores. Por otro banda, debemos tener mucho cuidado al incorporar poco tan nuevo y que actualmente es propietario de nuestro flujo de trabajo.

Igualmente: He probado herramientas de codificación de IA gratuitas y de suscripción: esta es cuál usaría verdaderamente

Jonathan Corbet, desarrollador senior del kernel y editor en principal de contraagregó que le preocupaba que los mantenedores “dependeran de herramientas propietarias. Si nos volvemos dependientes de esto para nuestro proceso de revisión, verdaderamente corremos el peligro de repetir el desastre de BitKeeper de hace 20 abriles”. BitKeeper fue el primer sistema de gobierno de control de código fuente (SCM) utilizado para rastrear el código de Linux. Su creador cambió su inmoralidad para que ya no pudiera estilarse para Linux. El resultado, aunque maravilloso a espléndido plazo (causó que Torvalds creara Git), fue extremadamente perturbador en ese momento.

Otra preocupación compartida por Shuah y Dan Williams, ingeniero principal senior de Intel y mantenedor del kernel, es cómo avalar que los nuevos desarrolladores verdaderamente entiendan lo que están haciendo. Williams dijo: “Hago charlas sobre carreras en las escuelas secundarias y les digo que lo más importante que puedes cultivarse en la escuela, y que usarás, es ‘mostrar tu trabajo'”. Y siento que la IA es lo mayor: ‘No tengo que mostrar mi trabajo porque la IA me dijo que es correcto'”. Eso no ayuda.

Igualmente: Malas vibraciones: cómo un agente de IA codificó su camino alrededor de el desastre

Este es un problema positivo tanto para las personas que aprenden a codificar como para las personas que quieren producirse de ser codificadores principiantes a programadores maduros. Como dijo Stefania Druga, científica investigadora de Sakana AI y ex científica investigadora de IA en Google DeepMind, en una presentación de OSS Japón, las herramientas de IA están automatizando muchas de las tareas junior que alguna vez sirvieron como trampolines para los recién llegados.

“Necesitamos experiencia para conseguir un trabajo, y un trabajo para conseguir esa experiencia”, dijo. “Si La IA va a automatizar estas tareas básicas, ¿cómo se supone que las personas reales aprenderán estas habilidades?” Buena pregunta, que todos los estudiantes, empleadores y desarrolladores del kernel de Linux deben topar.

Ese es un problema futuro.

Quedan preguntas

Hoy en día, las tendencias convergen en la misma conclusión: la IA se está convirtiendo en parte de las tuberías de Linux en oficio de un truco incorporado. Por ahora, la atención se centra directamente en aumentar los mantenedores bajo cargas de parches abrumadoras, automatizar las partes más tediosas del trabajo estable y de seguridad y capturar los beneficios de las máquinas de coincidencia de patrones.

Igualmente: Por qué la masa seguirá recurriendo a Linux en 2025 (y no es sólo para escapar de Windows)

¿Escribirá la IA eventualmente partes sustanciales del código de Linux? Manténganse al tanto. Esa pregunta sigue sin respuesta y su resolución puede terminar dependiendo más de la ley de derechos de autor que de la experiencia técnica.