В ходе конференции KubeCon Europe издание The Register опубликовало интервью с Грегом Кроа-Хартманом — ключевым разработчиком ядра Linux, который отвечает за стабильные и «staging» ветки, а также выступает мэйнтейнером в 16 подсистемах. Одной из главных тем беседы стало изменение отношения к отчетам об ошибках, созданным с помощью искусственного интеллекта.
AI в разработке ядра Linux
Инструменты на базе ИИ уже активно применяются в экосистеме Linux. Они задействованы при рецензировании изменений в сетевой подсистеме, компонентах eBPF и DRM. Кроме того, для автоматической проверки отправляемых патчей в инфраструктуру ядра был недавно интегрирован инструмент Sashiko от компании Google.
Эволюция качества ИИ-отчетов
Грег Кроа-Хартман поделился интересными наблюдениями о динамике работы нейросетей:
- От мусора к качеству: Еще несколько месяцев назад поток отчетов, генерируемых ИИ, в ядре Linux называли «AI-мусором». Это были низкокачественные или просто неверные данные о безопасности, которые вызывали лишь улыбку. Однако буквально месяц назад ситуация кардинально изменилась: в систему начали поступать валидные и детальные отчеты.
- Общий тренд: Подобная тенденция наблюдается не только в Linux. Команды безопасности крупнейших open-source проектов в ходе неформального общения подтверждают, что ИИ-инструменты стали выдавать значительно более точные результаты.
- Причины успеха: Точные причины резкого скачка качества пока остаются загадкой. Возможно, это стало следствием прогресса самих нейросетей или результатом того, что компании и разработчики начали более осознанно подходить к постановке задач для ИИ-ассистентов.
Масштабируемость и помощь проектам
Для ядра Linux рост нагрузки — привычное дело, и команда разработчиков успешно справляется с потоком данных. Однако Грег выразил обеспокоенность за небольшие open-source проекты. У них гораздо меньше ресурсов, чтобы оперативно сортировать возросший объем отчетов, в которых теперь перемешаны реальные угрозы и ошибки с прежним «информационным шумом».
Практика применения и автоматизация
Грег провел собственный эксперимент: он предложил ИИ проанализировать набор правок. Система нашла 60 ошибок и предложила патчи для их исправления. Хотя лишь треть найденных проблем оказалась критической, а верными решениями стали около 2/3 патчей, результат показал высокую эффективность технологии.
Для идентификации правок, созданных при участии нейросетей, в ядре был внедрен специальный тег «Co-developed:». Пока что основная роль ИИ сводится к рецензированию, хотя предпринимаются осторожные попытки использовать алгоритмы и для написания нового кода.
Ускорение обратной связи
Главный плюс внедрения ИИ-инструментов заключается в скорости обработки патчей. Бот предоставляет отзыв автору правок практически мгновенно, не дожидаясь участия человека:
«Если я вижу, что система реагирует на что-то, она дает отзыв автору быстрее, чем это смог бы сделать мэйнтейнер, и это здорово. Если я замечаю, что боты выдают ошибку, я понимаю, что мне как мэйнтейнеру даже не нужно тратить время на проверку. Разработчик сразу получает фидбек и может оперативно внести коррективы», — отметил Кроа-Хартман.
