Linux ma problem z AI i na razie nie ma rozwiązania

Linux, kluczowy dla serwerów i AI, boryka się z problemami związanymi z nadmiernym zalewem błędów generowanych przez AI, co stawia przed społecznością nowe wyzwania.

Linux to rdzeń większości serwerów, fundament dla AI, oraz niewidzialna nitka łącząca ogrom internetu. Jego siła tkwi w otwartym modelu rozwoju – każdy może poprawić kod, najlepsze pomysły dostają zielone światło. To działało przez dekady. Potem pojawiła się epoka AI, która zalewa tę otwartość. I nagle stajemy przed poważnym zagrożeniem, dla którego nie ma łatwych odpowiedzi.

Recenzowanie fałszywych błędów wypala utrzymujących

Napięcia w społeczności Linuxa wzrosły, gdy AI zaczęło zalewać proces przeglądu, który nie był gotowy na taką falę. Problem jest prosty: generowanie poprawek i błędów przez AI nic nie kosztuje. Ale czas potrzebny na ich recenzję powoli zamienia się w bezdenną studnię. Zgłoszenia dodają obciążenia do już napiętego systemu; w kluczowych obszarach, jak zarządzanie pamięcią, napotykamy na powtarzające się problemy.

Prywatna lista bezpieczeństwa jądra Linuxa wkrótce stała się nadmiernie zatłoczona. Kiedyś spokojne miejsce, filtry na kilka istotnych raportów, teraz mamy pięć do dziesięciu zgłoszeń dziennie. Ponieważ nie widać, co już zostało zgłoszone, te same problemy mnożą się w nieskończoność. Ci, którzy utrzymują te obszary, marnują godziny na sortowanie zduplikowanych raportów, sprawdzając, czy błędy mogą być już nieaktualne.

Linus Torvalds zauważa zjawisko AI z nieufnością. Nie wprowadzałby tego do produkcji; każda chwila bezmyślnej wiary w AI bez zrozumienia kodu to potencjalny kłopot. Mimo to, entuzjaści marzą o rozwoju narzędzi AI. Wiele osób widzi w nich sposób na uproszczenie skomplikowanej pracy.

Problem jednak pozostaje: Linux to solidna architektura dla AI, ale nie udostępnia tej technologii zwykłym użytkownikom komputerów stacjonarnych.

Utrzymujący Linuxa walczą w dwóch różnych bitwach

Uruchamianie lokalnej AI na swoim desktopie jest za trudne

Utrzymujący Linuxa stoją na dwóch frontach, co w dużej mierze wynika z architektury systemu. Z jednej strony bronią swoich repozytoriów przed zalałem maszynowo generowanych błędów. To rośnie w siłę, a wyzwanie staje się z każdym dniem poważniejsze. Otwarty i zdecentralizowany sposób tworzenia oprogramowania przestaje kursować jak należy.

Praca nad Linuxem umożliwia każdemu zgłaszanie poprawek, ale problem leży w tym, że generowanie kodu i raportów o błędach stało się zbyt proste.

W dobie AI użytkownicy, mimo dobrych intencji, często nie zdają sobie sprawy, że ich kod może być zawodzić. Próby wprowadzenia limitów na zgłoszenia pull request i obowiązkowe atrybucje są krokiem w dobrym kierunku, ale nie rozwiązują głównych problemów.

Otwarta struktura Linuxa sprawia, że osiągnięcie wspólnego konsensusu w obszarze integracji zewnętrznych aspektów jest niemal niemożliwe. Brak centralnej władzy prowadzi do różnorodnych standardów UI i zasad integracji hardware’u, co osłabia cały ekosystem. Dlatego Linux nie jest w stanie stworzyć spójnego, dostępnego interfejsu dla lokalnych narzędzi AI.

Podczas gdy decydenci koncentrują się na zabezpieczaniu jądra, użytkownicy nie mają dostępu do lokalnych rozwiązań AI. Dla tych, którzy chcą uruchomić model na własnym komputerze, przeszukiwanie różnych środowisk desktopowych jest frustrujące. Zgrzytające formaty pakietów, jak Snap i Flatpak, oraz niekompatybilne serwery graficzne potęgują problemy.

Uruchomienie lokalnego modelu AI na Linuxie to złożony proces, wymagający znacznych umiejętności technicznych. Paradosem jest, że Linux powinien być idealną platformą do takich zastosowań. Jego architektura oferuje bezpośredni dostęp do obliczeń GPU, eliminując narzuty wirtualizacji i ograniczenia pamięci, które wprowadza Windows z WSL2. To marnotrawstwo potencjału.

Nikt nie zgadza się, jak zajmować się kodem AI

Sprawdzanie kodu AI zabiera więcej czasu niż jego tworzenie

Wspólnota jest podzielona w kwestii radzenia sobie z kodem generowanym przez AI. Nie widać rozwiązania, które zadowoli obie strony. Osoby zarządzające jądrem wykazują opór wobec czegoś nieuniknionego. Tak, kod AI ma swoje problemy, ale technologia poprawia się, a walka z nią jedynie hamuje postęp.

Obecnie zaufanie do takiego kodu jest ryzykowne. Opieranie krytycznej infrastruktury na AI zanim będzie naprawdę gotowe to poważny błąd. LLM-y są imponujące. Lubię z nimi eksperymentować, ale AI nie rozumie, jak funkcjonuje jądro systemu operacyjnego na głębszym poziomie.

Łatka może wyglądać dobrze i kompilować się bez błędów, a mimo to zawierać istotne błędy, które ujawniają się później. AI nie ma świadomości historii bazy kodu ani kontekstu architektonicznych decyzji, co powoduje, że wprowadza więcej problemów, niż potrafi rozwiązać.

Ile czasu marnuje się na przeglądaniu kodu, który generuje się w minutę? Rozwój oprogramowania to nie tylko pisanie, ale i jego zrozumienie oraz przemyślane przeglądanie przed publikacją. Gdy AI ułatwia generowanie ogromnych łat, ktoś nadal musi je dokładnie ocenić.

Osoby zarządzające spędzają godziny próbując zrozumieć decyzje AI lub szukając osób, które zgłosiły zmiany, by uzyskać odpowiedzi, których nie mogą znaleźć. Ten czas odbiera się z faktycznej pracy nad projektem.

To także nie zniknie samo przez się, mimo postępów AI.

AI uderza w to, co powinno czynić AI wspaniałym

Ironia jest wręcz zdumiewająca, że Linux mógłby być idealnym miejscem do uruchamiania lokalnych obciążeń AI, ale rzeczywistość tego nie odzwierciedla. Osoby zarządzające nadal będą sceptyczne wobec zgłoszeń AI, a użytkownicy napotykają przeszkody. Różnica między tym, co Linux mógłby zaoferować a tym, co rzeczywiście dostarcza, pozostanie znacząca przez długi czas.

Jeśli ciekawią Cię artykuły podobne do Linux ma problem z AI i na razie nie ma rozwiązania, zajrzyj do kategorii Linux i odkryj jeszcze więcej interesujących treści.