Linux har et AI-problem, og det finnes ingen løsning ennå

Linux møter utfordringer med økende AI-generert kode, som overvelder vedlikeholdere og truer kvaliteten på prosjektene. Uten klare løsninger fortsetter systemet å slite med fragmentering og ineffektivitet.

Linux dominerer serverlandskapet, driver flertallet av AI-treningsinfrastrukturen, og ligger til grunn for store deler av internett. Dette skjer takket være en utviklingsmodell der alle kan bidra med patcher, og hvor den beste koden vinner. Denne tilnærmingen har vært effektiv i mange år. Så kom AI-kodegenerering og utnyttet denne åpenheten. Resultatet? Et betydelig problem uten en klar løsning.

Gjennomgang av falske feil gjør vedlikeholdere utmattet

Tensions i Linux-miljøet steg med AI-genererte bidrag som flommet inn i en gjennomgangsprosess som var malplassert for oppgaven. Årsaken er enkel: det koster ingenting å generere kodepatcher og feilmeldinger ved hjelp av AI-verktøy.

Dessverre krever gjennomgang av disse innsendelsene fortsatt betydelig tid og innsats. Det overbelaster et system som allerede var strukket. Spesielt i områder som minnehåndtering ble foreslåtte patcher ignorert før AI-bølgen.

Den private sikkerhets-e-postlisten for Linux-kjernen nådde et kritisk punkt. En gang en stille kanal med få rapporter, opplevde den plutselig fem til ti daglige innkomne meldinger. I fravær av offentlig oversikt ble dupliserte rapporter sendt inn gang på gang.

Dermed kan de som vedlikeholder dette feltet bruke timer på å sortere gjennom repetisjonene, bare for å oppdage at mange feil enten ikke eksisterer eller ble løst for flere måneder siden.

Linus Torvalds er skeptisk til AI-generert kode. Han hevder den ikke er egnet for produksjon og at blind tillit til AI-kode uten å forstå innholdet kan føre til store problemer.

Til tross for motstanden fra vedlikeholderne og forbud mot AI-generert kode i andre open source-prosjekter, er det et økende ønske om å utvikle AI-assistert programvare. Mange utviklere ser disse verktøyene som en mulighet til å navigere gjennom komplekse oppgaver raskere.

Problemet? Linux er plattformen for AI-arbeidsmengder, men den teknologien er ikke tilgjengelig for vanlige skrivebordbrukere.

Linux-vedlikeholdere kjemper to forskjellige kamper

Kjøring av lokal AI på ditt skrivebord er altfor vanskelig

Linux-vedlikeholdere kjemper på to fronter, et problem skapt av operativsystemets arkitektur. På den ene siden står de overfor en flom av maskin-generert søppel som truer kvaliteten på repositories.

Og situasjonen vil bare bli verre. Den åpne, desentraliserte tilnærmingen i Linux-utvikling har gjort det lett for alle å sende inn patcher, men det har blitt for enkelt å generere kode og overvelde systemet med innsendelser.

Vedlikeholdere drukner i AI-rot, slengt ut av gode intensjoner fra brukere som ignorerer at koden deres er ustabil. Midlertidige tiltak som caps for pull requests og obligatorisk attribusjon er på plass.

Men det er et problem. Uten en sentral autoritet som kan bestemme UI-standarder eller maskinvareintegrasjon, forblir økosystemet fragmentert. Linux kan ikke bygge en sammenhengende, tilgjengelig frontend for lokale AI-verktøy.

Mens vedlikeholderne styrker kjernen, sitter vanlige brukere fast. De som ønsker å kjøre modeller på skrivebordet møter et hav av konkurrerende skrivebordsmiljøer. Kolliderende pakkefordelinger som Snap og Flatpak, samt uenigheter mellom grafikkservere, gjør det verre.

Å få en lokal AI-modell til å fungere på Linux krever betydelig teknisk innsats. For min del, tør jeg ikke engang begynne på det. Merkelig nok er Linux ideell for lokal AI; arkitekturen gir direkte tilgang til GPU-beregning uten virtualiseringskluss. En sløsing av potensial.

Ingen enighet om håndtering av AI-kode

Sjekking av AI-kode tar dobbelt så lang tid som å lage den

Delte meninger preger fellesskapet om håndtering av AI-generert kode. Begge sider ser ikke ut til å bli enige. Kjernens vedlikeholdere holder fast ved det uunngåelige. Ja, AI-kode sliter, men teknologien forbedres. Motstand bremser bare utviklingen.

Men la oss være reelle: koden er ikke trygg i dag. Å satse kritisk infrastruktur på AI nå ville vært en katastrofe. LLM-er er imponerende, men de forstår ikke operativsystemkjerner på dypere nivå.

En patch kan se feilfri ut, men kan skjule problemer. AI mangler kontekst og forståelse av kodehistorie og arkitektur. Resultatet? Flere problemer enn løsninger.

Og tenk på tiden brukt på å vurdere kode som går unna på et minutt å generere. Programvareutvikling handler om mer enn å skrive; den krever forståelse og evaluering før lansering. Når AI gjør det lett for uerfarne utviklere å lage omfattende patcher, må noen fortsatt gå grundig igjennom dem.

Vedlikeholdere tilbringer timer med å forstå hvorfor AI tok spesifikke valg, eller prøver å finne ut hvem som sendte inn hva. Den tiden er tapt for reelt arbeid med å drive prosjektet fremover.

Dette problemet vil ikke forsvinne med økt AI-kompetanse.

AI skader det som bør heve AI

Ironisk nok burde Linux vært den beste plattformen for lokal AI. Likevel er det ikke der vi er nå. Vedlikeholdere vil fortsette å motsette seg AI-genererte innsendelser, og brukere vil fortsette å møte barrierer. Kloen mellom hva Linux kan gi for lokal AI, og hva det faktisk leverer, vil ikke bli lukket med det første.

Hvis du vil lese flere artikler som Linux har et AI-problem, og det finnes ingen løsning ennå, kan du besøke kategorien Linux.