A Linux kernel levelezőlistáján (LKML) nemrégiben érdekes szakmai vita indult arról, hogy alkalmazható-e a gépi tanulás (machine learning, ML) bizonyos kernel-alrendszerek működésének támogatására. A felvetést Viacheslav Dubeyko, az IBM mérnöke tette közzé, aki egy általános infrastruktúra létrehozását javasolja az ML-alapú elemzések és a kernel közötti együttműködéshez.

Nem „AI a kernelben”, hanem tanácsadó réteg

Fontos hangsúlyozni – ahogy a javaslat is egyértelművé teszi –, hogy nem kerülne semmilyen gépi tanulási vagy mesterséges intelligencia kód közvetlenül a kernelbe. A koncepció lényege éppen az ellenkezője:
a kernel változatlanul determinisztikus marad, és teljes mértékben ember által írt logikára épül.

A javasolt megoldás egy könnyűsúlyú „ML proxy” réteg lenne a kernelben, amely:

• strukturált adatokat (belső állapot, teljesítménymutatók, statisztikák) szolgáltatna a felhasználói tér (user space) felé,
• és opcionális ajánlásokat fogadna vissza ott futó ML-modellektől.

A tanítás, az inferencia, valamint az összes kísérletezés kizárólag user space-ben történne, ahol ezek a technikák már most is bevettnek számítanak.

A kernel marad döntési helyzetben

A javaslat egyik kulcseleme, hogy a kernel soha nem automatikusan hajtaná végre az ML-modell által adott javaslatokat. Ehelyett:

• eldöntheti, hogy figyelembe veszi-e az ajánlást,
• kipróbálja azt tesztjelleggel,
• vagy egyszerűen figyelmen kívül hagyja.

A gépi tanulás tehát tanácsadó szerepet töltene be, nem pedig vezérlőt.

Lehetséges technikai megoldások

A kommunikáció és az adatcsere megvalósítására több, már meglévő kernelmechanizmus is szóba került, például:

• sysfs
• karakteres eszközök
• FUSE
• eBPF

Ezek mind alkalmasak lehetnek arra, hogy a kernel és a felhasználói tér között szabályozott, biztonságos adatáramlást biztosítsanak.

Visszacsatolás és tanulási ciklus

Dubeyko egy visszacsatolási mechanizmust is felvázol, amelyben a kernel:

• értékeli az alkalmazott ajánlások hatékonyságát,
• majd ezekről metrikákat küld vissza a user space-ben futó ML-rendszernek.

Ez lehetővé tenné a modellek finomítását vagy újratanítását anélkül, hogy ez a kernel stabilitását vagy teljesítményét veszélyeztetné.

Kísérleti állapot

A javaslathoz már készült:

• egy korai proof-of-concept ML könyvtár,
• valamint egy RFC (Request for Comments) patch sorozat, amelyet a Linux kernel levelezőlistán tettek közzé.

Fontos kiemelni, hogy ezek a patchek nem kerültek be a mainline kernelbe, és jelenleg kizárólag kísérleti, véleménygyűjtő célt szolgálnak. A fejlesztői közösség visszajelzései dönthetik el, hogy az elképzelés egyáltalán tovább fejlődik-e.

Nyitott kérdés a jövő

Egyelőre teljesen nyitott, hogy a gépi tanulással támogatott kernel-alrendszerek koncepciója túljut-e az elméleti és kísérleti fázison. Ugyanakkor a megközelítés óvatos, konzervatív jellege – miszerint a kernel mindig megtartja az irányítást – jól illeszkedik a Linux fejlesztési filozófiájához.

A részletek iránt érdeklődők számára a teljes javaslat és az RFC patchek a Linux kernel levelezőlistáján érhetők el.