लिनस टॉर्वाल्ड्स ने Linux Kernel Patch Series में AI सहायता का उपयोग किया

AI-सहायता से किया गया kernel योगदान

लिनस टॉर्वाल्ड्स ने Linux kernel patch series पर काम करते समय एक LLM coding assistant का उपयोग किया है। यह सबसे प्रभावशाली open-source software projects में से एक के लिए एक उल्लेखनीय क्षण है। इस कार्य के साथ प्रस्तुत विवरण में टॉर्वाल्ड्स ने कहा कि code, test programs, patch list के पीछे की review और व्याख्यात्मक लेख का पहला मसौदा उनके निर्देशन में Anthropic’s Claude Code की मदद से तैयार किया गया।

इस खुलासे में किसी autonomous system द्वारा स्वतंत्र रूप से Linux में बदलाव करने का वर्णन नहीं है। इसके बजाय, इसमें एक विशिष्ट तकनीकी समस्या पर developer-led process के भीतर इस्तेमाल की गई AI सहायता का वर्णन है। टॉर्वाल्ड्स ने यह कार्य अपनी repository में noref-filemap-read-with-llm नामक branch पर eight-patch series के रूप में जारी किया।

इन patches का लक्ष्य कई cores और processors वाले systems पर उसी cached file से होने वाली छोटी reads से जुड़ी Linux performance समस्या है। यह समस्या 2024 से ज्ञात है और इसे हल करने के पहले के प्रयास सफल नहीं हुए थे।

बाधा page cache में है

Linux file data को memory में रखने के लिए अपने page cache का उपयोग करता है। आम तौर पर इससे programs को storage तक बार-बार पहुंचने से बचने में मदद मिलती है, लेकिन इस patch series का स्रोत एक अलग तरह की लागत है: processor cores के बीच coordination।

जब कई threads बार-बार उसी cached file से छोटी reads करते हैं, तो वे उस data को support करने वाले folio के references को acquire और release करते हैं। इन reference-count updates के लिए shared cache line पर atomic writes की आवश्यकता होती है। Multicore system पर इससे उत्पन्न traffic cores को उस line के लिए प्रतिस्पर्धा करने पर मजबूर कर सकता है और workload को धीमा कर सकता है।

जब reads छोटी और frequent हों, तो इसका प्रभाव विशेष रूप से स्पष्ट हो सकता है। रिपोर्ट किए गए उदाहरण में चार-core, eight-thread Intel Core i7-8565U laptop पर आठ threads ने उसी page के विरुद्ध 16-byte pread() calls किए। उस test में shared cache line ने measured cross-core load activity के 99.92% हिस्से का योगदान दिया, जिसे Hit in Modified cache line या HITM के रूप में वर्गीकृत किया गया।

यह measurement दिखाता है कि reference-count update जैसे low-level detail का प्रभाव इतना बड़ा क्यों हो सकता है। Individual reads बहुत छोटी हैं, लेकिन shared memory पर बार-बार होने वाला synchronization तब dominant cost बन सकता है, जब कई execution threads उसी underlying data के लिए प्रतिस्पर्धा करें।

यह खुलासा क्यों महत्वपूर्ण है

Linux development में कठोर review और testing expectations होती हैं, खासकर उन changes के लिए जो memory-management और file-cache behavior को प्रभावित करते हैं। इसलिए टॉर्वाल्ड्स का बयान केवल इस वजह से महत्वपूर्ण नहीं है कि AI का उपयोग हुआ, बल्कि इसलिए भी कि उन्होंने kernel patch series के लिए code, tests, review material और प्रारंभिक explanatory draft तैयार करने में AI की भूमिका स्पष्ट रूप से बताई।

यह विवरण systems programming में AI coding tools के इस्तेमाल की अधिक ठोस तस्वीर भी प्रस्तुत करता है। Assistant का उपयोग measurable behavior, test programs और patch-based review process वाली एक सीमित performance समस्या पर किया गया। टॉर्वाल्ड्स ही इस कार्य का निर्देशन करने और changes submit करने वाले व्यक्ति रहे।

इस दावे का मूल्यांकन करने में यह अंतर महत्वपूर्ण है। स्रोत patches को kernel maintainers की जगह model के इस्तेमाल के उदाहरण के रूप में प्रस्तुत नहीं करता। यह AI को author के निर्देशन में कठिन multicore memory-cache समस्या से निपटने के लिए इस्तेमाल किए गए tool के रूप में प्रस्तुत करता है।

Infrastructure software में AI के लिए एक test case

Infrastructure code coding assistance के लिए एक demanding setting है। Kernel change का केवल plausible दिखना पर्याप्त नहीं है: उसे concurrency, performance characteristics और उन interactions का भी ध्यान रखना होता है जो केवल specific workloads के दौरान सामने आ सकते हैं। इस मामले में कार्य page cache में स्पष्ट रूप से पहचाने गए contention mechanism और एक concrete benchmark scenario से जुड़ा है।

यह patch series code completion से आगे बढ़कर AI के उपयोग का उदाहरण भी है। टॉर्वाल्ड्स के खुलासे में test programs, review work और साथ दिए गए text का पहला draft शामिल है। ये engineering work के अलग-अलग हिस्से हैं, और बयान से संकेत मिलता है कि assistant का उपयोग इन सभी में किया गया, जबकि technical direction human-led रही।

यह तरीका Linux development में routine बनेगा या नहीं, इसका निर्णय project की सामान्य technical process के माध्यम से होगा: patch set की examination, maintainers और contributors द्वारा testing तथा review। तत्काल परिणाम सीमित है, लेकिन फिर भी consequential है। Open source के सबसे प्रमुख maintainers में से एक ने वास्तविक kernel performance समस्या के प्रस्तावित समाधान पर LLM assistant के उपयोग का सार्वजनिक रूप से documentation किया है।

AI tools के practical adoption पर नजर रखने वाले developers के लिए यह episode एक उपयोगी framework प्रस्तुत करता है। Technology को एक specific, measurable systems problem पर लागू किया गया—engineering accountability के substitute के रूप में नहीं, बल्कि जिम्मेदार व्यक्ति के निर्देशन में patch series तैयार करने और उसकी जांच करने वाले assistant के रूप में।

यह लेख ZDNET की reporting पर आधारित है। मूल लेख पढ़ें।