Una línea de código, 24 parches y una IA: así corrigió Torvalds un fallo de las GPU Intel Xe

Cómo se produjo la corrupción gráfica

Cuando el asignador trató el espacio CCS como si fuera VRAM disponible, las asignaciones ordinarias podían solaparse con él y sobrescribir metadatos que utilizaba la GPU. La corrupción resultante afectaba a datos relacionados con las tablas de páginas y provocaba síntomas como corrupción en pantalla y un bucle de reinicios constantes del gestor de pantalla GDM en equipos con hardware Battlemage G21.

Por eso no se trataba únicamente de un error aritmético. El problema era semántico: el código aplicaba un redondeo apropiado para una dirección inicial a un valor que funcionaba como límite, es decir, como la marca que indica dónde termina la memoria utilizable. Esa diferencia explica cómo un cambio diminuto pudo causar un fallo tan difícil de localizar.

24 parches y 18 arranques para acotar el problema

Torvalds y la IA fueron añadiendo y modificando instrumentación específica, siguiendo los cálculos de memoria del controlador y comparando la posición de CCS comunicada por el hardware con el límite que recibía el asignador de VRAM. El proceso requirió 24 versiones de parches de depuración y 18 ciclos de reinicio y prueba antes de que quedara clara la dirección incorrecta del redondeo.

Los reinicios fueron necesarios porque el fallo no se manifestaba solo como una línea de código sospechosa. Había que comprobar el comportamiento real del hardware y del sistema gráfico, y distinguir un problema de asignación de memoria de otras posibles causas de las pantallas corruptas y los fallos del entorno gráfico.

La IA aceleró la investigación, pero no la dirigió

Torvalds utilizó la asistente como apoyo interactivo de depuración, no como una autora autónoma del parche. La herramienta ayudó a proponer instrumentación, seguir rutas de ejecución dentro del controlador y analizar la salida de los experimentos sucesivos.

Pero su criterio no era infalible. Según Torvalds, la IA concluyó varias veces que el problema era imposible o irresoluble y llegó a sugerir que lo mejor era redactar un informe y abandonar la búsqueda. Él tuvo que decidir cuál sería el siguiente experimento, descartar interpretaciones equivocadas y entender qué significaba el desplazamiento dentro del modelo de memoria del asignador.

Esa división del trabajo es la parte más reveladora del caso: la IA generó posibilidades y se ocupó de tareas mecánicas; el experto aportó el contexto del subsistema, la perseverancia, las pruebas que podían confirmar o refutar una hipótesis y el juicio final.

Dónde quedó integrado el arreglo

Torvalds escribió y confirmó el arreglo del controlador Intel Xe en el kernel principal de Linux. La información disponible indica que las ramas estables mantenidas que resulten afectadas deberían recibir el cambio mediante el proceso habitual de retroportación, pero las fuentes proporcionadas no permiten establecer con fiabilidad qué versiones concretas lo incluirán ni en qué fechas.

Por tanto, no es prudente atribuir el parche a versiones estables específicas sin una confirmación de los mantenedores del kernel o de las distribuciones. Los usuarios de hardware afectado deberían consultar los anuncios correspondientes antes de asumir que una compilación ya contiene la corrección.

La lección para el desarrollo del kernel con IA

El episodio no equivale a una aprobación general de los parches generados por IA. Muestra un uso más limitado y defendible: un desarrollador con conocimiento profundo puede emplear estas herramientas para acelerar un ciclo de depuración difícil, siempre que conserve la responsabilidad sobre la hipótesis, el diseño de las pruebas, la revisión y el resultado.

Eso es muy distinto de enviar parches o informes de vulnerabilidades generados automáticamente, sin probar y sin que nadie pueda explicar o defender el cambio. Varios mantenedores del kernel han descrito una «avalancha» de contribuciones producidas por modelos de lenguaje, mientras que responsables de los subsistemas staging y de redes han expresado su frustración ante parches de bajo valor o mal comprendidos.

También conviene tratar con cautela la afirmación repetida de un aumento del 2.700 % en los envíos. La información disponible no establece con precisión cómo se calculó esa cifra, qué periodo abarca ni si se refiere a todos los envíos o a una categoría concreta. Lo que sí está mejor respaldado es una conclusión más general: la IA ha reducido el coste de producir código e informes, pero el coste de revisarlos y clasificarlos sigue recayendo en los mantenedores humanos.

Torvalds también ha defendido que Linux no es un proyecto categóricamente contrario a la IA, especialmente cuando se utiliza en tareas como la revisión de código. La investigación del fallo de Intel Xe marca, sin embargo, el límite práctico: la IA puede ser útil dentro de un proceso de ingeniería disciplinado, pero no sustituye el conocimiento del subsistema, las pruebas reproducibles ni la responsabilidad humana sobre el resultado.

El parche final tuvo una línea. El verdadero logro fue saber cuál cambiar y seguir buscando incluso cuando la asistente aseguró que la respuesta no podía encontrarse.