Linus Torvalds ve Yapay Zekâ, Intel Xe GPU Hatasını Tek Satırla Nasıl Çözdü?

Yanlış yuvarlama neden GPU belleğini bozdu?

Bellek ayırıcısı CCS alanını kullanılabilir VRAM zannettiğinde, normal bellek tahsisleri bu bölgeyle çakışabiliyordu. Böylece GPU’nun kullandığı CCS metadatası, hatta sayfa tablolarıyla ilişkili veriler üzerine yazılabiliyordu. Battlemage G21 donanımında bunun sonucunda ekran bozulmaları görüldü ve GDM görüntü yöneticisi sürekli yeniden başlama döngüsüne girdi.

Dolayısıyla mesele yalnızca yanlış yapılmış bir matematik işlemi değildi. Asıl problem, bir sınır değerinin başlangıç adresiymiş gibi ele alınmasıydı. Değer, kullanılabilir belleğin başladığı yeri değil, sona erdiği yeri gösteriyordu. Bu nedenle son yama çok küçük olsa da hatanın anlamını doğru kavramak oldukça zordu.

24 yama ve 18 kernel açılışı arızayı nasıl ortaya çıkardı?

Torvalds bu süreci “cehennemden bir hata ayıklama oturumu” olarak tanımladı. O ve yapay zekâ yardımcısı, hedefli ölçüm ve günlükleme kodları ekleyip değiştirdi; sürücünün bellek hesaplamalarını izledi ve donanımın bildirdiği CCS konumunu VRAM ayırıcısına aktarılan sınırla karşılaştırdı. Hatanın hizalama yönünden kaynaklandığı anlaşılana kadar 24 farklı hata ayıklama yaması ve 18 yeniden başlatma-test döngüsü gerekti.

Bu yeniden başlatmalar önemliydi; çünkü hata yalnızca kaynak kodunda şüpheli görünen bir satırdan ibaret değildi. Sorun, donanım ve görüntü sistemi düzeyinde ekran bozulması ve servis yeniden başlatmaları olarak ortaya çıkıyordu. Her deney, bellek ayırma davranışını diğer olası grafik sorunlarından ayırmaya yardımcı oldu.

Yapay zekâ süreci hızlandırdı, ama yöneten o değildi

Torvalds yapay zekâ yardımcısını etkileşimli bir hata ayıklama ortağı gibi kullandı. Yardımcı; ölçüm kodu önermeye, sürücü içindeki kod yollarını takip etmeye ve ardışık deneylerin sonuçlarını incelemeye destek oldu. Bu yaklaşım, hipotezleri sınamak için gereken tekrarlayan işleri azalttı.

Ancak yapay zekâ güvenilir bir otorite değildi. Torvalds’a göre yardımcı, birkaç kez sorunun imkânsız veya çözülemez olduğu sonucuna vardı ve bir rapor yazıp bırakmayı önerdi. Deneyi bir sonraki aşamaya taşıyan, yanlış yorumları fark edip eleyen ve söz konusu ofsetin bellek modelindeki anlamını kavrayan kişi Torvalds’tı.

Bu olayın en önemli noktası da burada yatıyor: Yapay zekâ olasılıkları sıraladı ve mekanik işleri üstlendi; uzman ise bağlamı sağladı, sınanabilir deneyler tasarladı, hatalı sonuçları reddetti ve nihai kararı verdi.

Düzeltme nereye gitti, kararlı sürümlere ne zaman ulaşacak?

Intel Xe sürücüsündeki düzeltmeyi Torvalds kendisi hazırlayıp ana Linux kernel ağacına gönderdi. Mevcut haberler, etkilenen ve hâlen bakımı sürdürülen kararlı kernel serilerine değişikliğin olağan geriye taşıma süreciyle aktarılmasının beklendiğini gösteriyor. Ancak eldeki kaynaklar, hangi kararlı sürümlerin düzeltmeyi kesin olarak içerdiğini veya yayın tarihlerini güvenilir biçimde ortaya koymuyor.

Bu nedenle belirli sürüm numaralarını kesinmiş gibi vermek için henüz erken. Etkilenen donanıma sahip kullanıcıların, kullandıkları dağıtımın veya kernel bakımcılarının duyurularında ilgili düzeltmenin yer aldığını doğrulaması gerekiyor.

Bu olay yapay zekâ destekli kernel geliştirme hakkında ne söylüyor?

Torvalds’ın yaşadığı deneyim, yapay zekâ tarafından üretilen kernel kodlarına sınırsız bir onay anlamına gelmiyor. Daha dar ve savunulabilir bir kullanım biçimini gösteriyor: Uzman bir geliştirici, zorlu hata ayıklama döngüsünü yapay zekâ ile hızlandırabilir; fakat hipotezden, test tasarımından, kod incelemesinden ve sonucun sorumluluğundan vazgeçmez.

Bu yaklaşım, test edilmemiş ve istenmeden gönderilen yapay zekâ üretimi yamaları veya güvenlik raporlarını bakımcılara yollamaktan tamamen farklı. Kernel geliştiricileri makine üretimi katkıların bir “istilasından” söz ederken, staging ve ağ alt sistemlerindeki bakımcılar düşük değerli ya da yeterince anlaşılmamış yamaların yarattığı yükten duydukları rahatsızlığı dile getirdi.

Sık tekrarlanan yüzde 2.700’lük başvuru artışı iddiasına ise temkinli yaklaşmak gerekiyor. Eldeki haberler bu rakamın nasıl ölçüldüğünü, hangi zaman aralığını kapsadığını veya tüm başvurulara mı, belirli bir alt sisteme mi ait olduğunu güvenilir biçimde açıklamıyor. Daha sağlam sonuç şu: Yapay zekâ kod ve rapor üretme maliyetini düşürdü; ancak bunları inceleme ve sınıflandırma yükü hâlâ insan bakımcıların omuzlarında.

Torvalds ayrıca Linux’un yapay zekâ araçlarına kategorik olarak karşı olmadığını, özellikle kod incelemesi gibi alanlarda bu araçların faydalı olabileceğini savundu. Intel Xe hata ayıklama oturumu ise sınırı netleştiriyor: Yapay zekâ, disiplinli bir mühendislik sürecinin içinde işe yarayabilir; ancak alt sistem bilgisi, tekrarlanabilir testler ve ortaya çıkan sonucun sorumluluğunu üstlenen bir insanın yerini tutamaz.

Son yama tek satırdı. Asıl başarı, değişmesi gereken satırı bulmak ve yapay zekâ “bu sorun çözülemez” dediğinde aramayı bırakmamaktı.