Linus Torvalds Ajukan Patch Linux Kernel Berbantuan AI untuk Mengatasi Masalah Cache

Linus Torvalds, pencipta Linux sekaligus pengelola utama pengembangan Linux kernel, menarik perhatian komunitas teknologi setelah mengajukan serangkaian patch yang dibuat dengan bantuan kecerdasan buatan. Pembaruan tersebut menggunakan Claude Code dari Anthropic untuk menangani masalah lama pada mekanisme page cache yang dapat menghambat kinerja ketika banyak prosesor membaca berkas yang sama secara bersamaan. Patch yang diajukan pada Oktober 2026 ini menunjukkan peningkatan performa signifikan dalam pengujian sintetis. Namun, temuan masalah konkurensi selama proses peninjauan menegaskan bahwa kontribusi berbantuan AI tetap memerlukan pemeriksaan mendalam sebelum dapat diterapkan pada kernel Linux secara luas.

Linus Torvalds Mulai Menggunakan AI untuk Pengembangan Linux Kernel

Perkembangan alat pemrograman berbasis AI mulai mengubah cara programmer profesional membangun aplikasi. Salah satu perkembangan yang menarik perhatian muncul ketika Linus Torvalds melibatkan Claude Code untuk mengembangkan serangkaian patch. Pada Oktober 2026, Torvalds menyiapkan perubahan yang berfokus pada hambatan pembacaan data dari cache. Langkah tersebut memunculkan diskusi dalam ekosistem Linux karena memberikan contoh kolaborasi manusia dan AI dalam pengembangan sistem operasi.

Penggunaan Claude Code tidak berarti AI bekerja tanpa pengawasan. Dalam penjelasan pengembangannya, ia menjelaskan bahwa Claude Code membantu menghasilkan kode, menyiapkan program pengujian, serta membantu peninjauan awal. Sementara itu, keputusan teknis utama serta evaluasi hasil tetap dilakukan dengan keterlibatan langsung Torvalds. Pendekatan kolaboratif demikian menjadi aspek yang perlu diperhatikan karena Linux kernel merupakan komponen fundamental sistem operasi yang menuntut keandalan tinggi.

Penyebab Penurunan Performa Cache saat Banyak CPU Membaca Berkas

Untuk memahami tujuan patch tersebut, penting mengenal mekanisme page cache. Page cache merupakan fasilitas kernel untuk mempercepat akses terhadap data yang pernah dibaca. Apabila sistem membaca file, Linux dapat memanfaatkan data yang sudah tersedia di RAM apabila informasi terkait belum dikeluarkan dari cache. Pendekatan pengelolaan memori tersebut meningkatkan efisiensi operasi berkas. Namun, koordinasi banyak thread dapat mengurangi kemampuan sistem untuk meningkatkan performa.

Masalah yang ditangani Torvalds melibatkan pengelolaan jumlah referensi objek memori. Pada mekanisme pengelolaan memori, folio merepresentasikan kumpulan halaman memori. Ketika banyak thread membaca data yang sama, operasi yang memperbarui nilai referensi bersama dapat memicu persaingan akses cache line. Dalam kondisi demikian, permintaan baca dapat saling memperlambat. Hambatan konkurensi ini dapat muncul dalam skenario pembacaan intensif, termasuk aplikasi dengan banyak thread.

Mekanisme Optimasi Folio dalam Pengembangan Kernel

Solusi yang dikembangkan dirancang untuk membatasi kebutuhan memperbarui reference count pada jalur pembacaan tertentu. Serangkaian patch menggunakan perlindungan RCU untuk memungkinkan akses data pada kondisi tertentu. Melalui pendekatan tersebut, penghapusan struktur terkait dapat ditangguhkan hingga periode perlindungan RCU selesai. Berkat mekanisme ini, akses data yang aman dalam wilayah RCU mampu menekan persaingan pada penghitung bersama.

Meski konsep dasarnya cukup mudah dijelaskan, penerapan mekanisme tersebut sangat kompleks. Pengembang harus memastikan bahwa folio memiliki masa hidup yang sesuai dengan akses data. Selain itu, interaksi dengan mekanisme pengelolaan memori lainnya dapat memengaruhi keamanan jalur baca. Karena alasan tersebut, peningkatan kecepatan harus disertai pembuktian keamanan. Berbagai kondisi penggunaan harus melewati pengujian menyeluruh sebelum perubahan dapat diterima sebagai bagian kernel utama.

Hasil Pengujian Patch Linux Berbantuan AI Menunjukkan Peningkatan Performa

Salah satu hasil yang menarik perhatian adalah lonjakan kemampuan menangani operasi pembacaan dalam pengujian khusus. Dalam pengukuran menggunakan sistem tertentu, serangkaian patch memperlihatkan lonjakan throughput mendekati 23 kali dalam pengujian akses berkas paralel. Hasil eksperimen pada perangkat berbasis Threadripper menggambarkan lonjakan kemampuan memproses permintaan dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada pengujian dengan puluhan thread aktif. Hasil pengujian itu menunjukkan manfaat pada kondisi tertentu.

Selain pengujian pada Threadripper, pengujian awal pada laptop Torvalds juga memperlihatkan peningkatan throughput sekitar tiga kali lipat pada beban kerja delapan thread. Variasi peningkatan yang diperoleh menunjukkan pengaruh konfigurasi perangkat. Namun demikian, hasil tersebut belum tentu mewakili seluruh aplikasi nyata. Beban kerja yang tidak terhambat reference counting dapat mengalami peningkatan yang terbatas. Karena alasan tersebut, evaluasi terhadap berbagai konfigurasi perangkat keras tetap diperlukan untuk memastikan manfaat secara lebih luas.

Mengapa Kode Berbantuan AI Tetap Membutuhkan Pemeriksaan Manusia

Meskipun benchmark menunjukkan hasil positif, review kode mengidentifikasi kondisi balapan. Race condition merupakan kondisi saat beberapa aktivitas paralel dapat saling mengganggu. Untuk implementasi page cache, gangguan konkurensi harus ditangani secara hati-hati karena berpotensi menyebabkan akses memori tidak aman. Penemuan masalah konkurensi menjadi alasan perlunya evaluasi ketat sebelum kode digunakan secara luas. Hingga tahap pelaporan tersebut, rangkaian perubahan masih membutuhkan revisi.

Pengalaman pengembangan ini memberikan pelajaran penting mengenai pemanfaatan AI dalam rekayasa perangkat lunak. Sistem AI dapat membantu menyusun implementasi awal, tetapi belum tentu menghasilkan implementasi bebas kesalahan. Terlebih pada Linux kernel, masalah kecil dapat memiliki konsekuensi luas. Dengan mempertimbangkan risikonya, pengujian berlapis tetap menjadi kebutuhan utama. Pencatatan proses pengembangan berbantuan AI juga membantu memperjelas asal kontribusi tanpa menggantikan standar keamanan perangkat lunak.

Potensi serta Batasan AI untuk Optimasi Sistem Operasi

Pemanfaatan AI dalam perubahan kernel Linux memberikan gambaran penting mengenai peran kecerdasan buatan dalam pemrograman sistem. Upaya mengurangi contention pada page cache memperlihatkan peningkatan performa yang menjanjikan. Meski demikian, masalah konkurensi yang ditemukan saat review menunjukkan bahwa hasil cepat belum tentu aman. Untuk penerapan AI yang lebih luas, AI perlu digunakan bersama keahlian manusia, bukan pengganti seluruh proses peninjauan. Apa pendapat Anda, apakah penggunaan AI dalam pengembangan kernel berpotensi meningkatkan produktivitas pengembang? Bagikan pemikiran Anda mengenai masa depan pengembangan perangkat lunak berbantuan AI.