很多人讨厌AI,对它毫不信任。但Linux之父Linus Torvalds并不在其列。在他看来,AI对于编程和系统维护相当有用,事实上,AI的使用已在Linux内核开发中获得明确许可。
尽管如此,仍有开发者对AI是否应当参与Linux开发持怀疑态度。例如,Zig语言项目就已出台严格政策,禁止使用AI生成的代码。
对于那些希望Linux效仿类似立场的人,Torvalds近日在Linux内核邮件列表(LKML)上直接回应:如果你无法接受在Linux内核中使用AI,你完全可以"做个开源该做的事——去Fork它"。
他不是在开玩笑。Torvalds进一步写道:"我知道有些人真的很讨厌AI,但在这个问题上,作为顶层维护者,我的态度是绝对坚定的。"
理由很简单:"AI就是一种工具,和我们使用的其他工具没什么两样。而且它显然是有用的。也许就在一年前,这一点还不够明显,但现在已经毋庸置疑。"
Linux稳定内核维护者Greg Kroah-Hartman今年早些时候告诉我:"几个月前,我们收到了大量所谓的'AI垃圾'——明显错误或质量低劣的AI生成安全报告。"但他随即补充道:"后来情况发生了转变。现在我们收到的是真实有效的报告。所有开源项目都在收到借助AI生成的报告,但这些报告质量很高,内容真实可靠。"
其他开源开发者和维护者也持相同看法。从2026年前沿模型(如Anthropic Claude Opus 4.8)开始,AI编程能力已大幅提升。正如Torvalds所言:"AI还有很多其他值得讨论的问题,比如它最终会对经济产生怎样的影响——但'它有没有用'已经不再是其中之一了。"
当然,Torvalds也清醒地认识到AI远非完美。"是的,它有时候也是个让人头疼的工具……但解决办法不是把头埋进沙子,像某些人那样扯着嗓子高喊'啦啦啦,我什么都听不见'。"
他的结论是:"解决办法是确保这些大语言模型工具能够真正帮助维护者,而不只是给他们添麻烦。这一点毫无疑问。"因此,虽然Torvalds不会强迫任何人使用AI,但"如果有人试图阻止别人使用AI,我会非常明确地无视他们"。
这番表态的导火索,是Linux开发者们就软件自由保护协会(SFC)近期发布的AI政策声明展开的讨论。该声明题为《在为自由开源软件做贡献时使用大语言模型支持的生成式AI系统》,建议开源项目的AI使用"最佳实践"应当"支持(而不仅仅是容忍)那些明确拒绝大语言模型生成式AI系统的人"。
正是这一立场中的边界模糊之处,引发了Linux内核资深维护者Theodore "Ted" Ts'o的不满。他写道:"如果有人拒绝使用大语言模型生成式AI系统,而LTS内核中包含了通过自动化工具回移的补丁,那么他提出异议时,我们是否必须放弃使用自动化回移技术?如果有人用内核堆栈跟踪信息报告了一个Bug,而有人使用大语言模型智能体来分析报告并找到修复方案,在这种情况下,'支持明确拒绝大语言模型生成式AI系统的人'究竟意味着什么?"
Ts'o的立场是:"我认为,我们并没有义务竭尽全力去迁就所有补丁作者的需求。"
另一位顶级Linux内核开发者James Bottomley则给出了这样的回答:"贡献者无权决定维护者使用什么工具来评估和应用补丁。如果维护流程中用到了AI,而贡献者是个AI反对者,那他的补丁就不会被采纳——也就是说,你拒绝AI的权利,止于侵犯他人使用AI的权利之处。"
Torvalds的总结则更为简洁有力:"在内核社区,我们做开源是因为它能带来更好的技术,而不是出于某种信仰。因此,我们做决定的首要依据是技术价值,而不是对新工具的恐惧。"
Q&A
Q1:Linus Torvalds对在Linux内核中使用AI持什么态度?
A:Torvalds明确支持在Linux内核开发中使用AI,并表示这是他作为顶层维护者的坚定立场。他认为AI是一种工具,就像其他开发工具一样,其有用性已不容置疑。他表示不会强迫任何人使用AI,但会坚决无视那些试图阻止他人使用AI的声音。对于无法接受这一立场的开发者,他建议可以Fork Linux项目。
Q2:软件自由保护协会的AI政策声明说了什么,为什么引发争议?
A:软件自由保护协会发布了一份关于在自由开源软件贡献中使用大语言模型生成式AI系统的政策声明,建议开源项目应"支持那些明确拒绝大语言模型生成式AI系统的人"。这一立场引发争议,因为维护者Ted Ts'o指出其中存在大量模糊地带:例如自动化补丁回移、用AI智能体分析Bug报告等情形,很难界定是否属于"使用AI",也难以判断应如何"支持"拒绝AI的贡献者。
Q3:Linux内核社区目前对AI生成内容的质量评价如何?
A:根据Linux稳定内核维护者Greg Kroah-Hartman的说法,早期确实存在大量低质量的"AI垃圾"报告,但情况已发生根本性转变。目前,开源项目收到的AI辅助生成报告质量普遍较高,内容真实有效。随着Anthropic Claude Opus 4.8等前沿模型的推出,AI编程能力也得到了大幅提升。
好文章,需要你的鼓励
IBM提出评估量子计算机性能的三个基本指标:可编程量子比特(衡量规模)、量子比特操作数(衡量质量)和每秒最大电路数(衡量速度)。可编程量子比特决定用户可直接控制的量子资源规模;量子比特操作数反映系统可靠执行复杂运算的能力;电路吞吐量则体现系统的性价比。这三项指标适用于超导、离子阱、量子点等各类量子硬件平台,为跨平台性能比较提供统一框架。
冲绳科学技术大学院大学研究者提出SiamJEPA,在JEPA框架中引入孪生学生编码器,证明其充当正则化器、加速训练并提升图像表示质量。
Salesforce对逾500名中层管理者的调查显示,三分之二的管理者对AI在未来工作中的作用持乐观态度,77%的人每周借助AI工具节省超3小时。研究表明,美国员工比全球平均水平更倾向于质疑AI,而新兴经济体的员工则更信任AI。调查同时指出,管理者需要实操培训、清晰的AI战略及技术支持,以推动企业AI转型成功落地,人才培养始终比技术本身更为关键。
这项研究对比了化学AI中常用的BPE和Unigram-LM两种分词算法,发现二者在化学SMILES上构建的词汇表几乎完全不同,词汇重叠不超过16%,分词粒度相差近三分之一,证明分词算法是不可忽视的关键设计决策。