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.

Kolaborasi Linus Torvalds dan AI untuk Memperbaiki Kinerja Kernel

Kemajuan teknologi kecerdasan buatan mulai mengubah cara pengembang perangkat lunak membangun aplikasi. Peristiwa penting dalam perubahan tersebut muncul ketika Linus Torvalds melibatkan Claude Code untuk membantu memperbaiki komponen Linux. Melalui pekerjaan yang dipublikasikan pada Oktober 2026, Torvalds mengajukan perubahan yang ditujukan untuk mengurangi perebutan sumber daya ketika membaca berkas. Pengembangan tersebut memunculkan diskusi dalam ekosistem Linux karena memperlihatkan penggunaan AI pada perangkat lunak tingkat rendah.

Keterlibatan kecerdasan buatan tetap berada di bawah arahan Torvalds. Berdasarkan uraian mengenai proses pengerjaan, ia menjelaskan bahwa Claude Code terlibat dalam pembuatan implementasi, menyiapkan program pengujian, serta mendukung proses evaluasi kode. Di sisi lain, pengendalian pekerjaan dan pengujian pada perangkat nyata tetap menjadi bagian dari tanggung jawab pengembang. Pembagian pekerjaan ini memiliki arti besar karena Linux kernel bertanggung jawab atas pengelolaan sumber daya perangkat yang tidak boleh menerima perubahan tanpa validasi memadai.

Penyebab Penurunan Performa Cache saat Banyak CPU Membaca Berkas

Sebelum membahas peningkatan performanya, perlu diketahui bagaimana Linux menyimpan data berkas sementara. Page cache merupakan bagian sistem yang mempertahankan salinan data file dalam RAM. Apabila sistem membaca file, Linux berpeluang mengambil informasi langsung dari cache apabila halaman yang diperlukan masih tersimpan. Pendekatan pengelolaan memori tersebut mengurangi kebutuhan akses penyimpanan. Meski demikian, pengelolaan akses secara bersamaan dapat mengurangi kemampuan sistem untuk meningkatkan performa.

Persoalan teknis dalam pengembangan ini melibatkan pengelolaan jumlah referensi objek memori. Di dalam sistem page cache, folio digunakan untuk mengelola unit memori yang berkaitan. Ketika banyak thread membaca data yang sama, operasi yang mengubah reference count secara berulang dapat menyebabkan contention antarkomponen pemrosesan. Sebagai dampaknya, permintaan baca dapat saling memperlambat. Permasalahan tersebut berpotensi memengaruhi aplikasi yang sering mengakses data bersama, termasuk aplikasi dengan banyak thread.

Pendekatan RCU untuk Mempercepat Pembacaan Data Linux

Solusi yang dikembangkan berupaya mengurangi kebutuhan memperbarui reference count pada jalur pembacaan tertentu. Perubahan kode yang diusulkan mengandalkan pendekatan sinkronisasi RCU untuk memungkinkan akses data pada kondisi tertentu. Melalui pendekatan tersebut, penghapusan struktur terkait dapat ditangguhkan hingga masa tenggang RCU berakhir. Melalui pengaturan itu, operasi baca pada kondisi yang didukung mampu menekan persaingan pada penghitung bersama.

Meski konsep dasarnya cukup mudah dijelaskan, implementasinya membutuhkan perhatian terhadap banyak kondisi. Tim pengembangan wajib memvalidasi bahwa folio tetap aman selama proses pembacaan. Di samping itu, perubahan kondisi pemetaan memori dapat menimbulkan situasi yang membutuhkan penanganan khusus. Oleh sebab itu, hasil benchmark tidak dapat menjadi satu-satunya dasar penerimaan. Berbagai kondisi penggunaan harus melewati pengujian menyeluruh sebelum perubahan dapat diterima sebagai bagian kernel utama.

Hasil Pengujian Patch Linux Berbantuan AI Menunjukkan Peningkatan Performa

Temuan performa yang paling menonjol adalah lonjakan kemampuan menangani operasi pembacaan dalam pengujian khusus. Berdasarkan benchmark yang disampaikan, serangkaian patch memperlihatkan lonjakan throughput mendekati 23 kali dalam skenario pembacaan dengan banyak thread. Pengukuran pada prosesor Ryzen Threadripper memperlihatkan peningkatan jumlah operasi baca dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada skenario paralel menggunakan 64 thread. Data performa tersebut memperlihatkan besarnya hambatan yang dapat dikurangi.

Di samping benchmark menggunakan prosesor dengan banyak thread, pengukuran menggunakan perangkat pribadinya juga menunjukkan perbaikan kemampuan pembacaan sekitar tiga kali lipat pada beban kerja delapan thread. Variasi peningkatan yang diperoleh memperlihatkan pentingnya karakteristik beban kerja. Namun demikian, percepatan itu tidak otomatis berlaku untuk setiap perangkat Linux. Aplikasi dengan sedikit thread mungkin memperoleh manfaat lebih kecil. Karena alasan tersebut, evaluasi terhadap berbagai konfigurasi perangkat keras harus dilakukan untuk memastikan manfaat secara lebih luas.

Mengapa Kode Berbantuan AI Tetap Membutuhkan Pemeriksaan Manusia

Di balik peningkatan performa yang menjanjikan, proses peninjauan menemukan masalah race condition. Race condition merupakan kondisi saat beberapa aktivitas paralel dapat saling mengganggu. Untuk implementasi page cache, persoalan tersebut membutuhkan perhatian khusus karena berpotensi menyebabkan akses memori tidak aman. Hasil review ini menegaskan pentingnya proses pemeriksaan sebelum kode digunakan secara luas. Dalam perkembangan yang diberitakan, rangkaian perubahan masih membutuhkan revisi.

Peristiwa tersebut menunjukkan tantangan nyata mengenai pemanfaatan AI dalam rekayasa perangkat lunak. Model bahasa dapat dimanfaatkan untuk mempercepat pembuatan rancangan kode, tetapi tidak menghilangkan kemungkinan cacat logika. Khususnya dalam perangkat lunak tingkat rendah, cacat implementasi dapat memengaruhi stabilitas komputer. Karena itu, validasi independen harus dipertahankan. Transparansi mengenai keterlibatan AI juga mempermudah diskusi mengenai tanggung jawab tanpa menggantikan standar keamanan perangkat lunak.

Kesimpulan Peran AI dalam Pengembangan Linux Kernel

Pengajuan patch Linux kernel oleh Linus Torvalds menjadi contoh menarik mengenai kolaborasi manusia dan model bahasa dalam rekayasa perangkat lunak. Optimasi pengelolaan referensi folio menghasilkan benchmark dengan lonjakan throughput besar. Meski demikian, kekurangan implementasi yang teridentifikasi menegaskan bahwa kode masih membutuhkan penyempurnaan. Untuk penerapan AI yang lebih luas, AI perlu digunakan bersama keahlian manusia, bukan alasan untuk mengabaikan pengujian. Bagaimana menurut Anda, apakah kolaborasi Claude Code dan pengembang Linux akan mempercepat inovasi secara aman? Sampaikan pandangan Anda mengenai peluang dan risikonya.