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.

Langkah Baru Pencipta Linux dalam Memanfaatkan Kecerdasan Buatan

Transformasi sistem AI generatif memberikan dampak terhadap cara pengembang perangkat lunak menulis kode. Salah satu perkembangan yang menarik perhatian muncul ketika Linus Torvalds menggunakan Claude Code untuk menyusun perubahan kode kernel. Dalam pengembangan yang berlangsung pada Oktober 2026, Torvalds menyiapkan perubahan yang ditujukan untuk mengurangi perebutan sumber daya ketika membaca berkas. Pengembangan tersebut menarik perhatian komunitas open source karena memberikan contoh kolaborasi manusia dan AI dalam pengembangan sistem operasi.

Keterlibatan kecerdasan buatan tetap berada di bawah arahan Torvalds. Melalui keterangan yang disampaikan, ia menjelaskan bahwa Claude Code digunakan untuk menyusun perubahan program, membantu membuat perangkat uji, serta berperan dalam pemeriksaan awal. Sementara itu, pengendalian pekerjaan dan pengujian pada perangkat nyata tetap menjadi bagian dari tanggung jawab pengembang. Pemisahan peran tersebut penting untuk dipahami karena Linux kernel merupakan komponen fundamental sistem operasi yang memerlukan ketelitian teknis.

Penyebab Penurunan Performa Cache saat Banyak CPU Membaca Berkas

Sebelum membahas peningkatan performanya, pengguna perlu memahami fungsi cache halaman. 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 data tersebut tersedia di memori. Pendekatan pengelolaan memori tersebut membantu mempercepat proses pembacaan. Akan tetapi, pemrosesan permintaan dari sejumlah inti CPU dapat menimbulkan hambatan tersendiri.

Persoalan teknis dalam pengembangan ini melibatkan pengelolaan jumlah referensi objek memori. Dalam kernel Linux, folio merupakan struktur pengelolaan satu atau lebih halaman. Saat permintaan pembacaan berlangsung secara paralel, operasi yang mengubah reference count secara berulang dapat menghasilkan aktivitas sinkronisasi yang mahal. Akibatnya, permintaan baca dapat saling memperlambat. Permasalahan tersebut berpotensi memengaruhi aplikasi yang sering mengakses data bersama, termasuk layanan server.

Cara Patch AI Mengurangi Beban Reference Count pada Page Cache

Pendekatan yang diajukan ditujukan agar menekan kebutuhan mengubah penghitung referensi berulang kali. Serangkaian patch memanfaatkan mekanisme Read-Copy-Update atau RCU untuk memungkinkan akses data pada kondisi tertentu. Melalui pendekatan tersebut, penghapusan struktur terkait dapat ditangguhkan hingga pembaca yang relevan selesai menggunakan perlindungan RCU. Dengan cara tersebut, operasi baca pada kondisi yang didukung berpotensi menghindari pembaruan reference count.

Kendati tujuan optimasinya jelas, implementasinya membutuhkan perhatian terhadap banyak kondisi. Tim pengembangan wajib memvalidasi bahwa folio memiliki masa hidup yang sesuai dengan akses data. Faktor lain yang perlu diperhatikan adalah, perubahan kondisi pemetaan memori dapat memengaruhi keamanan jalur baca. Oleh sebab itu, peningkatan kecepatan harus disertai pembuktian keamanan. Setiap jalur eksekusi perlu diperiksa dengan teliti sebelum patch dianggap siap digunakan secara luas.

Pengukuran Kinerja Kernel setelah Optimasi Menggunakan Claude Code

Bagian penting dari pengujian patch adalah lonjakan kemampuan menangani operasi pembacaan dalam pengujian khusus. Pada pengujian yang dilaporkan, serangkaian patch mencapai peningkatan hingga sekitar 23 kali lipat dalam pengujian akses berkas paralel. Benchmark yang dijalankan menggunakan sistem Threadripper menggambarkan lonjakan kemampuan memproses permintaan dari sekitar 13,3 juta menjadi 304 juta operasi pembacaan per detik pada konfigurasi 64 thread. Angka 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 pengujian paralel dengan delapan thread. Variasi peningkatan yang diperoleh menggambarkan hubungan optimasi dengan tingkat contention. Walaupun angkanya terlihat besar, percepatan itu tidak otomatis berlaku untuk setiap perangkat Linux. Beban kerja yang tidak terhambat reference counting dapat mengalami peningkatan yang terbatas. Karena alasan tersebut, benchmark tambahan menggunakan beban kerja produksi menjadi tahapan penting untuk menentukan dampak sebenarnya.

Mengapa Kode Berbantuan AI Tetap Membutuhkan Pemeriksaan Manusia

Di balik peningkatan performa yang menjanjikan, review kode mengidentifikasi kondisi balapan. Race condition merupakan kondisi saat beberapa aktivitas paralel dapat saling mengganggu. Untuk implementasi page cache, persoalan tersebut membutuhkan perhatian khusus karena mungkin mengganggu keandalan pengelolaan sumber daya. Temuan tersebut menjadi alasan perlunya evaluasi ketat sebelum patch digabungkan ke kernel utama. Pada saat hasil peninjauan dipublikasikan, rangkaian perubahan masih membutuhkan revisi.

Pengalaman pengembangan ini menunjukkan tantangan nyata mengenai integrasi model bahasa dalam pekerjaan pengembang. Asisten kode berbasis AI mampu mendukung membantu memahami struktur program, tetapi belum tentu menghasilkan implementasi bebas kesalahan. Terlebih pada Linux kernel, kesalahan sinkronisasi bisa menimbulkan dampak serius. Oleh sebab itu, pengujian berlapis tidak dapat ditinggalkan. Pencatatan proses pengembangan berbantuan AI juga memberikan konteks bagi proses review tanpa menghilangkan tanggung jawab pengembang manusia.

Kesimpulan Peran AI dalam Pengembangan Linux Kernel

Pengajuan patch Linux kernel oleh Linus Torvalds menunjukkan perkembangan baru mengenai peran kecerdasan buatan dalam pemrograman sistem. Perbaikan mekanisme akses data bersama menghasilkan benchmark dengan lonjakan throughput besar. Akan tetapi, masalah konkurensi yang ditemukan saat review menegaskan bahwa kode masih membutuhkan penyempurnaan. Bagi masa depan rekayasa perangkat lunak, asisten pemrograman sebaiknya dipandang sebagai alat pendukung, bukan alasan untuk mengabaikan pengujian. Apa pendapat Anda, apakah penggunaan AI dalam pengembangan kernel akan mempercepat inovasi secara aman? Silakan bagikan pendapat Anda mengenai masa depan pengembangan perangkat lunak berbantuan AI.