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

Kemajuan alat pemrograman berbasis AI mulai mengubah cara pengembang perangkat lunak menulis kode. Peristiwa penting dalam perubahan tersebut muncul ketika Linus Torvalds melibatkan Claude Code untuk menyusun perubahan kode kernel. Melalui pekerjaan yang dipublikasikan pada Oktober 2026, Torvalds mengajukan perubahan yang menargetkan masalah konkurensi pada page cache. Pendekatan ini menjadi pembahasan di kalangan pengembang kernel karena memperlihatkan penggunaan AI pada perangkat lunak tingkat rendah.

Torvalds tidak menyerahkan seluruh pengambilan keputusan kepada AI. Melalui keterangan yang disampaikan, ia menjelaskan bahwa Claude Code membantu menghasilkan kode, menyiapkan program pengujian, serta mendukung proses evaluasi kode. Sementara itu, keputusan teknis utama serta evaluasi hasil tetap menjadi bagian dari tanggung jawab pengembang. Pemisahan peran tersebut memiliki arti besar karena Linux kernel merupakan komponen fundamental sistem operasi yang memerlukan ketelitian teknis.

Penyebab Penurunan Performa Cache saat Banyak CPU Membaca Berkas

Untuk memahami tujuan patch tersebut, pengguna perlu memahami fungsi cache halaman. Page cache merupakan bagian sistem yang mempertahankan salinan data file dalam RAM. Ketika aplikasi membuka berkas, Linux bisa menghindari pembacaan ulang dari perangkat penyimpanan apabila informasi terkait belum dikeluarkan dari cache. Cara kerja tersebut membantu mempercepat proses pembacaan. Meski demikian, pemrosesan permintaan dari sejumlah inti CPU dapat mengurangi kemampuan sistem untuk meningkatkan performa.

Hambatan yang menjadi fokus patch berkaitan dengan reference counting. Di dalam sistem page cache, folio merepresentasikan kumpulan halaman memori. Apabila sejumlah inti CPU mengakses folio bersama, operasi yang memperbarui nilai referensi bersama dapat menyebabkan contention antarkomponen pemrosesan. Akibatnya, permintaan baca dapat saling memperlambat. Permasalahan tersebut dapat muncul dalam skenario pembacaan intensif, termasuk sistem basis data.

Pendekatan RCU untuk Mempercepat Pembacaan Data Linux

Solusi yang dikembangkan ditujukan agar menekan kebutuhan mengubah penghitung referensi berulang kali. Implementasi berbantuan AI tersebut memanfaatkan mekanisme Read-Copy-Update atau RCU untuk melindungi pembacaan folio yang memenuhi persyaratan. Pada implementasi yang diajukan, pelepasan folio tertentu dapat ditunda hingga pembaca yang relevan selesai menggunakan perlindungan RCU. Melalui pengaturan itu, operasi baca pada kondisi yang didukung dapat mengurangi operasi atomik yang diperlukan.

Meski konsep dasarnya cukup mudah dijelaskan, perubahan ini menyentuh persoalan konkurensi yang rumit. Peninjau kernel perlu memeriksa bahwa folio tetap aman selama proses pembacaan. Faktor lain yang perlu diperhatikan adalah, perubahan kondisi pemetaan memori dapat memengaruhi keamanan jalur baca. Oleh sebab itu, hasil benchmark tidak dapat menjadi satu-satunya dasar penerimaan. Kemungkinan interaksi antarproses membutuhkan validasi mendalam sebelum patch dianggap siap digunakan secara luas.

Hasil Pengujian Patch Linux Berbantuan AI Menunjukkan Peningkatan Performa

Bagian penting dari pengujian patch adalah perbaikan kecepatan pada simulasi akses berkas bersama. Pada pengujian yang dilaporkan, serangkaian patch menghasilkan percepatan sekitar 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 pengujian dengan puluhan thread aktif. Hasil pengujian itu menunjukkan manfaat pada kondisi tertentu.

Pada evaluasi menggunakan perangkat lain, pengukuran menggunakan perangkat pribadinya juga menunjukkan perbaikan kemampuan pembacaan sekitar tiga kali lipat pada beban kerja delapan thread. Ketidaksamaan angka benchmark menunjukkan pengaruh konfigurasi perangkat. Namun demikian, hasil tersebut belum tentu mewakili seluruh aplikasi nyata. Aplikasi dengan sedikit thread dapat mengalami peningkatan yang terbatas. Karena alasan tersebut, pengujian pada beragam server dan aplikasi nyata harus dilakukan untuk menentukan dampak sebenarnya.

Mengapa Kode Berbantuan AI Tetap Membutuhkan Pemeriksaan Manusia

Walaupun optimasi memperlihatkan potensi besar, pemeriksaan pengembang mengungkap persoalan konkurensi. Race condition merupakan situasi ketika hasil operasi bergantung pada urutan eksekusi yang tidak terkendali. Dalam konteks kernel, gangguan konkurensi harus ditangani secara hati-hati karena mungkin mengganggu keandalan pengelolaan sumber daya. Hasil review ini menjadi alasan perlunya evaluasi ketat sebelum patch digabungkan ke kernel utama. Pada saat hasil peninjauan dipublikasikan, implementasi belum siap dianggap final.

Kasus ini memberikan pelajaran penting mengenai penggunaan asisten pemrograman cerdas. Asisten kode berbasis AI mampu mendukung menyusun implementasi awal, tetapi belum tentu menghasilkan implementasi bebas kesalahan. Pada sistem yang mengelola memori dan perangkat keras, cacat implementasi dapat memengaruhi stabilitas komputer. Karena itu, pengujian berlapis tetap menjadi kebutuhan utama. Keterbukaan tentang penggunaan asisten kode juga membantu memperjelas asal kontribusi tanpa menghilangkan tanggung jawab pengembang manusia.

Masa Depan Kolaborasi Pengembang dan Kecerdasan Buatan

Pengembangan optimasi page cache berbantuan Claude Code menunjukkan perkembangan baru mengenai pemanfaatan teknologi AI pada perangkat lunak tingkat rendah. Upaya mengurangi contention pada page cache memperlihatkan peningkatan performa yang menjanjikan. Meski demikian, temuan race condition menegaskan bahwa kode masih membutuhkan penyempurnaan. Dalam pengembangan teknologi modern, AI perlu digunakan bersama keahlian manusia, bukan jaminan otomatis atas keamanan kode. Menurut pandangan Anda, apakah penggunaan AI dalam pengembangan kernel akan mempercepat inovasi secara aman? Bagikan pemikiran Anda mengenai peluang dan risikonya.