Создатель Linux Линус Торвальдс использует ИИ в разработке для задач, в которых сам не силён, — например, для интерфейса собственного проекта. Но для ядра Linux его подход гораздо жёстче: нейросети полезны при поиске дефектов, а вот поток сгенерированных патчей и убедительно звучащих баг-репортов способен быстро выжечь команду ревьюеров. Об этом Торвальдс рассказал на Open Source Summit Europe в Праге, сообщает ZDNet.
Главная мысль Торвальдса проста и полезна для любой инженерной команды: генеративный инструмент не становится инженером только потому, что умеет писать правдоподобный код. В личном проекте можно позволить модели ошибаться, переделывать результат и экономить время на незнакомом стеке. В критичном продукте цена такой «помощи» измеряется не числом строк, а часами проверки, рисками регрессий и вниманием людей, которые отвечают за кодовую базу.
Торвальдс признался, что его отношение к AI-кодингу заметно изменилось. Раньше он считал такие инструменты недостаточно качественными, теперь — охотно применяет их как вспомогательный слой. В качестве примера он привёл гитарную педаль, над которой работает сам. Интерфейс для небольшого экрана на микроконтроллере он написал на C, но результат выглядел слишком архаично. Java для него — не рабочая специализация, поэтому он отдал часть задачи модели: показал существующую реализацию и попросил сделать интерфейс современнее.
Это не история о том, как AI «написал продукт». Скорее, о рациональном разделении труда. Торвальдс понимает архитектуру и требования к устройству, может оценить ответ и поправить его. Нейросеть закрывает участок, на который автор ядра Linux не хочет тратить время. Для разработчиков здесь нет особой магии: ИИ в разработке наиболее полезен там, где у человека есть контекст, критерии качества и право не принимать первый ответ.
Отдельно Торвальдс защищает так называемое vibe coding — свободное программирование с активной помощью модели. Он считает этот подход хорошим входом в профессию и способом вернуть удовольствие от создания программ. Порог входа в софт стал выше: начинающему разработчику трудно сопоставить свой небольшой проект с отполированными сервисами и приложениями крупных компаний. Генеративные инструменты могут помочь быстрее собрать работающий прототип и увидеть результат своих идей.
Но Linux — не место для эксперимента без последствий. Торвальдс напомнил, что сам занимается в первую очередь сопровождением: код для ядра пишут тысячи участников, а мейнтейнеры проверяют, интегрируют и отклоняют изменения. В такой системе ограничение — не количество патчей. Их и без ИИ достаточно. Дефицитный ресурс — квалифицированное ревью.
В ядре уже используют Sashiko — агентную систему проверки кода. Её публичные разборы появляются в Linux Kernel Mailing List, а некоторые сопровождающие подсистем ожидают, что патч пройдёт такую проверку до принятия. Инструменты способны находить реальные проблемы безопасности и ошибки в старых драйверах, которые годами никто не трогал. Это практичная сторона ИИ в разработке: машина расширяет покрытие анализа и подсвечивает места, куда у людей не всегда доходят руки.
Однако автоматическая проверка создаёт и новую нагрузку. Нейросеть может обнаружить подозрительный фрагмент, который не является уязвимостью; затем человеку приходится доказывать, что тревога ложная. Ещё хуже выглядят точечные исправления, маскирующие симптом вместо причины. Торвальдс ранее критиковал такие изменения как механические заплатки: они создают видимость работы, но не обязательно улучшают систему.
Для российских продуктовых команд и разработчиков вывод вполне прикладной. Не стоит мерить успех AI-инструментов числом сгенерированных коммитов, закрытых задач или автоматически созданных pull request. Полезнее измерять, сократилось ли время диагностики, стало ли меньше дефектов в продакшене, не выросла ли очередь на ревью и может ли автор изменения объяснить каждую критичную строку. ИИ особенно хорош как второй взгляд, генератор тестовых идей и помощник в незнакомой области; как конвейер непроверенного кода он превращает скорость написания в скорость создания технического долга.
За 35 лет Linux прошёл путь от ежедневных патчей и архивов с исходниками, которые Торвальдс распространял почти вручную, до распределённой разработки и сложной системы сопровождения. Теперь проект ищет способ встроить AI-проверки так, чтобы они повышали качество, а не превращали мейнтейнеров в операторов бесконечной очереди. Вероятно, именно это станет главным тестом для генеративного программирования: не умеет ли модель писать код, а умеет ли команда удерживать ответственность за него. Подробности дискуссии доступны в .