Przez lata można było odnieść wrażenie, że Linus Torvalds, twórca Linuksa i jeden z najważniejszych programistów świata open source, podchodzi do sztucznej inteligencji z dużą rezerwą. Dziś sytuacja wygląda inaczej. Torvalds nie tylko dostrzega potencjał AI, ale sam wykorzystuje ją do pracy nad kodem jądra Linuksa. Co ważne, nie chodzi już wyłącznie o wyszukiwanie błędów czy analizowanie istniejącego kodu. Sztuczna inteligencja pomaga mu również tworzyć nowe rozwiązania.
Czy to oznacza, że AI na dobre zadomowi się w rozwoju Linuksa? Tak, ale z istotnym zastrzeżeniem: musi być używana właściwie, świadomie i z zachowaniem szczególnej ostrożności przy projektach, od których zależy bezpieczeństwo i stabilność systemów.
Od sceptycyzmu do sympatii do sztucznej inteligencji
Podejście Linusa Torvaldsa do AI zmieniało się stopniowo. Jeszcze w grudniu 2023 roku postrzegał ją przede wszystkim jako narzędzie, które może pomagać programistom w lepszym wykonywaniu ich pracy. Szczególnie interesowało go wykrywanie błędów, a nie powierzanie algorytmom pisania poważnego oprogramowania.
Pod koniec 2025 roku Torvalds mówił już o sobie jako o zdecydowanym zwolenniku AI wykorzystywanej jako narzędzie programistyczne. Dostrzegał jej przydatność nie tylko w wykrywaniu błędów, lecz także w utrzymywaniu kodu i przeglądaniu poprawek. W styczniu 2026 roku eksperymentował z programowaniem wspomaganym przez AI podczas pracy nad hobbystycznym wizualizatorem dźwięku napisanym w Pythonie.
Prawdziwy przełom nastąpił jednak w październiku 2026 roku. Podczas rozmowy z Dirkiem Hohndelem na Open Source Summit Europe w Pradze Torvalds przyznał, że jego stosunek do sztucznej inteligencji stał się znacznie bardziej pozytywny.
Jak powiedział:
„Kiedyś uważałem, że po prostu nie jest zbyt dobra, ale teraz doszedłem do momentu, w którym naprawdę lubię korzystać z AI”. (cytujemy Linusa Torvaldsa)
Dodał również, że sztuczna inteligencja jest wspaniałym narzędziem, jeśli korzysta się z niej we właściwy sposób i traktuje właśnie jako narzędzie. Jego zdaniem dzięki temu programowanie staje się przyjemniejsze.
To istotna zmiana. Nie chodzi już tylko o tolerowanie AI czy przyznawanie, że może być czasami użyteczna. Torvalds otwarcie mówi o sympatii do tej technologii i o korzyściach, jakie przynosi mu w codziennej pracy.
AI pisze kod jądra Linuksa. To już nie teoria
Najbardziej wymownym przykładem nowego podejścia Torvaldsa jest eksperymentalna seria ośmiu poprawek dotyczących pamięci podręcznej stron, czyli page cache, wykorzystywanej przez jądro Linuksa.
W swoim zgłoszeniu zmian Torvalds wyjaśnił, że kod, programy testowe, przegląd rozwiązania oraz pierwszy projekt opisu przygotował przy pomocy asystenta programistycznego Claude Code, działającego pod jego kierunkiem.
Problem, którym się zajął, dotyczył spadku wydajności podczas wykonywania wielu niewielkich operacji odczytu tego samego pliku przez równoległe wątki.
W określonych sytuacjach procesory muszą wielokrotnie aktualizować wspólny licznik referencji do danych znajdujących się w pamięci podręcznej. Powoduje to rywalizację o dostęp do współdzielonej linii pamięci podręcznej i może istotnie ograniczać wydajność.
Proponowane rozwiązanie zmienia moment, w którym pamięć usunięta z page cache może zostać ponownie wykorzystana. Zamiast natychmiast oddawać ją do alokatora, jądro odracza jej ponowne wykorzystanie do zakończenia okresu synchronizacji RCU (Read-Copy-Update). Dzięki temu możliwe staje się wykonanie określonej ścieżki odczytu bez ciągłego zwiększania i zmniejszania licznika referencji.
Rezultaty testów były obiecujące.
W opisanym eksperymencie, przy ośmiu wątkach wykonujących małe odczyty, przepustowość wzrosła z około 9,9–10,4 miliona operacji na sekundę do 30–33 milionów. Liczba cykli procesora przypadających na odczyt spadła natomiast z około 2950 do 725.
Trzeba jednak podkreślić, że nie oznacza to, iż cały Linux działa teraz trzy razy szybciej. Wyniki dotyczą konkretnego testu, konkretnego obciążenia i laptopa Torvaldsa. Przy odczytach wykonywanych przez jeden wątek poprawa była znacznie mniejsza.
Mimo tego eksperyment pokazuje, że AI może uczestniczyć w rozwiązywaniu rzeczywistych problemów wydajnościowych w jądrze systemu operacyjnego.
Linus Torvalds zgadza się na AI, ale stawia konkretne warunki
Najważniejsze w tej historii jest jednak nie samo wykorzystanie Claude Code, lecz sposób, w jaki Torvalds podchodzi do sztucznej inteligencji.
Jego stanowisko nie sprowadza się do stwierdzenia, że AI jest dobra albo zła. Liczy się to, jak jest wykorzystywana i czy człowiek potrafi kontrolować jej rezultaty.
Na podstawie wypowiedzi Torvaldsa i opisanego eksperymentu można wskazać kilka kluczowych zasad.
1. AI ma być narzędziem, a nie zastępstwem dla programisty
Torvalds wyraźnie podkreśla, że sztuczną inteligencję należy traktować jako narzędzie. Może ona przyspieszać pracę, proponować rozwiązania, generować kod i pomagać w testowaniu, ale nie zwalnia człowieka z odpowiedzialności.
W przypadku opisywanych poprawek Claude Code pracował pod kierunkiem Torvaldsa. To programista wyznaczał cel i nadzorował proces, a AI wspierała go w realizacji zadania.
2. Trzeba uważać przy tworzeniu rzeczywistego, ważnego oprogramowania
To jeden z najważniejszych warunków. Torvalds przestrzegał, że korzystając z AI przy pracy nad czymś realnym i istotnym, należy zachować szczególną ostrożność.
Jądro Linuksa jest doskonałym przykładem takiego oprogramowania. Błędy mogą prowadzić do problemów ze stabilnością, bezpieczeństwem, zarządzaniem pamięcią lub wydajnością całego systemu.
AI może więc pomagać przy tworzeniu kodu jądra, ale sam fakt, że wygenerowany kod wygląda poprawnie, nie oznacza jeszcze, że nadaje się do wdrożenia.
3. Kod musi być sprawdzony i przetestowany
Sztuczna inteligencja potrafi wygenerować kod, który na pierwszy rzut oka wygląda przekonująco, a mimo to zawiera błędy albo pomija ważne przypadki brzegowe.
Dlatego niezbędne są testy, analiza zachowania kodu i dokładny przegląd proponowanych zmian. W przypadku opisywanego eksperymentu AI pomogła również przygotować programy testowe i materiały do przeglądu.
Ostateczna ocena rozwiązania nie może jednak opierać się wyłącznie na zapewnieniach modelu.
4. Trzeba analizować kompromisy i skutki uboczne
Optymalizacja jednego elementu systemu nie zawsze oznacza poprawę w każdej sytuacji.
W przypadku poprawek przygotowanych z pomocą Claude Code odroczenie ponownego wykorzystania pamięci przyniosło obiecujące rezultaty, ale stworzyło również nowe problemy. Strony pamięci mogą pozostawać niedostępne do ponownego wykorzystania, dopóki nie zakończy się odpowiedni okres RCU.
Torvalds wskazał, że właśnie ten aspekt rozwiązania jest najsłabiej dopracowaną częścią całej serii poprawek.
Zauważono również regresję wydajności w sytuacji, gdy odczyt dotyczy strony pamięci użytkownika, która nie została jeszcze zmapowana. Nowa ścieżka wykonania powoduje wówczas dodatkowy nieudany wyjątek, zanim nastąpi powrót do dotychczasowej implementacji.
To cenna lekcja: AI może pomóc znaleźć bardzo dobre rozwiązanie, ale jego konsekwencje trzeba oceniać w szerszym kontekście działania systemu.
5. Wyniki muszą być oceniane na podstawie rzeczywistych pomiarów
Wysokie liczby w benchmarkach potrafią robić wrażenie, ale same w sobie nie przesądzają o jakości zmiany.
Trzeba sprawdzić, w jakich warunkach osiągnięto poprawę, jakie obciążenie testowano i czy korzyści nie odbywają się kosztem innych scenariuszy.
Eksperyment Torvaldsa pokazuje, że zysk może być ogromny dla konkretnego obciążenia wielowątkowego, a jednocześnie znacznie skromniejszy w innych warunkach.
W przypadku jądra Linuksa liczą się nie tylko wyniki jednego testu, lecz także przewidywalność, poprawność i zachowanie w szerokim zakresie zastosowań.
Czy te poprawki trafią do oficjalnego jądra Linuksa?
Na moment opisany w artykule źródłowym, czyli 13 października 2026 roku, poprawki znajdowały się w eksperymentalnej gałęzi noref-filemap-read-with-llm w repozytorium Torvaldsa.
Nie były jeszcze częścią głównej gałęzi rozwojowej Linuksa 7.3-rc6. Nie było też pewności, czy i kiedy zostaną zaakceptowane do oficjalnego jądra.
Powód jest prosty: obiecujące wyniki wydajnościowe to dopiero początek. Pozostają kwestie związane z zarządzaniem pamięcią, przypadkami brzegowymi oraz wspomnianą regresją.
Warto zatem rozróżnić dwie rzeczy. Torvalds rzeczywiście wykorzystał AI do pracy nad kodem jądra, ale nie oznacza to automatycznie, że wygenerowane z jej pomocą zmiany zostały zaakceptowane do produkcyjnej wersji Linuksa.
Ta różnica jest szczególnie ważna dla społeczności open source, w której jakość, kontrola i możliwość niezależnej weryfikacji zmian mają fundamentalne znaczenie.
Co to oznacza dla zwykłych użytkowników Linuksa?
Dla osób korzystających na co dzień z Ubuntu, Debiana, Fedory, Arch Linuxa czy innych dystrybucji najważniejszy jest potencjalny efekt końcowy.
Jeżeli AI pomoże programistom szybciej znajdować wąskie gardła, poprawiać wydajność, wykrywać błędy i utrzymywać rozbudowany kod, korzyści mogą odczuć wszyscy użytkownicy. W grę wchodzą sprawniejsze działanie systemu, lepsza obsługa sprzętu i szybsze rozwiązywanie problemów.
Nie należy jednak oczekiwać, że każda zmiana opracowana z pomocą AI przyniesie natychmiastową poprawę. Zysk zależy od konkretnego rozwiązania, a część propozycji może wymagać wielu poprawek lub ostatecznie zostać odrzucona.
Warto również pamiętać, że Linux to projekt rozwijany przez ogromną społeczność programistów. Wykorzystanie AI przez jednego z jego najważniejszych opiekunów nie oznacza, że cały proces rozwoju jądra zostanie zautomatyzowany.
Znacznie bardziej prawdopodobny jest model, w którym AI staje się kolejnym narzędziem w arsenale programistów, obok kompilatorów, debuggerów, analizatorów kodu i systemów testowych.
AI i open source: rozsądny kompromis zamiast ideologicznej wojny
Historia Linusa Torvaldsa pokazuje, że w dyskusji o sztucznej inteligencji warto unikać skrajności.
Nie ma sensu automatycznie odrzucać AI tylko dlatego, że generuje kod. Nie ma też powodu, aby bezkrytycznie przyjmować każdą jej propozycję. W obu przypadkach tracimy coś istotnego: albo potencjalne korzyści, albo kontrolę nad jakością oprogramowania.
W podejściu Torvaldsa najbardziej przekonujące jest połączenie otwartości na nowe narzędzia z odpowiedzialnością za efekt końcowy. AI ma ułatwiać pracę, ale nie może zwalniać z myślenia. Może proponować optymalizacje, ale trzeba je zmierzyć. Może generować kod, ale ten kod musi przejść odpowiednią weryfikację.
To podejście dobrze pasuje do filozofii open source. Liczy się nie to, kto lub co napisało fragment kodu, lecz przede wszystkim to, czy rozwiązanie jest poprawne, bezpieczne, zrozumiałe i przynosi rzeczywistą korzyść.
Podsumowanie: Linus Torvalds nie oddaje Linuksa AI. Zaczyna z niej korzystać
Zmiana podejścia twórcy Linuksa jest symboliczna. Jeszcze niedawno wykorzystanie sztucznej inteligencji do tworzenia poważnego kodu jądra wydawało się trudne do wyobrażenia. Dziś Torvalds sam eksperymentuje z takim rozwiązaniem i otwarcie mówi, że lubi korzystać z AI.
Nie oznacza to jednak bezwarunkowego zaufania. Wręcz przeciwnie: jego stanowisko można sprowadzić do prostej zasady – korzystajmy z AI, jeśli pomaga nam tworzyć lepsze oprogramowanie, ale zachowujmy szczególną ostrożność tam, gdzie błędy mogą mieć poważne konsekwencje.
Dla społeczności Linuksa to dobra wiadomość. Nowe narzędzia mogą pomóc rozwiązywać problemy, które wcześniej wymagały ogromnej ilości czasu i pracy. Jednocześnie doświadczenie Torvaldsa przypomina, że nawet imponująca poprawa w benchmarkach nie zastępuje testów, przeglądu kodu i odpowiedzialności programisty.
Przyszłość Linuksa nie musi polegać na wyborze między człowiekiem a sztuczną inteligencją. Znacznie ciekawszy jest scenariusz, w którym doświadczony programista wykorzystuje AI, aby pracować skuteczniej, a następnie sam odpowiada za jakość i bezpieczeństwo rezultatów.
I właśnie na taki model współpracy Linus Torvalds zaczyna się otwierać.
