Linus Torvalds 与 Dirk Hohndel 谈 AI 编程、漏洞和炒作

我想讨论两场关于 AI 和编程的访谈，受访者是 Linux 内核和 Git 的创建者 Linus Torvalds。他仍深度参与 Linux 开发。采访他的人是 Dirk Hohndel；分清两人的发言很重要，因为他们的观点并不完全相同。

在第一场对话中，Hohndel 将语言模型描述为某种增强版自动更正，并质疑下一个 token 预测是否称得上智能。这是 Hohndel 的描述，而不是 Torvalds 最初的表述。Berman 提到关于语言模型除了预测还能做什么的争论；这一类比是一种观点，并非已确定的智能衡量标准。

被问到是否会有人向 Linux 提交 AI 编写的代码时，Torvalds 表示他预期会发生，并怀疑某些辅助使用已经出现。他认为自动化延续了编程的发展历史：从底层代码和汇编，走向让开发更容易的语言与工具。Berman 指出 2024 年 AI 辅助编辑器的使用正在增长。

Torvalds 对仅仅因为某项变化占据新闻头条就将其称为革命持谨慎态度。Berman 通过抽象层来理解这一转变：更高级的编程工具将人的意图转化成机器可以执行的指令。即便许多开发者不经常编写汇编和底层代码，它们在某些领域仍然重要。

我认为自然语言可能成为这一发展过程中的另一层：人描述想要的行为，AI 系统生成代码。我还推测未来模型可能使用人类不熟悉的表示方式。这些是预测，而非已经确定的结果；不精确的需求仍可能导致错误的软件。

Hohndel 问模型是否最终能帮助审查和维护代码。Torvalds 希望它们能够发现开发者忽略的简单错误，也可能注意到代码偏离既有模式，并询问这种差异是否有意为之。

Berman 转述一位 Microsoft 开发者的观点：根据他的经验，AI 代码审查在广泛场景下并不十分有用，但有时能发现拼写错误或差一错误等明显问题。这一轶事不能代表所有团队或工具的表现。更细微的逻辑和业务需求可能更难检查，因此人工审查仍然有价值。

编译器和代码检查工具已经可以标记许多语法及基于规则的问题。设想中的机会是用模型补充它们，发现不那么明显的不一致，并请开发者核实意图。这类建议本身也可能出错，因此警告应当引发审查，而不是代替审查。

Torvalds 对 Hohndel 略带贬义的自动更正类比提出异议，认为这些工具可能不止如此，可以帮助人们更好地工作。Berman 将其与人类的模式识别作比较，同时承认这只是类比，并不能证明人类和语言模型以相同方式推理。

两人还就乐观与谦逊开了玩笑。Torvalds 说，几十年前开始构建内核需要乐观精神；Hohndel 欣赏这种乐观，但表示自己未必同样乐观。这段交流提醒我们，对工具持开放态度与谨慎看待风险可以并存。

Hohndel 担心语言模型会编造内容，如果让它们行动而没有人发现错误，可能产生影响人和代码的漏洞。Torvalds 回应说，人类本来就会制造很多漏洞。Berman 认为，无论错误来自哪一方，都需要测试、审查和保障措施，尤其是在关键系统中。

在后来的访谈中，Hohndel 和 Torvalds 谈到 AI 炒作，包括企业在宣传中加入 AI。Torvalds 觉得营销过头，但认为技术本身很有趣。他回忆了专家系统等早期 AI 形式，并反对对工作岗位将在固定时间内消失作出笃定预测。

Torvalds 指出自己看到的一项具体益处：随着 GPU 驱动的计算不断增长，NVIDIA 更多地参与了 Linux 内存管理工作。他建议先观察 AI 会发展成什么，而不是接受对未来的笼统判断。这反映的是他当时的观点，并非对 NVIDIA 所有贡献的全面评估。

Berman 对变化速度持不同意见。我推测未来可能需要更少的应用开发者，因为人们可以直接向 AI 要求结果，例如设置提醒，而不用打开待办应用。这是我的预测，不是 Torvalds 的主张；这个例子仍依赖软件和服务来存储数据并发送提醒。

Hohndel 说 AI 工具已经在日常工作中带来持久变化，并再次使用自动更正类比。Torvalds 表示，他对能发现漏洞的工具持乐观态度。他将更智能的工具与从编写汇编转向使用编译器作比较，同时拒绝接受灾难论或乌托邦式的确定说法。

Torvalds 认为技术炒作周期中的夸张宣传之下往往有真实想法，并提到加密货币和云计算等过往热潮。Berman 对此提出异议，指出云基础设施和大型业务是真实存在的。一项技术可以有重要用途，同时围绕它的某些营销或预测仍然夸大。

Hohndel 提到长期以来的一系列开发辅助工具，包括用于发现某些问题的 Sparse 和用于代码转换的 Coccinelle。Torvalds 说现有的内核重写工具可能难以使用，因为必须详细指定规则；AI 或许能让这类工作流程更容易。Berman 认为基于模式的模型辅助可以补充明确编写的脚本。

随后 Hohndel 提出开放训练数据的重要性。Torvalds 表示这不是他个人关注的重点，同时承认开源社区中的其他人非常在意这个问题。Berman 认为，除了开放算法，也应关注数据可获取性；他声称所有开放数据都已被使用，不应视为已经证实的事实。