Linus Torvalds usa IA para proyecto personal de codificación

Linus Torvalds, el creador de Linux, ha empezado a experimentar con 'codificación vibe' asistida por IA para una herramienta personal de audio submarino. Aunque conocido por su escepticismo hacia la IA, empleó la tecnología para superar su falta de familiaridad con Python. Esto representa una adopción cautelosa de la IA en el desarrollo de software no crítico.

Linus Torvalds, reconocido por desarrollar el kernel de Linux y Git, ha incorporado discretamente herramientas de IA en su flujo de trabajo para un proyecto de afición. Según informes, Torvalds utilizó Google Antigravity, una plataforma impulsada por IA, para mejorar AudioNoise, una herramienta que creó para purificar y analizar audio submarino inspirado en sus intereses por el buceo. Torvalds, que prefiere lenguajes de bajo nivel como C, admitió su incomodidad con Python pero encontró útil la asistencia de IA para probar y ampliar las funcionalidades del proyecto. Proporcionó directivas en lenguaje natural que la IA tradujo en código ejecutable, acelerando el prototipado mientras mantenía su comprensión central. Este enfoque se alinea con la 'codificación vibe', una tendencia que gana popularidad desde alrededor de 2025, donde los desarrolladores describen ideas en lenguaje plano para que la IA genere código. Torvalds enfatizó su valor para intereses personales en lugar de software crítico para la misión, señalando que destaca en prototipado, educación y proyectos experimentales. Comparó el método con la era de los años 80 de escribir programas de revistas de computadoras en máquinas domésticas, fomentando la innovación sin necesidad de experiencia completa por adelantado. Sin embargo, Torvalds advirtió contra la sobredependencia de la IA en áreas de alto riesgo como dominios sensibles a la seguridad, donde la supervisión humana es esencial para la depuración y comprensión. 'Incluso los desarrolladores hábiles enfrentan obstáculos al integrar fragmentos de código automatizados', advirtió, enfatizando la necesidad de un profundo conocimiento de las bases de código. Aunque la IA democratiza la programación para novatos y acelera las pruebas de ideas, sigue siendo inadecuada para la creación de software confiable en contextos serios. La implicación de Torvalds señala un posible cambio, pero recuerda que el hype alrededor de la codificación con IA a menudo falla fuera de usos exploratorios. A medida que las plataformas evolucionan, la ingeniosidad humana continuará guiando el desarrollo crítico.

Artículos relacionados

Tech leaders announcing Linux Foundation's AI-powered cybersecurity initiative for open source software with major partners.
Imagen generada por IA

La Linux Foundation anuncia una iniciativa de seguridad de IA con socios tecnológicos

Reportado por IA Imagen generada por IA

La Linux Foundation ha lanzado una nueva iniciativa que utiliza la versión preliminar de Claude Mythos de Anthropic para la ciberseguridad defensiva en el software de código abierto. Entre los socios se incluyen AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorgan, Microsoft, NVIDIA y Palo Alto Networks. El esfuerzo tiene como objetivo proteger el software crítico ante el auge de la IA para los mantenedores de código abierto.

Linus Torvalds analizó los efectos de la inteligencia artificial en el desarrollo del kernel de Linux durante un reciente encuentro del sector.

Reportado por IA

El proyecto del kernel de Linux ha documentado oficialmente su política sobre las contribuciones de código asistido por IA con el lanzamiento de Linux 7.0. Las directrices exigen responsabilidad humana, la divulgación del uso de herramientas de IA y una nueva etiqueta 'Assisted-by' para los parches que involucren IA. Sasha Levin formalizó el consenso alcanzado en la Cumbre de Mantenedores de 2025.

Los trabajadores remunerados para entrenar modelos avanzados de IA dependen cada vez más de chatbots como ChatGPT para generar las conversaciones y pruebas requeridas. Este atajo, descrito como generalizado por múltiples fuentes, corre el riesgo de degradar la calidad de futuros modelos mediante el entrenamiento recursivo con datos sintéticos.

Este sitio web utiliza cookies

Utilizamos cookies para análisis con el fin de mejorar nuestro sitio. Lee nuestra política de privacidad para más información.
Rechazar