Integrating Artificial Intelligence into Operating Systems: A Survey on Techniques, Applications, and Future Directions
Yifan Zhang, Xinkui Zhao, Ziying Li, Guanjie Cheng, Jianwei Yin, Lufei Zhang and Zuoning Chen
异构硬件和动态工作负载加剧了操作系统在可扩展性、适应性和可管理性方面的长期瓶颈。 与此同时,机器学习(ML)、大型语言模型(LLM)和基于代理的方法的进步实现了自动化和自我优化,但目前的努力缺乏统一的观点。 本调查回顾了AI-OS交叉点的技术、架构、应用、挑战和未来方向。 我们绘制了从基于启发式和规则的设计到人工智能增强系统的转变,概述了ML,LLM和整个操作系统堆栈的代理的优势。 我们总结了AI for OS(核心组件和更广泛的生态系统)和OS for AI(短和长上下文推理、分布式训练和边缘推理的组件和架构级支持)的进展。 对于实践,我们整合了评估维度,方法论管道和模式,以平衡实时约束和预测准确性。 我们确定了关键挑战,如复杂性,开销,模型漂移,有限的可解释性以及隐私和安全风险,并建议模块化,AI就绪的内核接口;统一的工具链和基准;混合规则加AI决策与护栏;和可验证的内核内推断。 最后,我们提出了一个三阶段路线图,包括人工智能驱动的人工智能重构和人工智能驱动的操作系统,以连接原型和生产,并实现可扩展的,可靠的人工智能部署。
Heterogeneous hardware and dynamic workloads worsen long-standing OS bottlenecks in scalability, adaptability, and manageability. At the same time, advances in machine learning (ML), large language models (LLMs), and agent-based methods enable automation and self-optimization, but current efforts lack a unifying view. This survey reviews techniques, architectures, applications, challenges, and future directions at the AI-OS intersection. We chart the shift from heuristic- and rule-based designs ...