昨年の今頃、私は空間コンピューティングを通じた対話方法の変化に対応するための新しいソフトウェア基盤のアイデアがなぜ必要なのかを深く掘り下げた「メタバースにはオペレーティング システムが必要です」を書きました。新旧の概念を検討しましたが、最終的には、多くの点で私たちが向かっている方向には、OS の設計を根本から再考する必要があるという結論に達しました。
1980 年代半ばから 1990 年代のカーネル設計とオペレーティング システム アーキテクチャに思考がまだ囚われている状態では、前に進むことはできません。 AI と大規模言語モデル、データ主権とユーザー制御、アイデンティティ、そして「プロプライエタリ vs オープンソース」という古くからの議論の台頭により、昨日の OS を明日のために再考する必要があるという問題が再び頭をもたげています。
かなり大きな警告: これから説明する内容は、私が専門家ではない分野での机上調査に基づいた純粋に概念的なものですが、物事は変わる必要があるという基本的な信念 (正しいか間違っているかは別として) に基づいています。私は分散化、オープンソース、モジュール化という中心的な原則に意図的に固執しています。変更を実際に活用するために必要な新しい CPU やシリコン アーキテクチャに関する質問は完全に避けたいと思います。実を言うと、OS の設計のせいで、私たちは同じ考えに囚われているのです。それは二重の問題です。
宇宙産業は、SpaceX のおかげで過去 10 年ほどの革新にもかかわらず、依然として 1960 年代を思い出させる運用ソフトウェア原則に基づいており、これは宇宙探査の未来を構築する基盤ではありません(「The [Starlink] 「コンステレーションには現在、宇宙に 30,000 個以上の Linux ノード (そして 6,000 個以上のマイクロコントローラー) が存在します」とマット モンソン氏は 2020 年に Reddit AMA で述べました。これは、もともと 90 年代に考案された断片化されたアーキテクチャに大量のコードが存在することになります。
オペレーティング システムの状況、特に宇宙分野では、独自のインターフェイスとプロトコルのセットを備えた独自システムとオープンソース システムのパッチワークが特徴です。この標準化の欠如により、ミッション設計の非効率性、コストの増加、および複雑さが生じています。新しいものは、分散型アーキテクチャと RTOS アーキテクチャの組み合わせという独自のアプローチを通じて、多様なハードウェアとソフトウェア コンポーネント間の互換性とシームレスな通信を保証する統合プラットフォームを提供することで、これらの課題に直接対処します。
初心者のために説明すると、ベル研究所の Plan 9 は、1980 年代半ばにベル研究所の計算科学研究センター (CSRC) で誕生し、1960 年代後半にそこで初めて開発された UNIX の概念に基づいて構築された分散オペレーティング システムです。 2000 年以来、Plan 9 は無料でオープンソースでした。最終的な正式リリースは 2015 年初頭でした。Plan 9 は、ベル研究所のオペレーティング システム研究用の主要なプラットフォームとして Unix を置き換えました。特に分散マルチユーザー環境でのシステムの使用とプログラミングを容易にする、元の Unix モデルへのいくつかの変更を検討しました。
なぜこれを気にするのでしょうか、なぜこれを気にするのでしょうか?なぜなら、プラン 9 の背後にある概念 (そして、元のMetaverse OSの記事である程度言及されている GridOS も) は、オペレーティング システムの設計とカーネル アーキテクチャ、特に宇宙産業。
分散型およびモジュール型: 新しいものは分散型になるように設計される必要があります。つまり、分散ネットワーク全体で運用できるため、単一障害点が減り、宇宙ベースの運用に重要な回復力と耐障害性が向上する可能性があります。
カスタマイズ性: モジュール式マイクロカーネル アーキテクチャのおかげで、柔軟性が向上します。さまざまなアプリケーションやミッションの必要に応じてモジュールを追加または削除できるため、さまざまな要件に高度に適応できます。
リアルタイム機能: 宇宙探査や衛星運用など、時間に敏感なアプリケーションにとって不可欠なリアルタイム処理機能を統合することで、分散化とノード通信に関する差し迫った懸念の一部に対処します。
コミュニティ主導のオープンソース: オープンソース モデルに基づいて構築する必要があり、コミュニティの貢献を奨励し、ソース コードをレビューに利用できるようにすることで、イノベーションと信頼を促進できます。
互換性と移行: 互換性を念頭に置いて設計する必要があるため、既存のハードウェア プラットフォームをサポートし、安全なモジュール内でレガシー アプリケーションを実行できるため、従来のオペレーティング システムからの移行が容易になります。
汎用かつ生産性の高いオペレーティング システム プラットフォームとしての Windows は、その対極として、宇宙における人類の未来のために高度に調整されたオペレーティング ソフトウェア プラットフォームになります。
データ統合の強化: モジュール式の性質により、さまざまなセンサーとデータ ソースのシームレスな統合が可能になります。この機能は、宇宙環境の包括的な画像を提供するためにレーダー、望遠鏡、衛星、その他のセンサーからのデータを合成する必要がある SDA にとって非常に重要です。
データ処理と分析の向上: 新しい OS の分散化された側面により、分散データ処理が促進され、膨大な量の空間領域データの分析にかかる時間が短縮されます。データ処理が高速化すると、スペースデブリ、敵対的工作、自然現象などの脅威に対して、よりタイムリーな対応が可能になります。
復元力と冗長性: 軍事作戦では復元力が重要であるため、分散型構造はサイバー攻撃やシステム障害に対する復元力を高めることができます。 1 つのノードに障害が発生しても、他のノードが引き継ぎ、継続的な SDA 動作を保証します。
相互運用性: 軍事作戦には連合が関与することが多いため、分散型 OS は標準化された通信プロトコルとインターフェイスを提供し、異なる国のシステムやサービス間の相互運用性を可能にします。これは共同 SDA の取り組みに不可欠です。
適応性と拡張性: 分散型 OS のモジュール設計により、新しいセンサー、テクノロジー、またはミッション要件への迅速な適応が可能になります。宇宙ドメインが進化するにつれて、システム全体を徹底的に見直すことなく、新たな SDA ニーズに対応するための新しいモジュールを組み込むこともできます。
セキュリティ: 新しいカーネル アーキテクチャにより、セキュリティ プロトコルを各モジュールに緊密に統合でき、軍事作戦に不可欠な堅牢なセキュリティ対策を提供します。分散型という性質は、1 つのモジュールに対する攻撃がシステム全体を侵害する可能性が低いことも意味します。
コスト効率: モジュラー OS での標準化により、新しい SDA イニシアチブごとにカスタム ソフトウェア開発の必要性が減り、コスト削減につながります。この経済効率により、他の重要な防衛ニーズにリソースを解放できます。
ここで、人工知能の世界における Windows やLinuxなどのオペレーティング システムの将来について議論しましょう。モノリシック OS は、AI を使用してアプリケーションを構築したり、Web を閲覧したり、複雑な質問に答えたり、調査を行ったり、自動エージェントを使って食料品店を運営したりできる冗長なものではないでしょうか?
そう思います。現時点でのアプローチは、統合されるように AI を最初から構築するのではなく、LLM と AI を OS や生産性プラットフォームのさまざまな部分に統合することだけです。微妙な違い。
深い統合と表面的なアドオン:現在のオペレーティング システムは追加レイヤーとして AI を統合し、特定の機能を強化する可能性があります。ただし、このアプローチでは AI の可能性を最大限に活用できない可能性があります。カーネル レベルから再設計することで、AI を OS の中核機能にさらに深く組み込むことができ、より統合的なアプローチにつながる可能性があります。
リソース管理とスケジューリング: 従来のオペレーティング システムは、主に AI ワークロードの複雑さを考慮して設計されていません。カーネルを再設計すると、AI プロセスのリソース (CPU、GPU、メモリなど) をより効率的に管理できるようになり、パフォーマンスとエネルギー消費が最適化される可能性があります。
セキュリティとプライバシー: AI はセキュリティとプライバシーに新たな課題をもたらします。 AI を念頭に再設計されたカーネルには、特に大量の機密データの処理において、これらの課題に対処するためのより高度なセキュリティ プロトコルが組み込まれる可能性があります。
リアルタイム処理とエッジ コンピューティング: AI アプリケーション、特に機械学習とリアルタイム データ処理を伴うアプリケーションは、低遅延と高速処理のメリットを得ることができます。カーネル レベルの再設計により、特にエッジ コンピューティング シナリオの場合、これらのプロセスを最適化できます。
自律的な動作と自己修復: AI 駆動のカーネルにより、オペレーティング システムが自律的な最適化と自己修復タスクを実行し、人間の介入なしにシステム障害を予測および防止し、パフォーマンスを最適化できるようになります。
ハードウェア アクセラレーション: 最新の AI アプリケーションは、GPU や TPU などの特殊なハードウェアに依存することがよくあります。これらを念頭に置いて設計されたカーネルは、そのようなハードウェアに対するサポートと最適化を強化し、AI アプリケーションのパフォーマンスを向上させることができます。 Graphcore が IPU でやろうとしたこととよく似ていますが、製品の市場適合性と継続するには多額の資本投資が必要でしたが、失敗に終わりました。
下位互換性と移行: AI 用のカーネルを再設計する際の重要な課題は、既存のアプリケーションおよびシステムとの互換性を維持することです。この移行には、慎重な計画と段階的な実装が必要です。
AI ファーストのアーキテクチャ、カーネルレベルの AI 統合、分散化を中心原則として組み合わせた革新的なアプローチをオペレーティング システム設計に採用すると、新しいカーネルと OS アーキテクチャは Windows や Linux などの従来のシステムとは大きく異なるものになります。もちろん、そのような変化には、開発、導入、既存の技術やインフラストラクチャとの互換性という点で、大きな困難を乗り越える必要もあります。決して大したことではありませんが、このような OS の構築がブルー オーシャン戦略であるという角度からこれに取り組むのであれば、数十年にわたって忍耐強くこれを育てていくことは、より大きな目標であり、目指すべき賞です。
この完璧な例は、任天堂が Wii を発売したときです。
これらは私が検討してきた概念的なフレームワークとアイデアであり、定着するかどうかは神のみぞ知るですが、激しく同意してうなずく人がいる場合は、ソフトウェアエンジニアであろうと投資家であろうと、私のドアを叩いて話しましょう。これを実現したいという思いがあります。