## Memo この論文は以下の問題に取り組んでいます。 問題: - 現在のOSは、ユーザーの個人的なニーズや使用パターンに適応できていない。特に、パーソナルデバイスはユーザーにとって親密な存在になっているのに、OSはそれに対応できていない。 - 大規模言語モデル(LLM)の登場によって、ユーザーとアプリケーションのインタラクションや、ソフトウェア開発のパラダイムが大きく変化している。しかし、既存のOSはそれを活用できていない。 既存手法とその課題: - 機械学習をシステム最適化やMLワークロードの高速化に活用する研究は多いが、OS レベルでパーソナライズされたユーザー体験の提供に注目した研究は少ない。 - 企業は大規模リソースの監視・オーケストレーションにMLを活用しているが、OSレベルの「パーソナライズされたインテリジェンス」は重視されていない。 提案: - PEROS (Personalized Self-Adapting Operating Systems)を提案。LLMを組み込み、ユーザーのプライバシーとパーソナルデータを保護しながら、個々のユーザーのニーズと使用パターンに適応できるパーソナライズされたOSを目指す。 - 具体的には以下の3つの要素からなる: 1. 宣言的ユーザーインターフェース: ユーザーが自然言語で高レベルのタスクを表現し、PEROSがそれを実行する。 2. 適応型カーネル: ユーザーの使用パターンに自動的に適応するため、時間とともにユーザーのアクティビティから学習する。 3. クラウドでのセキュアでスケーラブルなアーキテクチャ: パーソナルデータをクラウド外のDataboxに保存し、シンクライアントコンピューティングとサーバーレスコンピューティングを活用して、数千人のユーザーにスケールする。 この論文では、パーソナライズされたユーザー体験について以下のような具体例が挙げられています。 1. 宣言的ユーザーインターフェースを通じたパーソナライズ: - ユーザーが自然言語で高レベルのタスクを指示すると、PEROSがそれを理解し実行する。 - 例えば、ユーザーが "HappyDogプロジェクトの最近のコミットを取り消して、10MB以上のCSVファイルをgitキャッシュから削除し、..." と指示すると、PEROSがそれを正しい順序で実行し、曖昧な点があれば clarification をユーザーに求める。 - このようにユーザーごとの指示や文脈を理解し、適切に対応することでパーソナライズされる。 2. ユーザーの使用パターンに適応するカーネル: - ユーザーのファイルシステムの使用パターン(よくアクセスするファイルの種類や場所など)を学習し、それに合わせてread-ahead buffer sizeなどの設定を自動チューニングする。 - ユーザーの最近の行動を学習し、パーソナライズされたお勧めを提示する。例えば、最近 "/Documents/crucial/" に多くの重要なファイルを作成した場合、それらをバックアップワークフローに追加するかどうかを提案する。 3. プライバシー保護されたパーソナルデータ管理: - ユーザーのパーソナルデータはクラウド外のDataboxに保存され、アクセスはログ記録され監査される。 - これにより、ユーザーのプライバシーを保護しつつ、パーソナライズされたサービスを提供できる。 このように、PEROSはユーザーごとの指示や文脈の理解、使用パターンの学習、プライバシー保護されたパーソナルデータ活用を通じて、ユーザーに寄り添ったパーソナライズされたユーザー体験の提供を目指しています。 ## Abstract オペレーティング・システム（OS）は、コンピュータ・システムの基盤であり、ハードウェア・リソースを管理し、多様なアプリケーションのための安全な環境を保証する。しかし、その永続的な重要性にもかかわらず、OSの基本的な設計目標は数十年にわたってほとんど進化していない。伝統的に、スピード、メモリ効率、セキュリティ、スケーラビリティといった側面が優先され、これらの目標は、パーソナライズされたユーザーエクスペリエンスだけでなく、インテリジェンスという重要な側面を見落としていることが多い。機械学習（ML）の目覚ましい進歩などの技術革新の中で、インテリジェンスの欠如はますます危機的になっている。 今日のパーソナル・デバイスは、ユーザーにとって親密なパートナーへと進化しており、LinuxやiOSのような従来のOSにとって、特に異種コンポーネントを特徴とする特殊なハードウェアの出現によって、ユニークな課題を突きつけている。さらに、MLにおける大規模言語モデル（[[LLM]]）の台頭は、ユーザーとのインタラクションやソフトウェア開発のパラダイムを再構築し、変革的な機能を導入している。 既存の文献では、システムの最適化やMLワークロードの高速化のためにML手法を活用することに主眼が置かれていますが、OSレベルでパーソナライズされたユーザー体験を扱うことには大きな隔たりがあります。この課題に取り組むため、本研究では、LLM機能を組み込んだパーソナライズOSであるPerOSを提案する。PerOSは、スケーラブルなクラウド中心のアーキテクチャにおいて、宣言型インターフェース、自己適応型カーネル、セキュアなデータ管理を通じて、プライバシーと個人データを保護しながら、カスタマイズされたユーザー体験を提供することを目的としている： 何千人ものユーザーにパーソナライズされた体験を提供する、インテリジェントでセキュアでスケーラブルなOSを開発するにはどうすればよいか？