• Christian Schaller, un ingeniero de software perteneciente a Red Hat, ha logrado solucionar un problema técnico antiguo en Linux gracias al uso de la inteligencia artificial Claude Code.
• El programador se encontraba en un punto muerto respecto a la compatibilidad de un escáner de negativos, un desafío que no había podido resolver durante un periodo prolongado hasta que la IA le proporcionó la solución definitiva.

Si usas Linux en tu día a día, seguramente te has encontrado con el problema de las compatibilidades. Esto con Windows no suele pasar, pero con el sistema operativo del pingüino puedes encontrarte con controladores que directamente no funcionan porque los fabricantes no llegaron a terminar o completar su trabajo. Ya ni hablemos de dispositivos antiguos.

Eso es lo que le ocurrió a Christian Schaller, ingeniero de software de Red Hat y colaborador de GNOME. Compró un escáner Plustek OpticFilm 8200i para digitalizar negativos de fotografías de la familia, pero descubrió que el escáner ya no funcionaba con el controlador de Linux que había para ese modelo.

Intentó resolverlo por su cuenta, pero no hubo éxito. Tras meses probando, decidió que quizá la inteligencia artificial podía echarle una mano y decidió probar Claude Code.

Y, teniendo en cuenta que hablamos de un programador, no se limitó a hacer las típicas preguntas que todos hacemos a la IA. Este preparó un entorno en el que la IA podía ver cómo se comunicaba el dispositivo con Windows y comparar esos datos con los de Linux.

Gracias a esto, y en tan solo unas horas, consiguió hacer su primer escaneo desde Linux y, unos días después, tenía una versión mucho más completa, con funciones como el escaneo por infrarrojos.

Claude Code también ha mejorado la cámara de su portátil Lenovo

Esto no se queda aquí porque, viendo que realmente funcionaba, ¿por qué no probar y corregir otros errores? Schaller decidió usar el mismo método con otro problema, y es que la cámara integrada de su Lenovo ThinkPad X1 Carbon Gen 14 Aura Edition no funcionaba.

La cámara utilizaba un sensor Sony IMX471 conectado a un procesador de imagen Intel IPU7. En Linux, las imágenes salían demasiado oscuras, con las esquinas muy sombreadas y un tono amarillento.

Esta vez, Schaller pidió a Claude Code que reutilizara el trabajo anterior para investigar tanto el controlador del kernel de Linux como libcamera, la biblioteca que permite gestionar cámaras y procesar sus imágenes.

La IA ayudó a encontrar varios fallos y fue tan simple como solucionarlos siguiendo sus consejos. En una prueba con poca luz, y tal y como cuenta, el brillo medio de la imagen pasó de 31,1 a 90,9. Los colores también se acercaron más a los de una cámara USB que usó como referencia.

La IA hace el trabajo pesado, pero alguien tiene que comprobarlo

Tal y como siempre comentamos con este tipo de noticias, la ayuda es de la IA, eso es cierto, pero el trabajo, el ingenio y la base siguen siendo 100% humanos.

Cuando un dispositivo no funciona, decirle a una IA que lo arregle sirve más bien de poco. Necesita información que le permita entender qué está pasando y un pequeño hilo del que tirar. En este caso, Schaller le dio la referencia de unos datos que generaba el dispositivo cuando funcionaba perfectamente en Windows.

A partir de ahí, Claude Code podía ver las capturas que le daba, conocer las diferencias entre Windows y Linux, proponer una idea y preparar pruebas.

Lo mejor de todo es que, teniendo en cuenta que hablamos de este universo compartido, el programador ha querido que otros puedan probar el mismo método si les sucede algo parecido. Schaller ha publicado hw-harness en GitHub, un conjunto de herramientas que ya guían un poco el camino.

Pero eso no es todo, porque también ha creado una aplicación llamada Negative Vibes, creada precisamente para digitalizar negativos y diapositivas desde GNOME. Está escrita en Rust y permite ajustar la imagen después del escaneo, invertir los negativos y eliminar polvo y arañazos con el canal infrarrojo si el escáner lo admite.

Pero Schaller quiere dejar algo muy claro y es que la IA no hizo todo el trabajo por su cuenta. Él tuvo que preparar el entorno, dirigir las pruebas y comprobar los resultados.

"La IA se encarga de las tareas tediosas. Esto incluye decodificar capturas, escribir sondas y verificar constantes. Aun así, yo debo tener el hardware físico en mis manos. El hardware real es el único juez. Todas las afirmaciones anteriores se verificaron en el escáner o el ordenador portátil", comenta.