Про языки программирования в эпоху ИИ.
Можно подумать, что сейчас уже не так важно, какой язык мы используем. Но не совсем. Скорее, подвергается инфляции сам навык кодинга (хотя фронтендеры еще с 2010-х должны были привыкнуть, что их навыки регулярно обесцениваются с выходом очередного фреймворка).
Так вот, суть языка никуда не девается. Более того, если мы рассматриваем тру-инженерный подход, то нам нужно как-то валидировать выхлоп LLM. И тут очень кстати оказываются нормальная модульность, типы, статический анализ и прочие скучные вещи, которые почему-то снова становятся актуальными (опять ничего нового).
Есть ощущение, что в эпоху ИИ язык все больше становится не только способом писать код, но и способом ограничивать пространство ошибок. Чем больше инвариантов и ограничений можно выразить средствами самого языка, тем меньше шансов, что модель сгенерирует что-то неожиданное (это работает и с разработкой через органическую нейросеть). В этом смысле, например, Python выглядит менее удачным выбором для разработки больших систем с активным использованием ИИ. Не потому, что кто вообще придумал это убожество на нем нельзя писать, и уж тем более не потому, что на нем не делают больших проектов (делают, к сожалению). А потому, что многие гарантии остаются на уровне соглашений и линтеров. Типизация появилась позже и по большей части тоже работает вне языка. В результате часть ошибок всплывает уже в рантайме, а вы тратите больше времени и больше токенов на их поиск и исправление.
Возможно в эпоху LLM хорошие языки — это не те, на которых быстрее наговнокодить, а те, на которых проще ловить косяки электроболванов
Можно подумать, что сейчас уже не так важно, какой язык мы используем. Но не совсем. Скорее, подвергается инфляции сам навык кодинга (хотя фронтендеры еще с 2010-х должны были привыкнуть, что их навыки регулярно обесцениваются с выходом очередного фреймворка).
Так вот, суть языка никуда не девается. Более того, если мы рассматриваем тру-инженерный подход, то нам нужно как-то валидировать выхлоп LLM. И тут очень кстати оказываются нормальная модульность, типы, статический анализ и прочие скучные вещи, которые почему-то снова становятся актуальными (опять ничего нового).
Есть ощущение, что в эпоху ИИ язык все больше становится не только способом писать код, но и способом ограничивать пространство ошибок. Чем больше инвариантов и ограничений можно выразить средствами самого языка, тем меньше шансов, что модель сгенерирует что-то неожиданное (это работает и с разработкой через органическую нейросеть). В этом смысле, например, Python выглядит менее удачным выбором для разработки больших систем с активным использованием ИИ. Не потому, что кто вообще придумал это убожество на нем нельзя писать, и уж тем более не потому, что на нем не делают больших проектов (делают, к сожалению). А потому, что многие гарантии остаются на уровне соглашений и линтеров. Типизация появилась позже и по большей части тоже работает вне языка. В результате часть ошибок всплывает уже в рантайме, а вы тратите больше времени и больше токенов на их поиск и исправление.
Возможно в эпоху LLM хорошие языки — это не те, на которых быстрее наговнокодить, а те, на которых проще ловить косяки электроболванов