Недавно я наткнулся на интересное изображение, и эта идея не давала мне покоя последние несколько месяцев. Вот несколько мыслей по этому поводу.
Эта концепция уже много лет обсуждается в научно-фантастической литературе. В качестве примера можно привести роман Вернора Винге «Глубина в небе». В книге люди, чей мозг был искусственно модифицирован для решения узкоспециализированных задач (выполняемых очень плохими персонажами в рассказе), разработали свой собственный язык, специфичный для этой задачи, который никто другой не мог понять.
Теоретически, если бы я в будущем, скажем, в 2035 году, создал какую-нибудь крупную систему с помощью ИИ-агентов, можно было бы предположить, что первым делом ИИ-агент разработал бы предметно-ориентированный язык (DSL) для конкретной задачи или платформы. Наличие одного универсального языка для всех ИИ-агентов не имеет смысла. Раз уж у нас есть «мозг», способный писать много кода, почему бы не позволить ему создать язык, специально разработанный для конкретной задачи? Какой смысл в одном языке?
В некотором смысле, «нечеловеческие» языки уже существуют — например, различные формы P-кода, байт-кода и так далее. Это промежуточные уровни между машинным кодом и языками высокого уровня, которые люди используют для написания программ. Конечно, они были созданы для разных целей, но вопрос остается: для чего именно следует создавать язык искусственного интеллекта? См. следующий пункт.
Теперь, если отвлечься от прекрасного (или не такого уж прекрасного, учитывая текущие тенденции) 2035-го года и перейти к 2026-му, одним из ключевых факторов успеха программирования с помощью ИИ-агентов является способность людей читать сгенерированный код и исправлять ошибки. Код, сгенерированный ИИ, нельзя просто так запустить в производство без проверки и исправлений — по крайней мере, для сложных или крупномасштабных проектов.
Из этого следует несколько качеств, которыми должен обладать язык:
Легко читаемый человеком язык, где простые вещи делаются простым способом.
Практически отсутствуют или очень немногочисленные неочевидные побочные эффекты.
Типичные задачи, такие как работа с базами данных или авторизация с помощью JWT, следует решать с помощью библиотек или фреймворков, а не писать код с нуля.
Исходя из этого, мы легко приходим к выводу о трех ведущих языках программирования: Java, C# и TypeScript, а также о таких фреймворках, как Spring Boot, NestJS и ASP.NET Core.
Движущей силой всех трех этих принципов являются именно указанные выше моменты: легкость чтения, простота выполнения распространенных задач и минимизация непредвиденных последствий.
Да, ни один из них не идеален, но это лучшее, что у нас есть в этой области. Может ли ИИ создать что-то лучше? А точнее, могут ли люди создать что-то лучшее для ИИ? В теории — да, но для этого потребуются десятилетия работы. Это не произойдет быстро.
И наконец, ИИ не пишет код «самостоятельно». По сути, он выбирает похожие фрагменты кода из набора данных, на котором обучался. Таким образом, чтобы ИИ сгенерировал хоть сколько-нибудь осмысленный код на заданном языке, ему необходимо «пропустить» миллионы (вероятно, больше) строк кода на этом языке, и этот код должен быть написан людьми, а не ИИ.
На самом деле, даже программисты-люди учатся таким же образом. Когда вы берете в руки книгу по языку программирования, которым никогда раньше не пользовались, ваша первая реакция: «Как вообще писать код на этом языке?» Затем вы начинаете писать небольшие фрагменты кода, понимаете, что что-то не работает, исправляете это, смотрите на код других, думаете: «Ага! Вот как это делается!» и постепенно начинаете двигаться вперед.
В заключение, идея о существовании особого языка витает в воздухе уже несколько десятилетий.
Скорее всего, это будут языки программирования, предназначенные для решения конкретных задач.
Мы еще не достигли цели. ИИ-агенты действительно ускоряют разработку, но, с другой стороны, программирование с использованием ИИ-агентов похоже на гонки на костылях, когда приходится перепрыгивать с одной ямы на другую. Это требует от человека очень высокого уровня внимания и мастерства.
В современной индустрии ИИ всё вращается вокруг обучения. Если нет подходящего набора данных для обучения, результаты будут плачевными. Проводятся некоторые эксперименты с самообучением, но мы ещё не достигли цели. Например, Google создал бота для игры в StarCraft, который побеждает большинство противников. Но бот изначально обучался на записях реальных игр людей, и в итоге он делает много нелепых вещей. Где взять набор данных для обучения программированию на специализированном языке ИИ? Это неясно.
Эта концепция уже много лет обсуждается в научно-фантастической литературе. В качестве примера можно привести роман Вернора Винге «Глубина в небе». В книге люди, чей мозг был искусственно модифицирован для решения узкоспециализированных задач (выполняемых очень плохими персонажами в рассказе), разработали свой собственный язык, специфичный для этой задачи, который никто другой не мог понять.
Теоретически, если бы я в будущем, скажем, в 2035 году, создал какую-нибудь крупную систему с помощью ИИ-агентов, можно было бы предположить, что первым делом ИИ-агент разработал бы предметно-ориентированный язык (DSL) для конкретной задачи или платформы. Наличие одного универсального языка для всех ИИ-агентов не имеет смысла. Раз уж у нас есть «мозг», способный писать много кода, почему бы не позволить ему создать язык, специально разработанный для конкретной задачи? Какой смысл в одном языке?
В некотором смысле, «нечеловеческие» языки уже существуют — например, различные формы P-кода, байт-кода и так далее. Это промежуточные уровни между машинным кодом и языками высокого уровня, которые люди используют для написания программ. Конечно, они были созданы для разных целей, но вопрос остается: для чего именно следует создавать язык искусственного интеллекта? См. следующий пункт.
Теперь, если отвлечься от прекрасного (или не такого уж прекрасного, учитывая текущие тенденции) 2035-го года и перейти к 2026-му, одним из ключевых факторов успеха программирования с помощью ИИ-агентов является способность людей читать сгенерированный код и исправлять ошибки. Код, сгенерированный ИИ, нельзя просто так запустить в производство без проверки и исправлений — по крайней мере, для сложных или крупномасштабных проектов.
Из этого следует несколько качеств, которыми должен обладать язык:
Легко читаемый человеком язык, где простые вещи делаются простым способом.
Практически отсутствуют или очень немногочисленные неочевидные побочные эффекты.
Типичные задачи, такие как работа с базами данных или авторизация с помощью JWT, следует решать с помощью библиотек или фреймворков, а не писать код с нуля.
Исходя из этого, мы легко приходим к выводу о трех ведущих языках программирования: Java, C# и TypeScript, а также о таких фреймворках, как Spring Boot, NestJS и ASP.NET Core.
Движущей силой всех трех этих принципов являются именно указанные выше моменты: легкость чтения, простота выполнения распространенных задач и минимизация непредвиденных последствий.
Да, ни один из них не идеален, но это лучшее, что у нас есть в этой области. Может ли ИИ создать что-то лучше? А точнее, могут ли люди создать что-то лучшее для ИИ? В теории — да, но для этого потребуются десятилетия работы. Это не произойдет быстро.
И наконец, ИИ не пишет код «самостоятельно». По сути, он выбирает похожие фрагменты кода из набора данных, на котором обучался. Таким образом, чтобы ИИ сгенерировал хоть сколько-нибудь осмысленный код на заданном языке, ему необходимо «пропустить» миллионы (вероятно, больше) строк кода на этом языке, и этот код должен быть написан людьми, а не ИИ.
На самом деле, даже программисты-люди учатся таким же образом. Когда вы берете в руки книгу по языку программирования, которым никогда раньше не пользовались, ваша первая реакция: «Как вообще писать код на этом языке?» Затем вы начинаете писать небольшие фрагменты кода, понимаете, что что-то не работает, исправляете это, смотрите на код других, думаете: «Ага! Вот как это делается!» и постепенно начинаете двигаться вперед.
В заключение, идея о существовании особого языка витает в воздухе уже несколько десятилетий.
Скорее всего, это будут языки программирования, предназначенные для решения конкретных задач.
Мы еще не достигли цели. ИИ-агенты действительно ускоряют разработку, но, с другой стороны, программирование с использованием ИИ-агентов похоже на гонки на костылях, когда приходится перепрыгивать с одной ямы на другую. Это требует от человека очень высокого уровня внимания и мастерства.
В современной индустрии ИИ всё вращается вокруг обучения. Если нет подходящего набора данных для обучения, результаты будут плачевными. Проводятся некоторые эксперименты с самообучением, но мы ещё не достигли цели. Например, Google создал бота для игры в StarCraft, который побеждает большинство противников. Но бот изначально обучался на записях реальных игр людей, и в итоге он делает много нелепых вещей. Где взять набор данных для обучения программированию на специализированном языке ИИ? Это неясно.
