JetBrains telah mengumumkan rancangan untuk bahasa pengaturcaraan baharu yang akan membolehkan pembangun menulis kod dalam sesuatu yang pada asasnya bahasa Inggeris untuk menjana aplikasi merentas pelbagai platform. Walaupun syarikat itu meletakkan ini sebagai langkah seterusnya dalam abstraksi pengaturcaraan, komuniti pembangun menimbulkan persoalan serius tentang sama ada pendekatan ini akan benar-benar berfungsi.
Pembangun Mempersoalkan Konsep Asas
Komuniti pengaturcaraan menyatakan keraguan mendalam tentang visi JetBrains . Ramai pembangun menunjukkan bahawa percubaan serupa telah dibuat berulang kali sepanjang sejarah pengkomputeran, dengan hasil yang bercampur-campur pada yang terbaik. Kebimbangan teras tertumpu pada sama ada bahasa semula jadi boleh memberikan ketepatan yang diperlukan untuk pembangunan perisian yang kompleks.
Beberapa ahli komuniti telah membuat persamaan dengan COBOL , yang cuba menjadikan pengaturcaraan lebih seperti bahasa Inggeris beberapa dekad yang lalu. Yang lain merujuk AppleScript dan HyperTalk sebagai contoh percubaan pengaturcaraan bahasa semula jadi sebelum ini. Tema berulang dalam perbincangan ini ialah walaupun bahasa-bahasa ini berfungsi untuk kes penggunaan tertentu, mereka tidak pernah mencapai penerimaan luas yang JetBrains nampaknya sasarkan.
Percubaan Pengaturcaraan Bahasa Semula Jadi Bersejarah:
- COBOL (1960an) - Bahasa berorientasikan perniagaan dengan sintaks seperti bahasa Inggeris
- AppleScript (1990an) - Skrip bahasa semula jadi untuk automasi Mac
- HyperTalk (1980an) - Bahasa seperti bahasa Inggeris untuk HyperCard
- Inform 7 (2000an) - Bahasa semula jadi untuk fiksyen interaktif
Cabaran Teknikal dan Kebimbangan Determinisme
Titik perdebatan utama memfokuskan pada pelaksanaan teknikal. Pembangun mempersoalkan sama ada penjanaan kod berkuasa AI akan bersifat deterministik dan boleh dihasilkan semula. Jika dua pembangun menggunakan spesifikasi bahasa Inggeris yang sama pada masa berbeza atau dengan model AI yang berbeza, adakah mereka akan mendapat hasil yang sama? Ketidakpastian ini boleh mewujudkan masalah serius untuk kawalan versi, penyahpepijatan, dan pembangunan kolaboratif.
Komuniti juga bimbang tentang keupayaan penyahpepijatan. Apabila kod dijana daripada penerangan bahasa Inggeris peringkat tinggi, mengesan pepijat kembali ke sumbernya menjadi lebih sukar. Lapisan abstraksi ini boleh menyembunyikan butiran pelaksanaan kritikal yang perlu difahami oleh pembangun apabila sesuatu tidak berjalan lancar.
Kebimbangan Pembangun Mengenai Pendekatan JetBrains:
- Determinisme: Adakah spesifikasi bahasa Inggeris yang sama akan menghasilkan kod yang serupa merentas model AI/masa yang berbeza?
- Penyahpepijatan: Bagaimana untuk mengesan pepijat dalam kod yang dijana AI kembali kepada spesifikasi bahasa Inggeris?
- Ketepatan: Bolehkah bahasa semula jadi memberikan ketepatan yang diperlukan untuk perisian yang kompleks?
- Prestasi: IDE JetBrains semasa sudah bergelut dengan penggunaan sumber dan kestabilan
Isu Kualiti IDE Sedia Ada Membayangi Ciri Baharu
Mungkin kritikan paling tajam datang daripada pengguna JetBrains semasa yang mahu syarikat itu memberi tumpuan kepada membetulkan masalah sedia ada daripada membangunkan ciri eksperimen baharu. Ramai pembangun melaporkan bahawa IDE JetBrains telah menjadi lebih intensif sumber dan kurang stabil dalam kemas kini terkini.
Saya berharap jetbrains berusaha untuk membuat intellij tidak menggunakan begitu banyak sumber dan menjadi tidak responsif semasa bekerja pada projek besar.
Pengguna mengalami ranap, isu prestasi, dan pepijat yang menjejaskan kerja harian mereka. Sesetengah pembangun mencadangkan bahawa JetBrains sepatutnya mengutamakan penambahbaikan produk semasa mereka sebelum bercabang ke pembangunan bahasa eksperimen.
Pendekatan Alternatif Mendapat Sokongan
Daripada pengaturcaraan bahasa semula jadi, ramai pembangun menyokong pendekatan yang lebih berstruktur kepada pembangunan dibantu AI . Ada yang mencadangkan menggunakan bahasa dengan keupayaan pengesahan formal, seperti Lean atau bahasa dengan sistem jenis yang kuat yang boleh menangkap ralat sebelum masa jalan.
Yang lain mencadangkan bahawa alat AI sepatutnya memberi tumpuan kepada menjana kod dalam bahasa sedia ada yang difahami dengan baik dengan jaminan keselamatan yang kuat. Pendekatan ini akan memberikan faedah bantuan AI sambil mengekalkan ketepatan dan kebolehnyahpepijat yang diperlukan oleh pembangunan perisian profesional.
Perbincangan mendedahkan komuniti yang menghargai kebolehpercayaan dan kebolehselenggaraan berbanding ciri eksperimen. Walaupun JetBrains terus membangunkan bahasa seperti bahasa Inggeris ini, respons pembangun menunjukkan mereka mungkin menghadapi cabaran penerimaan yang ketara apabila ia akhirnya dilancarkan.
Rujukan: JetBrains working on higher-abstraction programming language