LLMs as Language Compilers: Lessons from Fortran for the Future of Coding
3 months ago
- #AI
- #Programming
- #History
- 大语言模型（LLMs）发展迅猛，现已能自主完成相当于完整工程团队规模的任务
- 自2022年以来Stack Overflow流量暴跌77%，开发者日益转向ChatGPT等AI编程助手寻求帮助
- 编程代理能显著加速开发流程，实现数小时构建复杂原型，但面对明确定义的任务时仍会力不从心
- Steven Yegge提出的'Gas Town'隐喻生动诠释了编程代理在软件开发中的潜力与不可预测性
- 这与1950年代'自动编程'的历史遥相呼应：尽管FORTRAN和COBOL简化了编码，但始终未能取代熟练程序员
- John Backus和Grace Hopper冲破精英程序员'祭司阶层'的阻力，开创了编程民主化的先河
- FORTRAN优化编译器效率惊人，几乎媲美手工汇编，在一定程度上实现了编程普惠
- 尽管编程语言日趋简易，但数十年来程序员数量与系统复杂度仍呈指数级增长
- 杰文斯悖论揭示：效率提升往往刺激需求激增而非资源节约，放射学等领域已印证此规律
- 未来编程可能走向更高层抽象，解决尚未命名的问题，而本质复杂性将始终存在