Im Jahr 1952 saß Grace Hopper vor einem UNIVAC I und wurde müde, subroutine-Adressen von Hand zu kopieren.Programmierer schrieben damals rohen maschinellen Code, schauten die Speicherorte aus einer Papierbibliothek an und steckten sie manuell zusammen. Es war langsam. Es war fehleranfällig. Und die Fehler waren spektakulär. „Ich hatte einen laufenden Compiler und niemand würde ihn berühren“, erinnerte sie sich später. „Sie sagten mir sorgfältig, Computer konnten nur Arithmetik machen; sie konnten keine Programme machen.“ Sie baute den A-0-Kompilator sowieso. Es nahm symbolischen mathematischen Code und übersetzte es automatisch in maschinelle Anweisungen. Was zuvor einen Monat manuelle Codierung erforderte, konnte in fünf Minuten getan werden. Die Skeptiker sagten ihr, dass sie verwirrt war, wofür Computer waren. Sie ignorierte sie. Innerhalb eines Jahrzehnts hatte sie geholfen, COBOL zu erschaffen, und die gesamte Laufbahn der Softwareentwicklung war dauerhaft verändert worden. Ich bringe das hervor, weil Elon Musk vierundsechzig Jahre später im Wesentlichen vorgeschlagen hat, dass wir alles aufheben. Die Behauptung Bei einem In diesem Monat, , Musk prognostizierte, dass bis zum Ende des Jahres 2026 "Sie sich nicht einmal darum kümmern werden, Codierungen zu machen. Die KI wird einfach das Binär direkt erstellen." Er ging weiter: "AI kann ein viel effizienteres Binär erstellen, als es von jedem Compiler gemacht werden kann." Die Vision ist einfach. XAI All-Hands Treffen berichtet von Reuters Er bestätigte auch einen Beitrag, in dem behauptet wurde, dass die Erzeugung von Binären direkt über KI "den energieeffizientesten Ansatz für die Berechnung" darstellt.Der nächste Schritt danach, sagte er, wäre "direkte, Echtzeit-Pixelgenerierung durch das neuronale Netz". Es gibt einen technischen Begriff für das, was hier geschieht, und es ist nicht "Innovation". Es ist ein Kategorienfehler. Ein Compiler ist ein Transformator, der die Semantik bewahrt: Er arbeitet auf einer formalen Sprache mit einer Spezifikation, und seine Ausgabe kann gegen diese Spezifikation überprüft werden. Ein LLM ist eine Schlussfolgerungsmaschine, die plausible Fortsetzungen von Token-Sequenzen ohne inhärente Richtigkeitsgarantie erzeugt. Musk schlägt vor, dass wir die erste durch die letztere ersetzen. Um zu verstehen, warum dies auseinanderfällt, müssen Sie verstehen, was die Compilatoren tatsächlich tun. Was passiert, wenn Sie Compile treffen Die meisten Entwickler haben ein vagues mentales Modell der Kompilation. Sie schreiben Code, Sie führen einen Befehl, ein ausführbar erscheint. Magie. und die Ausgabe binär ist eine der anspruchsvollsten Ketten von formalen Transformationen in der gesamten Informatik. gcc -O2 main.c Der Prozess beginnt mit : Der Compiler liest Ihr Quellcode-Zeichen nach Zeichen und bricht es in Token. Keywords, Identifikatoren, Operatoren, Buchstaben. , wo diese Token in einen abstrakten Syntaxbaum (AST) organisiert sind, der die grammatische Struktur Ihres Programms darstellt. Wenn Ihre Syntax falsch ist, ist dies, wo der Compiler sie fängt. Es sagt Ihnen die genaue Linie, den genauen Charakter und schlägt oft vor, was Sie wahrscheinlich meinten. lexical analysis parsing Dann kommt Der Compiler überprüft, ob Ihr Programm wirklich Sinn macht. Sind Ihre Typen kompatibel? Verweisen Sie auf Variablen, die existieren? Sind Ihre Funktionsunterschriften konsistent? Diese Schicht fängt frühzeitig ganze Kategorien von Fehlern auf: Typmispatches, undefinierte Referenzen, Arity-Verletzungen, unerreichbarer Code. semantic analysis Danach übersetzt der Compiler Ihren Code in eine (IR) In LLVM ist dies ein das ist unabhängig von der Quellsprache und der Zielhardware. Dies ist der Schlüsselstein der gesamten Architektur. Rust, Swift, C, C++, Julia, Zig, alle kompilieren auf den gleichen IR. Und sobald sie da sind, gelten dieselben Optimierungspasses für sie alle. intermediate representation Typed, SSA-basiertes Format Dead Code Elimination: Code, der niemals erreicht werden kann, wird gelöscht. Loop unrolling: Kleine Schleifen werden erweitert, um den Zweigüberschuss zu reduzieren. Vektorisierung: Skalar-Operationen werden in SIMD-Anweisungen umgewandelt, die mehrere Datenpunkte in einem einzigen CPU-Zyklus verarbeiten. Registerallokation: Der Compiler entscheidet, welche Werte in welcher CPU registriert werden, und löst ein Problem der begrenzten Zufriedenheit, das die Menschen in den 1970er Jahren aufgegeben haben. von Matt Godbolt Geben Sie etwas C++ auf der linken Seite ein, beobachten Sie, wie die Assembly auf der rechten Seite erscheint, und wechseln Sie die Optimierungsstufen, um Ihren Code zu sehen. , erhalten Sie eine buchstäbliche Übersetzung. at Der Compiler führt eine Operation durch, die eine menschliche Stunde dauern würde, um darüber nachzudenken. über 3.000 Compiler-Versionen und 81 Programmiersprachen.Ingenieure bei Google verwenden es täglich, um in den Produktionscode. Kompilierer Explorer -O0 -O3 92 Millionen Compilationen pro Jahr Studie Optimierungsmuster Das LLVM-Projekt allein ist in der Entwicklung GCC ist seit 1987 im Einsatz. a Die Implementierung von nur den grundlegenden Optimierungspasses, der konstanten Verbreitung, der Eliminierung von toten Codes, dem Entwickeln von Schleifen, der Zuweisung von Registern würde mehrere erfahrene Ingenieure erfordern, die jahrelang arbeiten. Seit 2000 Produktionsqualitätsoptimierender Compiler repräsentiert Jahrzehnte der Entwicklung Jede dieser Transformationen ist Angesichts des gleichen Quellcodes, der gleichen Compilerversion und der gleichen Flaggen erhalten Sie das gleiche Binär. , aber der Compiler selbst ist eine reine Funktion seiner Eingänge.) , validiert durch jahrzehntelange Tests, Milliarden von Produktionsstunden und riesige Test-Suiten. Mainstream-Kompilatoren wie GCC und LLVM sind nicht formell end-to-end bewährt, aber sie gehören zu den am meisten geprüften Software-Artifakten, die Menschen je produziert haben. . deterministic Ihre eigene Disziplin designed to preserve program semantics Kompakt milliseconds Das ist es, was Musk vorschlägt, durch ein Sprachmodell zu ersetzen. Die Ökonomie der stochastischen Zusammenstellung Glauber Costa, Gründer von Turso und stellvertretender Linux-Kernel-Teilnehmer, „Die Frage ist nicht, ob die KI in der Lage sein wird, das Binär direkt zu schreiben.“ Die Frage ist, ob es wirtschaftlich ist, dies zu tun. „Es kostet Token für die KI, um Dinge zu tun. Legen Sie es kurz auf X Dies verdient das Entpacken, weil die Kostendifferenz nicht marginal ist. Laufen Auf einer Cloud-Instanz ist das ein Bruchteil eines Cent. Selbst das Zusammenstellen des Linux-Kernels von Grund auf, eine der größten Kompilationsjobs, die die meisten Entwickler treffen werden, dauert Minuten und kostet weniger als einen Dollar in Computing. gcc -O2 main.c Eine Grenze LLM wie Claude Opus 4.6 läuft auf Ein typisches kompiliertes Binär für eine nicht-triviale Anwendung könnte Zehntausende von Zeilen von Maschinencode sein. Um das "direkt" als binär zu generieren, müsste das Modell Millionen von Ausgabe-Token mit perfekter Genauigkeit produzieren. Weil winzige Fehler in binären nicht geben Ihnen eine leicht falsche Antwort. Sie geben Ihnen eine Segfault, eine Sicherheitsanfälligkeit oder unbestimmtes Verhalten, das Gedächtnis in der Stille verderbt. Und im Gegensatz zu einem Typ in Quellcode, die ein Compiler mit einem nützlichen Fehler auf der genauen Linie, ein falsches Byte in einem binären gibt Ihnen nichts zu tun. Debugging, das ist Archäologie, nicht Ingenieurwesen. $ 5 pro Million Eintritts-Token und $ 25 pro Million Ausgabe-Token Perfect. Selbst wenn wir großzügig sind und davon ausgehen, dass ein LLM auf irgendeine Weise eine korrekte binäre Ausgabe produzieren könnte (was es nicht kann, aber wir werden dazu kommen), sind die Energieökonomie allein verdammt. In der Zwischenzeit konvertiert ein deterministischer Compiler den gleichen Quellcode in den gleichen Binär mit ein paar hundert CPU-Zyklen pro Anweisung und verbraucht Aufträge der Größe weniger Energie. 4 Joules pro Ausgabe Token Sie schlagen vor, eine deterministische Transformation zu ersetzen, die vernachlässigbare Berechnung mit einem stochastischen Schlussfolgerungsprozess verwendet, der GPU-Cluster erfordert, die bei Hunderten von Watt pro Karte laufen. Was Sie verlieren, wenn Sie Quellcode entfernen Aber selbst wenn die Schlussfolgerung frei wäre, wäre der Vorschlag immer noch falsch, weil er grundsätzlich falsch versteht, wofür der Quellcode dient. Der Quellcode ist nicht nur eine Eingabe für einen Compiler. Es ist das kanonische Artefakt der Software-Engineering. Es ist die Sache, über die Menschen nachdenken, überprüfen, versionieren, diff, debuggen und pflegen. Entfernen Sie es, und Sie verlieren nicht nur einen "Schritt in der Pipeline". Git, das Werkzeug, das praktisch jede professionelle Softwareentwicklung untermauert, funktioniert, indem man Linie für Linie Änderungen an Textdateien verfolgt. Sie können genau sehen, was sich zwischen zwei Versionen geändert hat, wer es geändert hat und warum (wenn sie eine anständige Kommissionsnachricht geschrieben haben). Sie können keine sinnvollen Differenzierungen zwischen zwei Binären machen. Version control stops working. Bei jeder ernsthaften Engineering-Organisation gibt es keine Code-Schiffe ohne Peer-Review. Ein Reviewer liest die Diff, überprüft die Logik, fängt Edge-Fälle und stellt Fragen. Mit binärer Ausgabe gibt es nichts zu überprüfen. Sie bitten Ingenieure, zu vertrauen, dass die KI es richtig hat, ohne Möglichkeit zu überprüfen. Dies ist kein Workflow. Code review becomes impossible. Wenn ein kompiliertes Programm abstürzt, erhalten Sie eine Stack-Trace, eine Zeilenzahl und einen variablen Zustand. Wenn ein nur binäres Programm abstürzt, erhalten Sie eine Speicheradresse und einen Segfault. Eines davon ist debuggable. Das andere erfordert einen Demontager, einen Hex-Editor und viel Geduld. Debugging goes from hard to impossible. Eine für x86 kompilierte Binary läuft nicht auf ARM. Eine binäre für ARM läuft nicht auf RISC-V. Der Quellcode kompiliert sie alle mit dem entsprechenden Compiler. Hopper erkannte in den 1950er Jahren, dass die Bindung von Programmen an bestimmte Hardware verschwendet war. Wenn Ihre KI Roh-Binar generiert, muss sie jetzt für jede Zielarchitektur völlig andere Ausgänge generieren. Cross-platform portability disappears. Hauptgründe für die Erfindung von Sprachen auf hohem Niveau Supply Chain Security, bereits eines der schwierigsten Probleme in der Software-Engineering, wird effektiv unmöglich, wenn jedes Artefakt ein opaques Binär ist, das durch einen nicht-deterministischen Prozess erzeugt wird. Security auditing becomes a black box. Hopper verstand dies im Jahr 1952. Der ganze Punkt, sich vom maschinellen Code zu entfernen, bestand darin, den Menschen eine Möglichkeit zu geben, darüber nachzudenken, was Computer taten. Programmiersprachen sind keine Einschränkung, die überwunden werden muss. Sie sind ein Kommunikationsprotokoll zwischen Mensch und Maschine. Was LLMs wirklich gut tun (und es ist nicht das) Hier ist die Sache: LLMs verändern die Softwareentwicklung wirklich. Ich benutze sie jeden Tag. Sie sind bemerkenswerte Tools. Und die Art und Weise, wie sie tatsächlich nützlich sind, hat nichts mit "Code skippen und Binary generieren" zu tun. LLMs Excel bei der Arbeit Sie sind sehr gut bei der Erstellung von Boilerplate-Code, der Entdeckung von APIs, dem schnellen Prototypen, der Übersetzung zwischen Programmiersprachen, der Erläuterung unbekannter Codebasen und dem Schreiben von Tests. within Dies ist wertvoll. Es macht Entwickler schneller, senkt Einstiegshindernisse und ermöglicht erfahrenen Ingenieuren, mehr Zeit mit Architektur und Design zu verbringen.Die Tools rund um die LLM-unterstützte Entwicklung, Dinge wie Cursor, GitHub Copilot und Claude's Agentencoding-Fähigkeiten, werden in einem schnellen Tempo besser. Aber beachten Sie, was all diese Werkzeuge produzieren: Menschlich lesbar, versionskontrollierbar, überprüfbar, debuggable Quellcode. Dieser Code wird dann von deterministischen Compilern in optimierte Binare kompiliert. Der LLM befasst sich mit der kreativen Generation. Der Compiler befasst sich mit der deterministischen Transformation. Jeder tut, was er gut in ist. source code. Es gibt wirklich spannende Forschung an der Kreuzung von LLMs und Zusammenstellung. , ein im Jahr 2025 vorgestelltes Framework, verwendet LLMs, um Code in Muster zu refaktorisieren, die besser für die Compiler-Auto-Vektorisierung geeignet sind, um eine 1,77x geometrische Durchschnittsbeschleunigung zu erzielen. nimmt einen ähnlichen Ansatz an, indem LLMs SIMD-Intrinsiken mit formaler Verifizierung durch Alive2 generieren, um die Richtigkeit zu garantieren. Aber beachten Sie das Muster in beiden: Die LLMs generieren Code auf Quellenebene, der dann durch die traditionelle Zusammenstellungspipeline geht. VecTrans LLM-Vektorierung Wie Costa bemerkte: „Wenn die KI beim Zusammenstellen von Code besser wäre als die aktuellen Compiler, dann würde sie einen Compiler schreiben und von diesem Moment an nutzen.“ Die optimale Verwendung von AI in der Zusammenstellungskette besteht darin, die Tools zu verbessern, nicht zu einer schlechteren Version von ihnen zu werden. Aber was, wenn er es nicht buchstäblich meint? Eine großzügige Lektüre von Musks Behauptung könnte so etwas wie folgen: "Er meint buchstäblich nicht das Sampling von zufälligen Bits. Richtig genug.Lassen Sie uns steelman es. Wenn du meinst Die Forschung, die ich gerade zitiert habe, zeigt, dass LLMs mit Vektorisierungsentscheidungen, Optimierungspassordnungen und Code-Refactoring für eine bessere Kompilierkooperation helfen. Dies ist real, nützlich und incremental. Es ist auch nicht das, was Musk beschrieb. AI, die Compiler verbessert Wenn du meinst , das ist ein aktives Forschungsgebiet mit jahrzehntelanger Geschichte. und moderne Synthesetools können Programme aus Einschränkungen erzeugen. Aber sie funktionieren genau, weil sie formale Spezifikationen haben, gegen die sie überprüfen können. Die Ausgabe wird überprüft, nicht vertrauenswürdig. Und die Spezifikationen selbst sind in strukturierten, menschlich lesbaren Sprachen geschrieben. Sie benötigen immer noch die menschlich lesbare Schicht. Programm-Synthese aus formalen Spezifikationen Sketch Wenn du meinst , ohne Quellcode, ohne formale Spezifikation und ohne Verifizierungsschritt, dann sind Sie bei Musks tatsächlichen Behauptung angekommen, und es kollabiert unter den Problemen, die ich bereits beschrieben habe. Die heutigen Ansätze „können traditionelle Compiler nicht in Leistung, Kosten oder Skalierbarkeit übertreffen“, auch bei engen Compilationsaufgaben, ganz zu schweigen von End-to-End-Generation. End-to-End-Binärgeneration aus natürlichen Sprachaufrufen jüngste Umfrage der LLM-Compilerforschung Die Stahlversionen sind entweder nicht das, was er sagte oder sind nicht neu. Die buchstäbliche Version ist das, was er sagte und funktioniert nicht. Warum er das sagt Musk behauptet, er habe als Kind Videospiele gebaut.Wenn das wahr ist, sollte ihm nichts davon fremd sein.Er schreibt Code.Er hat mit Compilern zu tun.Er versteht vermutlich den Unterschied zwischen einem deterministischen Prozess und einem probabilistischen. Aber "AI hilft Entwicklern, besseren Code schneller zu schreiben" ist keine nützliche Erzählung, wenn Sie xAI ausführen. Es bewegt Groks Positionierung nicht. "AI tötet das Codieren vollständig" macht alle drei. Dies ist für Musk nicht einzigartig. Jedes Unternehmen, das die GPU-Infrastruktur aufbaut, hat einen Anreiz zu behaupten, dass alles inferenz-Computing erfordern wird. Wenn das Geschäftsmodell vom Verkauf von Token abhängt, sieht jedes Problem so aus, als müsse es mehr Token benötigen. Musk betreibt xAI. Grok braucht eine Geschichte. Und jede Behauptung über die bevorstehende Allmacht der KI ist auch eine Behauptung über den Wert der Infrastruktur, die xAI aufbaut. Wenn Sie der Welt sagen, dass die KI Kompilatoren ersetzen wird, Binaries direkt generieren und schließlich eine Echtzeit-Pixel-Ausgabe aus neuronalen Netzwerken produzieren, machen Sie keine technische Vorhersage. Sie machen eine Investitionsarbeit. Sie sagen dem Markt, dass die Nachfrage Musk hat eine Geschichte von Prognosen mit ehrgeizigen Zeitlinien. Vollständig autonome Fahrzeuge bis 2018 (noch nicht hier). Eine Million Robotaxis auf der Straße bis 2020 (auf der Rückseite lächelnd). Mensch-Maschine-Symbiose über Neuralink bis 2021 (wir haben es geschafft, ein paar Leute die Cursoren zu bewegen). Diese Prognosen sind nicht dazu gedacht, genau zu sein. Die Behauptung "coding goes to zero" ist das gleiche Spiel.Es ist keine technische Analyse.Es ist die Nachfrage-Generation für inference-Computing, verkleidet als Prophezeiung. Die aktuelle Zukunft Die Zukunft der Programmierung ist nicht die binäre Generation aus Anrufen.Es ist das, was bereits geschieht: Abstraktionen auf höherem Niveau, besseres Tooling und KI als Mitarbeiter im kreativen Prozess des Schreibens von Software. Programmiersprachen werden sich weiterentwickeln. Kompilatoren werden sich weiter verbessern, möglicherweise mit ML-unterstützten Optimierungspasses, die neue Transformationen entdecken. LLMs werden weiterhin besser bei der Erstellung, Überprüfung und Erläuterung von Code werden. Die Lücke zwischen "Ich habe eine Idee" und "Ich habe eine funktionierende Software" wird weiter schrumpfen. Es existiert, weil Menschen verstehen, überprüfen und aufrechterhalten müssen, was Computer tun. Grace Hopper hat ihre Karriere damit verbracht, für die Idee zu kämpfen, dass Programmierung zugänglich sein sollte, dass Menschen in der Lage sein sollten, ihre Absichten in Sprachen auszudrücken, die sie lesen und reden können, und dass Maschinen die Übersetzung in Hardware bewältigen sollten. Die Antwort auf „wie machen wir die Softwareentwicklung besser“ ist nicht „die Fähigkeit des Menschen, die Software zu verstehen, zu entfernen.“ Die Antwort ist bessere Tools, bessere Sprachen, bessere Compiler und ja, bessere KI-Assistenten, die innerhalb des Stacks arbeiten, anstatt zu versuchen, es zu ersetzen. Musks Vorhersage wird so alt wie seine anderen Vorhersagen: als Erinnerung daran, dass die lautesten Stimmen in der Technologie oft am wenigsten daran interessiert sind, wie die Dinge tatsächlich funktionieren.

Drop a Message for Blockchain Consultation

2022 - HackerNoon Contributor of the Year - Containers

2022 - HackerNoon Contributor of the Year - Dapps

2022 - HackerNoon Contributor of the Year - Design

2022 - HackerNoon Contributor of the Year - Docker

2022 - HackerNoon Contributor of the Year - Innovation

2022 - HackerNoon Contributor of the Year - Smart Contracts

2022 - HackerNoon Contributor of the Year - Solidity

2022 - Software Developer of the Year

Ready to build secure Web3 & AI SaaS solutions? Drop me a message !

Nominated for 2022 - Software Developer of the Year

Nominated for 2022 - HackerNoon Contributor of the Year - Design

Nominated for 2022 - HackerNoon Contributor of the Year - Docker

Nominated for 2022 - HackerNoon Contributor of the Year - Smart Contracts

Nominated for 2022 - HackerNoon Contributor of the Year - Containers

Nominated for 2022 - HackerNoon Contributor of the Year - Innovation

Nominated for 2022 - HackerNoon Contributor of the Year - Dapps

Nominated for 2022 - HackerNoon Contributor of the Year - Solidity

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Zu lang; Lesen

Elon will KI, um Code zu überspringen und Spit Out Binaries.

Elon will KI, um Code zu überspringen und Spit Out Binaries.

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Wir feiern die Community unserer Technologieunternehmen!

HackerNoon Decoded 2024: Wir feiern unsere Remote-Work-Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Wir feiern die Community unserer Technologieunternehmen!

HackerNoon Decoded 2024: Wir feiern unsere Remote-Work-Community!

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps