En 1952, Grace Hopper se sentó delante de un UNIVAC I y se cansó de copiar direcciones subrutinas a mano.Los programadores de la época escribieron código de máquina crudo, miraron las ubicaciones de la memoria de una biblioteca de papel y las juntaron manualmente.Fue lento.Era propenso a errores.Y los errores eran espectaculares. “Tengo un compilador en funcionamiento y nadie lo tocaría”, recordó más tarde. Ella construyó el compilador A-0 de todos modos. Tomó el código matemático simbólico y lo tradujo automáticamente a las instrucciones de la máquina. Lo que antes requería un mes de codificación manual se podía hacer en cinco minutos. Los escépticos le dijeron que estaba confundida sobre para qué eran las computadoras. Las ignoró. En una década, había ayudado a crear COBOL, y toda la trayectoria del desarrollo de software había sido alterada permanentemente. Lo planteo porque setenta y cuatro años después, Elon Musk ha propuesto esencialmente que lo anulemos todo. La reclamación En un Este mes, , Musk predijo que a finales de 2026, “ni siquiera te molestarás haciendo codificación. la IA sólo creará el binario directamente.” Él siguió: “la IA puede crear un binario mucho más eficiente de lo que puede ser hecho por cualquier compilador.” XAI reuniones de todas las manos Informado por Reuters También aprobó un post afirmando que generar binarios directamente a través de la IA representa “el enfoque más eficiente en la computación”.El siguiente paso después de eso, dijo, sería “generación directa de píxeles en tiempo real por la red neural”. Hay un término técnico para lo que está sucediendo aquí, y no es “innovación”. Es un error de categoría. Un compilador es un transformador que conserva la semántica: funciona en un lenguaje formal con una especificación, y su salida es verificable contra esa especificación. Un LLM es un motor de inferencia que produce continuidades plausibles de secuencias de tokens sin garantía inherente de corrección. Musk está proponiendo que reemplazemos el primero con el último. Para entender por qué esto se descompone, necesita entender lo que realmente hacen los compiladores. Qué sucede cuando haces compilación La mayoría de los desarrolladores tienen un modelo mental vago de compilación. Usted escribe código, ejecuta un comando, aparece un ejecutable. y la salida binaria es una de las cadenas más sofisticadas de transformaciones formales en toda la ciencia de la computación. gcc -O2 main.c El proceso comienza con : el compilador lee el caracter del código fuente por caracteres y lo divide en tokens. palabras clave, identificadores, operadores, literales. Esto es seguido por , donde esos tokens están organizados en un árbol de sintaxis abstracta (AST) que representa la estructura gramatical de su programa. Si su sintaxis está equivocada, aquí es donde el compilador la captura. le dice la línea exacta, el carácter exacto, y a menudo sugiere lo que probablemente pensaba. lexical analysis parsing Entonces viene El compilador comprueba si su programa tiene realmente sentido. ¿Son sus tipos compatibles? ¿Estás referenciando variables que existen? ¿Son consistentes sus firmas de funciones? Esta capa captura toda una categoría de errores temprano: desajustes de tipo, referencias indefinidas, violaciones de arity, código inaccesible. Sin ella, esos errores surgen en la producción, generalmente en el peor momento posible. semantic analysis Después de eso, el compilador traduce su código en un (IR) En LLVM, este es un Esto es la piedra angular de toda la arquitectura. Rust, Swift, C, C++, Julia, Zig, todos compilen hasta el mismo IR. Y una vez que estén allí, los mismos pases de optimización se aplican a todos ellos. intermediate representation Tipado, formato basado en SSA Eliminación de código muerto: el código que nunca puede ser alcanzado se elimina. Loop unrolling: los pequeños loop se extienden para reducir la cabeza de la rama. Vectorización: las operaciones escalares se transforman en instrucciones SIMD que procesan múltiples puntos de datos en un único ciclo de CPU. Asignación de registros: el compilador decide qué valores viven en qué registro de CPU, resolviendo un problema de satisfacción restrictiva que los humanos dejaron de hacer a mano en la década de 1970. de Matt Godbolt Es una hermosa ventana a este mundo. Introduzca algún C++ a la izquierda, vea el ensamble aparecer a la derecha, y cambie los niveles de optimización para ver su código transformado. , you get a literal translation. At  , el compilador realiza una cirugía que tomaría horas humanas para razonar. más de 3.000 versiones de compiladores y 81 idiomas de programación.Los ingenieros de Google lo usan diariamente para en el código de producción. Compilador Explorer -O0 -O3 92 millones de compilaciones al año study optimization patterns The LLVM project alone has been in development  GCC ha estado alrededor desde 1987. a La implementación de sólo los pases de optimización básicos, la propagación constante, la eliminación de código muerto, el desarrollo de loop, la asignación de registro, requeriría que varios ingenieros experimentados trabajaran durante años.Y estos compiladores siguen mejorando.Tanto GCC como LLVM continúan mejorando sus estrategias de vectorización y optimizaciones específicas de arquitectura con cada lanzamiento. Desde el 2000 El compilador de optimización de la calidad de la producción representa décadas de desarrollo Every single one of these transformations is  Dado el mismo código fuente, la misma versión del compilador y las mismas banderas, se obtiene el mismo binario. , pero el compilador mismo es una función pura de sus entradas.) , validated by decades of testing, billions of production hours, and enormous test suites. Formally verified compilers like  Los compiladores mainstream como GCC y LLVM no están formalmente probados de fin a fin, pero están entre los artefactos de software más probados en la batalla que los humanos han producido. . deterministic Su propia disciplina designed to preserve program semantics Compacto milliseconds Esto es lo que Musk propone reemplazar con un modelo de lenguaje. Economía de la compilación estocástica Glauber Costa, fundador de Turso y colaborador veterano del kernel Linux, “La pregunta no es si la IA será capaz de ‘escribir el binario directamente’.La pregunta es si es económico para hacerlo.Costa tokens para que la IA haga cosas.Compilar algo en binario es un problema resuelto y solo cuesta ciclos de CPU, que son más baratos que los tokens.” Ponlo de forma concisa en X Esto merece desempaquetarse porque la diferencia de costes no es marginal. Correr En una instancia de nube, eso es una fracción de un centavo. Incluso compilar el núcleo de Linux desde cero, uno de los mayores trabajos de compilación que encontrarán la mayoría de los desarrolladores, toma minutos y cuesta menos de un dólar en computación. gcc -O2 main.c Ahora considere la alternativa. Un LLM fronterizo como Claude Opus 4.6 corre en Un binario compilado típico para una aplicación no trivial podría ser decenas de miles de líneas de código de máquina. Para generar eso “directamente” como binario, el modelo tendría que producir millones de tokens de salida con exactitud perfecta. Porque los pequeños errores en binario no te dan una respuesta ligeramente equivocada. Te dan un segfault, una vulnerabilidad de seguridad, o un comportamiento indefinido que corrompe la memoria en silencio. Y a diferencia de un tipo en el código fuente, que un compilador marca con un error útil en la línea exacta, un byte equivocado en un binario no te da nada con lo que trabajar. $5 per million input tokens and $25 per million output tokens Perfect. Incluso si somos generosos y asumimos que un LLM podría de alguna manera producir la salida binaria correcta (que no puede, pero llegaremos a eso), la economía de la energía por sí sola es condenable. Mientras tanto, un compilador determinista convierte el mismo código fuente en el mismo binario usando unos pocos cientos de ciclos de CPU por instrucción, consumiendo órdenes de magnitud menos energía. 4 Joules por token de salida El argumento de “el enfoque más eficiente de la computación” que Musk respaldó es exactamente lo contrario de la realidad.Estás proponiendo reemplazar una transformación determinista que utiliza la computación insignificante con un proceso de inferencia estocástico que requiere que los clústeres de GPU funcionen a cientos de watts por tarjeta. Lo que pierde cuando elimina el código fuente Pero incluso si la inferencia fuera libre, la propuesta seguiría siendo errónea, porque fundamentalmente no entiende para qué sirve el código fuente. El código fuente no es sólo una entrada para un compilador. Es el artefacto canónico de la ingeniería de software. Es lo que los humanos razonan, revisan, versan, difieren, borran y mantienen. Eliminarlo, y no solo perderás un “paso en la tubería”. Git, la herramienta que apoya prácticamente todo el desarrollo de software profesional, funciona rastreando los cambios de línea por línea en los archivos de texto. Puedes ver exactamente qué cambió entre dos versiones, quién lo cambió, y por qué (si escribieron un mensaje de compromiso decente). No puedes difundir significativamente dos binarios. Son blobs opacos. Cada “versión” es una caja negra. Version control stops working. En cualquier organización de ingeniería seria, no hay barcos de código sin una revisión por pares. Un revisor lee la dif, verifica la lógica, captura los casos de punta, y hace preguntas. Con la salida binaria, no hay nada que revisar. Estás pidiendo a los ingenieros que confíen en que la IA lo ha hecho bien, sin ninguna manera de verificar. Code review becomes impossible. Cuando un programa compilado se colapsa, obtiene un seguimiento de la pila, un número de línea y un estado variable. Cuando un programa binario solo se colapsa, obtiene una dirección de memoria y un segfault. Uno de estos es debugable. El otro requiere un desmontador, un editor hexagonal y mucha paciencia. Debugging goes from hard to impossible. Un binario compilado para x86 no se ejecutará en ARM. Un binario para ARM no se ejecutará en RISC-V. El código fuente compila a todos ellos con el compilador apropiado. Hopper reconoció en la década de 1950 que vincular programas a hardware específico era un desperdicio.Si su IA genera binario crudo, ahora necesita generar puestos de salida completamente diferentes para cada arquitectura objetivo. Cross-platform portability disappears. Las principales razones por las que se inventaron los idiomas de alto nivel La seguridad de la cadena de suministro, ya uno de los problemas más difíciles en la ingeniería de software, se vuelve efectivamente imposible cuando cada artefacto es un binario opaco producido por un proceso no determinista. Security auditing becomes a black box. Hopper entendió esto en 1952.El punto de alejarse del código de máquina era dar a los humanos una manera de razonar sobre lo que estaban haciendo los ordenadores.Los lenguajes de programación no son una limitación a superar.Son un protocolo de comunicación entre humanos y máquinas.Remover la capa legible por el hombre no simplifica nada. ¿Qué LLMs realmente hacen bien (y no es esto) Aquí está la cosa: los LLM están verdaderamente transformando el desarrollo de software. los uso todos los días. Son herramientas notables. Y la forma en que son realmente útiles no tiene nada que ver con "saltar el código y generar binario". LLMs excel en el trabajo Son muy buenos en generar código de boilerplate, descubrir APIs, prototipar rápidamente, traducir entre lenguajes de programación, explicar bases de código desconocidas y escribir pruebas.Son particularmente buenos en las partes de la programación que son aburridas pero bien modeladas, el tipo de trabajo donde un desarrollador ya sabe qué escribir pero no quiere escribirlo. within Esto es valioso. hace que los desarrolladores sean más rápidos, baja las barreras a la entrada y permite a los ingenieros experimentados pasar más tiempo en arquitectura y diseño.La herramienta alrededor del desarrollo asistido por LLM, cosas como Cursor, GitHub Copilot y las capacidades de codificación de agentes de Claude, se están mejorando a un ritmo rápido. Pero observe lo que todas estas herramientas producen: Código fuente legible por el hombre, controlable por la versión, revisable, debugable. Ese código es luego compilado por compiladores deterministas en binarios optimizados. El LLM maneja la generación creativa. El compilador maneja la transformación determinista. Cada uno hace lo que es bueno en. source code. Hay una investigación verdaderamente emocionante en la intersección de LLMs y compilación. , un marco presentado en 2025, utiliza LLMs para refactorar el código en patrones que son más susceptibles a la compiladora auto-vectorización, logrando una aceleración media geométrica de 1.77x.  takes a similar approach, using LLMs to generate SIMD intrinsics with formal verification through Alive2 to guarantee correctness. But notice the pattern in both: the LLMs are generating source-level code that then goes through the traditional compilation pipeline. They’re augmenting the compiler, not replacing it. Vecinos LLM-Vectorizer Como observó Costa: “Si la IA se volviera mejor en la compilación de código que los compiladores actuales, entonces escribiría un compilador y desde ese momento, usarlo.” Pero, ¿y si él no lo quiere decir literalmente? Una lectura generosa de la afirmación de Musk podría ir algo así: “Él no quiere decir literalmente muestreo de bits aleatorios. Es justo, vamos a ponerlo en acero. Si quieres decir , que ya está sucediendo. La investigación que acabo de citar muestra que los LLMs ayudan con decisiones de vectorización, orden de pases de optimización y refactoring de código para una mejor cooperación de compiladores. Esto es real, útil e incremental. También no es lo que Musk describió. Él dijo "ni siquiera te molesta hacer codificación", no "los compiladores se vuelven más inteligentes". AI que mejora los compiladores If you mean  , que es un área de investigación activa con décadas de historia. y herramientas modernas de síntesis pueden generar programas de restricciones. Pero funcionan precisamente porque tienen especificaciones formales para verificar contra. La salida se verifica, no se confía. Y las especificaciones mismas están escritas en lenguajes estructurados, legibles por el hombre. Todavía necesita la capa legible por el hombre. Síntesis del programa de las especificaciones formales Esquema Si quieres decir , with no source code, no formal specification, and no verification step, then you’ve arrived at Musk’s actual claim, and it collapses under the problems I’ve already described. A  Lo dice claramente: los enfoques actuales "en gran parte no pueden superar a los compiladores tradicionales en rendimiento, costo o escalabilidad" incluso en tareas de compilación estrechas, ni mucho menos en la generación de fin a fin. Generación binaria de extremo a extremo a partir de prompts de lengua natural Encuesta reciente de la investigación de compiladores LLM Las versiones aceleradas o no son lo que él dijo o no son nuevas. ¿Por qué dice esto Musk afirma que construyó videojuegos como un niño.Si eso es cierto, nada de esto debería ser ajeno a él.Escribe código.Tiene que ver con compiladores.Probablemente entiende la diferencia entre un proceso determinista y un probabilista. Pero “AI ayuda a los desarrolladores a escribir mejor código más rápido” no es una narración útil si estás ejecutando xAI. No cambia el posicionamiento de Grok. No justifica los miles de millones en la infraestructura de GPU. “La IA mata la codificación por completo” hace los tres. Esto no es único para Musk. Cada empresa que construye la infraestructura de GPU tiene un incentivo para afirmar que todo requerirá la computación de inferencia. Cuando el modelo de negocio depende de la venta de tokens, cada problema parece que necesita más tokens. Musk ejecuta xAI. Grok necesita una historia. Y cada afirmación sobre la omnipotencia inminente de la IA es también una afirmación sobre el valor de la infraestructura que está construyendo xAI. Cuando dices al mundo que la IA reemplazará a los compiladores, generará binarios directamente y, finalmente, producirá la salida de píxeles en tiempo real de las redes neuronales, no estás haciendo una predicción técnica. Estás haciendo una tesis de inversión. Estás diciendo al mercado que la demanda de la computación de inferencia está a punto de convertirse en esencial Musk tiene una historia de predicciones con líneas de tiempo ambiciosas. vehículos totalmente autónomos para 2018 (aún no aquí). Un millón de robotaxis en la carretera para 2020 (risable en retrospectiva). simbiosis humano-máquina a través de Neuralink para 2021 (hemos logrado dejar que unas pocas personas muevan los cursores). Estas predicciones no están destinadas a ser precisas. Están destinadas a ser direccionales, para formar expectativas e inversiones en torno a una visión particular del futuro, una en la que sus empresas son centrales. La afirmación de que el "código va a cero" es el mismo juego. no es un análisis técnico. Es una generación de demanda para la computación de inferencia, vestida como profecía. El futuro actual The future of programming is not binary generation from prompts. It’s what’s already happening: higher-level abstractions, better tooling, and AI as a collaborator in the creative process of writing software. Programming languages will continue to evolve. Compilers will continue to improve, potentially with ML-assisted optimization passes that discover new transformations. LLMs will continue to get better at generating, reviewing, and explaining code. The gap between “I have an idea” and “I have working software” will continue to shrink. Pero el código fuente no va a ninguna parte.Existe porque los humanos necesitan entender, verificar y mantener lo que hacen los ordenadores.Esa necesidad no desaparece porque los ordenadores se han vuelto más inteligentes. Grace Hopper pasó su carrera luchando por la idea de que la programación debería ser accesible, que los humanos deberían ser capaces de expresar sus intenciones en lenguajes que pueden leer y razonar, y que las máquinas deberían manejar la traducción al hardware. La respuesta a “cómo hacemos que el desarrollo de software sea mejor” no es “eliminar la capacidad humana de entender el software”.La respuesta es mejores herramientas, mejores idiomas, mejores compiladores, y sí, mejores asistentes de IA que funcionan dentro de la pila en lugar de tratar de reemplazarla. La predicción de Musk envejecerá como sus otras predicciones han envejecido: como un recordatorio de que las voces más fuertes en la tecnología a menudo están menos interesadas en cómo las cosas realmente funcionan.

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

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Elon quiere que la IA salte el código y salte los binarios.

Elon quiere que la IA salte el código y salte los binarios.

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

State of the Noonion: Green Clock Strikes Noon

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

State of the Noonion: Green Clock Strikes Noon

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps