Em 1952, Grace Hopper sentou-se na frente de um UNIVAC I e cansou-se de copiar endereços sub-routinhos à mão. Programadores na época escreveram código de máquina bruto, olharam para as localizações de memória de uma biblioteca de papel, e as ajuntaram manualmente. Foi lento. Era propenso a erros. E os erros eram espetaculares. “Eu tinha um compilador em execução e ninguém iria tocá-lo”, ela lembrou mais tarde. “Eles me disseram cuidadosamente, computadores só podiam fazer aritmética; eles não podiam fazer programas.” Ela construiu o compilador A-0 de qualquer forma. Tomou código matemático simbólico e traduziu-o automaticamente para instruções de máquina. O que anteriormente exigia um mês de codificação manual poderia ser feito em cinco minutos. Os céticos disseram a ela que ela estava confusa sobre o que os computadores eram para. Ela ignorou-os. Dentro de uma década, ela ajudou a criar COBOL, e toda a trajetória do desenvolvimento de software tinha sido permanentemente alterada. Eu trago isso porque setenta e quatro anos depois, Elon Musk propôs essencialmente que nós anulássemos tudo isso. A reivindicação Em um Neste mês, , Musk previu que até o final de 2026, “você nem sequer se preocupará em fazer codificação. A IA apenas criará o binário diretamente.” Ele foi mais longe: “A IA pode criar um binário muito mais eficiente do que qualquer compilador pode fazer.” A visão é direta. Prompt in, executable out. Sem código-fonte, sem compilação, sem representação intermediária. XAI Reunião de Todas as Mãos Relatório da Reuters Ele também endossou um post afirmando que gerar binários diretamente através da IA representa “a abordagem mais eficiente em termos de energia para computação.” Há um termo técnico para o que está acontecendo aqui, e não é “inovação”. É um erro de categoria. Um compilador é um transformador que preserva a semântica: ele opera em uma linguagem formal com uma especificação, e sua saída é verificável contra essa especificação. Um LLM é um motor de inferência que produz continuações plausíveis de sequências de tokens sem nenhuma garantia inerente de correção. Musk está propondo que substituamos o primeiro com o último. Para entender por que isso se desintegra, você precisa entender o que os compiladores realmente fazem. O que acontece quando você bate na compilação A maioria dos desenvolvedores tem um modelo mental vago de compilação. Você escreve código, você executa um comando, um executável aparece. e a saída binária é uma das cadeias mais sofisticadas de transformações formais em toda a ciência da computação. gcc -O2 main.c O processo começa com : o compilador lê o caráter do seu código fonte por caráter e o quebra em tokens. palavras-chave, identificadores, operadores, literal. Isto é seguido por , onde esses tokens são organizados em uma árvore de sintaxe abstrata (AST) que representa a estrutura gramatical do seu programa. Se a sua sintaxe estiver errada, é aqui que o compilador a pega. lexical analysis parsing Depois vem O compilador verifica se seu programa realmente faz sentido. seus tipos são compatíveis? você está referenciando variáveis que existem? suas assinaturas de função são consistentes? Esta camada captura categorias inteiras de erros cedo: desajustes de tipo, referências indefinidas, violações de arity, código inacessível. Sem ele, esses bugs surgem na produção, geralmente no pior momento possível. semantic analysis Depois disso, o compilador traduz o seu código para um (IR) Em LLVM, este é um que é independente tanto da linguagem de origem quanto do hardware alvo. Esta é a pedra-chave de toda a arquitetura. Rust, Swift, C, C++, Julia, Zig, todos compilar para o mesmo IR. E uma vez que eles estão lá, as mesmas passes de otimização se aplicam a todos eles. intermediate representation Tipado, formato baseado em SSA Eliminação de código morto: código que nunca pode ser alcançado é excluído. Loop unrolling: pequenos loops são expandidos para reduzir a superfície da ramificação. Vectorização: as operações escalares são transformadas em instruções SIMD que processam vários pontos de dados em um único ciclo de CPU. A atribuição de registros: o compilador decide quais valores vivem em que a CPU registra, resolvendo um problema de satisfação restritiva que os humanos desistiram de fazer à mão na década de 1970. Sobre o Matt Godbolt Digite algum C++ na esquerda, veja a montagem aparecer na direita e mude os níveis de otimização para ver o seu código se transformar. , você obtém uma tradução literal. em , o compilador executa uma cirurgia que levaria horas humanas para raciocinar. mais de 3.000 versões de compiladores e 81 idiomas de programação. engenheiros do Google usam-no diariamente para no Código de Produção. Compilador Explorer -O0 -O3 92 milhões de compilações por ano Estudo de padrões de otimização O projeto LLVM sozinho está em desenvolvimento O GCC existe desde 1987. a A implementação de apenas as passagens básicas de otimização, propagação constante, eliminação de código morto, desbloqueio de loop, alocação de registro, exigiria vários engenheiros experientes trabalhando por anos.E esses compiladores ainda estão se tornando melhores.Tanto a GCC quanto a LLVM continuam a melhorar suas estratégias de vetorização e otimizações específicas de arquitetura com cada lançamento. Desde o ano 2000 compilador de otimização de qualidade de produção representa décadas de desenvolvimento Cada uma dessas transformações é Dado o mesmo código-fonte, a mesma versão do compilador e as mesmas bandeiras, você obtém o mesmo binário. , mas o compilador em si é uma função pura de suas entradas.) , validado por décadas de testes, bilhões de horas de produção e enormes suites de testes. Compiladores mainstream como o GCC e o LLVM não são formalmente provados end-to-end, mas eles estão entre os artefatos de software mais testados em batalha que os humanos já produziram. . deterministic A sua própria disciplina designed to preserve program semantics Compêndio milliseconds É isso que Musk propõe substituir com um modelo de linguagem. A economia da compilação estocástica Glauber Costa, fundador da Turso e colaborador veterano do Linux Kernel, “A questão não é se a IA será capaz de ‘escrever o binário diretamente’.A questão é se é econômico para ele fazer isso.Costa tokens para a IA fazer coisas.Compilar algo em binário é um problema resolvido e custa apenas ciclos de CPU, que são mais baratos do que tokens.” Coloque isso de forma concisa em X Isso merece desempacotamento porque o diferencial de custo não é marginal. Corrida Em uma instância de nuvem, isso é uma fração de um centavo.Mesmo compilar o kernel do Linux do zero, um dos maiores trabalhos de compilação que a maioria dos desenvolvedores encontrará, leva minutos e custa menos de um dólar em computação. gcc -O2 main.c Agora considere a alternativa. Um LLM de fronteira como Claude Opus 4.6 é executado em Um binário compilado típico para uma aplicação não trivial pode ser dezenas de milhares de linhas de código de máquina. Para gerar isso “diretamente” como binário, o modelo precisaria produzir milhões de tokens de saída com precisão perfeita. Porque pequenos erros em binário não lhe dão uma resposta ligeiramente errada. Eles lhe dão um segfault, uma vulnerabilidade de segurança, ou comportamento indefinido que corrompe a memória em silêncio. E ao contrário de um tipo no código-fonte, que um compilador marca com um erro útil na linha exata, um byte errado em um binário não lhe dá nada para trabalhar. $ 5 por milhão de tokens de entrada e $ 25 por milhão de tokens de saída Perfect. Mesmo que sejamos generosos e assumamos que um LLM poderia de alguma forma produzir a saída binária correta (o que não pode, mas chegaremos a isso), a economia de energia sozinha é condenável. Enquanto isso, um compilador determinista converte o mesmo código fonte para o mesmo binário usando algumas centenas de ciclos de CPU por instrução, consumindo ordens de magnitude menos energia. 4 Joules por token de saída Você está propondo substituir uma transformação determinista que usa computação negligenciável com um processo de inferência estocástica que requer aglomerados de GPUs a centenas de watts por cartão. O que você perde quando remove o código-fonte Mas mesmo que a inferência fosse livre, a proposta ainda seria errada, porque fundamentalmente incompreende o que o código-fonte é para. O código-fonte não é apenas uma entrada para um compilador. É o artefato canônico da engenharia de software. É a coisa que os humanos pensam, revisam, versam, difundem, corrigem e mantêm. Removê-lo, e você não perde apenas um “passo na pipeline”. Git, a ferramenta que sustenta praticamente todo o desenvolvimento de software profissional, funciona rastreando linhas por linhas de mudanças em arquivos de texto. Você pode ver exatamente o que mudou entre duas versões, quem mudou, e por que (se eles escreveram uma mensagem de compromisso decente). Você não pode significativamente difundir dois binários. Eles são blobs opacos. Cada “versão” é uma caixa preta. Version control stops working. Em qualquer organização de engenharia séria, não há navios de código sem revisão por pares. Um revisor lê o diff, verifica a lógica, pega casos de borda e faz perguntas. Com a saída binária, não há nada para revisar. Você está pedindo aos engenheiros para confiar que a IA conseguiu isso certo, sem nenhuma maneira de verificar. Code review becomes impossible. Quando um programa compilado falha, você recebe um traçado de pilha, um número de linha e um estado variável. Quando um programa apenas binário falha, você recebe um endereço de memória e um segfault. Um deles é debugável. O outro requer um desmontador, um editor hexático e muita paciência. Debugging goes from hard to impossible. Um binário compilado para x86 não será executado no ARM. Um binário para ARM não será executado no RISC-V. O código-fonte compila para todos eles com o compilador apropriado. Hopper reconheceu na década de 1950 que ligar programas a hardware específico era um desperdício.Se sua IA gera binário bruto, agora precisa gerar saídas completamente diferentes para cada arquitetura-alvo. Cross-platform portability disappears. As principais razões pelas quais foram inventadas línguas de alto nível A segurança da cadeia de suprimentos, já um dos problemas mais difíceis na engenharia de software, torna-se efetivamente impossível quando cada artefato é um binário opaco produzido por um processo não-determinista. Security auditing becomes a black box. Hopper entendeu isso em 1952.Todo o ponto de se afastar do código de máquina era dar aos humanos uma maneira de raciocinar sobre o que os computadores estavam fazendo.Linguagens de programação não são uma limitação a ser superada.Eles são um protocolo de comunicação entre humanos e máquinas.Remover a camada legível pelo homem não simplifica nada. O que os LLMs realmente fazem bem (e não é isso) Aqui está a coisa: os LLMs estão realmente transformando o desenvolvimento de software. Eu os uso todos os dias. Eles são ferramentas notáveis. E a forma como eles são realmente úteis não tem nada a ver com “saltar o código e gerar binário”. LLMs excel no trabalho Eles são muito bons em gerar código de boilerplate, descobrir APIs, protótipos rápidos, traduzir entre idiomas de programação, explicar bases de código desconhecidas e escrever testes. within Isso é valioso. torna os desenvolvedores mais rápidos, reduz as barreiras de entrada e permite que os engenheiros experientes gastem mais tempo em arquitetura e design.As ferramentas em torno do desenvolvimento assistido pelo LLM, coisas como Cursor, GitHub Copilot e as capacidades de codificação de agentes de Claude, estão melhorando a um ritmo acelerado. Mas observe o que todas essas ferramentas produzem: Código de origem legível pelo homem, controlável por versão, revisável, debugável. Esse código é então compilado por compiladores deterministas em binários otimizados. O LLM lida com a geração criativa. O compilador lida com a transformação determinista. Cada um faz o que é bom em. source code. Há pesquisa verdadeiramente emocionante na interseção de LLMs e compilação. , um framework apresentado em 2025, usa LLMs para refactor código em padrões que são mais suscetíveis a compilar auto-vectorização, alcançando uma aceleração média geométrica de 1,77x. toma uma abordagem semelhante, usando LLMs para gerar intrínsecos SIMD com verificação formal através do Alive2 para garantir a correção. Mas observe o padrão em ambos: os LLMs estão gerando código de nível de fonte que então passa pelo pipeline de compilação tradicional. Velocidade LLM-Vectorização Como Costa observou: “Se a IA se tornasse melhor na compilação de código do que os compiladores atuais, então escreveria um compilador e, a partir desse momento, usaria isso.” Mas e se ele não quiser dizer isso literalmente? Uma leitura generosa da afirmação de Musk pode ir algo assim: “Ele não quer dizer literalmente amostragem de bits aleatórios.Ele quer dizer compilação assistida por IA, ou síntese de programas, ou algum tipo de sistema end-to-end que toma a intenção e produz executáveis.” É justo o suficiente, vamos fazer o Steelman. Se você quer dizer A pesquisa que acabei de citar mostra que os LLMs ajudam com decisões de vetorização, ordenação de passes de otimização e refactoring de código para melhor cooperação com compiladores. Isto é real, útil e incremental. Também não é o que Musk descreveu. Ele disse “você nem sequer se incomoda fazendo codificação”, não “os compiladores ficam mais inteligentes”. AI que melhora compiladores Se você quer dizer , que é uma área de pesquisa ativa com décadas de história. e ferramentas modernas de síntese podem gerar programas de restrições. Mas eles funcionam precisamente porque eles têm especificações formais para verificar contra. A saída é verificada, não confiável. E as especificações em si são escritas em linguagens estruturadas, legíveis pelo homem. Você ainda precisa da camada legível pelo homem. Síntese do programa a partir de especificações formais Esboço Se você quer dizer , sem código-fonte, sem especificações formais e sem passo de verificação, então você chegou à reivindicação real de Musk, e isso colapsa sob os problemas que eu já descrevi. As abordagens atuais “na maior parte não podem superar os compiladores tradicionais em desempenho, custo ou escalabilidade” mesmo em tarefas de compilação estreitas, muito menos geração de end-to-end. geração binária end-to-end a partir de prompts de linguagem natural Pesquisa recente de pesquisa de compilador LLM As versões de aço não são o que ele disse ou não são novas.A versão literal é o que ele disse e não funciona. Por que ele está dizendo isso Musk afirma que ele construiu jogos de vídeo quando criança.Se isso é verdade, nada disso deve ser estranho a ele.Ele escreveu código.Ele está lidando com compiladores.Ele provavelmente entende a diferença entre um processo determinista e um probabilístico. Mas “AI ajuda desenvolvedores a escrever código melhor mais rápido” não é uma narrativa útil se você estiver executando xAI. Não move o posicionamento de Grok. Não justifica os bilhões na infraestrutura de GPU. “AI mata codificação inteiramente” faz todos os três. Isso não é único para Musk. Toda empresa construindo infraestrutura de GPU tem um incentivo para afirmar que tudo vai exigir computação de inferência. Quando o modelo de negócio depende de vender tokens, cada problema parece que precisa de mais tokens. Musk executa xAI. Grok precisa de uma história. E cada reivindicação sobre a onipotência iminente da IA é também uma reivindicação sobre o valor da infraestrutura que a xAI está construindo. Quando você diz ao mundo que a IA irá substituir compiladores, gerar binários diretamente e, eventualmente, produzir saída de pixel em tempo real a partir de redes neurais, você não está fazendo uma previsão técnica. Você está fazendo uma tese de investimento. Você está dizendo ao mercado que a demanda por computação de inferência está prestes a se tornar essencialmente infinita, Musk tem uma história de previsões com linhas de tempo ambiciosas. Veículos totalmente autônomos até 2018 (ainda não aqui). Um milhão de táxis robóticos na estrada até 2020 (risos em retrospecto). Simbiose humano-máquina via Neuralink até 2021 (chegamos a deixar algumas pessoas moverem os cursores). Essas previsões não são destinadas a ser precisas. Eles são destinados a ser direcionais, para moldar expectativas e investimentos em torno de uma visão específica do futuro, uma na qual suas empresas são centrais. A afirmação “codificação vai para zero” é o mesmo jogo.Não é uma análise técnica.É geração de demanda para computação de inferência, vestida como profecia. O Futuro Real É o que já está acontecendo: abstrações de nível superior, ferramentas melhores e IA como colaborador no processo criativo de escrever software. As linguagens de programação continuarão a evoluir. Os compiladores continuarão a melhorar, potencialmente com passes de otimização assistida por ML que descobrem novas transformações. Os LLMs continuarão a melhorar na geração, revisão e explicação de código. A lacuna entre “Eu tenho uma ideia” e “Eu tenho software que funciona” continuará a encolher. Mas o código-fonte não vai a lugar nenhum.Existe porque os seres humanos precisam entender, verificar e manter o que os computadores fazem.Essa necessidade não desaparece porque os computadores se tornaram mais inteligentes. Grace Hopper passou sua carreira lutando pela ideia de que a programação deveria ser acessível, que os seres humanos deveriam ser capazes de expressar suas intenções em idiomas que podem ler e raciocinar, e que as máquinas deveriam lidar com a tradução para hardware. A resposta para “como fazemos o desenvolvimento de software melhor” não é “remover a capacidade humana de entender o software”.A resposta é melhores ferramentas, melhores idiomas, melhores compiladores e sim, melhores assistentes de IA que funcionam dentro da pilha em vez de tentar substituí-la. A previsão de Musk envelhecerá da mesma forma que suas outras previsões envelheceram: como um lembrete de que as vozes mais altas na tecnologia são muitas vezes as menos interessadas em como as coisas realmente funcionam.

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 áudio é produzido no idioma original da história!

Muito longo; Para ler

Elon quer a IA para saltar o código e esfregar binários.

Elon quer a IA para saltar o código e esfregar binários.

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Guia do arquiteto para construir arquitetura de referência para um Datalake de IA/ML

State of the Noonion: A New Era For Brands and Writers

State of the Noonion: Green Clock Strikes Noon

Vazamento do prompt do sistema Claude Sonnet 3.5: uma análise forense

Guia do arquiteto para construir arquitetura de referência para um Datalake de IA/ML

State of the Noonion: A New Era For Brands and Writers

State of the Noonion: Green Clock Strikes Noon

Vazamento do prompt do sistema Claude Sonnet 3.5: uma análise forense

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps