Programação avançada em linguagens de programação de poucos recursos
Os avanços em modelos de linguagem de grande porte estão permitindo que sistemas de IA escrevam e migrem código em linguagens de programação antigas ou de nicho como COBOL, Fortran e até sintaxes personalizadas ou esotéricas, levantando a possibilidade de que a escolha da linguagem passe a ser muito menos limitante para projetos de software. Os comentaristas destacam tanto feitos impressionantes — como LLMs reimplementando SQLite ou ajudando a fazer engenharia reversa de plataformas legadas de jogos — quanto preocupações sérias sobre confiar em saída de IA “vibe-coded” para infraestrutura crítica de segurança ou financeira, onde manutenção, verificação e cobertura de testes continuam sendo fundamentais. Muitos veem potencial em usar IA para entender e modernizar sistemas legados em vez de substituí-los totalmente, especialmente à medida que mantenedores humanos especialistas saem do mercado por aposentadoria.
Sistemas Críticos de Segurança e “Vibe Coding”
- Forte rejeição ao uso de “vibe code” gerado por LLMs para sistemas bancários, nucleares e de aviónica.
- Alguns brincam que tais sistemas podem acabar sendo “importantes demais” para serem deixados a humanos falíveis, com contraexemplos mencionando humanos evitando desastres.
- Comentadores observam que esses sistemas dependem de métodos formais, provas e código testado por muito tempo; LLMs podem ajudar a entender código legado, mas não deveriam escrever a lógica central de segurança.
- A manutenção é vista como o verdadeiro gargalo; muitos escreveriam Rust novo com entusiasmo, mas muito menos gente quer mantê-lo a longo prazo.
A Escolha da Linguagem Tornando-se Mais Fungível
- Vários veem como “ficção científica” que a escolha da linguagem possa se tornar tão temporária quanto um nome de variável, graças a LLMs e agentes.
- Outros argumentam que reescritas frequentes sinalizam planejamento ruim e aumentam o risco; eles preferem código evolutivo e bem testado.
- Visão contrária: com boas especificações e testes, a linguagem de implementação é um detalhe de implementação; migrar para linguagens mais fáceis pode reduzir a dívida técnica.
- Motivações citadas: prototipar em Python e depois reescrever em Rust, ou mudar de Smalltalk para Go por motivos de implantação.
LLMs e Linguagens de Baixos Recursos / de Nicho
- Vários relatos dizem que modelos de ponta já lidam bem com linguagens personalizadas ou obscuras quando recebem regras ou habilidades em contexto.
- Comunidades de nicho (por exemplo, em torno de tecnologia multimídia legada) estão usando LLMs para acelerar esforços de engenharia reversa e preservação.
- Alguns se surpreendem que o desempenho em COBOL fique atrás, enquanto Lisps e outras linguagens se saem relativamente bem; não está claro se isso é escassez de dados ou limitações mais profundas.
- Há interesse em como os modelos generalizam para linguagens esotéricas ou recém-inventadas.
SQLite do Zero e Benchmarks
- A tarefa interna da OpenAI de reimplementar SQLite, até mesmo em linguagens como PowerShell ou PHP, é vista como impressionante, mas também um pouco teatral.
- Alguns enfatizam que fazer uma implementação compatível com SQLite com suítes de teste fortes é um benchmark de capacidade difícil, porém plausível, e não um substituto de produção.
- Fazem-se comparações com tentativas fracassadas de compiladores C gerados por LLM; há debate sobre se SQLite ou um compilador C é, na verdade, mais difícil.
Assembly e Novas Sintaxes de Baixo Nível
- Discussão sobre novas sintaxes de assembly mais de alto nível (por exemplo, com tipos semelhantes aos de C, blocos estruturados) como potencialmente mais amigáveis a LLMs.
- A visão é que os LLMs já são bons com mnemônicos brutos, então os benefícios podem estar mais na legibilidade humana do que nas necessidades da IA.
- Exemplos citados de esforços semelhantes anteriores e ceticismo quanto à adoção ampla, embora alguns vejam uma possível retomada se fluxos de trabalho com LLMs favorecerem esses alvos.
Reflexões Mais Amplas sobre Linguagens Legadas e de Nicho
- Nostalgia por linguagens da era mainframe e por restrições de recursos; a sensação é de que a IA vai deslocar programadores de “digitadores” para designers de soluções.
- Leve decepção de que algumas linguagens de nicho queridas (Haskell, Clojure, Forth) fiquem de fora do foco do artigo, embora muitos esperem que os LLMs as tratem razoavelmente bem.
- Consenso geral: a escolha da linguagem importa menos para LLMs do que para humanos, mas segurança, testes e manutenção de longo prazo ainda importam muito.