- ИИ-ассистенты для программирования становятся ключевым фактором выбора языка разработчиками.
- Новые языки программирования попадают в замкнутый круг: для их поддержки ИИ нужны данные, а данные появляются только при хорошей поддержке ИИ.
- Контроль над обучающими пайплайнами ИИ принадлежат крупным компаниям, что затрудняет внедрение новых языков.
Разработчик Эдгар Луке выделил новую проблему для создателей языков программирования, связанную с повсеместным распространением ИИ-ассистентов, таких как Copilot и Claude Code. Сегодня качество и уровень поддержки таких инструментов фактически становятся решающим критерием при выборе языка программирования, что создаёт особую ловушку для новых языков.
Раньше развитие молодых языков происходило по понятной схеме: сначала небольшое сообщество, затем расширение экосистемы, создание библиотек и появление вакансий — это способствовало постепенному росту популярности. Яркими примерами успеха служат Rust, Go и Kotlin, которые прошли этот путь. Однако с приходом ИИ ситуация усложнилась. Модели обучаются на большом количестве реального кода, но такой код чаще всего пишут на уже популярных языках с хорошей поддержкой ИИ. Соответственно, языки без этой поддержки остаются в тени. Получается замкнутый круг – для обучения нужны данные, для создания данных – качественная поддержка ИИ, а для поддержки ИИ нужны данные.
Эта порочная логика усложняется ещё и тем, что ключевые учебные пайплайны контролируют несколько крупных игроков — OpenAI, Anthropic и Google, которые склонны отдавать приоритет языкам с уже большой базой пользователей. Из-за этого попытки писать на малораспространённых языках под управлением ИИ часто сопровождаются ошибками: модели могут фантазировать несуществующие API, предлагать неправильные идиомы и даже мешать продуктивности, вместо того чтобы помогать.
Таким образом, разрыв между «технически интересными» и по-настоящему популярными и используемыми языками становится всё заметнее. Тем не менее, Луке отмечает возможные направления решения проблемы. Среди них — разработка моделей, способных анализировать грамматику, а не просто запоминать шаблоны кода, а также использование Language Server Protocol, который может предоставлять ИИ структурированную информацию об особенностях языка без необходимости большого корпуса данных. Кроме того, перспективными являются синтетические обучающие датасеты и машиночитаемые спецификации языков программирования.
Интересно, что существуют ниши, где поддержка ИИ-автокомплита не настолько критична — например, встроенные системы и формальная верификация кода. Именно в таких областях новые языки могут сохранить свою актуальность без сильной зависимости от ИИ.
Главный парадокс ситуации, на который указывает автор, состоит в том, что одна из самых революционных современных технологий — искусственный интеллект — способна заморозить развитие и разнообразие языков программирования. Создатели новых языков теперь конкурируют не только с устоявшимися Python или Rust, но и с огромными наборами данных, контролируемыми крупными разработчиками ИИ-моделей.
