JetBrains telah mengumumkan rencana untuk bahasa pemrograman baru yang akan memungkinkan developer menulis kode dalam sesuatu yang pada dasarnya mirip bahasa Inggris untuk menghasilkan aplikasi lintas platform. Meskipun perusahaan memposisikan ini sebagai langkah selanjutnya dalam abstraksi pemrograman, komunitas developer mengajukan pertanyaan serius tentang apakah pendekatan ini benar-benar akan berhasil.
Developer Mempertanyakan Konsep Fundamental
Komunitas pemrograman mengekspresikan skeptisisme mendalam tentang visi JetBrains . Banyak developer menunjukkan bahwa upaya serupa telah dilakukan berulang kali sepanjang sejarah komputasi, dengan hasil yang paling baik pun masih beragam. Kekhawatiran utama berpusat pada apakah bahasa alami dapat memberikan presisi yang diperlukan untuk pengembangan perangkat lunak yang kompleks.
Beberapa anggota komunitas telah menarik perbandingan dengan COBOL , yang mencoba membuat pemrograman lebih mirip bahasa Inggris beberapa dekade lalu. Yang lain merujuk pada AppleScript dan HyperTalk sebagai contoh upaya pemrograman bahasa alami sebelumnya. Tema yang berulang dalam diskusi ini adalah bahwa meskipun bahasa-bahasa tersebut bekerja untuk kasus penggunaan tertentu, mereka tidak pernah mencapai adopsi luas yang tampaknya ditargetkan oleh JetBrains .
Upaya Pemrograman Bahasa Natural Historis:
- COBOL (1960an) - Bahasa berorientasi bisnis dengan sintaks mirip bahasa Inggris
- AppleScript (1990an) - Skripting bahasa natural untuk otomasi Mac
- HyperTalk (1980an) - Bahasa mirip bahasa Inggris untuk HyperCard
- Inform 7 (2000an) - Bahasa natural untuk fiksi interaktif
Tantangan Teknis dan Kekhawatiran Determinisme
Titik perdebatan utama berfokus pada implementasi teknis. Developer mempertanyakan apakah generasi kode bertenaga AI akan bersifat deterministik dan dapat direproduksi. Jika dua developer menggunakan spesifikasi bahasa Inggris yang sama pada waktu berbeda atau dengan model AI berbeda, apakah mereka akan mendapatkan hasil yang sama? Ketidakpastian ini dapat menciptakan masalah serius untuk kontrol versi, debugging, dan pengembangan kolaboratif.
Komunitas juga khawatir tentang kemampuan debugging. Ketika kode dihasilkan dari deskripsi bahasa Inggris tingkat tinggi, melacak bug kembali ke sumbernya menjadi jauh lebih sulit. Lapisan abstraksi ini dapat menyembunyikan detail implementasi kritis yang perlu dipahami developer ketika terjadi masalah.
Kekhawatiran Developer tentang Pendekatan JetBrains :
- Determinisme: Apakah spesifikasi bahasa Inggris yang sama akan menghasilkan kode identik di berbagai model AI/waktu yang berbeda?
- Debugging: Bagaimana cara melacak bug dalam kode yang dihasilkan AI kembali ke spesifikasi bahasa Inggris?
- Presisi: Bisakah bahasa natural memberikan ketepatan yang dibutuhkan untuk perangkat lunak yang kompleks?
- Performa: IDE JetBrains saat ini sudah mengalami kesulitan dengan penggunaan resource dan stabilitas
Masalah Kualitas IDE yang Ada Mengalahkan Fitur Baru
Mungkin kritik paling tajam datang dari pengguna JetBrains saat ini yang ingin perusahaan fokus pada perbaikan masalah yang ada daripada mengembangkan fitur eksperimental baru. Banyak developer melaporkan bahwa IDE JetBrains telah menjadi lebih intensif sumber daya dan kurang stabil dalam pembaruan terbaru.
Saya akan senang jika jetbrains bekerja untuk membuat intellij tidak menghabiskan begitu banyak sumber daya dan menjadi tidak responsif saat bekerja pada proyek besar.
Pengguna mengalami crash, masalah performa, dan bug yang mempengaruhi pekerjaan harian mereka. Beberapa developer menyarankan bahwa JetBrains harus memprioritaskan peningkatan produk mereka saat ini sebelum bercabang ke pengembangan bahasa eksperimental.
Pendekatan Alternatif Mendapat Dukungan
Alih-alih pemrograman bahasa alami, banyak developer mengadvokasi pendekatan yang lebih terstruktur untuk pengembangan berbantuan AI. Beberapa menyarankan menggunakan bahasa dengan kemampuan verifikasi formal, seperti Lean atau bahasa dengan sistem tipe yang kuat yang dapat menangkap kesalahan sebelum runtime.
Yang lain mengusulkan bahwa alat AI harus fokus pada menghasilkan kode dalam bahasa yang sudah ada dan dipahami dengan baik dengan jaminan keamanan yang kuat. Pendekatan ini akan memberikan manfaat bantuan AI sambil mempertahankan presisi dan kemampuan debugging yang diperlukan pengembangan perangkat lunak profesional.
Diskusi ini mengungkapkan komunitas yang menghargai keandalan dan kemudahan pemeliharaan daripada fitur eksperimental. Sementara JetBrains terus mengembangkan bahasa mirip bahasa Inggris ini, respons developer menunjukkan mereka mungkin menghadapi tantangan adopsi yang signifikan ketika akhirnya diluncurkan.
Referensi: JetBrains working on higher-abstraction programming language