新智元報道

　　編輯：定慧

　　【新智元導讀】「編程的未來是Human語言」，AI掀起編程70年來最大變革，從對話到代碼，「氛圍編程」與自然語言成為主角。老黃預言，AI讓人人都能成為人機交互的橋梁。

　　你知道人類目前的編程語言到底有多少種？

　　C、C++、C#、Java、Python、PHP、JavaScript、Go、Rust……

　　但不論有多少種，這些都不重要了。

　　未來也許只會剩下唯一一種編程語言，AI將徹底改寫人機交互的定義。

　　倫敦科技周上，老黃一句話震撼全場：「未來新的編程語言應該叫Human」！

　　多虧了人工智能，即使非程序員也可以編寫代碼。

　　讓計算機編寫程序的方法就是「禮貌地詢問」，就像你向一個人提出請求一樣。

　　現在，突然之間……出現了一種新的編程語言。

　　這種新的編程語言叫做「Human」。

　　老黃的意思很明顯——

　　沒有人會去再學數據結構和算法導論，甚至提示詞工程都已經過時。

　　未來你最應該學會的是如何用Human語言來和AI溝通——不論是中文、英語、法語、德語還是孟加拉語。

　　沒有操作系統、沒有C語言、沒有Java、沒有Python、無需再學習算法和數據結構，只要你會說「Human」語言。

　　人機交互將真正進入一個全新的時代，程序員作為職業或許從此將消失，任何人都可以用Human語言來和AI、和機器溝通。

　　這個趨勢已經在現實中不斷地上演和被強化。

　　Vibe Coding（氛圍編程）+ Human語言 = 人人都是程序員。

　　別以為這只是概念噱頭——現實世界已經走在前面了！市場對AI編程工具的熱情不斷爆發。

　　Cursor、Windsurf等估值不斷的走高：

　　OpenAI發布Codex：

　　Claude發布Claude Code：

　　DeepSeek新模型R1-0528注重編碼能力：

　　OpenAI專門推出編程用的GPT 4.1：

　　谷歌Gemini 2.5 Pro的編程能力霸榜：

　　這些AI編程助手可以輕松地將用普通人類的語言寫成的提示轉化為代碼。

　　依賴這些AI助手編寫完整程序的做法，催生了被稱為「Vibe Coding（氛圍編碼）」的編碼范式，甚至Vibe Coding之上還有「氛圍界面」。

　　回顧編程語言誕生的歷史，當下我們正處于「Human編程語言」的新輪回。

　　AI迫使我們再次重新發明了編程語言——Human會成為人機交互最終的橋梁嗎？

　　AI讓我們回到原點

　　人類重新發明編程語言

　　未來的人機交互或將建立在自然表達與形式精度的完美結合上。

　　人類多年來實現了「與計算機對話」的夢想，卻發現必須教它們如何精確傾聽。

　　想象你在給一個語言流利但從未出過門的人指路。

　　你說：在那棵大樹那里左轉。

　　他卻問：哪棵樹？多大算大？是你的左邊，還是樹的左邊？

　　經歷無數次糊涂的旅程后，你最終制定了一套精確的指令：

　　出門向北走三條街，在街角的麥當勞處左轉。

　　70年前計算機發展的真實寫照——如今又再度上演。

　　1950年代，科學家嘗試用英語與計算機交流，結果慘敗。于是他們發明了FORTRAN、COBOL等編程語言——這些正式、精準、無歧義的交流方式。

　　之后就是我們熟悉的各種編程語言，這些語言推動了數字時代幾十年的發展。

　　直到AI出現，我們又能用自然語言對計算機發號施令了。

　　像ChatGPT就能理解「幫我寫個按字母排序名字的函數」。

　　人類友好型計算，似乎回來了。

　　但劇情反轉來了：我們發現了當年放棄自然語言的那些老問題，又重新找上門。

　　于是人類又一次被迫發明正式語言來解決問題。

　　歡迎來到計算史上最大規模的「似曾相識」。

　　第一次失敗

　　時間是1954 年，喬治城大學的研究人員正準備創造歷史。

　　他們開發出一臺能自動將俄文翻譯成英文的機器。

　　演示非常成功——60句話翻譯無誤，媒體紛紛宣稱「實時翻譯」已成現實。

　　但真相是：這一切不過是障眼法。

　　系統只能識別250個詞和6條語法規則，測試句子也都是精心挑選的。

　　就像你只會把特定的句子比如「貓是黑的」翻成法語，卻自稱發明了萬能翻譯器。

　　最終，1966年的ALPAC報告宣判機器翻譯比人工翻譯更貴、更慢、更不準。

　　自然語言計算宣告死亡。

　　正式編程語言革命

　　FORTRAN之父John Backus一語道破：用自然語言與計算機交流，是「一場近身肉搏」。

　　他提供了激進的解決方案：創造專為人與機器溝通而設計的新語言——編程語言。

　　正式編程語言的四大基石：

　　無歧義語法：程序只有一種解釋方式

　　組合語義：復雜意思由簡單部分構成

　　無上下文結構：不依賴文化或背景知識

　　數學基礎：基于邏輯推理而非人類解釋

　　這不僅是技術選擇，更是生存之道。正式語言解決了人與機器之間的溝通難題，才有了后來的計算機革命。

　　AI帶來新一輪混亂。

　　時間快進到2022年11月，ChatGPT發布，僅用五天用戶突破百萬。

　　你可以對它說：「幫我寫個分析客戶數據并生成圖表的Python腳本」，它竟然能完成！

　　ChatGPT彰顯的前景似乎無限「美麗」：

　　不再死記語法

　　用英語（自然語言）編程

　　AI真正「理解」你的需求

　　然而，幾百萬用戶開始日常使用后，熟悉的問題再次出現。

　　穿著新衣的老問題

　　問題1：多義詞陷阱（再現）

　　讓ChatGPT「bark up the right tree」（用對方法）——是操作樹型數據結構？還是處理錯誤日志？模糊性再次成為障礙。

　　問題2：語境混亂（仍在）

　　「設個八點的鬧鐘」—— 它會問：早上還是晚上？哪個時區？哪一天？自然語言依舊假設存在共享上下文。

　　問題3：編造問題（新麻煩）

　　AI的新問題是「自信地胡說八道」：它能生成看似真實的學術文章，但作者和期刊全是假的；它會寫調用根本不存在的API的代碼。看起來像真的，其實全錯。

　　問題4：可靠性缺失（更嚴重）

　　讓它寫整整500字，結果總有偏差。日常用途無妨，但對于關鍵系統，這是致命問題。

　　我們再次撞上了1950年代的同一堵墻。

　　正式編程語言回歸

　　科技界并未因AI出錯而放棄，而是像當年一樣，開始構建更可靠的正式系統。

　　第一步：提示工程框架

　　程序員不再隨意發問，而是設計結構化提示：

　　逐步思考法：強迫AI展示推理過程，例如「我們一步一步來」

　　CLEAR框架：清晰、邏輯、證據、行動、結果

　　Few-shot示例法：提供明確的行為范例

　　這些不只是技巧，而是正在形成的新型AI交流正式語言。

　　第二步：AI標記語言

　　正在出現專為 AI 設計的新語言：

　　模型上下文協議（MCP）：被稱為「AI 的USB-C」，標準化 AI 與工具之間的連接方式

　　AIML 演進版：基于XML的結構化對話語言

　　智能體通信協議：AI與AI之間對話的正式語言，Agent2Agent

　　第三步：結構化框架

　　公司開始構建系統化方法：

　　LangChain：用于管理AI對話的模板系統

　　ConstitutionalAI：用正式規則訓練AI

　　RAG系統：讓AI的回答有事實依據

　　趨勢清晰可見：

　　1950s：自然語言失敗→正式編程語言

　　2020s：自然語言AI崛起→出現問題→正式AI交流語言再現→進化為新的Human編程語言

　　我們正見證「提示編程語言」（Prompt Programming Languages）的誕生 ——

　　在自然語言風格下，融入計算精度的正式系統。

　　從趨勢和歷史來看，新的Human編程語言路徑是：

　　近期（2025–2027）：正式化階段

　　提示工程像軟件工程一樣系統化

　　AI 標記語言廣泛普及

　　企業AI必須使用正式協議

　　中期（2027–2030）：融合階段

　　多模態AI（文本、語音、視頻）配合正式驗證系統

　　非技術人員也能用自然語言編程

　　自動把人類語言翻譯成AI規范語言

　　遠期（2030+）：融合進化

　　腦機接口將配合正式語言協議

　　人類語言與AI之間實現通用翻譯

　　完全自主系統具備正式邏輯推理能力

　　最佳平衡點

　　未來不會拋棄自然語言，而是在其之下加上一層形式精確。

　　就像現代編程語言比匯編語言更易讀，卻依然保持數學精度。

　　最終形成三層架構：

　　人類層：自然語言交流

　　翻譯層：自動轉為正式規范

　　機器層：依靠正式協議可靠執行

　　回顧以上的編程語言輪回史，不僅僅是數字計算發展的歷史，更揭示了人與機器交流的本質規律：

　　真相一：歧義是人類的天賦

　　人類語言靈活，效率高，哪怕說「拿那個東西」，別人也能理解上下文。這種歧義帶來創造力、詩意和豐富表達。

　　真相二：精確是機器的生存法則

　　計算機執行任務必須毫不含糊。像「在那棵大樹處左轉」這種句子，對人類沒問題，但對自動駕駛汽車可能致命。

　　真相三：人機交互的「橋梁」一定是正式語言

　　每一個成功的界面——從編程語言、UI設計到API接口，最終都發展出了正式結構。人與機的有效溝通，離不開這種橋梁。

　　真相四：每一輪循環都在升維

　　我們不是走回頭路，而是在螺旋上升。1950年代的語言要求懂二進制，現在的AI框架幾乎像對話一樣自然。

　　未來還會更自然、更精準。

　　這種循環升維中蘊藏著真正的創新，突破點不在于消除歧義，而是系統化地管理歧義。

　　未來的AI交互語言將：

　　對人類而言自然

　　自動轉為正式規范

　　AI和機器可以可靠執行

　　可驗證、可調試

　　也許你可以把它看作「終極編譯器」：無縫將人類意圖轉為機器精確行為。

　　我們起初是為了擺脫自然語言的模糊性，才創造了編程語言，推動了數字時代。

　　AI把我們帶回自然語言對話——卻也讓我們重新面對同樣的老問題。

　　但這一次，我們不再是從零開始。我們有70年建立正式系統的經驗，理解其中的規律，知道該往哪走。

　　問題不在于我們是否會為 AI 構建正式語言，而是我們能多快構建、多優雅地橋接人機之間的鴻溝。

　　AI一旦足夠重要，就會對可靠性提出要求，正式方法自然會跟上。

　　當你下次為ChatGPT誤解你的提示而煩惱時，不妨記住：你正親歷下一代人類交流革命的誕生。

　　我們不是在回頭，而是在螺旋式進化——將人類語言的靈活性與形式邏輯的精確性完美融合。

　　這場循環，不是問題，而是進化本身。

　　未來屬于能連接人類意圖與AI精度的人。

　　參考資料：

　　https://www.entrepreneur.com/business-news/nvidia-ceo-jensen-huang-says-ai-lets-anyone-write-code/492985?utm_source=flipboard&utm_content=user/entrepreneur

　　https://pub.towardsai.net/were-back-to-square-one-why-ai-is-forcing-us-to-reinvent-programming-languages-again-7d6a0abed918

　　https://www.reddit.com/r/artificial/comments/1l3h3j6/we_had_vibe_coding_now_its_time_for_the_vibe/

　　https://x.com/karpathy/status/1930354382106964079