上个世纪,数百种编程语言被发明出来,但是进入21世纪,当我们都进入互联网时代时,只剩那么寥寥几个了。
如果你翻一下TIOBE得编程语言排行榜,就会发现20年来,上蹿下跳的就是那几张老面孔:C , Java, Python ,C++ , C#, JavaScript......
80年代后期,平均每个月就会出现一种新语言,现在,平均每年出现一个就不错了。
我有点好奇,就去扒了扒其他编程语言的出现时间,把他们分成了分为中生代、新生代和 老年代。
先看中生代的家伙们,20多岁,30出头,正是编程的中坚力量。
- Python : 1991
- Visual Basic : 1991
- PHP : 1995
- Ruby : 1995
- Java : 1995
- JavaScript : 1995
- C# : 2000
(1995年还真是神奇的一年啊,几位大佬同时诞生。)
再看这些老前辈,尤其是C语言,老而弥坚,屹立50年不倒,把系统级编程吃得死死的。
- Lisp : 1958
- Pascal : 1970
- C : 1972
- Objective-C : 1984
- C++ :1985
- Object Pascal : 1986
新生代则活力无限, 锋芒毕露,对老家伙们虎视眈眈。
- Go : 2009
- Rust : 2010
- Kotlin : 2011
- Elixir : 2011
- Julia : 2012
- TypeScript : 2012
- Swift : 2014
新生代只是它们想挑战中生代的地位,抢班夺权,希望渺茫。
主要有这么几个原因:
1. 编程范型没有变化
还是老三样:面向过程,面向对象, 函数式。
在冯诺依曼架构下,恐怕也不会出现什么新的范型了吧。
现在TIOBE排行前十的中生代语言完美涵盖了这些范型,例如Java,刚诞生的时候支持面向对象,但是后来补上了函数式这一课。
像Python、JavaScript一开始就支持面向对象和函数式编程。
2. 开发领域
开发领域有桌面开发、Web开发、系统级软件开发、后端开发,数据分析,人工智能等。
中生代的编程语言不但这些领域看得死死的,还互相扩展,侵入对方的领地。
其中最典型的就是JavaScript这个屌丝的逆袭,一开始不过是寄居在浏览器中的一个小语言,后来通过V8, Node.js竟然进入了后端,还用Electron蚕食桌面开发!
Python也是,本来用它写点儿小工具,开发点儿小网站,后来竟然傍上了人工智能这个大款,从此发达了。
3. 生态系统
Java , Python, JavaScript,C , C#等经过这么些年的发展,哪个不是积累了海量的类库,哪一个没有庞大的生态系统?想动它们,没有一场革命是绝对不行的。
新语言即使很好,但是看看那么多现有的代码,谁敢轻易切换?
4. 时代的红利
Java遇到了互联网,Python遇到了大数据和AI, JavaScript遇到了前端开发, 时代的机遇让它们爆炸式发展。
Go的运气不错,遇到了云计算,强势崛起。其他几位想要出头,那是相当难了。
我曾经悲观地认为:主流的编程语言已经都被发明出来了!
以后新出现的语言都是改进,改良,没法闹革命翻身了。
举个不恰当的比喻, C, Java, Python, JavaScript,C# , C++, PHP 就像现在的西方七国集团,牢牢占据着最大的市场,然后只要有新人冒出来,就会受到无情的打击。就像现在中国想技术突破,被美国和西方不择手段地打压一样。
图片
但是也并不绝对,就像中国一定要向上突破一样,我看到在系统编程领域,也有一个新星冉冉升起:Rust。
图片
Rust虽然没有发明新东西,但是却融合了多种语言的特性和多种编程泛型,它不但包含了上面说的三大编程范式,还集结了泛型、底层内存管理、所有权等特性,可以说是一个集大成者(这也恰恰是它学习曲线陡峭的原因)。
Rust是一门同时追求安全、并发和性能的现代系统级编程语言,有望挑战C语言的地位。
当然,编程语言少,对程序员来说是好事,程序员可以少学一点东西,少掉几根头发。
最后再聊聊人工智能时代的编程问题,我在《天才程序员》中看到一个有趣的比喻,说普通的编程就像循规蹈矩的机械装置,机器会一板一眼地去执行,程序员在逻辑的宫殿中穿行,沿着头脑中的路线行走,一切都有章可循。
但是训练神经网络就完全不同,程序员和程序之间更像园丁与田园的关系。
图片
豆角为什么突然不长了?西红柿为什么不好吃?园丁可能会换换土壤,可能会调整一下作物之间的距离,也有可能把豆角转移到阳光充足的地方,或者少用些肥料?成功了!它们又开始茁壮成长了!
园艺技能的长进有赖于数之不尽的实验和来之不易的经验。很多新手园丁栽种的第一批作物要么长不好,要么就死了。但最终,经过不断试错(和借鉴同行的经验),园丁们会积累更多知识,形成难以言传的直觉,比如什么有效,什么无效。此时,如果你带他们去新的田园,即便那里的土壤和光照条件完全不同,他们也可以很快弄清楚哪些作物更适合在此处栽种。
看到了吧,虽然编程技能必不可少,但是重点变成了收集数据,不断训练,不断调整,然后“祈祷”程序奏效。
不知道这是程序员的幸运呢,还是不幸?
如需转载,请通过作者微信公众号coderising获取授权。