Un nuevo análisis, basado en el benchmark AutoCodeBench, revela resultados sorprendentes sobre el rendimiento de diferentes lenguajes de programación con modelos de IA para codificación. Contrario a la expectativa de que los lenguajes con mayor cantidad de datos de entrenamiento (como JavaScript) serían los más exitosos, lenguajes como C#, Racket, Kotlin y, sorprendentemente, Elixir, superan a Python y JavaScript. Este hallazgo sugiere que la estructura y el paradigma de diseño de un lenguaje son más importantes que la cantidad de datos de entrenamiento.
El artículo relaciona este fenómeno con la estrategia de Tesla, que apostó por la visión en lugar de LIDAR, y argumenta que la clave para el futuro de la programación reside en optimizar la 'interfaz de carga' – no el código en sí, sino la especificación y verificación en lenguaje natural. La visión original de Grace Hopper, de traducir directamente el lenguaje natural a código, parece estar volviéndose una realidad. Finalmente, el artículo destaca que los modelos de IA están superando a los programadores humanos en tareas de codificación, lo que implica una reevaluación de cómo diseñamos y verificamos el software, priorizando la claridad y la legibilidad para facilitar la colaboración entre humanos y máquinas.