La computación científica arrastra desde hace décadas un dilema conocido como el problema de los dos lenguajes: los investigadores prototipan en Python por su facilidad, pero reescriben las partes críticas en C++ o Rust para ganar rendimiento, porque Python resulta demasiado lento. En 2012, cuatro científicos con sólida formación matemática se propusieron resolverlo creando Julia, un lenguaje de código abierto que aspiraba a combinar la ergonomía de Python con la velocidad de C, integrando además ideas de MATLAB, Lisp y Ruby. En su ensayo fundacional, confesaron hacerlo 'por codicia': querían un único lenguaje apto para todo tipo de trabajo.
Catorce años después, Julia no ha desbancado a Python, que sigue reinando gracias a un ecosistema y un conjunto de herramientas prácticamente inamovibles. Julia no aparece en las encuestas de Stack Overflow entre los lenguajes más populares ni ha recibido el respaldo de un gran gigante tecnológico, al contrario de lo que ocurrió con Objective-C (Apple) o Kotlin (Google). Sin embargo, sus creadores y usuarios consideran que nada ha salido mal: Julia ocupa un nicho sólido en investigación académica y científica. Se utiliza en instituciones como ASML, CERN y NASA, en proyectos de descubrimiento de fármacos (como los de Pfizer) y en aprendizaje automático avanzado. Las ganancias de velocidad reportadas van de 10x a 1.000x frente a Python, y en la conferencia anual Julia-Con se presentan migraciones desde MATLAB con aceleraciones de hasta 60x. Lejos de las polémicas que agitan a otras comunidades de lenguajes, Julia ha formado una comunidad sobria y orientada a la ciencia, sin los excesos ni el culto que rodean a lenguajes como Haskell.