Stel je voor: hoe mooi zou het zijn als we ons geen zorgen meer hoeven te maken over programmacode? Dat een gegenereerd systeem een black box is die we alleen op observeerbaar gedrag testen. Geen code reviews meer, geen moeite met debuggen in onleesbare code, maar wel gegarandeerd goed werkende software!

LLMs zijn niet de enige, maar wel de nieuwste oplossing die claimt tot deze utopie te komen. Maar dat ervaren we niet zo. We moeten nog steeds achter alle (gegenereerde) syntax staan, zowel voor simpele boilerplate als complexe features. Best vervelend, de machinecode die een complier genereert hoeven we immers niet te controleren. En het reviewen van gegenereerde code is niet het leukste werk, en blijft foutgevoelig.

In deze sessie onderzoeken we de uitdagingen met deze utopie. We leren van oude(re) technieken met dezelfde belofte door te kijken naar waarom die wel of niet succesvol zijn. Zoals compilers, model-driven engineering, functioneel programmeren, DSLs en CNLs. We kijken vooruit naar hoe die technieken nu juist door de ontwikkelingen in AI (weer) relevant worden om de uitdagingen van AI op te lossen. En hoe een combinatie van oud en nieuw ons dichter bij de utopie kan brengen dan een van de technieken op zichzelf.

Is daarmee het vraagstuk morgen opgelost? Nee. Maar je kan wel met een andere blik naar je code kijken. Door opties te kennen om te versnellen zonder concessies op kwaliteit, ook door je AI een handje te helpen. En na te denken over hoe programmeertalen, libraries en frameworks in de toekomst eruit kunnen zien om te optimaal bruikbaar te zijn voor AI.