Nell'era moderna dell'informatica, un nuovo tipo di partner è entrato nel laboratorio: il modello linguistico. Si tratta di sistemi vasti e flessibili, addestrati su enormi librerie di testi umani, capaci di leggere istruzioni e scrivere codice con una fluidità sorprendente. Per molti, questo cambiamento sembra un'improvvisa espansione delle capacità, che permette ai neofiti di costruire script e agli esperti di affrontare sistemi massicci. Eppure, rimane una tensione fondamentale. Sebbene queste macchine possano elaborare il linguaggio, non "imparano" veramente o non ricordano ciò che accade in una conversazione una volta terminata la sessione. Esse si affidano interamente al testo che è attualmente visibile loro, una finestra di contesto limitata che deve essere costantemente riempita con dettagli rilevanti. Se un programmatore vuole che la macchina comprenda la logica alla base di un pezzo di codice, quella logica deve essere presente nel testo proprio accanto al codice stesso. Ciò crea una sfida per il modo in cui scriviamo il software. Tradizionalmente, il codice e le spiegazioni umane di quel codice sono stati tenuti in posti separati, o sepolti in commenti che le macchine spesso ignorano. Ma se la macchina deve essere un vero collaboratore, la storia del programma e il programma stesso devono vivere insieme, fianco a fianco, in un formato che sia leggibile con uguale facilità sia dagli umani che dalle macchine.

Questo è il problema centrale affrontato da un nuovo ambiente chiamato notlob, creato dal ricercatore Adam T. Burke. Il lavoro propone un ritorno a un'antica idea nota come programmazione letterata, ma aggiornata per un'epoca in cui sia gli umani che gli agenti artificiali leggono gli stessi documenti. In questo sistema, un progetto software non è una collezione di file separati per codice, documentazione e test. È invece un singolo documento fluido che assomiglia a un saggio. Il testo spiega le idee, la motivazione e il design, mentre le istruzioni eseguibili sono incorporate direttamente nella prosa. I ricercatori hanno costruito un sistema funzionante che tratta questo documento combinato come la fonte primaria di verità. Quando il sistema legge il file, non vede solo parole; costruisce una mappa dettagliata di come ogni nome, concetto e pezzo di codice si relazioni con gli altri. Questa mappa, che l'autore chiama "name-graph" (grafo dei nomi), permette a un agente di una macchina di navigare nel progetto non cercando parole chiave, ma seguendo le connessioni logiche tra le idee, proprio come un lettore umano seguirebbe un filo di pensiero attraverso un libro.

Il design di notlob è guidato da tre semplici osservazioni su come la programmazione stia cambiando. Primo, il linguaggio naturale è diventato il modo dominante per specificare e organizzare il software quando si lavora con l'intelligenza artificiale. Secondo, i controlli generati dal computer che verificano che il codice funzioni ancora sono più preziosi che mai, fungendo da un ciclo di feedback affidabile per gli agenti. Terzo, l'attuale generazione di questi modelli linguistici dipende fortemente dalla quantità di testo che possono vedere in una volta. Per affrontare questo, i ricercatori hanno creato un linguaggio in cui la spiegazione, l'esecuzione e la verifica risiedono tutte nello stesso file. Un tipico documento inizia con un titolo e un'introduzione, seguiti dalla logica centrale del programma. Segue poi una sezione per i test e i riferimenti, separata da una semplice linea. Il sistema utilizza marcatori specifici per distinguere tra un pezzo di prosa, un blocco di codice, una proprietà che deve essere sempre vera e un caso di test specifico. Ad esempio, una sezione potrebbe descrivere una sequenza matematica, seguita immediatamente dal codice che la genera, e poi da un blocco di testo che afferma che il codice deve soddisfare determinate regole. Il sistema esegue poi queste regole per garantire che il codice si comporti come il testo afferma che debba.

Per far sì che ciò funzioni, i ricercatori hanno sviluppato un parser che tratta i nomi come gli oggetti più importanti del sistema. Nella programmazione tradizionale, un nome è solo un'etichetta per una variabile o una funzione. In notlob, un nome è un cittadino di prima classe che collega la spiegazione scritta al codice eseguibile. Quando il sistema elabora un file, costruisce un grafo che connette il testo che descrive un concetto al codice che lo implementa, e ai test che lo verificano. Questa struttura permette a un agente di una macchina di saltare da un'idea di alto livello alle linee specifiche di codice che la realizzano, o di trovare ogni luogo in cui un concetto specifico viene utilizzato, senza perdersi in un mare di file. Il sistema include strumenti che possono esportare questa mappa in formati standard, permettendo ad altri software di interrogare le relazioni tra le diverse parti del progetto. Questo imita il modo in cui un programmatore umano utilizza un ambiente di sviluppo integrato per trovare dove una funzione è definita o chi la chiama, ma lo fa comprendendo il significato semantico del testo, non solo la struttura dei file.

I ricercatori hanno testato questo ambiente costruendo diversi programmi funzionanti, tra cui uno strumento per convertire i numeri in numeri romani e un gioco basato sul web basato sulle reti di Petri, che sono diagrammi usati per modellare sistemi con parti interagenti. In un esperimento, hanno utilizzato un agente artificiale per aiutare a scrivere un progetto da zero. All'agente sono stati dati una descrizione di alto livello dell'obiettivo e alcune firme di funzione vuote. L'agente ha poi riempito il codice, scritto i test e organizzato la prosa, il tutto aderendo alla struttura del documento notlob. L'agente è stato in grado di rilevare incongruenze tra il testo e il codice, come un disallineamento nella definizione di una funzione, e ha chiesto chiarimenti. In un altro caso, il sistema ha aiutato un agente a trovare un bug sottile in un progetto di elaborazione dei segnali digitali che era sfuggito ad altri metodi di test. Il bug era relativo a un calcolo che diventava instabile in certe condizioni, e i test di proprietà dell'agente, che erano stati scritti come parte del saggio, hanno esposto con successo l'errore.

Tuttavia, i ricercatori hanno anche osservato che gli agenti non erano perfetti. In diverse occasioni, gli agenti tendevano a trascurare le parti dichiarative del documento, come le proprietà formali e le regole strutturali, concentrandosi invece sul compito immediato di scrivere codice. Trattavano talvolta il testo come un suggerimento piuttosto che come un vincolo, portando a incongruenze che richiedevano l'intervento umano per essere risolte. I ricercatori hanno notato che questa dinamica è familiare ai team di sviluppo software umani, dove gli sviluppatori senior devono spesso intervenire per garantire che la documentazione e il codice rimangano allineati. Lo studio suggerisce che, sebbene questi modelli linguistici siano potenti, beneficiano ancora di una struttura che forza il codice e la spiegazione a rimanere in stretto contatto. L'ambiente notlob fornisce questa struttura, offrendo un modo per mantenere la teoria del programma e la pratica del codice nello stesso posto.

Il lavoro distingue inoltre se stesso da altri approcci all'uso dei modelli linguistici nella programmazione. Alcuni metodi trattano la descrizione in linguaggio naturale come una specifica separata che precede la scrittura del codice, un processo che può portare a un distacco tra il piano e il risultato. Altri si affidano al modello per riassumere o rigenerare il codice dopo che è stato scritto. Notlob prende una strada diversa, co-localizzando la specifica, il codice e i test in un unico spazio di lavoro iterativo. Ciò consente agli umani e alle macchine di lavorare su tutti e tre gli elementi insieme, affinando la logica e la spiegazione in tandem. I ricercatori sostengono che questo approccio sia più efficace rispetto al trattare il linguaggio naturale come un mero prompt o un documento separato. Rendendo la prosa e il codice parti inseparabili dello stesso artefatto, il sistema assicura che la finestra di contesto del modello linguistico sia riempita con le informazioni più rilevanti possibili.

L'implementazione di notlob è un progetto open-source che attualmente supporta tre linguaggi di programmazione stabiliti: Haskell, Python e TypeScript. Il sistema include un set di strumenti a riga di comando che consentono agli utenti di costruire, testare e visualizzare il progetto. Uno strumento può renderizzare il documento come una pagina web standard, mentre un altro può generare una mappa visiva del name-graph, mostrando come le diverse parti del progetto siano connesse. I ricercatori hanno anche sperimentato l'uso del sistema per creare un agente "critico", un'intelligenza artificiale incaricata di revisionare i progetti per coerenza logica e stile. Questo agente è stato in grado di identificare errori e suggerire miglioramenti, adottando talvolta diverse personalità per fornire prospettive diverse sul lavoro. Questi esperimenti suggeriscono che l'ambiente può supportare non solo la creazione di codice, ma anche la revisione critica e il raffinamento dell'intero progetto.

In definitiva, il documento presenta una visione di un futuro in cui lo sviluppo del software è un atto collaborativo tra umani e macchine, basato su un linguaggio condiviso di testo e codice. L'ambiente notlob non pretende di risolvere tutti i problemi dell'intelligenza artificiale nella programmazione, né promette che le macchine scriveranno presto software perfetto da sole. Invece, offre uno strumento pratico che rende la relazione tra l'idea e l'implementazione più trasparente e robusta. Trattando il saggio e il codice eseguibile come un'unica entità interconnessa, il sistema aiuta a colmare il divario tra l'intento umano e l'esecuzione della macchina. Il lavoro suggerisce che il futuro della programmazione potrebbe non riguardare lo scrivere più codice, ma lo scrivere storie migliori che il codice possa seguire, assicurando che la logica del sistema sia chiara alla macchina tanto quanto lo è all'umano.