MLNLP 社群是國內外知名的機器學習與自然語言處理社群，受眾涵蓋國內外 NLP 碩博士生、大學教師以及企業研究人員。
社群的願景是促進國內外自然語言處理、機器學習學術界、產業界和廣大愛好者之間的交流與進步，特別是初學者同學們的進步。
來源 | 新智元
編輯｜定慧
你知道人類目前的程式語言到底有多少種嗎？
C、C++、C#、Java、Python、PHP、JavaScript、Go、Rust……
但不論有多少種，這些都不再重要了。
未來也許只會剩下唯一一種程式語言，AI 將徹底改寫人機互動的定義。
在倫敦科技週上，黃仁勳一句話震撼全場：「未來新的程式語言應該叫做『Human』」！
多虧了人工智慧，即使非程式設計師也能編寫程式碼。
讓電腦編寫程式的方法就是「有禮貌地詢問」，就像你向一個人提出請求一樣。
現在，突然之間……出現了一種新的程式語言。
這種新的程式語言叫做「Human」。
黃仁勳的意思很明顯——
沒有人會再去學習資料結構和演算法導論，甚至提示詞工程都已經過時。
未來你最應該學會的是如何用 Human 語言來與 AI 溝通——不論是中文、英文、法文、德文還是孟加拉文。
沒有作業系統、沒有 C 語言、沒有 Java、沒有 Python、無需再學習演算法和資料結構，只要你會說「Human」語言。
人機互動將真正進入一個全新的時代，程式設計師作為職業或許從此將消失，任何人都可以用 Human 語言來與 AI、與機器溝通。
這個趨勢已經在現實中不斷地上演並被強化。
氛圍程式設計（Vibe Coding）+ Human 語言 = 人人都是程式設計師。
別以為這只是概念噱頭——現實世界已經走在前頭了！市場對 AI 程式設計工具的熱情不斷爆發。
Cursor、Windsurf 等估值不斷走高：
· 豪擲 30 億美元，OpenAI 史上最大收購案！
· 25 歲 MIT 輟學天才一戰成名！3 年成為 90 億美金公司 CEO
OpenAI 發布 Codex：程式設計革命徹底爆發！剛剛，OpenAI 最強智慧代理上線 ChatGPT
Claude 發布 Claude Code：AI 程式設計新王 Claude 4，深夜震撼登基！連續編碼 7 小時，開發者驚掉下巴
DeepSeek 新模型 R1-0528 注重編碼能力：剛剛，新版 DeepSeek-R1 正式開源！直逼 O3 程式設計強到離譜，一手實測來了
OpenAI 專門推出程式設計用的 GPT 4.1：GPT-4.1 深夜登場，中科大校友領隊！百萬上下文程式設計驚人，GPT-4.5 三個月後淘汰
Google Gemini 2.5 Pro 的程式設計能力霸榜：新版 Gemini 2.5 攻佔所有榜一，Google 無敵了！一個月全面擊敗 O3，程式設計反超 Claude 4
這些 AI 程式設計助手可以輕鬆地將用普通人類語言寫成的提示轉化為程式碼。
依賴這些 AI 助手編寫完整程式的做法，催生了被稱為「Vibe Coding（氛圍編碼）」的編碼範式，甚至 Vibe Coding 之上還有「氛圍介面」。
回顧程式語言誕生的歷史，當下我們正處於「Human 程式語言」的新輪迴。
AI 迫使我們再次重新發明了程式語言——Human 會成為人機互動最終的橋梁嗎？
AI 讓我們回到原點，人類重新發明程式語言
未來的人機互動或將建立在自然表達與形式精度的完美結合上。
人類多年來實現了「與電腦對話」的夢想，卻發現必須教它們如何精確傾聽。
想像你在給一個語言流利但從未出過門的人指路。
你說：在那棵大樹那裡左轉。
他卻問：哪棵樹？多大算大？是你的左邊，還是樹的左邊？
經歷無數次糊塗的旅程後，你最終制定了一套精確的指令：
出門向北走三條街，在街角的麥當勞處左轉。
70 年前電腦發展的真實寫照——如今又再度上演。
1950 年代，科學家嘗試用英文與電腦交流，結果慘敗。於是他們發明了 FORTRAN、COBOL 等程式語言——這些正式、精準、無歧義的交流方式。
之後就是我們熟悉的各種程式語言，這些語言推動了數位時代幾十年的發展。
直到 AI 出現，我們又能用自然語言對電腦發號施令了。
像 ChatGPT 就能理解「幫我寫個按字母排序名字的函數」。
人類友好型計算，似乎回來了。
但劇情反轉來了：我們發現了當年放棄自然語言的那些老問題，又重新找上門。
於是人類又一次被迫發明正式語言來解決問題。
歡迎來到計算史上最大規模的「似曾相識」。
第一次失敗
時間是 1954 年，喬治城大學的研究人員正準備創造歷史。
他們開發出一台能自動將俄文翻譯成英文的機器。
演示非常成功——60 句話翻譯無誤，媒體紛紛宣稱「即時翻譯」已成現實。
但真相是：這一切不過是障眼法。
系統只能識別 250 個詞和 6 條語法規則，測試句子也都是精心挑選的。
就像你只會把特定的句子比如「貓是黑的」翻成法文，卻自稱發明了萬能翻譯器。
最終，1966 年的 ALPAC 報告宣判機器翻譯比人工翻譯更貴、更慢、更不準。
自然語言計算宣告死亡。
正式程式語言革命
FORTRAN 之父 John Backus 一語道破：用自然語言與電腦交流，是「一場近身肉搏」。
他提供了激進的解決方案：創造專為人與機器溝通而設計的新語言——程式語言。
正式程式語言的四大基石：
1. 無歧義語法：程式只有一種解釋方式
2. 組合語意：複雜意思由簡單部分構成
3. 無上下文結構：不依賴文化或背景知識
4. 數學基礎：基於邏輯推理而非人類解釋
這不僅是技術選擇，更是生存之道。正式語言解決了人與機器之間的溝通難題，才有了後來的電腦革命。
AI 帶來新一輪混亂。
時間快進到 2022 年 11 月，ChatGPT 發布，僅用五天使用者突破百萬。
你可以對它說：「幫我寫個分析客戶資料並產生圖表的 Python 腳本」，它竟然能完成！
ChatGPT 彰顯的前景似乎無限「美麗」：
不再死記語法
用英文（自然語言）程式設計
AI 真正「理解」你的需求
然而，幾百萬使用者開始日常使用後，熟悉的問題再次出現。
穿著新衣的老問題
問題 1：多義詞陷阱（再現）
讓 ChatGPT「bark up the right tree」（用對方法）——是操作樹狀資料結構？還是處理錯誤日誌？模糊性再次成為障礙。
問題 2：語境混亂（仍在）
「設個八點的鬧鐘」—— 它會問：早上還是晚上？哪個時區？哪一天？自然語言依舊假設存在共享上下文。
問題 3：編造問題（新麻煩）
AI 的新問題是「自信地胡說八道」：它能產生看似真實的學術文章，但作者和期刊全是假的；它會寫呼叫根本不存在的 API 的程式碼。看起來像真的，其實全錯。
問題 4：可靠性缺失（更嚴重）
讓它寫整整 500 字，結果總有偏差。日常用途無妨，但對於關鍵系統，這是致命問題。
我們再次撞上了 1950 年代的同一堵牆。
正式程式語言回歸
科技界並未因 AI 出錯而放棄，而是像當年一樣，開始建構更可靠的正式系統。
第一步：提示工程框架
程式設計師不再隨意發問，而是設計結構化提示：
逐步思考法：強迫 AI 展示推理過程，例如「我們一步一步來」
CLEAR 框架：清晰、邏輯、證據、行動、結果
Few-shot 範例法：提供明確的行為範例
這些不只是技巧，而是正在形成的新型 AI 交流正式語言。
第二步：AI 標記語言
正在出現專為 AI 設計的新語言：
模型上下文協定（MCP）：被稱為「AI 的 USB-C」，標準化 AI 與工具之間的連接方式
AIML 演進版：基於 XML 的結構化對話語言
智慧代理通訊協定：AI 與 AI 之間對話的正式語言，Agent2Agent
第三步：結構化框架
公司開始建構系統化方法：
LangChain：用於管理 AI 對話的模板系統
Constitutional AI：用正式規則訓練 AI
RAG 系統：讓 AI 的回答有事實依據
趨勢清晰可見：
1950s：自然語言失敗→正式程式語言
2020s：自然語言 AI 崛起→出現問題→正式 AI 交流語言再現→進化為新的 Human 程式語言
我們正見證「提示程式設計語言」（Prompt Programming Languages）的誕生 ——
在自然語言風格下，融入計算精度的正式系統。
從趨勢和歷史來看，新的 Human 程式語言路徑是：
近期（2025–2027）：正式化階段
提示工程像軟體工程一樣系統化
AI 標記語言廣泛普及
企業 AI 必須使用正式協定
中期（2027–2030）：融合階段
多模態 AI（文本、語音、視訊）配合正式驗證系統
非技術人員也能用自然語言程式設計
自動把人類語言翻譯成 AI 規範語言
遠期（2030+）：融合進化
腦機介面將配合正式語言協定
人類語言與 AI 之間實現通用翻譯
完全自主系統具備正式邏輯推理能力
最佳平衡點
未來不會拋棄自然語言，而是在其之下加上一層形式精確。
就像現代程式語言比組合語言更易讀，卻依然保持數學精度。
最終形成三層架構：
1. 人類層：自然語言交流
2. 翻譯層：自動轉為正式規範
3. 機器層：依靠正式協定可靠執行
回顧以上的程式語言輪迴史，不僅僅是數位計算發展的歷史，更揭示了人與機器交流的本質規律：
真相一：歧義是人類的天賦
人類語言靈活，效率高，哪怕說「拿那個東西」，別人也能理解上下文。這種歧義帶來創造力、詩意和豐富表達。
真相二：精確是機器的生存法則
電腦執行任務必須毫不含糊。像「在那棵大樹處左轉」這種句子，對人類沒問題，但對自動駕駛汽車可能致命。
真相三：人機互動的「橋梁」一定是正式語言
每一個成功的介面——從程式語言、UI 設計到 API 介面，最終都發展出了正式結構。人與機的有效溝通，離不開這種橋梁。
真相四：每一輪循環都在升維
我們不是走回頭路，而是在螺旋上升。1950 年代的語言要求懂二進位，現在的 AI 框架幾乎像對話一樣自然。
未來還會更自然、更精準。
這種循環升維中蘊藏著真正的創新，突破點不在於消除歧義，而是系統化地管理歧義。
未來的 AI 互動語言將：
對人類而言自然
自動轉為正式規範
AI 和機器可以可靠執行
可驗證、可偵錯
也許你可以把它看作「終極編譯器」：無縫將人類意圖轉為機器精確行為。
我們起初是為了擺脫自然語言的模糊性，才創造了程式語言，推動了數位時代。
AI 把我們帶回自然語言對話——卻也讓我們重新面對同樣的老問題。
但這一次，我們不再是從零開始。我們有 70 年建立正式系統的經驗，理解其中的規律，知道該往哪走。
問題不在於我們是否會為 AI 建構正式語言，而是我們能多快建構、多優雅地橋接人機之間的鴻溝。
AI 一旦足夠重要，就會對可靠性提出要求，正式方法自然會跟上。
當你下次為 ChatGPT 誤解你的提示而煩惱時，不妨記住：你正親歷下一代人類交流革命的誕生。
我們不是在回頭，而是在螺旋式進化——將人類語言的靈活性與形式邏輯的精確性完美融合。
這場循環，不是問題，而是進化本身。
未來屬於能連接人類意圖與 AI 精度的人。
參考資料：
https://www.entrepreneur.com/business-news/nvidia-ceo-jensen-huang-says-ai-lets-anyone-write-code/492985?utm_source=flipboard&utm_content=user/entrepreneur
https://pub.towardsai.net/were-back-to-square-one-why-ai-is-forcing-us-to-reinvent-programming-languages-again-7d6a0abed918
https://www.reddit.com/r/artificial/comments/1l3h3j6/we_had_vibe_coding_now_its_time_for_the_vibe/
https://x.com/karpathy/status/1930354382106964079
技術交流群邀請函
△長按添加小助手
掃描二維碼添加小助手微信
請備註：姓名-學校/公司-研究方向
（如：小張-哈工大-對話系統）
即可申請加入自然語言處理/PyTorch 等技術交流群
關於我們
MLNLP 社群是由國內外機器學習與自然語言處理學者聯合建構的民間學術社群，目前已經發展為國內外知名的機器學習與自然語言處理社群，旨在促進機器學習、自然語言處理學術界、產業界和廣大愛好者之間的進步。
社群可以為相關從業者的深造、就業及研究等方面提供開放交流平台。歡迎大家關注和加入我們。