Forschung und offene Herausforderungen in der Theorie der Programmiersprache

32

Im Geiste einiger allgemeiner Diskussionen wie dieser eröffne ich diesen Thread mit der Absicht, Meinungen zu den offenen Herausforderungen und aktuellen Themen der Programmiersprachenforschung zu sammeln . Ich hoffe, dass die Diskussion sogar Meinungen über die Zukunft der Forschung in Programmiersprachen zum Vorschein bringt.

Ich glaube, dass diese Art der Diskussion neuen studentischen Forschern wie mir, die sich für PL interessieren, sowie jenen helfen wird, die bereits ein wenig involviert sind.

bellpeace
quelle
7
Community-Wiki?
Suresh Venkat
2
Ich denke, es würde diese Frage und die, die sie beantworten, wirklich verbessern, wenn Sie den Text der Frage "Frontiers of TCS" zitieren oder zusammenfassen würden. Der erwartete Umfang der Antworten auf diese Frage ist unklar, während die andere Frage genauer ist, was sie erwartet.
Vijay D
als ich diese frage vor einiger zeit auf stackoverflow gestellt habe ... habe ich downvotes bekommen und meine frage wurde geschlossen!
Rorschach

Antworten:

23

Meines Erachtens besteht das übergeordnete Ziel der PL-Theorie darin, die Kosten für die groß angelegte Programmierung durch die Verbesserung der Programmiersprachen und des technischen Ökosystems, in dem Sprachen verwendet werden, zu senken.

Hier einige hochrangige, etwas vage Beschreibungen von PL-Forschungsgebieten, die anhaltende Aufmerksamkeit erhalten haben und dies wahrscheinlich noch eine Weile tun werden.

  • Die meiste Programmiersprachenforschung wurde im Rahmen der sequentiellen Berechnung durchgeführt, und inzwischen haben wir uns wohl auf einen Kern von Merkmalen geeinigt, die in den meisten modernen Programmiersprachen verfügbar sind (z. B. Funktionen höherer Ordnung, (partielle) Typinferenz, Musterabgleich) , ADTs, parametrischer Polymorphismus) und sind gut verstanden. Es gibt noch keinen solchen Konsens über Programmiersprachenmerkmale für die gleichzeitige und parallele Berechnung.

  • In Bezug auf den vorherigen Punkt hat das Forschungsgebiet der Typisierungssysteme festgestellt, dass sich der größte Teil seiner Tätigkeit mit sequentieller Berechnung befasst. Können wir diese Arbeit verallgemeinern, um nach nachvollziehbaren und nützlichen Typisierungsdisziplinen zu suchen, die die gleichzeitige und parallele Berechnung einschränken?

  • Als Sonderfall des vorangegangenen Punktes bezieht sich die Curry-Howard-Korrespondenz auf strukturelle Beweistheorie und funktionale Programmierung, was zu einem nachhaltigen Technologietransfer zwischen Informatik und (Grundlagen der) Mathematik führt, wobei beispielsweise die Homotopietypentheorie ein eindrucksvolles Beispiel ist. Es gibt viele verlockende Hinweise, die auf (einige Formen von) gleichzeitigen und parallelen Berechnungen ausgedehnt werden können.

  • Die Spezifikation und Verifizierung von Programmen ist in den letzten Jahren viel weiter fortgeschritten, z. B. mit interaktiven Proof-Assistenten wie Isabelle und Coq. Die Technologie ist jedoch noch weit davon entfernt, im alltäglichen Programmieralltag in großem Maßstab einsetzbar zu sein. Es bleibt noch viel zu tun, um diesen Zustand zu verbessern.

  • Programmiersprachen und Verifikationstechnologien für neuartige Berechnungsformen. Ich
    denke hier insbesondere an die Quantenberechnung und die biologisch inspirierten Rechenmechanismen, siehe zB hier .

  • Vereinigung. Es gibt viele Ansätze für Programmiersprachen, -typen und -prüfungen, und man hat manchmal das Gefühl, dass es viele Überschneidungen zwischen ihnen gibt und dass ein abstrakterer Ansatz darauf wartet, entdeckt zu werden. Insbesondere biologisch inspirierte Rechenmechanismen werden uns wahrscheinlich weiterhin überfordern.

Ein Problem der PL-Forschung ist, dass es keine eindeutigen offenen Probleme wie die P / NP-Frage gibt, bei denen wir sofort sagen können, ob eine vorgeschlagene Lösung funktioniert oder nicht.

Martin Berger
quelle
1
Wenn ich hinzufügen darf, Quanten-Computing und Quanten-Programmiersprachen, auch wenn Quanten-Computing nicht stattfindet, ist die Untersuchung, wie einige Programmierkonzepte in diesem Berechnungsmodell übertragen werden könnten, interessant, wenn nichts anderes, Programmierung in natürlicher Sprache, Fuzzy-Programmierung, und sogar physikalische Berechnung und physikalische Programmierung (Programmierung direkt auf Materie, jenseits der molekularen Ebene)
Nikos M.
1
@NikosM. Ich stimme zu, QC ist eine große Sache und wird intensiv untersucht. Dieser Aufsatz zeigt einen überraschenden Zusammenhang zwischen den Grundlagen der Quantenmechanik und der Programmiersprachtheorie, der nur durch Abstraktion aufgedeckt wird.
Martin Berger
Nizza, vielleicht könnte eine Frage diese Art von formalen (oder nicht formalen) Beziehungen ansprechen
Nikos M.
11

Lassen Sie mich einige Annahmen auflisten, die die Programmiersprachenforschung einschränken. Es ist schwer, sich von diesen zu lösen, weil sie einen wesentlichen Teil der Programmiersprachen ausmachen oder weil das Erforschen von Alternativen "kein Programmiersprachendesign mehr" wäre. Mit jeder Annahme liste ich ihre einschränkenden Wirkungen auf.

  1. Programme sind syntaktische Konstrukte.

    • Echte Programmierer würden niemals iPads zum Erstellen von Quellcode verwenden. Und selbst wenn, könnten sie niemals so effizient sein wie mit Emacs, Eclipse, NetBeans, XCode usw.
    • Die Erforschung alternativer Formen der Programmerstellung ist nicht das Design von Programmiersprachen, sondern das Design von grafischen Benutzeroberflächen oder die Ausbildung (vgl. Scratch).
  2. Ein teilweise geschriebenes Programm kann nicht ausgeführt werden.

    • Zumindest tritt ein Laufzeitfehler auf, wenn die Ausführung zu einem fehlenden Teil gelangt.
    • Was nützt es, unvollendete Programme auszuführen?
  3. Programme geben Anweisungen an Computer.

    • Das Design von Programmiersprachen hat nichts darüber zu sagen, wie man Gesetze schreibt und organisiert. Geräte.
    • Bakterien schreiben keine Programme.
  4. Das Programmieren ist wie das Entwickeln und kann nicht von gewöhnlichen Leuten durchgeführt werden.

    • Gewöhnliche Menschen kennen die Syntax, die Konzepte und die Werkzeuge nicht und können daher möglicherweise keine Programme schreiben.
    • Selbst wenn wir versuchen, es normalen Menschen zu ermöglichen, Programme zu schreiben, werden sie nur Triviales schreiben können.

Ich denke, ich könnte weitermachen.

Andrej Bauer
quelle
2
James: Hervorragend, ich werde meine Tante informieren. Martin: Das ist genau das, worüber ich spreche. Nicht-textuelle Programmierung wurde nicht überzeugend etabliert, weil die PL-Community es nicht ernst nimmt, weil sie nicht überzeugend etabliert wurde. Mir scheint aber klar, dass Menschen nicht dafür gemacht sind, Worte auf Bildschirmen zu tippen. Wir sind gut darin, Sachen zu werfen und Blaubeeren zu pflücken.
Andrej Bauer
1
@AndrejBauer Als wissenschaftliches Argument ist "Es ist für mich ganz offensichtlich" nicht verbesserungswürdig. Wenn Sie sich die Geschichte von Schriftsystemen ansehen, für die Programmiersprachen nur ein aktuelles Beispiel sind, dann hat sich ihre historische Entwicklung vom logografischen Schreiben abgewendet. Vielleicht ist unsere Fähigkeit, Zeichenfolgen zu analysieren, relevanter als die von Blaubeeren. Das alphabetische Schreiben hat sich über Jahrtausende entwickelt, daher ist es unwahrscheinlich, dass es massive, leicht zu behebende Fehler enthält. Trotzdem bin ich froh zu glauben, dass wir es besser können als ASCII-basierte lineare Zeichenfolgen. Ich denke, es wird eine Weile dauern, bis wir es tun.
Martin Berger
1
Der Punkt meiner Antwort ist, "über den Tellerrand hinaus zu denken". Versteckte Annahmen in der PL-Forschung untersuchen und herausfinden, wie sie das Potenzial der PL-Forschung einschränken.
Andrej Bauer
4
@AndrejBauer, ich halte es für einen Fehler, den Anwendungsbereich auf POPL zu beschränken - viele dieser Arbeiten werden bei OOPSLA, ICSE oder sogar bei CHI durchgeführt. POPL ist nicht interessiert, es sei denn, es gibt einen neuartigen formalen Ansatz, aber POPL ist nicht die gesamte PL-Community.
Sam Tobin-Hochstadt
2
@DominicMulligan: Sicher, das sind alles sehr willkommene Ideen. Mit meinen Kommentaren versuche ich die Wahrnehmung von Programmierung zu verändern. Wenn also die theoretischen Ideen in der Praxis gut genutzt werden können (womit ich meine, dass "normale" Programmierer sie im täglichen Leben verwenden werden), dann haben wir gewonnen.
Andrej Bauer
0

Es gibt ein Problem, über das ich mich gewundert habe. Ich habe keine Ahnung, ob es sich um eine offene Herausforderung handelt.

Das mathematische Wissen hat mit der Zeit stetig zugenommen. Die theoretischen Grundlagen, Konzepte, Notationen und Beweise haben sich im Laufe der Jahrhunderte entwickelt. Mathematiker haben die Aggregation verwaltet, ohne zu jedem Zeitpunkt systematisch und formal die globale Konsistenz zu überprüfen (obwohl es Versuche gab, dies zu tun).

Es ist zu erwarten, dass sich Programmiersprachen und Programmbibliotheken im Laufe der Zeit ähnlich aggregieren und weiterentwickeln. Mit welchen Tools kann die Aggregation von Programmierergebnissen und Bibliotheken verwaltet werden, um sie konsistent zu halten und für alle effektiv nutzbar zu machen, da Computer formeller und in Bezug auf Konsistenz anspruchsvoller sein können. Müssen wir die Bibliotheken für jede neue Programmiersprache wiederholen? Warum sollten wir eine Sprache wählen müssen, weil sie die richtigen Bibliotheken für die beabsichtigte Anwendung hat und nicht für ihre eigentümlichen Eigenschaften als Programmiermedium?

Zu einem anderen Thema finden Sie möglicherweise Ideen in der folgenden Frage: Werden Programmiersprachen mehr wie natürliche Sprachen? Mir ist klar, dass die Idee viele theoretische Informatiker vielleicht nicht anspricht, aber dennoch nützlich sein kann, wenn man sich mit verschiedenen Themen oder aus einer anderen Perspektive befasst. Ich bin weit davon entfernt, vielen der veröffentlichten Ideen zuzustimmen, aber dafür ist die Diskussion gedacht.

babou
quelle
Die Konsistenz ist zu hoch.
Andrej Bauer
1
Ich kann sehen, dass über diesen so bescheidenen Vorschlag nicht viel Einigkeit besteht. Dennoch könnte es zumindest für mich hilfreicher sein, ein paar erklärende Worte darüber zu haben, warum. Für den Fall, dass ich unklar war, wollte ich niemals sagen, dass Mathematik inkonsistent sein könnte, nur dass sie nicht (notwendigerweise) mit konsistenten Mitteln aggregiert wurde (Historiker würden es besser sagen). Aus Sicht von CS irre ich mich vielleicht in Bezug auf die Schwierigkeit der Aggregation (ich habe nie technische Arbeit daran geleistet), aber ich beziehe mich nur auf die Benutzererfahrung und die häufig gehörte Sichtweise, die sich indirekt nachteilig auf die von TCS produzierten Sprachen auswirken.
Babou
1
Nun, meine Bemerkung bezieht sich hauptsächlich auf die Tatsache, dass Konsistenz eine Alles-oder-Nichts-Idee ist, wohingegen in Wirklichkeit die meiste Software "meist konsistent" ist. Und doch benutzen wir es und finden es nützlich. Warum sind Theoretiker dann besessen von einem praktisch unerreichbaren und zu idealistischen Konzept? Es scheint besser zu sein, die Konsistenz auf eine weniger triviale Weise zu quantifizieren.
Andrej Bauer
@AndrejBauer - Danke, dass du geantwortet hast. Ich bin ein bisschen überrascht von Ihrer Aussage, was das betrifft, was ich geschrieben habe. Nichts dort unterstützt irgendeine Form der absoluten Konsistenz, sondern nur den Wunsch nach einem praktikablen Ansatz, der Aggregation in einem sich entwickelnden Kontext möglich und sinnvoll macht. Meistens konsequent, wie Sie sagen. Zu finden, was für den Zweck konsequent sein sollte, war Teil der Idee, und ich schlug keine triviale oder sonstige Antwort vor. Ich war noch nie ein besessener Theoretiker, und ich sehe aus Ihrer Antwort nicht, wo wir uneins sein könnten.
Babou
1
Ich glaube, ich habe mich nur über "reine Theoretiker" geärgert, das ist alles. Bitte ignoriere mich.
Andrej Bauer
0

Während des letzten Jahrhunderts gab es eine enorme Innovation und Explosion in Programmiersprachen von angewandter und theoretischer Seite. Es könnte jedoch der Fall sein, dass dies ein einzigartiges / einmaliges Ereignis in der Geschichte des Rechnens ist, ähnlich einer "evolutionären Explosion". (siehe auch "warum gibt es so viele programmiersprachen?" auf cs.se) und dass die zukunft in dieser hinsicht nicht wie in der vergangenheit sein wird. Es gibt jedoch einige erkennbare langfristige aktuelle Trends im Spiel / in der Entwicklung.

  • Programmier- / Softwarekomplexität und Möglichkeiten zum Verwalten / Minimieren / Reduzieren / Reduzieren ist ein Thema, das das Sprachdesign schon immer beeinflusst hat und in der heutigen Zeit mit sehr großen / komplexen Softwaresystemen möglicherweise noch wichtiger ist. Es war ein wesentlicher Aspekt des OOP-Entwurfs, aber jetzt haben wir hochkomplexe OOP-Systeme! Das gezielte Nachdenken darüber hat zu Klassikern auf diesem Gebiet geführt, wie Mythical Man-Month von Brooks, was in vielerlei Hinsicht immer noch eine sehr gültige Perspektive ist, möglicherweise sogar relevanter als zu der Zeit, als es geschrieben wurde.

  • Parallelität. Die Hardware verlagert sich in Richtung größerer Parallelität (z. B. Multicore usw.), und Taktratenerhöhungen reichen nicht mehr aus, um die Leistung zu steigern. Diese Verschiebung geschah um die Mitte der 2000er Jahre und hat einen großen Einfluss auf die Sprachforschung / -gestaltung. Parallelität war immer ein Thema, hat aber einen neuen Stellenwert / eine neue Dringlichkeit, und es gibt einige weit verbreitete Meinungen / Einigkeit darüber, dass Parallelität übermäßig kompliziert und schwierig in der Programmierung ist und möglicherweise verschiedene theoretische Ansätze dies abmildern könnten. ein netter Hinweis dazu: Die Landschaft des Parallel Computing Research: Ein Blick von Berkeley

  • Datenerfassung / Big Data . diese beeinflussen das Design der Programmiersprache. Auch neue Richtungen in der Datenbankarchitektur beeinflussen die Programmiersprachen.

  • Supercomputing hat einen erheblichen Einfluss auf das Sprachdesign und überschneidet sich auch mit Parallelität und Datenverarbeitung / Big Data, z. B. mit neuen Sprachen wie MapReduce .

  • visuelle / Datenflussprogrammierung . Es hat eine Zunahme dieser Arten von "Sprachen" gegeben (in gewisser Weise ist visuelle Programmierung in vielerlei Hinsicht eine Entkopplung der Programmierung von "Sprachen"). auch starke Fremdbestäubung mit Parallelität.

  • AI . Dies ist eher eine weit verbreitete Wildcard und es ist derzeit nicht ganz klar, wie sie sich auf die Computersprachen und die Programmierung auswirken wird, aber wahrscheinlich wird sie sehr umfangreich sein. in der vergangenheit [in einer anderen form] führte es zu ganzen sprachen wie prolog . Ein frühzeitiger Hinweis darauf, wie es mit bemerkenswerten Ergebnissen angewendet werden kann, ist Genetische Algorithmen / Genetische Programmierung .

Eine Referenz, die einige hilfreiche Ideen im Sinne der "Zukunft der Programmiersprachen" Beyond Java von Tate enthalten könnte. Er denkt (wenn auch kontrovers) darüber nach, dass Java (wahrscheinlich eine der komplexesten / umfassendsten Programmiersprachen, die es gibt) langsam in die Jahre gekommen ist und es erste Anzeichen für neue Sprachen / Ansätze gibt, die seinen Platz auf lange Sicht einnehmen.

vzn
quelle