Khảo cổ học thực thi: Hồi sinh trình biên dịch Heuristic (1961) và KBEmacs (1984)

Trong lĩnh vực trí tuệ nhân tạo, có một câu hỏi đáng suy ngẫm: liệu các trợ lý lập trình hiện đại như Claude Code hay GitHub Copilot thực sự hiểu lập trình theo cách con người hiểu? Một bài báo khoa học mới trên arXiv đã tìm câu trả lời bằng cách đưa chúng ta ngược về quá khứ, khởi động lại chính những chương trình AI tạo mã nguồn đầu tiên trong lịch sử.

Phương pháp "khảo cổ học thực thi"

Nhóm tác giả Jeff Shrager, Kent M. Pitman và Mia Golec giới thiệu phương pháp Executable Archaeology (khảo cổ học thực thi) — một cách nghiên cứu các hệ thống máy tính lịch sử bằng việc chạy trực tiếp mã nguồn gốc của chúng, quá trình mà họ gọi là "reanimation" (hồi sinh).

Khác với việc chỉ đọc tài liệu hay mô phỏng lại thuật toán, cách tiếp cận này buộc các chương trình từ nửa thế kỷ trước phải "sống lại" và chạy thật trên nền tảng hiện đại. Điều đặc biệt: nhóm nghiên cứu đã sử dụng Claude Code (Opus 5.5) của Anthropic — một công cụ lập trình hỗ trợ AI hiện đại — để thực hiện phần lớn công việc hồi sinh.

Hai lý thuyết lập trình cách nhau hơn 20 năm

Bài báo tập trung vào hai hệ thống có mục đích hoàn toàn khác nhau:

• Heuristic Compiler (1961) của Herbert Simon: một mô hình thử nghiệm coi lập trình như quá trình giải quyết vấn đề, áp dụng phương pháp phân tích means-ends của General Problem Solver để tìm hiểu bản chất của công việc lập trình.
• KBEmacs (1984) của dự án Programmer's Apprentice tại MIT: một nguyên mẫu trợ lý lập trình thông minh, dựa trên quan điểm rằng lập trình viên chuyên gia nhận diện và kết hợp các mẫu quen thuộc — gọi là "cliché". Người dùng xây dựng chương trình bằng cách ghép các cliché thông qua một ngôn ngữ lệnh tiếng Anh có quy chuẩn.

Kết quả hồi sinh ấn tượng: nhóm nghiên cứu tái tạo được chính xác đoạn mã biên dịch xuất hiện trong bài báo năm 1963 của Simon, đồng thời tái tạo thành công chuỗi SQRT trong bài tự kiểm tra tháng 12/1984 của KBEmacs.

Hai lý thuyết tưởng chừng khác biệt hóa ra lại tương đồng

Khi đặt cạnh nhau, hai hệ thống bộc lộ nhiều điểm chung bất ngờ:

Heuristic Compiler cũng hoạt động bằng cách thích ứng các thủ tục sẵn có, và chính Simon sau này đã lập luận rằng chỉ tìm kiếm đơn thuần đòi hỏi một khối lượng lớn kiến thức lập trình.

Nói cách khác, cả hai đều cho rằng lập trình không phải là việc viết từng dòng lệnh từ con số không, mà là tái sử dụng và tái tổ hợp các mẫu tri thức đã có. Đây là nền tảng tư tưởng mà các mô hình ngôn ngữ lớn ngày nay đang kế thừa — dù theo cách ít tường minh hơn nhiều.

Điều các trợ lý AI hiện đại đang thiếu

Điểm nhấn sâu sắc nhất của bài báo nằm ở tính phản thân của dự án: các tác giả dùng AI hiện đại để hồi sinh AI cổ điển, và nhận ra rằng những lý thuyết lập trình tường minh, có thể thực thi mà cả hai hệ thống cũ từng thể hiện gần như đã biến mất khỏi các trợ lý lập trình AI ngày nay.

Các hệ thống như Heuristic Compiler hay KBEmacs không chỉ tạo ra mã — chúng còn là lý thuyết về cách con người lập trình, được mã hóa thành chương trình chạy được. Trong khi đó, các công cụ AI hiện đại mạnh mẽ hơn gấp nhiều lần nhưng lại hoạt động như những "hộp đen", không phơi bày mô hình nhận thức nền tảng nào về bản chất của lập trình.

Ý nghĩa cho cộng đồng lập trình viên Việt Nam

Với các kỹ sư phần mềm Việt Nam đang ngày càng dựa vào AI để viết mã, bài báo là lời nhắc nhở đáng giá:

• Hiểu tại sao AI tạo ra mã như vậy quan trọng không kém việc mã chạy đúng.
• Các mẫu thiết kế (design pattern), thư viện và kinh nghiệm cá nhân vẫn là "cliché" — nền tảng tri thức mà mọi công cụ AI đều phải dựa vào.
• Việc nghiên cứu lịch sử ngành không phải là hoài niệm, mà là cách hiểu rõ hơn những công cụ chúng ta dùng hàng ngày.

Bài báo thuộc nhóm chủ đề Trí tuệ nhân tạo (cs.AI), giao thoa với Tương tác người–máy (cs.HC) và Ngôn ngữ lập trình (cs.PL), hiện có thể truy cập công khai trên arXiv với mã định danh 2610.36341.