上个世纪，数百种编程语言被发明出来，但是进入21世纪，当我们都进入互联网时代时，只剩那么寥寥几个了。
如果你翻一下TIOBE得编程语言排行榜，就会发现20年来，上蹿下跳的就是那几张老面孔：C , Java, Python ,C++ , C#, JavaScript......
80年代后期，平均每个月就会出现一种新语言，现在，平均每年出现一个就不错了。
我有点好奇，就去扒了扒其他编程语言的出现时间，把他们分成了分为中生代、新生代和 老年代。
先看中生代的家伙们，20多岁，30出头，正是编程的中坚力量。
- Python : 1991
- Visual Basic : 1991
- PHP : 1995
- Ruby : 1995
- Java : 1995
- JavaScript : 1995
- C# : 2000
（1995年还真是神奇的一年啊，几位大佬同时诞生。）
再看这些老前辈，尤其是C语言，老而弥坚，屹立50年不倒，把系统级编程吃得死死的。
- Lisp : 1958
- Pascal : 1970
- C : 1972
- Objective-C : 1984
- C++ ：1985
- Object Pascal : 1986
新生代则活力无限， 锋芒毕露，对老家伙们虎视眈眈。
- Go : 2009
- Rust : 2010
- Kotlin : 2011
- Elixir : 2011
- Julia : 2012
- TypeScript : 2012
- Swift : 2014
新生代只是它们想挑战中生代的地位，抢班夺权，希望渺茫。
主要有这么几个原因：
1. 编程范型没有变化
还是老三样：面向过程，面向对象， 函数式。
在冯诺依曼架构下，恐怕也不会出现什么新的范型了吧。
现在TIOBE排行前十的中生代语言完美涵盖了这些范型，例如Java，刚诞生的时候支持面向对象，但是后来补上了函数式这一课。
像Python、JavaScript一开始就支持面向对象和函数式编程。
2. 开发领域
开发领域有桌面开发、Web开发、系统级软件开发、后端开发，数据分析，人工智能等。
中生代的编程语言不但这些领域看得死死的，还互相扩展，侵入对方的领地。
其中最典型的就是JavaScript这个屌丝的逆袭，一开始不过是寄居在浏览器中的一个小语言，后来通过V8, Node.js竟然进入了后端，还用Electron蚕食桌面开发！
Python也是，本来用它写点儿小工具，开发点儿小网站，后来竟然傍上了人工智能这个大款，从此发达了。
3. 生态系统
Java , Python, JavaScript，C ， C#等经过这么些年的发展，哪个不是积累了海量的类库，哪一个没有庞大的生态系统？想动它们，没有一场革命是绝对不行的。
新语言即使很好，但是看看那么多现有的代码，谁敢轻易切换？
4. 时代的红利
Java遇到了互联网，Python遇到了大数据和AI， JavaScript遇到了前端开发， 时代的机遇让它们爆炸式发展。
Go的运气不错，遇到了云计算，强势崛起。其他几位想要出头，那是相当难了。
我曾经悲观地认为：主流的编程语言已经都被发明出来了！
以后新出现的语言都是改进，改良，没法闹革命翻身了。
举个不恰当的比喻， C, Java, Python, JavaScript,C# , C++, PHP 就像现在的西方七国集团，牢牢占据着最大的市场，然后只要有新人冒出来，就会受到无情的打击。就像现在中国想技术突破，被美国和西方不择手段地打压一样。
图片
但是也并不绝对，就像中国一定要向上突破一样，我看到在系统编程领域，也有一个新星冉冉升起：Rust。
图片
Rust虽然没有发明新东西，但是却融合了多种语言的特性和多种编程泛型，它不但包含了上面说的三大编程范式，还集结了泛型、底层内存管理、所有权等特性，可以说是一个集大成者(这也恰恰是它学习曲线陡峭的原因)。
Rust是一门同时追求安全、并发和性能的现代系统级编程语言，有望挑战C语言的地位。
当然，编程语言少，对程序员来说是好事，程序员可以少学一点东西，少掉几根头发。
最后再聊聊人工智能时代的编程问题，我在《天才程序员》中看到一个有趣的比喻，说普通的编程就像循规蹈矩的机械装置，机器会一板一眼地去执行，程序员在逻辑的宫殿中穿行，沿着头脑中的路线行走，一切都有章可循。
但是训练神经网络就完全不同，程序员和程序之间更像园丁与田园的关系。
图片
豆角为什么突然不长了？西红柿为什么不好吃？园丁可能会换换土壤，可能会调整一下作物之间的距离，也有可能把豆角转移到阳光充足的地方，或者少用些肥料？成功了！它们又开始茁壮成长了！
园艺技能的长进有赖于数之不尽的实验和来之不易的经验。很多新手园丁栽种的第一批作物要么长不好，要么就死了。但最终，经过不断试错（和借鉴同行的经验），园丁们会积累更多知识，形成难以言传的直觉，比如什么有效，什么无效。此时，如果你带他们去新的田园，即便那里的土壤和光照条件完全不同，他们也可以很快弄清楚哪些作物更适合在此处栽种。
看到了吧，虽然编程技能必不可少，但是重点变成了收集数据，不断训练，不断调整，然后“祈祷”程序奏效。
不知道这是程序员的幸运呢，还是不幸？
如需转载，请通过作者微信公众号coderising获取授权。
