Discursos de premiação geralmente são protocolares, mas as palestras dos cientistas da computação laureados com o Prêmio Turing sempre foram uma exceção fascinante. Essas apresentações, muitas vezes, transcendem a formalidade e se tornam verdadeiros manifestos ou alertas cruciais. John Backus, em 1977, questionou se a programação poderia se libertar do estilo von Neumann, pavimentando o caminho para linguagens funcionais como Haskell. Já Ken Thompson, em 1984, advertiu sobre os perigos de compiladores maliciosos, uma premonição que evitou inúmeras vulnerabilidades de segurança. Edsger Dijkstra, por sua vez, em seu ‘The Humble Programmer’ (1972), aconselhava a cautela e o reconhecimento das ‘limitações intrínsecas da mente humana’.
A Notação como Ferramenta de Pensamento e o Surgimento do APL
Nesse contexto histórico, a palestra de Kenneth Iverson em 1979, intitulada ‘Notation as a Tool of Thought’, é particularmente relevante. Iverson demonstrou que notações matemáticas vão além de simples abreviações – como CO2 para dióxido de carbono ou 3.888 para MMMDCCCLXXXVIII. Elas, na verdade, facilitam a descoberta de novos conhecimentos e insights. O matemático Alfred North Whitehead resumiu bem essa ideia:
Ao aliviar o cérebro de todo trabalho desnecessário, uma boa notação o liberta para se concentrar em problemas mais avançados.
Iverson ganhou seu Turing por sua criação, a linguagem APL. Inicialmente um sistema de notação para unir diferentes linguagens, o APL foi uma resposta a um problema comum na computação científica da época: pensar em notação matemática e programar em outra linguagem, como Fortran. O APL permitia que operações complexas fossem escritas de forma tão compacta quanto equações, condensando linhas de código em símbolos como ‘+’ ou ‘×’. Embora o APL tenha sido mais influente do que amplamente adotado, ele provou algo fundamental: duas linguagens poderiam, de fato, ser unidas em uma só.
O Dilema Atual: Python e a “Dupla Linguagem”
Sessenta anos após a introdução do APL, um novo tipo de ‘problema das duas linguagens’ assombra a computação científica. Python, inegavelmente, domina o cenário. Contudo, seu reinado não é o de um conquistador robusto, mas sim o de um monarca com um calcanhar de Aquiles: sua lentidão. Até mesmo seus mais fervorosos defensores não negariam essa fragilidade.
Daí surge o dilema moderno: pesquisadores prototipam suas ideias em Python, uma linguagem amigável e versátil, mas quando a performance se torna crucial, precisam reescrever partes críticas do código em linguagens mais rápidas e complexas, como C++ ou Rust. Essa limitação vai além da otimização – não importa o quanto se ajuste um código Python, uma linguagem fundamentalmente mais rápida sempre superará seu desempenho. É um compromisso binário, presente também em outras áreas.
A Busca pela Solução Híbrida
Pense na construção civil: a madeira é excelente para prototipar estruturas – até um amador consegue serrar e pregar para montar um edifício funcional. Mas para erguer um arranha-céu, ela não serve. Isso levanta uma questão essencial: e se existisse um material tão maleável quanto a madeira, mas tão resistente quanto o aço? Ou, no nosso universo da programação, uma linguagem tão ergonômica e acessível quanto Python, mas com a velocidade e o poder de C?