前言
我目前的程式經驗大約六年，積木語言和標記語言不算只算正經的程式。
從前後端開發、資料分析、演算法加速、機器學習、系統程式開發、和一些實驗性程式語言都碰過，算是有一些經驗了，因此我想我應該能給還沒碰過程式的人一些方向。
AI 寫得比大部分人好還該學嗎？
先說我認爲的結論：
如果只是想賺快錢或做簡單的 demo 類型 app 可以不用，如果想弄清楚電腦在做什麼、所有基礎設施和 app 是怎麽一步一步達到像魔法一樣運作的，甚至重現或貢獻他們，那還是必須要學。
目前爲止 AI 在小規模 demo 和解決單一問題上遠超人類，但面對沒有經驗法則支撐的領域問題，或是規模大到超出 context window 時，AI 能力會被快速削弱，甚至完全失效。
也許未來這個問題可以被解決，透過更好的模型架構或是更大的 context window 還有自我驗證（例如邊開發邊寫單元測試）但目前來說還是有不少限制的。
前面這種說法可能常聽到有人說，但通常他們都不會舉例，因此我想舉一些實際的專案來說明：
LLVM 是一個編譯器工具鏈，程式碼相依的程度和規模本身都大到難以想象，AI 在這種專案上可能只能做到微觀的 bug 修復或是小功能的實作，但要真正理解整個專案的架構和設計，甚至是重現或貢獻新的功能，還是需要人類的智慧和經驗。（再說目前正常人也沒有錢跑那麼多 context） 不止是單純的 context window 大小塞不下，還有專案本身依賴鍊條的複雜度和需要的經驗法則，AI 目前還無法完全掌握這些。
第一次學程式該選什麼語言？
從目的來分類：
想學電腦運作原理：C 語言，因爲它是許多作業系統的基礎，能讓你了解電腦底層的運作方式。 如果想做正經的系統程式開發，我會推薦現代 C++ 和 Rust 二選一，現代 C++ 透過零成本抽象和豐富的標準庫讓你能夠寫出高效又安全的程式，Rust 則是以安全性為核心設計，能夠幫助你避免許多常見的記憶體錯誤。 現代 C++ 是我最喜歡的語言，因爲他在保留上層抽象功能的同時又給予無與倫比的裸機效能，有優雅抽象又能精準控制底層行爲，不論是科學運算還是金融領域高頻交易機構都很愛用。
想賺錢：JavaScript 或 TypeScript，現代即使是桌面 app 也常透過 Electron 這類框架，因此網頁前端可以說到處都是，學了也不會過時。 但我自己認爲 TS 更值得學，用型別檢查幫你兜底，也是新的 AI app 常用。
想學 AI：Python，因爲它有豐富的機器學習和深度學習庫，如 TensorFlow、PyTorch 和 Triton，讓你能夠快速上手 AI 開發。 進階一點的話可以學 CuPy 甚至 CUDA C/C++ 做效能上的最佳化，但這比較涉及底層，只是要學理論和基本實作的話直接用 Python 的框架就好。
特定領域 這邊太多直接上表格
| 領域 | 推薦語言 | 理由 |
|---|---|---|
| 數學和函數式設計 | Haskell | Haskell 在數學和 Functional 的特性比其他程式語言更加強大 |
| 數學理論形式化證明 | Lean4 | Lean4 是一個現代的定理證明器 |
| 資料分析 | Python | Python 有豐富的資料分析庫，如 Pandas、NumPy 和 Matplotlib，讓你能夠輕鬆處理和視覺化資料 |
| 遊戲開發 | C# | Unity 是目前最流行的遊戲引擎，而 C# 是 Unity 的主要開發語言，如果要更專業的大廠可能會用 Unreal Engine，那就要碰 C++ |
| 區塊鏈智慧合約開發 | Solidity | 以太坊平台上最常用的智慧合約語言，能夠讓你開發和部署智慧合約 |
| 高併發系統開發 | Go | Go 是 GC 語言，比系統程式好寫很多，併發效能也算 GC 語言中數一數二 |
| 高併發程式設計 | Gleam | Gleam 是一個現代的函數式程式語言，專為高併發系統設計，能夠讓你寫出高效又安全的併發程式 |
- 私心推薦：說到 AI，其實那些訓練模型的 Python 底層算子很多都是用 C++ 寫，在效能關鍵甚至會使用異質運算（例如 GPU）來加速。 因此這時候 CUDA/HIP 就是必需品（需要有 C++ 基礎），甚至可以使用 Kokkos 這類跨平台的 C++ 庫來寫出同時支援 CPU 和不同廠商 GPU 的高效能程式。
如果有機會我再把效能工程和異質運算的部分寫成一篇文章，因爲我最近剛好有在做這方面的研究，覺得很有趣。
結論
我的話就學現代 C++。
其他參考前文哈哈。