Twelve years ago, Vikram Chandra’s Geek Sublime: The Beauty of Code, The Code of Beauty was published. In terms of actual history, that isn’t long at all; in terms of technology, it’s an eternity. In Geek Sublime, Chandra drew on his experience as an author of both prose and code to explore where the two converged.
Anda mungkin tidak melihat kedua hal itu memiliki hubungan apa pun. Sebelum membacanya, saya—seseorang yang juga telah memiliki pijakan di kedua dunia itu untuk beberapa waktu—agak ragu seberapa yakin saya akan. Namun saya pulang yakin dengan argumennya, yang menekankan keanggunan dan keindahan di kedua dunia, serta mengutip contoh-contoh tentang bagaimana hal itu bisa dicapai dengan tepat. Buku Chandra menjadi finalis National Book Critics Award untuk Kritik, dengan Anne Trubek memuji “cakupan halus dan menakjubkan dari buku ini.”
Sementara dunia sastra yang ditulis Chandra dalam Geek Sublime tidak jauh berbeda dari pasangannya pada tahun 2026, dunia pengkodean telah mengalami transformasi besar secara seismik. Vibe coding—menggunakan AI untuk menghasilkan kode untuk proyek online—telah menjadi luas, untuk kebaikan maupun keburukan. (“Vibe Coding Is the New Open Source—in the Worst Way Possible” bunyi salah satu judul WIRED.) Satu episode podcast New York Times The Daily bertanya apakah programmer manusia masih diperlukan lagi.
Apa pendapat Chandra sendiri tentang semua ini? Selama beberapa minggu, kami bertukar serangkaian email di mana saya mengetahui bahwa dia tetap peduli dengan estetika kode—sekalipun dia juga mengakui perubahan yang sedang terjadi di dunia teknologi.
*
Tobias Carroll: Dalam Geek Sublime, Anda dengan fasih berargumen tentang keanggunan kode yang ditulis dengan baik. Sekarang, kami tampaknya telah memasuki era “vibe coding.” Apa pendapat Anda tentang naiknya pemrograman berbasis AI, dan bagaimana Anda akan mengatakan bahwa hal itu telah memengaruhi prinsip-prinsip yang Anda jelaskan dalam buku Anda?
Vikram Chandra: Prinsip-prinsip yang saya bicarakan dalam buku itu tetap krusial—anda masih ingin kode Anda anggun dan mudah dipelihara dalam jangka panjang. Masalahnya adalah membuat agen AI menulis jenis kode seperti itu. Saya hanya menggunakan AI untuk menulis skrip kecil setelah memberi instruksi tegas yang mengarah ke daftar prinsip-prinsip tersebut, dan dalam skala kecil itu tampak bekerja. Saya tidak memiliki pengalaman langsung dengan basis kode besar yang ditulis AI, tetapi dari segala yang saya dengar—even dari programmer berpengalaman—anda akhirnya akan berakhir dengan kode spaghetti berskala besar jika tidak sangat hati-hati. Saya punya seorang teman yang mendapatkan penghasilan tetap dari meninjau dan memperbaiki tipe kekacauan itu.
Model-model tersebut dilatih untuk membantu dan menyenangkan, dan itu terkadang menghasilkan mereka menulis kode yang tampak bekerja dengan brilian tetapi secara internal berantakan. Anda tetap membutuhkan manusia untuk meninjau kode tersebut.
Berikut programmer Victor Taelin:
Ia sekarang percaya bahwa menggunakan agen AI generasi saat ini dalam basis kode produksi berbahaya dan kesalahan besar. Itu tidak berarti tidak ada agen sama sekali, tetapi agen bekerja paling baik ketika mereka tidak menyentuh kode krusial. Debugging, penelitian, memberikan wawasan, skrip/alats, atau apa pun yang tidak menyentuh kode yang akan Anda pertahankan dalam jangka panjang. Namun jika Anda menggabungkan kode AI tanpa membacanya, Anda akan menghadapi masa-masa sulit. Pengalaman berbicara.”
TC: Apakah pergeseran kebiasaan pengkodean ini membuat Anda berpikir untuk menulis volume lanjutan?
VC: Segala sesuatu bergerak terlalu cepat saat ini untuk mencoba sesuatu seperti itu. Percepatan itu membuat saya pusing. Kita jelas telah melintasi semacam horizon peristiwa, dan saya tidak punya gambaran apa yang akan datang selanjutnya.
Ada momen spesifik ketika Anda menyadari bahwa horizon peristiwa telah terlampaui?
Saya telah menggunakan model-model lain cukup lama untuk penelitian, dan juga untuk menulis kueri basis data yang cukup sederhana. Lalu pada November 2025 saya melihat lonjakan besar buzz tentang Anthropic’s Opus 4.5. Saya mencoba rencana gratisnya, dan dalam seminggu saya membayar langganan Pro. Beberapa hari kemudian saya meningkatkan ke rencana Max. Saya kira itu adalah refleksi kuantitatif tentang seberapa bergunanya. Itu mengeksekusi kueri basis data dalam satu tembakan, berbeda dengan saya harus melakukan beberapa putaran prompting dan koreksi. Dan saya telah bisa memanfaatkan kemampuannya untuk mempercepat dan memperdalam penelitian saya.
TC: Apakah Anda menggunakan agen AI untuk hal apa pun?
VC: Saya menggunakan AI banyak untuk riset historis, atau setidaknya untuk merangkai fondasi proyek riset dan kemudian memperluas berbagai jalur. Saya memiliki prompt yang saya sesuaikan secara konstan untuk menghindari halusinasi dan saya mencoba memeriksa silang apa yang diberitahukan model kepada saya. Namun tetap mudah untuk tertipu oleh keyakinan absolut dengan mana agen mengeluarkan “fakta.” Saya harus secara aktif menahan diri agar tidak tertipu, tergoda. Saya telah cukup berhasil dengan membuat satu LLM memeriksa fakta LLM lain.
Kita telah menggunakan perangkat lunak untuk menulis perangkat lunak selama beberapa dekade, sejak kompilator-kompilator pertama dirakit untuk menerjemahkan bahasa tingkat tinggi menjadi kode mesin.
Tetapi secara umum, untuk pekerjaan yang saya lakukan, LLM sangat membantu. Mereka dilatih dari jumlah teks yang sangat besar, sehingga mereka bisa menemukan data yang tidak akan saya temukan sendiri. Saya menggunakan Zotero, sebuah aplikasi sumber terbuka untuk menyimpan informasi saya (makalah akademik, kutipan web, dll.), dan saya telah memberi agen akses ke semua ribuan item dalam perpustakaan itu. Tiba-tiba, menemukan apa yang saya butuhkan menjadi lebih mudah secara berlipat ganda.
Saya mulai bereksperimen dengan ChatGPT ketika pertama kali dirilis pada akhir 2022, mencoba menggunakannya tepat untuk jenis pekerjaan seperti ini. Versi-versi sebelumnya dari semua model tidak terlalu berguna bagi saya. Dan sekarang saya bekerja dengan LLM setiap hari. Inilah yang saya maksud dengan percepatan. Saya telah menggunakan alat perangkat lunak sejak 1980-an, dan dulu saya pikir kami bergerak cepat dalam hal kemampuan. Saya belum pernah melihat apa pun seperti apa yang sedang terjadi sekarang.
TC: Sebagai pengamat perubahan ini di dunia teknologi, apakah Anda pikir ada sesuatu yang hilang dengan membiarkan perangkat lunak menulis kode untuk lebih banyak perangkat lunak?
VC: Kita telah menggunakan perangkat lunak untuk menulis perangkat lunak selama beberapa dekade, sejak kompilator-kompilator pertama dirakit untuk menerjemahkan bahasa tingkat tinggi menjadi kode mesin.
Linus Torvalds baru-baru ini menunjukkan hal ini: “Ketika saya melihat orang-orang mengatakan 99 persen dari kode kita ditulis oleh AI, saya benar-benar marah. Karena orang-orang yang sama itu—saya bisa menjamin—100 persen kode mereka ditulis oleh kompilator. Tapi mereka tidak pernah mengatakan itu.”
Perbedaannya sekarang adalah ketika Anda memberikan prompt kepada agen, Anda memberinya derajat otonomi yang tidak bisa Anda berikan pada kompilator sebelumnya. Kata “agen” itu sendiri menyiratkan kurangnya kendali deterministik dan ketidakpastian yang mengikuti.
Linus melanjutkan dengan berkata, “Orang-orang yang tidak memahami kompleksitas sistem akan memberikan perintah pada sistem dan menulis proses yang akan gagal.”
Itulah kehilangan potensial yang mengerikan yang Anda peroleh sebagai imbalan produktivitas dan skala.
TC: Geek Sublime mencakup banyak sejarah yang membawa kita menuju komputasi abad ke-21. Apakah ada momen-momen tertentu dari sejarah itu yang Anda anggap sangat relevan dengan perdebatan saat ini tentang AI?
VC: Pada tahun 1966, Joseph Weizenbaum menulis sebuah program yang ia sebut “Eliza,” yang secara esensial adalah chatbot yang berinteraksi dengan pengguna layaknya seorang psikolog Rogerian. Artinya, ketika pengguna mengatakan sesuatu, Eliza merespons dengan mencerminkan kata-kata pengguna dalam tindakan “cermin empatik.” Dalam sebuah makalah yang luar biasa yang diterbitkan di Communications of the ACM, Weizenbaum menyajikan percakapan berikut sebagai contoh (Eliza berbicara dengan huruf kapital):
Laki-laki semuanya sama.
DALAM CARA APA
Mereka selalu mengganggu kita tentang sesuatu atau lain hal.
DAPATKAH ANDA MENGINGAT CONTOH SPESIFIK
Yah, pacar saya membuat saya datang ke sini.
PACAR ANDA MEMBUAT ANDA DATANG KE SINI
Dia bilang saya depresi sebagian besar waktunya.
SAYA SEDIH MENDENGAR ANDA DEPRESI
Eliza pada dasarnya adalah daftar kata kunci dan seperangkat aturan transformasi. Weizenbaum menulis, “Prosedur kasar program ini cukup sederhana; teks dibaca dan diperiksa adanya kata kunci. Jika kata tersebut ditemukan, kalimat diubah sesuai dengan aturan yang terkait dengan kata kunci tersebut; jika tidak, sebuah pernyataan tanpa isi konten, atau, dalam keadaan tertentu, transformasi sebelumnya diambil.”
Apa yang benar-benar mengejutkan Weizenbaum adalah bagaimana siapnya pengguna untuk percaya bahwa mereka sedang berbicara dengan sesuatu yang cerdas yang sebenarnya merespons mereka dengan pemahaman. “Pembicara manusia akan… banyak menyelimuti respons ELIZA dengan pakaian kelayakan.”
Dalam makalah tindak lanjut yang diterbitkan sekitar satu tahun kemudian, Weizenbaum menggambarkan sekretarisnya menggunakan Eliza: “Tentu saja, dia tahu bahwa dia sedang berbicara dengan mesin. Namun, setelah saya melihat dia mengetik beberapa kalimat, dia berbalik ke saya dan berkata ‘Maukah Anda meninggalkan ruangan ini, tolong?’ Saya percaya anekdot ini membuktikan keberhasilan program dalam mempertahankan ilusi pemahaman… Dengan demikian, meskipun program ini mungkin berguna sebagai alat untuk analisis percakapan dua orang, dan meskipun tentu menyenangkan, tujuannya harus berubah dari penyamaran kesalahpahaman menjadi penjelasannya.”
Perdebatan saat ini tentang kesadaran, sentience, dan AI akan mendapat manfaat dari masukan yang substansial dari para filsuf yang akrab dengan tradisi itu.
Pada tahun 1972, Weizenbaum mengambil cuti dua tahun dari MIT untuk menulis monograf berjudul Computer Power and Human Reason: From Judgment to Calculation. Ini adalah kritik yang bernas dan penuh semangat terhadap AI dan teknologi, yang ia jelaskan berakar pada pengalamannya dengan Eliza. “Saya telah lama menyadari bahwa ikatan emosional yang kuat yang dimiliki banyak programmer terhadap komputer mereka sering kali terbentuk setelah paparan singkat terhadap mesin mereka. Apa yang belum saya sadari adalah bahwa paparan yang sangat singkat terhadap program komputer yang relatif sederhana bisa menimbulkan gangguan delusional yang kuat pada orang yang cukup normal. Wawasan ini mendorong saya untuk menempatkan perhatian baru pada pertanyaan-pertanyaan tentang hubungan antara individu dan komputer, dan karenanya bertekad untuk memikirkan hal-hal tersebut.”
Seperti yang saya tulis di Geek Sublime, para programmer jatuh cinta pada alat mereka—saya juga tentu demikian. Tetapi tulisan Weizenbaum adalah pemahaman awal tentang apa yang sekarang kita sebut “AI psikosis.” Dan ini adalah kritik yang jauh lebih luas terhadap efek komputer di dunia, serta terhadap scientism secara umum.
Sebagai penulis, tentu bagian terakhir ini sangat beresonansi dengan saya. “Ketika saya mengatakan bahwa sains secara bertahap telah diubah menjadi racun yang bekerja sangat lambat, maksud saya adalah bahwa atribusi kepastian terhadap pengetahuan ilmiah oleh kebijaksanaan umum, atribusi yang sekarang begitu hampir universal sehingga telah menjadi dogma akal sehat, secara praktis mendelegitimasi semua cara lain untuk memahami. Orang-orang dulu memandang seni, terutama sastra, sebagai sumber asupan intelektual dan pemahaman, namun hari ini seni sebagian besar dipandang sebagai hiburan.”
Computer Power and Human Reason adalah bacaan penting untuk momen kita saat ini.
Saya juga perlu mengatakan—karena filsafat India pra-modern adalah bagian sentral dari Geek Sublime—bahwa perdebatan saat ini tentang kesadaran, sentience, dan AI akan mendapat manfaat dari masukan yang substansial dari para filsuf yang akrab dengan tradisi itu. Para pemikir kuno itu menghabiskan berabad-abad untuk menyelidiki apa artinya memiliki sebuah pikiran, kemampuan untuk bertindak di dunia, sifat otonomi, dan sebagainya.
TC: Belakangan ini, terutama, ada peningkatan pengawasan terhadap penggunaan AI generatif untuk menulis fiksi dan nonfiksi. Apakah Anda melihat paralel antara ini dan isu-isu yang telah Anda jelaskan tentang menggunakan AI untuk pengkodean, atau Anda melihat ini sebagai fenomena yang relatif terpisah?
VC: Saya pikir keduanya terkait, tetapi dari sudut pandang yang berbeda. Saya tidak yakin punya hal menarik untuk ditambahkan pada perdebatan tentang menyontek dengan AI, kecuali untuk mengatakan bahwa suatu saat kita akan melihat sertifikasi seperti “Tidak ada AI yang digunakan dalam pembuatan buku ini.”
Yang saya pikirkan adalah AI sebagai penulis dengan audiens. Jelas bahwa cerita yang ditulis AI bisa membangkitkan emosi pada pembaca manusia. Oleh karena itu kemarahan ketika kita mengetahui bahwa kita telah ditipu oleh mesin. Namun meskipun sekarang, ada pembaca yang tidak peduli apakah AI telah digunakan. Lihat di sini, misalnya. Lihat posting Instagram yang ditautkan dalam posting Reddit.
Dan ada pembaca yang melihat LLM sebagai makhluk yang memiliki kesadaran diri, keadaan batin, dan sebagainya. Jika AI bisa menggali keadaan batin dan model dunia-nya sendiri untuk membuat seni bagi manusia, bagi pembaca ini LLM menjadi seorang penulis yang dapat mereka jalin hubungan emosional secara aktif melalui fiksi. Bagi orang-orang ini, LLM bukan mesin statistik yang dilatih pada sejumlah besar teks, melainkan entitas yang benar-benar hidup yang bisa membuat seni, yang menulis dari semacam subjektivitas. Jadi pertanyaan-pertanyaan besar tentang mesin dan pikiran dipentaskan di ranah fiksi dengan cara yang sangat mendalam.
Apa yang kita kenali pada manusia sebagai “genius” adalah kemampuan langka untuk mengkristalisasi sesuatu yang luar biasa dari tubuh dan jiwa kita yang selalu tidak sempurna. Saya percaya bahwa bahkan konstruksi yang paling prosaik pun yang dibuat manusia akan selalu berharga bagi kita tepat karena berasal dari keterbatasan alat tersebut. Saya tidak melihat alasan untuk putus asa.
