Kad je Škot Chris Sawyer 1999. godine objavio „RollerCoaster Tycoon”, malo je tko slutio da se ispod pikseliziranih vrtuljaka krije gotovo opsesivni ručni rad: cijela je igra napisana u x86 asembliju. Sawyer, koji je prethodno u istom jeziku izradio i „Transport Tycoon”, zaobilazio je tadašnje spore kompajlere i skromne debugere pa je izravno „pričao” s procesorom – i stiskao iz čipova zadnji atom brzine.
Asemblerski kod djeluje kao stenogram moždanih valova računala. Naredbe poput „MOV” mapiraju se gotovo jedan-naprema-jedan na hardver: uzmi podatak iz memorije, spremi ga u registar, usporedi, zbrajaj, vrati natrag. Svaki procesor ima svoj „dijalekt”, pa prelazak s Intelova x86 na, primjerice, Arm nalikuje prelasku s bejrutskog arapskog na tuniski.
Pionirka tog pristupa bila je Kathleen Booth, koja je još 1940-ih stvorila prvi asemblerski jezik kako bi se riješila bušenja kartica i okretanja prekidača. Ipak, s vremenom su visokorazinski jezici postali toliko brzi da se ručno nizanje instrukcija činilo anakronim – čak je i Sawyer danas zadovoljan Raspberry Pi projektima u Pythonu.
No, proteklih mjeseci nekoliko je događaja podsjetilo koliko „pisanje ravno u metal” još može značiti.
- Kineski tim DeepSeek pokazao je da se učinkovitost umjetne inteligencije ne mora vrtjeti samo oko sve jačih GPU-ova. Inženjeri su na razini pojedinačnih jezgri Nvidijinih čipova ručno silili preračunavanje podataka s 32 na 8 bita – žrtvujući preciznost, ali dramatično štedeći energiju i vrijeme.
- Istraživači DeepMinda 2023. naučili su model strojnog učenja čitati x86 i dati mu zadatak da optimizira dugogodišnju C-funkciju sort(). Algoritam je ubačen u čudne skokove između registara, uštedio jednu jedinu operaciju – no ta se milisekunda, umnožena milijunima poziva dnevno, pretvara u mjerljivu dobit.
Primjeri pokazuju da, unatoč slojevima apstrakcije, računala i dalje slušaju jasne, sirove upute. „S računalima uvijek možemo bolje”, rezimira Sawyer dok razmišlja o sitnoj zadršci koju je primijetio na svom kućnom ekranu – i već ga svrbe prsti da ponovno zaroni u asemblerske dubine.
Od lunarnih misija preko Furbya do današnjih AI laboratorija, logika ostaje ista: tko razumije ograničenja hardvera, taj ih može pomaknuti. A upravo tu, na granici između silicija i ideje, asemblerska se čarolija ponovno pokazuje živom.