من خلال تضمين قدرات الذكاء الاصطناعي التوليدي في البرامج، يمكننا إنشاء آليات لم يكن من الممكن تحقيقها في السابق بالبرامج التقليدية.
علاوة على ذلك، عندما يصبح الذكاء الاصطناعي التوليدي قادرًا على إنشاء البرامج تلقائيًا، سنتمكن من إنشاء وتشغيل البرامج بحرية وسهولة بناءً على أفكارنا.
حتى الآن، قمت بإنشاء أنظمة يمكنها ترجمة مقالات مدونتي إلى الإنجليزية ونشرها على المدونات الإنجليزية، وإنشاء مقاطع فيديو توضيحية من مقاطع فيديو العروض التقديمية وتحميلها على YouTube، وإنشاء ونشر مواقع مدونتي الخاصة مع فهارس وفئات وعلامات.
وبهذه الطريقة، يمكن تسمية النظام الذي يستخدم المحتوى الأصلي كمادة خام ويدمج ميزات الذكاء الاصطناعي التوليدي لإنتاج محتويات مشتقة متنوعة بالمصنع الفكري.
لقد قمت أيضًا بتطوير تطبيق ويب لتشغيل هذا المصنع الفكري وإدارة حالته، مما يجعله متاحًا على أجهزة الكمبيوتر والهواتف الذكية. علاوة على ذلك، يتم تنفيذ الأجزاء التي تؤدي المعالجة التلقائية التي تثيرها الأحداث على أجهزة افتراضية معدة للمعالجة المجمعة في الواجهة الخلفية.
وهكذا، قمت بتطوير واجهات المستخدم الأمامية للكمبيوتر الشخصي والهواتف الذكية، والواجهة الخلفية لخادم الويب، والمعالجة المجمعة على الأجهزة الافتراضية، والبنية التحتية لهذه، كل ذلك بدعم من الذكاء الاصطناعي التوليدي.
هذا ليس مجرد هندسة متكاملة؛ يمكن تسميته هندسة شاملة، لأنه يتضمن تطويرًا شاملاً لمختلف جوانب النظام.
علاوة على ذلك، عند تحسين قابلية استخدام تطبيق الويب المطور أو إضافة ميزات جديدة، يمكنني تفويض البرمجة إلى الذكاء الاصطناعي التوليدي، مما يتيح إجراء تحسينات سهلة أثناء استخدامه.
وهذا يجعل البرنامج أكثر مرونة وسلاسة من البرامج التقليدية، مما يمكنني من إنشاء شيء يتناسب تمامًا مع أنماط استخدامي. أسمي هذا "البرمجيات السائلة" (liquidware).
لقد قمت بالفعل بتطوير هذه الأشياء وأنا أستخدمها حاليًا. إنها ليست مجرد مفاهيم بل هي بالفعل حقيقة واقعة في تطوير البرمجيات.
على الرغم من أنني لم أقم بتطويره بعد، إلا أنني أتوقع أن تصبح منهجية التطوير المعروفة باسم "التطوير الموجه نحو العمليات التجارية" حقيقة واقعة في مجال أنظمة الأعمال.
هذا نهج لا يهدف إلى التحسين الشامل للبرامج، مما يعقد الأنظمة، بل يقسم وحدات البرامج حسب العمليات التجارية الفردية.
يتم مشاركة تعريف الإطار الأساسي لواجهة المستخدم، وإدارة أذونات المستخدم، ونماذج البيانات التي يجب مشاركتها بين العمليات التجارية فقط كإطار خارجي لنظام الأعمال.
تتم إدارة معالجة النظام الداخلية الأخرى والبيانات المؤقتة على مستوى العملية التجارية.
قد يتضمن ذلك وظائف وهياكل بيانات يمكن مشاركتها من قبل عمليتين تجاريتين أو أكثر. ومع ذلك، إذا تم تحويل هذه إلى وحدات مشتركة أو مكتبات مخصصة، بينما تتحسن قابلية إعادة استخدام التعليمات البرمجية والجودة، يصبح هيكل البرنامج معقدًا، وتستلزم التغييرات النظر المستمر في التأثيرات على العمليات التجارية الأخرى.
في موقف يقوم فيه الذكاء الاصطناعي التوليدي بإنشاء البرامج تلقائيًا، تفوق العيوب الأخيرة المزايا السابقة. لذلك، يصبح النهج الموجه نحو العمليات التجارية، والذي يركز على التحسين الفردي بدلاً من التحسين الشامل، منطقيًا.
بالإضافة إلى ذلك، تخيل وحدات مثل "إدخال معلومات الموظف الأساسية الجديدة"، و"تحديث معلومات الموظف الأساسية"، و"البحث عن الموظفين بالاسم" كعمليات تجارية فردية.
في منهجيات التطوير التقليدية، يتم فصل واجهات المستخدم الخاصة بها، وعمليات الواجهة الأمامية، وعمليات الواجهة الخلفية، وعمليات الدُفعات إلى ملفات مختلفة في أدلة مختلفة. علاوة على ذلك، يتم تطوير كل منها بواسطة مهندسين مختلفين.
ومع ذلك، عندما يقوم مهندس واحد بهندسة شاملة بينما يترك الذكاء الاصطناعي التوليدي يقوم بالبرمجة، فمن المنطقي أكثر دمج التعليمات البرمجية المطلوبة لعملية تجارية واحدة في ملف أو مجلد واحد.
بالإضافة إلى ذلك، يمكن أيضًا دمج نتائج تحليل المتطلبات ومواصفات الاختبار ونتائج الاختبار وسجلات المراجعة في نفس الموقع.
يتيح هذا إدارة جميع مخرجات هندسة البرمجيات لكل عملية تجارية. ولأنه لا توجد حاجة للنظر في التحسين الشامل، يمكن تركيز التحسينات داخل تلك العملية التجارية، ويمكن إضافة عمليات تجارية جديدة بسهولة إلى نظام الأعمال.
وبهذه الطريقة، يتغير تطوير البرامج وما يمكن تطويره بالبرامج بشكل كبير بسبب الذكاء الاصطناعي التوليدي. هذه ليست إمكانية مستقبلية؛ إنها بالفعل الواقع الحالي، وفي المستقبل القريب، لا يمكن إلا أن تزداد كمالها، ويجب أن تنتقل المرحلة التالية إلى ما هو أبعد من ذلك.
أنظمة المحاكاة
ما يمكن تحقيقه بالبرامج لا يقتصر على أنظمة الأعمال والمصانع الفكرية المذكورة هنا.
يمكن تصنيف المجالات المتبقية التي لم أذكرها بشكل عام على أنها أنظمة محاكاة.
سواء أكان حل معادلة فيزيائية بسيطة بصيغة تحليلية واحدة أو حساب ظواهر فيزيائية معقدة ببرامج تكرارية، يمكن تسمية كليهما بأنظمة محاكاة.
علاوة على ذلك، يمكن استخدام أنظمة المحاكاة ليس فقط في الفيزياء ولكن أيضًا في الكيمياء والبيولوجيا، أو حتى في علم الاجتماع والاقتصاد. بالإضافة إلى ذلك، لا يتم تطبيق المحاكاة في الأوساط الأكاديمية فحسب، بل في مجالات مثل الهندسة والطب وتصميم المؤسسات وإدارة الأعمال.
تعد الألعاب أيضًا نوعًا من أنظمة المحاكاة. في أي لعبة، يمكن القول إن الفيزياء والمجتمع والقواعد وما إلى ذلك داخل عالم اللعبة يتم محاكاتها، إذا جاز التعبير.
بالإضافة إلى ذلك، نقوم أيضًا بنوع من المحاكاة عندما نخطط لحياتنا أو رحلاتنا أو كيفية إنفاق أموالنا.
لقد تم إجراء هذه المحاكاة بطرق مختلفة: عن طريق إنشاء وتشغيل البرامج، أو عن طريق صياغة وحساب المعادلات على الورق، أو عن طريق التفكير في الذهن، أو عن طريق تنظيم الأفكار بالنصوص والأسهم على السبورة البيضاء، أو عن طريق رسم الرسوم البيانية في برنامج Excel.
يتيح تطوير برنامج محاكاة لمشكلة معينة إجراء محاكاة أكثر تعقيدًا من المعادلات التحليلية. ومع ذلك، فإنه يتطلب مهارات برمجة وجهدًا ووقتًا.
كما يجب تعريف نموذج المحاكاة بوضوح، مما يتطلب مهارات وجهدًا ووقتًا للتفكير.
بالإضافة إلى ذلك، يمكن إجراء المحاكاة فقط بطرق يمكن التعبير عنها بواسطة البرامج، وحتى الآن، لم يكن بالإمكان محاكاة سوى ما يمكن التعبير عنه حاسوبيًا.
سيغير الذكاء الاصطناعي التوليدي هذا الوضع بشكل كبير.
لا يسمح الذكاء الاصطناعي التوليدي بتطوير برامج أنظمة المحاكاة بسهولة فحسب، بل من خلال تضمين الذكاء الاصطناعي التوليدي في أنظمة المحاكاة، يمكن أيضًا محاكاة العناصر التي لا يمكن التعبير عنها بالصيغ الرياضية. وهذا يتيح عناصر محاكاة نوعية غامضة ومحاكاة تتضمن عوامل ذكية شبيهة بالبشر.
بالإضافة إلى ذلك، يمكن التعبير عن نماذج المحاكاة هذه ليس فقط في الصيغ الرياضية ولكن أيضًا باللغة الطبيعية وتفسيرها بواسطة الذكاء الاصطناعي التوليدي.
سيجعل هذا من السهل تنظيم المحاكاة المختلفة التي قمنا بها في مواقف مختلفة.
سيمكننا هذا من الحصول على نتائج محاكاة أكثر دقة وكفاءة وفعالية، مما يقلل من احتمالية الإغفال والافتراضات المتحيزة.
علاوة على ذلك، عند مناقشة المشاكل المعقدة أو دراستها، سيكون من الممكن استخدام أنظمة المحاكاة للمناقشة والدراسة، بدلاً من الاعتماد على المحاكاة الذهنية الفردية.
يعزز هذا دقة المداولات ويجعل المناقشات أكثر بناءة. وذلك لأنه بدلاً من الإشارة إلى ذكاء بعضنا البعض أو أخطاء التفكير، يمكن للمناقشات التركيز على نقاط واضحة مثل النموذج الأساسي للمحاكاة، وأي إغفالات أو عناصر مفقودة، وكيفية تقدير الأجزاء شديدة عدم اليقين، وأي المؤشرات من بين النتائج يتم التركيز عليها.
مع سهولة إنشاء أنظمة المحاكاة، سينتقل طريقة تفكيرنا من التفكير الخطي، الذي يركز على الحدس والافتراضات وسوء نية الآخرين أو أخطائهم، إلى التفكير بالمحاكاة.
يشبه الأمر البحث في الإنترنت على هاتفك الذكي أثناء محادثة للتحقق من مصادر الأخبار، أو ويكيبيديا، أو المصادر الأولية. لم تعد هناك حاجة لجدالات لا نهاية لها تعتمد فقط على ذكريات بعضنا البعض.
أثناء المناقشة، سيقوم الذكاء الاصطناعي التوليدي بتنظيم نموذج المحاكاة وقواعد المحاكاة والشروط المسبقة من محتوى المناقشة.
يحتاج الأشخاص الذين يناقشون ببساطة إلى إضافة أو تصحيح المعلومات والفرضيات إلى هذا النموذج والقواعد، ثم تأكيد نتائج المحاكاة. تمامًا كما هو الحال عند العثور على مصدر إخباري موثوق به، يمكن أن تكون نتائج المحاكاة هذه بمثابة أرضية مشتركة لمناقشة أعمق.
سيحرر هذا المستمعين من عصر التساؤل عمن هو الصواب أو من هو الجدير بالثقة. ولن يضيعوا أيضًا جوهر الأمر أثناء محاولتهم فهم المصطلحات والمفاهيم الغامضة التي تظهر في المناقشات.
سيحتاجون فقط إلى النظر في أمور بسيطة جدًا: كيفية تقييم عدم اليقين والقيم التي يجب تحديد أولوياتها.