Durch die Einbettung der Fähigkeiten generativer KI in Programme können wir Mechanismen schaffen, die mit herkömmlichen Programmen bisher unerreichbar waren.
Darüber hinaus, da generative KI in der Lage sein wird, Programme automatisch zu generieren, werden wir in der Lage sein, Programme, die auf unseren Ideen basieren, frei und einfach zu erstellen und auszuführen.
Bisher habe ich Systeme entwickelt, die meine Blogartikel ins Englische übersetzen und in englischen Blogs veröffentlichen können, erklärende Videos aus Präsentationsvideos erstellen und auf YouTube hochladen können, sowie eigene Blog-Sites mit Indizes, Kategorien und Tags generieren und veröffentlichen können.
Auf diese Weise kann ein System, das Originalinhalte als Rohmaterial verwendet und Funktionen der generativen KI integriert, um verschiedene abgeleitete Inhalte zu produzieren, als intellektuelle Fabrik bezeichnet werden.
Ich habe auch eine Webanwendung entwickelt, um diese intellektuelle Fabrik zu betreiben und ihren Status zu verwalten, die sowohl auf PCs als auch auf Smartphones verfügbar ist. Darüber hinaus werden Teile, die ereignisgesteuerte automatisierte Verarbeitung durchführen, auf virtuellen Maschinen ausgeführt, die für die Stapelverarbeitung im Backend vorbereitet wurden.
So habe ich eigenhändig die Frontend-Anwendungen für PC und Smartphone, das Webserver-Backend, die Stapelverarbeitung auf virtuellen Maschinen und die Infrastruktur dafür entwickelt, alles mit Unterstützung der generativen KI.
Dies ist nicht nur Full-Stack-Engineering; es kann als omnidirektionales Engineering bezeichnet werden, da es die umfassende Entwicklung verschiedener Aspekte des Systems beinhaltet.
Darüber hinaus kann ich bei der Verbesserung der Benutzerfreundlichkeit der entwickelten Webanwendung oder beim Hinzufügen neuer Funktionen die Programmierung an generative KI delegieren, was einfache Verbesserungen während der Nutzung ermöglicht.
Dies macht die Software noch flexibler und flüssiger als herkömmliche Software und ermöglicht es mir, etwas zu schaffen, das perfekt zu meinen Nutzungsmustern passt. Ich nenne dies "Liquidware".
Ich habe diese tatsächlich entwickelt und nutze sie derzeit. Es sind keine bloßen Konzepte, sondern bereits Realität in der Softwareentwicklung.
Obwohl ich es noch nicht entwickelt habe, gehe ich davon aus, dass im Bereich der Geschäftssysteme die Entwicklungsmethodik, die als "geschäftsprozessorientierte Entwicklung" bekannt ist, Realität werden wird.
Dies ist ein Ansatz, der nicht auf eine Gesamtoptimierung von Programmen abzielt, die Systeme verkompliziert, sondern Softwaremodule nach einzelnen Geschäftsprozessen segmentiert.
Nur die grundlegende Rahmenwerksdefinition der Benutzeroberfläche, die Benutzerberechtigungsverwaltung und die Datenmodelle, die zwischen Geschäftsprozessen geteilt werden müssen, werden als externer Rahmen des Geschäftssystems geteilt.
Andere interne Systemverarbeitungen und temporäre Daten werden auf der Ebene des Geschäftsprozesses verwaltet.
Dies kann Funktionen und Datenstrukturen umfassen, die von zwei oder mehr Geschäftsprozessen gemeinsam genutzt werden können. Wenn diese jedoch zu gemeinsamen Modulen oder benutzerdefinierten Bibliotheken gemacht werden, verbessert sich zwar die Wiederverwendbarkeit von Code und Qualität, die Softwarestruktur wird jedoch komplex, und Änderungen erfordern eine ständige Berücksichtigung der Auswirkungen auf andere Geschäftsprozesse.
In einer Situation, in der generative KI Programme automatisch generiert, überwiegt der letztgenannte Nachteil den erstgenannten Vorteil. Daher wird der geschäftsprozessorientierte Ansatz, der die individuelle Optimierung statt der Gesamtoptimierung betont, rational.
Stellen Sie sich außerdem Einheiten wie "Eingabe neuer grundlegender Mitarbeiterinformationen", "Aktualisierung grundlegender Mitarbeiterinformationen" und "Suche nach Mitarbeitern nach Namen" als individuelle Geschäftsprozesse vor.
In traditionellen Entwicklungsmethoden werden ihre jeweiligen Benutzeroberflächen, Frontend-Prozesse, Backend-Prozesse und Batch-Prozesse in verschiedenen Dateien in verschiedenen Verzeichnissen getrennt. Darüber hinaus wird jeder von verschiedenen Ingenieuren entwickelt.
Wenn jedoch ein einzelner Ingenieur omnidirektionales Engineering durchführt und gleichzeitig die generative KI die Programmierung übernehmen lässt, ist es sinnvoller, den für einen Geschäftsprozess erforderlichen Code in einer einzigen Datei oder einem einzigen Ordner zu konsolidieren.
Darüber hinaus können auch Ergebnisse der Anforderungsanalyse, Testspezifikationen, Testergebnisse und Überprüfungsprotokolle am selben Ort konsolidiert werden.
Dies ermöglicht es, alle Ergebnisse des Software-Engineerings pro Geschäftsprozess zu verwalten. Und da keine Gesamtoptimierung berücksichtigt werden muss, können Verbesserungen innerhalb dieses Geschäftsprozesses konzentriert werden, und neue Geschäftsprozesse können dem Geschäftssystem leicht hinzugefügt werden.
Auf diese Weise verändern generative KI die Programmentwicklung und das, was mit Programmen entwickelt werden kann, erheblich. Dies ist keine Zukunftsmöglichkeit; es ist bereits die gegenwärtige Realität, und in naher Zukunft kann ihre Vollständigkeit nur zunehmen, und die nächste Stufe muss darüber hinausgehen.
Simulationssysteme
Was durch Programme realisiert werden kann, ist nicht auf die hier erwähnten Geschäftssysteme und intellektuellen Fabriken beschränkt.
Die verbleibenden Bereiche, die ich nicht erwähnt habe, können grob als Simulationssysteme klassifiziert werden.
Ob es sich um die Lösung einer einfachen physikalischen Gleichung mit einer einzigen analytischen Formel handelt oder um die Berechnung komplexer physikalischer Phänomene mit iterativen Programmen, beides kann als Simulationssystem bezeichnet werden.
Darüber hinaus können Simulationssysteme nicht nur in der Physik, sondern auch in der Chemie, Biologie oder sogar in der Soziologie und Ökonomie eingesetzt werden. Zudem finden Simulationen nicht nur in der Wissenschaft Anwendung, sondern auch in Bereichen wie Ingenieurwesen, Medizin, institutionellem Design und Unternehmensführung.
Spiele sind ebenfalls eine Art Simulationssystem. In jedem Spiel kann man sagen, dass die Physik, Gesellschaft, Regeln usw. innerhalb der Welt dieses Spiels sozusagen simuliert werden.
Darüber hinaus führen wir auch eine Art Simulation durch, wenn wir unser Leben, Reisen oder die Verwendung unseres Taschengeldes planen.
Diese Simulationen wurden auf verschiedene Weisen durchgeführt: durch das Erstellen und Ausführen von Programmen, durch das Formulieren und Berechnen von Gleichungen auf Papier, durch Nachdenken im Kopf, durch das Organisieren von Ideen mit Text und Pfeilen auf einer Whiteboard oder durch das Zeichnen von Diagrammen in Excel.
Die Entwicklung eines Simulationsprogramms für ein spezifisches Problem ermöglicht komplexere Simulationen als analytische Gleichungen. Dies erfordert jedoch Programmierkenntnisse, Aufwand und Zeit.
Auch das Simulationsmodell muss klar definiert werden, was Fähigkeiten, Aufwand und Zeit für die Überlegung erfordert.
Zusätzlich konnten Simulationen nur auf Weisen durchgeführt werden, die durch Programme ausgedrückt werden konnten, und bisher konnte nur das simuliert werden, was rechnerisch ausdrückbar war.
Generative KI wird diese Situation erheblich verändern.
Generative KI ermöglicht nicht nur die einfache Entwicklung von Simulationssystemprogrammen, sondern auch, durch die Einbettung generativer KI in Simulationssysteme, können Elemente, die nicht durch mathematische Formeln ausgedrückt werden können, ebenfalls simuliert werden. Dies ermöglicht mehrdeutige qualitative Simulationselemente und Simulationen, die menschenähnliche intelligente Agenten umfassen.
Darüber hinaus können solche Simulationsmodelle nicht nur in mathematischen Formeln, sondern auch in natürlicher Sprache ausgedrückt und von generativer KI interpretiert werden.
Dies wird es erleichtern, die verschiedenen Simulationen, die wir in verschiedenen Situationen durchgeführt haben, zu systematisieren.
Dies wird uns ermöglichen, genauere, effizientere und effektivere Simulationsergebnisse zu erhalten, wodurch die Möglichkeit von Übersehen und voreingenommenen Annahmen reduziert wird.
Des Weiteren wird es bei der Diskussion oder Betrachtung komplexer Probleme möglich sein, Simulationssysteme für die Diskussion und Betrachtung zu verwenden, anstatt sich auf individuelle mentale Simulationen zu verlassen.
Dies erhöht die Präzision der Überlegung und macht Diskussionen konstruktiver. Dies liegt daran, dass statt der gegenseitigen Hervorhebung von Intelligenz oder Denkfehlern, Diskussionen sich auf klare Punkte konzentrieren können, wie das zugrunde liegende Modell der Simulation, eventuelle Auslassungen oder fehlende Elemente, wie hochgradig unsichere Teile geschätzt werden und welche Indikatoren unter den Ergebnissen betont werden.
Da Simulationssysteme einfach zu erstellen sind, wird sich unsere Denkweise vom linearen Denken, das sich auf Intuition, Annahmen und die Bosheit oder Fehler anderer konzentriert, hin zum Simulationsdenken verlagern.
Es ist, als würde man während eines Gesprächs auf dem Smartphone im Internet nach Nachrichtenquellen, Wikipedia oder Primärquellen suchen. Es besteht keine Notwendigkeit mehr für endlose Argumente, die ausschließlich auf den Erinnerungen des jeweils anderen basieren.
Während einer Diskussion wird generative KI das Simulationsmodell, die Simulationsregeln und die Vorbedingungen aus dem Inhalt der Diskussion organisieren.
Die diskutierenden Personen müssen lediglich Informationen und Prämissen zu diesem Modell und den Regeln hinzufügen oder korrigieren und dann die Simulationsergebnisse bestätigen. So wie eine zuverlässige Nachrichtenquelle gefunden wird, können diese Simulationsergebnisse als gemeinsame Grundlage für eine tiefere Diskussion dienen.
Dies wird die Zuhörer von der Ära befreien, in der sie sich fragen mussten, wer Recht hat oder wem man vertrauen kann. Sie werden auch nicht mehr das Wesentliche aus den Augen verlieren, während sie versuchen, obskure Fachbegriffe und Konzepte zu verstehen, die in Diskussionen auftauchen.
Sie müssen nur noch sehr einfache Dinge berücksichtigen: wie Unsicherheit bewertet und welche Werte priorisiert werden sollen.