Kanthi nggabungake kemampuan generative AI menyang program, kita bisa nggawe mekanisme sing sadurunge ora bisa digayuh nganggo program konvensional.
Salajengipun, nalika generative AI saged kanthi otomatis ngasilaken program, kita bakal saged kanthi bébas lan gampil nggawe lan nglakokake program adhedhasar gagasan kita.
Nganti saiki, aku wis nggawe sistem sing bisa nerjemahake artikel blogku menyang basa Inggris lan ngirim menyang blog Inggris, nggawe video panjelasan saka video presentasi lan ngunggah menyang YouTube, lan ngasilake lan nerbitake situs blogku dhewe kanthi indeks, kategori, lan tag.
Kanthi cara iki, sistem sing nggunakake konten asli minangka bahan mentah lan nggabungake fitur generative AI kanggo ngasilake macem-macem konten turunan bisa diarani pabrik intelektual.
Aku uga wis ngembangake aplikasi web kanggo ngoperasikake pabrik intelektual iki lan ngatur statuse, supaya bisa diakses ing PC lan smartphone. Salajengipun, bagean sing nindakake pemrosesan otomatis sing dipicu dening acara dieksekusi ing mesin virtual sing disiapake kanggo pemrosesan batch ing backend.
Mangkono, aku piyambakan ngembangake frontend PC lan smartphone, backend server web, pemrosesan batch ing mesin virtual, lan infrastruktur kanggo kabeh mau, kabeh kanthi dhukungan generative AI.
Iki dudu mung engineering full-stack; iki bisa diarani engineering omnidirectional, amarga nglibatake pangembangan komprehensif macem-macem aspek sistem.
Salajengipun, nalika nambah kegunaan aplikasi web sing wis dikembangake utawa nambah fitur anyar, aku bisa nyerahake pemrograman menyang generative AI, saéngga gampang nglakokake perbaikan nalika nggunakake.
Iki ndadekake piranti lunak luwih fleksibel lan lancar tinimbang piranti lunak tradisional, ngidini aku nggawe sing cocog karo pola panggunaanku. Aku nyebat punika "liquidware."
Aku wis bener-bener ngembangake lan saiki nggunakake iki. Iki dudu mung konsep nanging wis dadi kasunyatan ing pangembangan piranti lunak.
Sanadyan aku durung ngembangake, aku ngarepake yen ing bidang sistem bisnis, metodologi pangembangan sing dikenal minangka "pangembangan berorientasi proses bisnis" bakal dadi kasunyatan.
Iki minangka pendekatan sing ora ngarahake optimasi sakabèhé program, sing ngrumitake sistem, nanging luwih mbagi modul piranti lunak miturut proses bisnis individu.
Mung definisi kerangka dhasar antarmuka pangguna, manajemen ijin pangguna, lan model data sing kudu dibagi antarane proses bisnis sing dibagi minangka kerangka eksternal sistem bisnis.
Pemrosesan sistem internal liyane lan data sementara diatur ing tingkat proses bisnis.
Iki bisa uga kalebu fungsi lan struktur data sing bisa dibagi dening rong utawa luwih proses bisnis. Nanging, yen iki digawe dadi modul bareng utawa perpustakaan kustom, sanajan kode lan kualitas bisa digunakake maneh dadi luwih apik, struktur piranti lunak dadi rumit, lan owah-owahan mbutuhake pertimbangan terus-terusan babagan dampak ing proses bisnis liyane.
Ing kahanan ing ngendi generative AI kanthi otomatis ngasilake program, kerugian sing terakhir ngluwihi keuntungan sing pertama. Mulane, pendekatan berorientasi proses bisnis, sing negesake optimasi individu tinimbang optimasi sakabèhé, dadi rasional.
Salajengipun, bayangake unit kayata "nglebokake informasi dhasar karyawan anyar," "nganyari informasi dhasar karyawan," lan "nggoleki karyawan kanthi jeneng" minangka proses bisnis individu.
Ing metodologi pangembangan tradisional, antarmuka pangguna, proses frontend, proses backend, lan proses batch dipisahake dadi file sing beda ing direktori sing beda. Salajengipun, saben-saben dikembangake dening insinyur sing beda.
Nanging, nalika siji insinyur nindakake engineering omnidirectional nalika ngidini generative AI nindakake pemrograman, luwih masuk akal kanggo nyawijikake kode sing dibutuhake kanggo siji proses bisnis menyang siji file utawa folder.
Salajengipun, asil analisis persyaratan, spesifikasi tes, asil tes, lan cathetan review uga bisa disatukan ing lokasi sing padha.
Iki ngidini kabeh asil rekayasa piranti lunak bisa diatur saben proses bisnis. Lan amarga ora perlu nimbang optimasi sakabèhé, perbaikan bisa difokusake ing proses bisnis kasebut, lan proses bisnis anyar bisa kanthi gampang ditambahake menyang sistem bisnis.
Kanthi cara iki, pangembangan program lan apa sing bisa dikembangake nganggo program kanthi signifikan owah amarga generative AI. Iki dudu kemungkinan ing mangsa ngarep; iki wis dadi kasunyatan saiki, lan ing mangsa ngarep sing cedhak, kelengkapan mung bisa nambah, lan tahapan sabanjure kudu ngluwihi iku.
Sistem Simulasi
Sing bisa diwujudake dening program ora winates mung ing sistem bisnis lan pabrik intelektual sing disebutake ing kene.
Bidang liyane sing durung daksebutake bisa diklasifikasikake kanthi umum minangka sistem simulasi.
Apa iku ngrampungake persamaan fisika sing prasaja kanthi siji rumus analitik utawa ngitung fenomena fisika sing rumit kanthi program iteratif, loro-lorone bisa diarani sistem simulasi.
Salajengipun, sistem simulasi bisa digunakake ora mung ing fisika nanging uga ing kimia, biologi, utawa malah sosiologi lan ekonomi. Kajaba iku, simulasi diterapake ora mung ing akademi nanging uga ing bidang kayata teknik, kedokteran, desain institusi, lan manajemen bisnis.
Game uga minangka jinis sistem simulasi. Ing game apa wae, bisa diarani yen fisika, masyarakat, aturan, lan sapanunggalane, ing jagad game kasebut, bisa diarani lagi disimulasi.
Saliyane iku, kita uga nindakake jinis simulasi nalika kita ngrancang urip, lelungan, utawa carane nggunakake dhuwit saku.
Simulasi kasebut wis ditindakake kanthi macem-macem cara: kanthi nggawe lan nglakokake program, kanthi ngrumusake lan ngitung persamaan ing kertas, kanthi mikir ing sirah, kanthi ngatur ide kanthi teks lan panah ing papan tulis, utawa kanthi nggambar grafik ing Excel.
Ngembangake program simulasi kanggo masalah tartamtu ngidini simulasi sing luwih rumit tinimbang persamaan analitis. Nanging, mbutuhake katrampilan pemrograman, usaha, lan wektu.
Uga, model simulasi kudu ditetepake kanthi jelas, sing mbutuhake katrampilan, usaha, lan wektu kanggo pertimbangan.
Kajaba iku, simulasi mung bisa ditindakake kanthi cara sing bisa diungkapake dening program, lan nganti saiki, mung sing bisa diungkapake kanthi komputasi sing bisa disimulasi.
Generative AI bakal ngowahi kahanan iki kanthi signifikan.
Generative AI ora mung ngidini pangembangan gampang program sistem simulasi nanging uga, kanthi nggabungake generative AI menyang sistem simulasi, unsur-unsur sing ora bisa diungkapake dening rumus matematika uga bisa disimulasi. Iki ngaktifake unsur simulasi kualitatif sing ambigu lan simulasi sing nglibatake agen cerdas kaya manungsa.
Salajengipun, model simulasi kasebut bisa diungkapake ora mung ing rumus matematika nanging uga ing basa alami lan diinterpretasi dening generative AI.
Iki bakal nggampangake nyistematisasi macem-macem simulasi sing wis kita lakoni ing macem-macem kahanan.
Iki bakal ngidini kita entuk asil simulasi sing luwih akurat, efisien, lan efektif, ngurangi kemungkinan pengawasan lan asumsi bias.
Salajengipun, nalika ngrembug utawa nimbang masalah rumit, bakal bisa nggunakake sistem simulasi kanggo diskusi lan pertimbangan, tinimbang gumantung ing simulasi mental individu.
Iki nambah ketepatan musyawarah lan ndadekake diskusi luwih konstruktif. Iki amarga tinimbang nunjukake kapinteran utawa kesalahan mikir saben liyane, diskusi bisa fokus ing titik-titik sing jelas kayata model dhasar simulasi, sembarang kelalaian utawa unsur sing ilang, carane bagean sing ora mesthi dhuwur diestimasi, lan indikator apa wae ing antarane asil sing ditekanake.
Nalika sistem simulasi dadi gampang digawe, cara kita mikir bakal owah saka mikir linear, sing fokus ing intuisi, asumsi, lan piala utawa kesalahan wong liya, dadi mikir simulasi.
Kaya nggoleki internet ing smartphone nalika ngobrol kanggo mriksa sumber berita, Wikipedia, utawa sumber primer. Ora perlu maneh argumentasi tanpa wates sing mung adhedhasar kenangan saben liyane.
Sajrone diskusi, generative AI bakal ngatur model simulasi, aturan simulasi, lan prasyarat saka isi diskusi.
Wong-wong sing ngrembug mung kudu nambah utawa mbenerake informasi lan premis menyang model lan aturan kasebut, banjur konfirmasi asil simulasi. Kaya nalika sumber berita sing bisa dipercaya ditemokake, asil simulasi kasebut bisa dadi landasan umum kanggo diskusi sing luwih jero.
Iki bakal mbebasake para pamireng saka jaman mikir sapa sing bener utawa sapa sing bisa dipercaya. Dheweke uga ora bakal kelangan inti nalika nyoba ngerteni jargon lan konsep sing ora jelas sing katon ing diskusi.
Dheweke mung kudu nimbang bab-bab sing prasaja banget: carane ngevaluasi kahanan sing durung mesthi lan nilai-nilai apa sing kudu diprioritaskan.