Ao incorporar funções de IA generativa em programas, podemos criar mecanismos que antes eram inatingíveis com a programação convencional.
Além disso, à medida que a IA generativa se torna capaz de gerar programas automaticamente, poderemos criar e executar programas de forma livre e fácil, conforme os concebemos.
Até agora, construí sistemas que traduzem os meus artigos de blog para inglês e os publicam num blog em inglês, criam vídeos explicativos a partir de vídeos de apresentação e os carregam para o YouTube, e geram e publicam o meu próprio site de blog com índices, categorias e etiquetas.
Desta forma, um mecanismo que utiliza conteúdo original como matéria-prima e incorpora funções de IA generativa para produzir diversos conteúdos derivados pode ser chamado de Fábrica Intelectual.
Além disso, criei uma aplicação web para operar esta Fábrica Intelectual e gerir o seu estado, tornando-a acessível tanto em PCs como em smartphones. Adicionalmente, as partes que lidam com o processamento automático desencadeado por eventos são executadas em máquinas virtuais preparadas para processamento em lote para além do backend.
Assim, desenvolvi os frontends para PC e smartphone, o backend do servidor web, o processamento em lote em máquinas virtuais e a infraestrutura para estes, tudo sozinho com o apoio da IA generativa.
Isto não é meramente engenharia full-stack, mas pode ser chamado de Engenharia Omnidirecional, que desenvolve de forma abrangente vários aspetos de um sistema.
Além disso, ao melhorar aspetos da aplicação web desenvolvida que são inconvenientes de usar ou ao adicionar novas funcionalidades, posso confiar a programação à IA generativa, permitindo melhorias fáceis durante o uso.
Isto é ainda mais flexível e fluido do que o software convencional, permitindo-me criar algo que se adapta perfeitamente ao meu uso. Chamo a isto Liquidware.
Eu próprio desenvolvi e estou de facto a usar estes. Isto não é apenas um conceito; já é a realidade do desenvolvimento de software.
Embora ainda não desenvolvida, na área de sistemas de negócio, antecipo que a metodologia de desenvolvimento Orientado a Processos de Negócio se tornará uma realidade.
Esta é uma abordagem que não visa a otimização geral de programas, o que complica os sistemas, mas sim divide os módulos de software em Processos de Negócio individuais.
Apenas a definição básica da Estrutura da interface do utilizador, a gestão de privilégios do utilizador e os modelos de dados que precisam ser partilhados entre Processos de Negócio são partilhados como a estrutura externa do sistema de negócio.
Outro processamento interno do sistema e dados temporários são geridos na unidade do Processo de Negócio.
Pode haver funções ou estruturas de dados dentro destes que podem ser partilhadas por dois ou mais Processos de Negócio. No entanto, se forem transformados em módulos partilhados ou bibliotecas personalizadas, embora a reutilização de código e a qualidade melhorem, a estrutura do software torna-se complexa, e as alterações exigem consideração constante do seu impacto noutros Processos de Negócio.
Numa situação em que a IA generativa gera programas automaticamente, as desvantagens do último superam as vantagens do primeiro. Portanto, a abordagem Orientado a Processos de Negócio, que enfatiza a Otimização Individual em vez da otimização geral, torna-se racional.
Adicionalmente, imagine unidades como "inserir informações básicas de novos funcionários", "atualizar informações básicas de funcionários" ou "pesquisar funcionários por nome" como Processos de Negócio individuais.
Em metodologias de desenvolvimento tradicionais, cada interface de utilizador, processo de frontend, processo de backend e processo em lote seria separado em ficheiros diferentes em diretórios diferentes. Além disso, cada um seria desenvolvido por um engenheiro diferente.
No entanto, quando um único engenheiro realiza Engenharia Omnidirecional, deixando a IA generativa fazer a programação, faz mais sentido consolidar o código necessário para um Processo de Negócio num único ficheiro ou pasta.
Além disso, os resultados da análise de requisitos, as especificações de teste, os resultados de teste e os registos de revisão também podem ser consolidados no mesmo local.
Isso permite a gestão de todos os artefatos de engenharia de software na unidade de um único Processo de Negócio. E, como não há necessidade de considerar a otimização geral, as melhorias podem ser focadas dentro desse Processo de Negócio, e novos Processos de Negócio podem ser facilmente adicionados ao sistema de negócio.
Desta forma, o desenvolvimento de programas e o que pode ser desenvolvido com programas estão a sofrer mudanças significativas devido à IA generativa. Este não é um cenário futuro; já é o presente, e num futuro próximo, a sua sofisticação só pode continuar a avançar, e a próxima fase deve inevitavelmente ir além disso.
Sistemas de Simulação
O que pode ser realizado através de programas não se limita aos sistemas de negócio e às fábricas intelectuais aqui mencionados.
As áreas restantes que não mencionei podem ser amplamente classificadas como sistemas de simulação.
Quer se trate de resolver equações físicas simples com uma única fórmula analítica ou de calcular fenómenos físicos complexos com programas iterativos, ambos podem ser considerados sistemas de simulação.
Além disso, os sistemas de simulação podem ser utilizados não só na física, mas também na química, biologia, sociologia, economia e outras áreas. Para além da academia, as simulações são também aplicadas na engenharia, medicina, operações institucionais e gestão de negócios.
Os jogos também são um tipo de sistema de simulação. Em qualquer jogo, a física, a sociedade, as regras e outros aspetos dentro do Mundo desse jogo estão, de certa forma, a ser simulados.
Além disso, também realizamos uma espécie de simulação quando planeamos as nossas vidas, viagens ou como gastar o nosso dinheiro.
Estas simulações têm sido realizadas de várias formas: criando e executando programas, calculando equações em papel, pensando nas nossas cabeças, organizando pensamentos com texto e setas num quadro branco, ou desenhando gráficos no Excel.
Desenvolver um programa de simulação para um problema específico permite simulações mais complexas do que as equações analíticas. No entanto, requer competências, esforço e tempo de desenvolvimento de programação.
Também requer clarificar o modelo de simulação, o que, por sua vez, exige competências, esforço de consideração e tempo.
Adicionalmente, as simulações têm sido limitadas ao que pode ser expresso de forma programática, e anteriormente apenas o que podia ser expresso computacionalmente podia ser simulado.
A IA generativa está a mudar significativamente esta situação.
A IA generativa não só pode desenvolver facilmente programas de sistemas de simulação, mas ao incorporá-la em sistemas de simulação, elementos que não podem ser expressos matematicamente também podem ser simulados. Isto permite elementos de simulação qualitativos ambíguos e simulações que envolvem agentes inteligentes semelhantes a humanos.
Além disso, esses modelos de simulação podem ser expressos não apenas matematicamente, mas também em linguagem natural e interpretados pela IA generativa.
Isto tornará fácil converter as várias simulações que realizámos em muitas situações em sistemas de simulação.
Como resultado, poderemos obter resultados de simulação mais precisos, eficientes e eficazes, com uma possibilidade reduzida de ignorar detalhes ou introduzir preconceitos.
Além disso, ao considerar ou discutir problemas complexos, poderemos utilizar um sistema de simulação para consideração e discussão, em vez de depender de simulações mentais individuais.
Isto aumenta a precisão da consideração e torna as discussões mais construtivas. Em vez de apontar a inteligência ou os erros de pensamento uns dos outros, as discussões podem focar-se em pontos claros, como os modelos subjacentes da simulação, quaisquer omissões ou elementos em falta, como são estimadas as partes altamente incertas e quais métricas entre os resultados são priorizadas.
À medida que os sistemas de simulação se tornam fáceis de criar, a nossa forma de pensar transitará do pensamento linear — que se foca na intuição, suposições e na malícia ou erros dos outros — para o Pensamento de Simulação.
Isto é como pesquisar na internet num smartphone durante uma discussão para verificar fontes de notícias, Wikipedia ou fontes primárias. Não haverá necessidade de discussões intermináveis baseadas unicamente nas memórias de cada um.
Durante uma discussão, a IA generativa organizará o modelo de simulação, as regras de simulação e as pré-condições a partir do conteúdo da discussão.
Os participantes na discussão apenas precisam de adicionar ou corrigir informações e premissas nesse modelo e regras, e depois verificar os resultados da simulação. Tal como ao encontrar uma fonte de notícias credível, estes resultados de simulação podem servir como base comum para aprofundar a discussão.
Isto significa que as pessoas que ouvem a discussão deixarão de viver numa era em que precisam de ponderar quem está certo ou quem é fiável. Nem perderão de vista a essência ao tentar compreender termos técnicos e conceitos arcanos que aparecem na discussão.
Apenas precisarão de considerar coisas muito simples: como avaliar a incerteza e quais valores priorizar.