Встраивая возможности генеративного ИИ в программы, мы можем создавать механизмы, которые ранее были недостижимы с помощью обычных программ.
Более того, по мере того как генеративный ИИ сможет автоматически генерировать программы, мы сможем свободно и легко создавать и запускать программы, основываясь на наших идеях.
До сих пор я создавал системы, которые могут переводить мои статьи из блога на английский язык и публиковать их в англоязычных блогах, создавать пояснительные видео из презентационных видеороликов и загружать их на YouTube, а также генерировать и публиковать мои собственные сайты-блоги с индексами, категориями и тегами.
Таким образом, система, которая использует оригинальный контент в качестве сырья и включает в себя функции генеративного ИИ для производства различных производных материалов, может быть названа интеллектуальной фабрикой.
Я также разработал веб-приложение для управления этой интеллектуальной фабрикой и контроля ее состояния, сделав его доступным как на ПК, так и на смартфонах. Более того, части, выполняющие автоматизированную обработку, запускаемую событиями, выполняются на виртуальных машинах, подготовленных для пакетной обработки на бэкэнде.
Таким образом, я самостоятельно разработал фронтенды для ПК и смартфонов, бэкэнд веб-сервера, пакетную обработку на виртуальных машинах и инфраструктуру для них, все это при поддержке генеративного ИИ.
Это не просто полнофункциональная инженерия; это можно назвать всенаправленной инженерией, поскольку она включает в себя комплексную разработку различных аспектов системы.
Кроме того, при улучшении удобства использования разработанного веб-приложения или добавлении новых функций я могу делегировать программирование генеративному ИИ, что позволяет легко вносить улучшения во время использования.
Это делает программное обеспечение еще более гибким и податливым, чем традиционное программное обеспечение, позволяя мне создавать то, что идеально соответствует моим сценариям использования. Я называю это «жидким ПО» (liquidware).
Я действительно разработал и в настоящее время использую эти системы. Это не просто концепции, а уже реальность в разработке программного обеспечения.
Хотя я еще не разработал это, я предвижу, что в области бизнес-систем станет реальностью методология разработки, известная как «разработка, ориентированная на бизнес-процессы».
Это подход, который не стремится к общей оптимизации программ, что усложняет системы, а скорее сегментирует программные модули по отдельным бизнес-процессам.
Только базовое определение фреймворка пользовательского интерфейса, управление разрешениями пользователей и модели данных, которые должны быть общими между бизнес-процессами, используются в качестве внешней структуры бизнес-системы.
Другие внутренние системные процессы и временные данные управляются на уровне бизнес-процессов.
Это может включать функции и структуры данных, которые могут быть общими для двух или более бизнес-процессов. Однако, если они будут превращены в общие модули или пользовательские библиотеки, то, хотя повторное использование кода и улучшение качества повысятся, структура программного обеспечения станет сложной, и изменения потребуют постоянного учета воздействия на другие бизнес-процессы.
В ситуации, когда генеративный ИИ автоматически генерирует программы, последний недостаток перевешивает первое преимущество. Поэтому подход, ориентированный на бизнес-процессы, который подчеркивает индивидуальную, а не общую оптимизацию, становится рациональным.
Кроме того, представьте себе такие единицы, как «ввод основной информации о новом сотруднике», «обновление основной информации о сотруднике» и «поиск сотрудников по имени» как отдельные бизнес-процессы.
В традиционных методологиях разработки их соответствующие пользовательские интерфейсы, фронтенд-процессы, бэкэнд-процессы и пакетные процессы разделены на разные файлы в разных каталогах. Более того, каждый из них разрабатывается разными инженерами.
Однако, когда один инженер выполняет всестороннюю инженерию, позволяя генеративному ИИ выполнять программирование, имеет больше смысла объединить код, необходимый для одного бизнес-процесса, в один файл или папку.
Кроме того, результаты анализа требований, спецификации тестирования, результаты тестирования и записи обзора также могут быть объединены в одном месте.
Это позволяет управлять всеми результатами разработки программного обеспечения для каждого бизнес-процесса. И поскольку нет необходимости рассматривать общую оптимизацию, улучшения могут быть сосредоточены в рамках этого бизнес-процесса, а новые бизнес-процессы могут быть легко добавлены в бизнес-систему.
Таким образом, разработка программ и то, что может быть разработано с помощью программ, значительно меняются благодаря генеративному ИИ. Это не будущая возможность; это уже текущая реальность, и в ближайшем будущем ее полнота может только увеличиваться, и следующий этап должен выйти за ее пределы.
Системы моделирования
То, что может быть реализовано программами, не ограничивается упомянутыми здесь бизнес-системами и интеллектуальными фабриками.
Остальные области, которые я не упомянул, можно в общих чертах классифицировать как системы моделирования.
Будь то решение простого физического уравнения с помощью одной аналитической формулы или вычисление сложных физических явлений с помощью итерационных программ, оба варианта можно назвать системами моделирования.
Кроме того, системы моделирования могут использоваться не только в физике, но и в химии, биологии, а также в социологии и экономике. Более того, моделирование применяется не только в академических кругах, но и в таких областях, как инженерия, медицина, институциональный дизайн и управление бизнесом.
Игры также являются разновидностью системы моделирования. В любой игре можно сказать, что физика, общество, правила и т. д. в мире этой игры, так сказать, моделируются.
Кроме того, мы также выполняем своего рода моделирование, когда планируем свою жизнь, поездки или то, как потратить карманные деньги.
Эти симуляции проводились различными способами: путем создания и запуска программ, путем формулирования и расчета уравнений на бумаге, путем размышлений в уме, путем организации идей с помощью текста и стрелок на белой доске или путем построения графиков в Excel.
Разработка программы моделирования для конкретной проблемы позволяет проводить более сложные симуляции, чем аналитические уравнения. Однако это требует навыков программирования, усилий и времени.
Также необходимо четко определить модель симуляции, что требует навыков, усилий и времени для рассмотрения.
Кроме того, симуляции могли выполняться только способами, которые могли быть выражены программами, и до сих пор моделироваться могло только то, что могло быть выражено вычислительно.
Генеративный ИИ значительно изменит эту ситуацию.
Генеративный ИИ не только позволяет легко разрабатывать программы для систем моделирования, но и, путем встраивания генеративного ИИ в системы моделирования, позволяет моделировать элементы, которые не могут быть выражены математическими формулами. Это позволяет использовать неоднозначные качественные элементы моделирования и симуляции с участием человекоподобных интеллектуальных агентов.
Кроме того, такие модели моделирования могут быть выражены не только в математических формулах, но и на естественном языке и интерпретированы генеративным ИИ.
Это упростит систематизацию различных симуляций, которые мы выполняли в различных ситуациях.
Это позволит нам получать более точные, эффективные и результативные результаты моделирования, уменьшая возможность упущений и предвзятых предположений.
Более того, при обсуждении или рассмотрении сложных проблем можно будет использовать системы моделирования для обсуждения и рассмотрения, а не полагаться на индивидуальные мысленные симуляции.
Это повышает точность обсуждений и делает дискуссии более конструктивными. Это потому, что вместо того, чтобы указывать на интеллект друг друга или ошибки в мышлении, дискуссии могут сосредоточиться на четких моментах, таких как базовая модель симуляции, любые упущения или недостающие элементы, как оцениваются сильно неопределенные части и какие показатели среди результатов подчеркиваются.
По мере того, как системы моделирования становятся легкими для создания, наш образ мышления сместится от линейного мышления, которое фокусируется на интуиции, предположениях и злом умысле или ошибках других, к симуляционному мышлению.
Это похоже на поиск в Интернете на вашем смартфоне во время разговора, чтобы проверить источники новостей, Википедию или первоисточники. Больше нет необходимости в бесконечных спорах, основанных исключительно на воспоминаниях друг друга.
Во время обсуждения генеративный ИИ будет организовывать модель симуляции, правила симуляции и предварительные условия из содержания обсуждения.
Людям, обсуждающим, просто нужно добавить или исправить информацию и предпосылки в эту модель и правила, а затем подтвердить результаты симуляции. Как и при нахождении надежного источника новостей, эти результаты симуляции могут служить общей основой для более глубокого обсуждения.
Это избавит слушателей от необходимости гадать, кто прав или кому можно доверять. Они также больше не будут терять из виду суть, пытаясь понять неясный жаргон и концепции, которые появляются в обсуждениях.
Им нужно будет учитывать лишь очень простые вещи: как оценить неопределенность и какие ценности расставить по приоритетам.