ด้วยการฝังขีดความสามารถของ AI แบบรู้สร้าง (Generative AI) เข้าไปในโปรแกรม เราสามารถสร้างกลไกที่ไม่สามารถทำได้ด้วยโปรแกรมทั่วไปในอดีต
นอกจากนี้ เมื่อ AI แบบรู้สร้างสามารถสร้างโปรแกรมได้โดยอัตโนมัติ เราจะสามารถสร้างและเรียกใช้โปรแกรมตามแนวคิดของเราได้อย่างอิสระและง่ายดาย
จนถึงตอนนี้ ผมได้สร้างระบบที่สามารถแปลบทความบล็อกของผมเป็นภาษาอังกฤษและโพสต์ลงในบล็อกภาษาอังกฤษได้ สร้างวิดีโออธิบายจากวิดีโอพรีเซนเทชั่นและอัปโหลดไปยัง YouTube ได้ และสร้างและเผยแพร่เว็บไซต์บล็อกของตัวเองพร้อมดัชนี หมวดหมู่ และแท็กได้
ด้วยวิธีนี้ ระบบที่ใช้เนื้อหาต้นฉบับเป็นวัตถุดิบและรวมเอาคุณสมบัติของ AI แบบรู้สร้างเพื่อผลิตเนื้อหาอนุพันธ์ต่างๆ สามารถเรียกว่าเป็นโรงงานทางปัญญา
ผมยังได้พัฒนาเว็บแอปพลิเคชันเพื่อดำเนินการโรงงานทางปัญญานี้และจัดการสถานะ ทำให้สามารถใช้งานได้ทั้งบนพีซีและสมาร์ทโฟน นอกจากนี้ ส่วนที่ทำการประมวลผลอัตโนมัติซึ่งถูกกระตุ้นด้วยเหตุการณ์จะถูกประมวลผลบนเครื่องเสมือนที่เตรียมไว้สำหรับการประมวลผลแบบแบตช์ที่ส่วนหลังบ้าน
ดังนั้น ผมจึงพัฒนาส่วนหน้าของพีซีและสมาร์ทโฟน ส่วนหลังบ้านของเว็บเซิร์ฟเวอร์ การประมวลผลแบบแบตช์บนเครื่องเสมือน และโครงสร้างพื้นฐานสำหรับสิ่งเหล่านี้ได้ด้วยตัวคนเดียว โดยทั้งหมดนี้ได้รับการสนับสนุนจาก AI แบบรู้สร้าง
นี่ไม่ใช่เพียงแค่ Full-Stack Engineering แต่สามารถเรียกว่า Omnidirectional Engineering เพราะมันเกี่ยวข้องกับการพัฒนาระบบในหลากหลายมิติอย่างครอบคลุม
นอกจากนี้ เมื่อปรับปรุงความสามารถในการใช้งานของเว็บแอปพลิเคชันที่พัฒนาขึ้น หรือเพิ่มคุณสมบัติใหม่ ผมสามารถมอบหมายการเขียนโปรแกรมให้กับ AI แบบรู้สร้าง ซึ่งช่วยให้สามารถปรับปรุงได้อย่างง่ายดายขณะใช้งาน
สิ่งนี้ทำให้ซอฟต์แวร์มีความยืดหยุ่นและลื่นไหลกว่าซอฟต์แวร์แบบเดิมๆ ทำให้ผมสามารถสร้างสิ่งที่ตรงกับรูปแบบการใช้งานของผมได้อย่างสมบูรณ์แบบ ผมเรียกสิ่งนี้ว่า "Liquidware"
ผมได้พัฒนาและกำลังใช้งานสิ่งเหล่านี้อยู่จริง ไม่ใช่แค่แนวคิด แต่เป็นความจริงแล้วในการพัฒนาซอฟต์แวร์
แม้ว่าผมจะยังไม่ได้พัฒนา แต่ผมคาดการณ์ว่าในสาขาของระบบธุรกิจ ระเบียบวิธีการพัฒนาที่เรียกว่า "การพัฒนาที่เน้นกระบวนการทางธุรกิจ" จะกลายเป็นความจริง
นี่คือแนวทางที่ไม่ได้มุ่งเป้าไปที่การเพิ่มประสิทธิภาพโดยรวมของโปรแกรม ซึ่งทำให้ระบบซับซ้อน แต่เป็นการแบ่งส่วนโมดูลซอฟต์แวร์ตามกระบวนการทางธุรกิจแต่ละส่วน
เฉพาะการกำหนดกรอบพื้นฐานของส่วนติดต่อผู้ใช้ การจัดการสิทธิ์ของผู้ใช้ และโมเดลข้อมูลที่จำเป็นต้องแบ่งปันระหว่างกระบวนการทางธุรกิจเท่านั้นที่จะถูกแบ่งปันเป็นกรอบภายนอกของระบบธุรกิจ
การประมวลผลภายในระบบและข้อมูลชั่วคราวอื่นๆ จะถูกจัดการในระดับกระบวนการทางธุรกิจ
ซึ่งอาจรวมถึงฟังก์ชันและโครงสร้างข้อมูลที่สามารถแบ่งปันได้โดยกระบวนการทางธุรกิจตั้งแต่สองกระบวนการขึ้นไป อย่างไรก็ตาม หากสิ่งเหล่านี้ถูกสร้างเป็นโมดูลที่ใช้ร่วมกันหรือไลบรารีที่กำหนดเอง แม้ว่าจะช่วยปรับปรุงการนำโค้ดและคุณภาพกลับมาใช้ใหม่ได้ แต่โครงสร้างซอฟต์แวร์ก็จะซับซ้อนขึ้น และการเปลี่ยนแปลงจำเป็นต้องพิจารณาผลกระทบต่อกระบวนการทางธุรกิจอื่นๆ อย่างต่อเนื่อง
ในสถานการณ์ที่ AI แบบรู้สร้างสร้างโปรแกรมโดยอัตโนมัติ ข้อเสียหลังจะมีความสำคัญมากกว่าข้อดีก่อนหน้า ดังนั้น แนวทางการพัฒนาที่เน้นกระบวนการทางธุรกิจ ซึ่งเน้นการเพิ่มประสิทธิภาพในแต่ละส่วนแทนที่จะเป็นภาพรวม จึงเป็นเหตุผลที่สมควร
นอกจากนี้ ลองจินตนาการถึงหน่วยต่างๆ เช่น "การป้อนข้อมูลพนักงานใหม่" "การอัปเดตข้อมูลพนักงาน" และ "การค้นหาพนักงานด้วยชื่อ" เป็นกระบวนการทางธุรกิจแต่ละส่วน
ในระเบียบวิธีการพัฒนาแบบดั้งเดิม ส่วนต่อประสานผู้ใช้ กระบวนการส่วนหน้า กระบวนการส่วนหลังบ้าน และกระบวนการแบตช์ของแต่ละส่วนจะถูกแยกออกเป็นไฟล์ที่แตกต่างกันในไดเรกทอรีที่แตกต่างกัน ยิ่งไปกว่านั้น แต่ละส่วนยังถูกพัฒนาโดยวิศวกรที่แตกต่างกัน
อย่างไรก็ตาม เมื่อวิศวกรคนเดียวทำการพัฒนาแบบรอบด้านโดยให้ AI แบบรู้สร้างทำหน้าที่เขียนโปรแกรม การรวมโค้ดที่จำเป็นสำหรับกระบวนการทางธุรกิจหนึ่งๆ ไว้ในไฟล์หรือโฟลเดอร์เดียวจะสมเหตุสมผลกว่า
นอกจากนี้ ผลการวิเคราะห์ความต้องการ ข้อกำหนดการทดสอบ ผลการทดสอบ และบันทึกการตรวจสอบก็สามารถรวมไว้ในตำแหน่งเดียวกันได้เช่นกัน
สิ่งนี้ช่วยให้สามารถจัดการผลผลิตทั้งหมดของวิศวกรรมซอฟต์แวร์ต่อกระบวนการทางธุรกิจได้ และเนื่องจากไม่จำเป็นต้องพิจารณาการเพิ่มประสิทธิภาพโดยรวม การปรับปรุงจึงสามารถมุ่งเน้นไปที่ภายในกระบวนการทางธุรกิจนั้นๆ ได้ และสามารถเพิ่มกระบวนการทางธุรกิจใหม่ๆ เข้าไปในระบบธุรกิจได้อย่างง่ายดาย
ด้วยวิธีนี้ การพัฒนาโปรแกรมและสิ่งที่สามารถพัฒนาด้วยโปรแกรมกำลังเปลี่ยนแปลงไปอย่างมากเนื่องจาก AI แบบรู้สร้าง นี่ไม่ใช่ความเป็นไปได้ในอนาคต มันเป็นความจริงในปัจจุบันอยู่แล้ว และในอนาคตอันใกล้ ความสมบูรณ์ของมันจะเพิ่มขึ้นเท่านั้น และขั้นตอนต่อไปจะต้องก้าวข้ามไปจากนั้น
ระบบการจำลอง (Simulation Systems)
สิ่งที่สามารถทำได้ด้วยโปรแกรมไม่ได้จำกัดอยู่แค่ระบบธุรกิจและโรงงานทางปัญญาที่กล่าวมาข้างต้น
ส่วนที่เหลือที่ผมยังไม่ได้กล่าวถึงสามารถจำแนกได้อย่างกว้างๆ ว่าเป็นระบบการจำลอง
ไม่ว่าจะเป็นการแก้สมการฟิสิกส์ง่ายๆ ด้วยสูตรวิเคราะห์เดียว หรือการคำนวณปรากฏการณ์ทางกายภาพที่ซับซ้อนด้วยโปรแกรมที่ทำซ้ำๆ ทั้งสองสิ่งนี้สามารถเรียกว่าเป็นระบบการจำลองได้
ยิ่งไปกว่านั้น ระบบการจำลองไม่เพียงแต่สามารถนำไปใช้ในฟิสิกส์เท่านั้น แต่ยังรวมถึงเคมี ชีววิทยา หรือแม้กระทั่งสังคมวิทยาและเศรษฐศาสตร์ นอกจากนี้ การจำลองยังถูกนำไปใช้ไม่เฉพาะในสาขาวิชาการเท่านั้น แต่ยังรวมถึงสาขาวิศวกรรมศาสตร์ การแพทย์ การออกแบบสถาบัน และการบริหารธุรกิจด้วย
เกมก็เป็นระบบการจำลองประเภทหนึ่งเช่นกัน ในทุกเกม อาจกล่าวได้ว่าฟิสิกส์ สังคม กฎเกณฑ์ ฯลฯ ภายในโลกของเกมนั้นๆ กำลังถูกจำลองอยู่
นอกเหนือจากนั้น เรายังทำการจำลองประเภทหนึ่งเมื่อเราวางแผนชีวิต การเดินทาง หรือวิธีใช้จ่ายเงินพกพาของเรา
การจำลองเหล่านี้ได้ถูกดำเนินการในหลากหลายวิธี: โดยการสร้างและเรียกใช้โปรแกรม โดยการกำหนดและคำนวณสมการบนกระดาษ โดยการคิดในหัว โดยการจัดระเบียบความคิดด้วยข้อความและลูกศรบนกระดานไวท์บอร์ด หรือโดยการวาดกราฟใน Excel
การพัฒนาระบบการจำลองสำหรับปัญหาเฉพาะช่วยให้สามารถจำลองที่ซับซ้อนกว่าสมการวิเคราะห์ได้ อย่างไรก็ตาม มันต้องใช้ทักษะการเขียนโปรแกรม ความพยายาม และเวลา
นอกจากนี้ โมเดลการจำลองจำเป็นต้องถูกกำหนดให้ชัดเจน ซึ่งต้องใช้ทักษะ ความพยายาม และเวลาในการพิจารณา
เพิ่มเติมคือ การจำลองสามารถทำได้ในรูปแบบที่โปรแกรมสามารถแสดงออกได้เท่านั้น และจนถึงปัจจุบัน มีเพียงสิ่งที่สามารถแสดงออกได้ด้วยการคำนวณเท่านั้นที่สามารถจำลองได้
AI แบบรู้สร้างจะเปลี่ยนแปลงสถานการณ์นี้อย่างมีนัยสำคัญ
AI แบบรู้สร้างไม่เพียงแต่ช่วยให้การพัฒนาระบบโปรแกรมจำลองเป็นไปอย่างง่ายดายเท่านั้น แต่ด้วยการฝัง AI แบบรู้สร้างเข้าไปในระบบจำลอง องค์ประกอบที่ไม่สามารถแสดงด้วยสูตรคณิตศาสตร์ก็สามารถจำลองได้เช่นกัน สิ่งนี้ช่วยให้สามารถจำลององค์ประกอบเชิงคุณภาพที่ไม่ชัดเจนและการจำลองที่เกี่ยวข้องกับตัวแทนอัจฉริยะที่คล้ายมนุษย์
นอกจากนี้ โมเดลจำลองดังกล่าวไม่เพียงแต่สามารถแสดงออกในรูปแบบทางคณิตศาสตร์เท่านั้น แต่ยังสามารถแสดงออกด้วยภาษาธรรมชาติและถูกตีความโดย AI แบบรู้สร้างได้อีกด้วย
สิ่งนี้จะช่วยให้การสร้างระบบสำหรับการจำลองต่างๆ ที่เราได้ดำเนินการในสถานการณ์ต่างๆ ง่ายขึ้น
สิ่งนี้จะช่วยให้เราได้ผลลัพธ์การจำลองที่แม่นยำ มีประสิทธิภาพ และประสิทธิผลมากยิ่งขึ้น ลดความเป็นไปได้ของการละเลยและสมมติฐานที่มีอคติ
นอกจากนี้ เมื่อมีการอภิปรายหรือพิจารณาปัญหาที่ซับซ้อน จะสามารถใช้ระบบการจำลองเพื่อการอภิปรายและพิจารณา แทนที่จะพึ่งพาการจำลองในใจของแต่ละบุคคล
สิ่งนี้ช่วยเพิ่มความแม่นยำในการพิจารณาและทำให้การอภิปรายสร้างสรรค์มากขึ้น ทั้งนี้เพราะแทนที่จะชี้ให้เห็นถึงความสามารถทางปัญญาหรือข้อผิดพลาดในการคิดของกันและกัน การอภิปรายสามารถมุ่งเน้นไปที่ประเด็นที่ชัดเจน เช่น โมเดลพื้นฐานของการจำลอง การละเลยหรือองค์ประกอบที่ขาดหายไป การประเมินส่วนที่มีความไม่แน่นอนสูง และตัวบ่งชี้ใดในผลลัพธ์ที่ถูกเน้นย้ำ
เมื่อระบบการจำลองสร้างได้ง่ายขึ้น วิธีคิดของเราจะเปลี่ยนจากการคิดเชิงเส้นตรงที่มุ่งเน้นสัญชาตญาณ ข้อสมมติฐาน และความมุ่งร้ายหรือข้อผิดพลาดของผู้อื่น ไปสู่การคิดเชิงจำลอง
มันเหมือนกับการค้นหาข้อมูลในอินเทอร์เน็ตด้วยสมาร์ทโฟนระหว่างการสนทนาเพื่อตรวจสอบแหล่งข่าว Wikipedia หรือแหล่งข้อมูลปฐมภูมิ ไม่จำเป็นต้องมีการโต้แย้งที่ไม่มีที่สิ้นสุดโดยอาศัยเพียงความทรงจำของกันและกันอีกต่อไป
ในระหว่างการอภิปราย AI แบบรู้สร้างจะจัดระเบียบแบบจำลองการจำลอง กฎการจำลอง และเงื่อนไขเบื้องต้นจากเนื้อหาของการอภิปราย
ผู้ที่กำลังอภิปรายเพียงแค่ต้องเพิ่มหรือแก้ไขข้อมูลและข้อสมมติฐานในแบบจำลองและกฎเหล่านั้น จากนั้นยืนยันผลการจำลอง เช่นเดียวกับเมื่อพบแหล่งข่าวที่น่าเชื่อถือ ผลการจำลองเหล่านั้นสามารถใช้เป็นพื้นฐานร่วมกันสำหรับการอภิปรายที่ลึกซึ้งยิ่งขึ้น
สิ่งนี้จะปลดปล่อยผู้ฟังจากยุคที่ต้องสงสัยว่าใครถูกหรือใครน่าเชื่อถือ พวกเขาจะไม่หลงประเด็นขณะพยายามทำความเข้าใจศัพท์เฉพาะและแนวคิดที่คลุมเครือที่ปรากฏในการอภิปรายอีกต่อไป
พวกเขาจะต้องพิจารณาเพียงแค่สิ่งง่ายๆ เท่านั้น: วิธีการประเมินความไม่แน่นอน และคุณค่าใดที่ควรให้ความสำคัญ