ยุคแห่งการคิดเชิงจำลอง

ด้วยการฝังฟังก์ชัน AI เชิงสร้างสรรค์เข้ากับโปรแกรม เราสามารถสร้างกลไกที่ไม่สามารถทำได้ด้วยการเขียนโปรแกรมแบบดั้งเดิม

นอกจากนี้ เมื่อ AI เชิงสร้างสรรค์มีความสามารถในการสร้างโปรแกรมได้เอง เราก็จะสามารถสร้างและรันโปรแกรมได้อย่างอิสระและง่ายดายตามที่เราคิดไว้

ที่ผ่านมา ผมได้สร้างระบบที่แปลบทความบล็อกของผมเป็นภาษาอังกฤษและโพสต์ลงบล็อกภาษาอังกฤษ สร้างวิดีโออธิบายจากวิดีโอพรีเซนเทชันและอัปโหลดลง YouTube และสร้างและเผยแพร่เว็บไซต์บล็อกของผมเองพร้อมดัชนี หมวดหมู่ และแท็ก

ด้วยวิธีนี้ กลไกที่ใช้เนื้อหาต้นฉบับเป็นวัตถุดิบและรวมฟังก์ชัน AI เชิงสร้างสรรค์เพื่อผลิตเนื้อหาอนุพันธ์ที่หลากหลายสามารถเรียกว่าโรงงานทางปัญญา

นอกจากนี้ ผมได้สร้างเว็บแอปพลิเคชันเพื่อดำเนินการโรงงานทางปัญญาแห่งนี้และจัดการสถานะ ทำให้สามารถเข้าถึงได้ทั้งบน PC และสมาร์ทโฟน ยิ่งไปกว่านั้น ส่วนที่จัดการการประมวลผลอัตโนมัติที่เกิดจากเหตุการณ์จะถูกดำเนินการบนเครื่องเสมือนที่เตรียมไว้สำหรับการประมวลผลแบบแบตช์นอกเหนือจากแบ็กเอนด์

ดังนั้น ผมจึงพัฒนาส่วนหน้าสำหรับ PC และสมาร์ทโฟน แบ็กเอนด์ของเว็บเซิร์ฟเวอร์ การประมวลผลแบบแบตช์บนเครื่องเสมือน และโครงสร้างพื้นฐานสำหรับสิ่งเหล่านี้ ทั้งหมดนี้ผมทำด้วยตัวเองโดยได้รับการสนับสนุนจาก AI เชิงสร้างสรรค์

นี่ไม่ใช่แค่เพียงวิศวกรรมแบบ Full-stack เท่านั้น แต่ยังสามารถเรียกว่าวิศวกรรมรอบทิศทาง ซึ่งเป็นการพัฒนาแง่มุมต่างๆ ของระบบอย่างครอบคลุม

นอกจากนี้ เมื่อปรับปรุงเว็บแอปพลิเคชันที่พัฒนาขึ้นในส่วนที่ไม่สะดวกในการใช้งาน หรือเพิ่มคุณสมบัติใหม่ ผมสามารถมอบหมายการเขียนโปรแกรมให้ AI เชิงสร้างสรรค์ ซึ่งช่วยให้สามารถปรับปรุงได้ง่ายในระหว่างการใช้งาน

สิ่งนี้มีความยืดหยุ่นและเป็นของเหลวมากกว่าซอฟต์แวร์ทั่วไป ทำให้ผมสามารถสร้างสิ่งที่เหมาะกับการใช้งานของผมได้อย่างสมบูรณ์แบบ ผมเรียกสิ่งนี้ว่า Liquidware

ผมได้พัฒนาและกำลังใช้งานสิ่งเหล่านี้ด้วยตนเอง นี่ไม่ใช่แค่แนวคิด แต่เป็นความจริงของการพัฒนาซอฟต์แวร์แล้ว

แม้จะยังไม่ได้พัฒนา แต่ในสาขาของระบบธุรกิจ ผมคาดการณ์ว่าระเบียบวิธีพัฒนาที่มุ่งเน้นกระบวนการทางธุรกิจจะกลายเป็นความจริง

นี่คือแนวทางที่ไม่ได้มุ่งเน้นการเพิ่มประสิทธิภาพโดยรวมของโปรแกรม ซึ่งทำให้ระบบซับซ้อน แต่กลับแบ่งโมดูลซอฟต์แวร์ออกเป็นกระบวนการทางธุรกิจแต่ละส่วน

เฉพาะการกำหนดกรอบพื้นฐานของส่วนติดต่อผู้ใช้ การจัดการสิทธิ์ของผู้ใช้ และแบบจำลองข้อมูลที่จำเป็นต้องแบ่งปันระหว่างกระบวนการทางธุรกิจเท่านั้นที่จะถูกแบ่งปันในฐานะกรอบภายนอกของระบบธุรกิจ

การประมวลผลระบบภายในอื่นๆ และข้อมูลชั่วคราวจะถูกจัดการที่หน่วยของกระบวนการทางธุรกิจ

อาจมีฟังก์ชันหรือโครงสร้างข้อมูลที่สามารถแบ่งปันโดยกระบวนการทางธุรกิจตั้งแต่สองส่วนขึ้นไป อย่างไรก็ตาม หากสิ่งเหล่านั้นถูกสร้างเป็นโมดูลที่ใช้ร่วมกันหรือไลบรารีที่กำหนดเอง แม้ว่าความสามารถในการนำโค้ดและคุณภาพกลับมาใช้ใหม่จะดีขึ้น แต่โครงสร้างซอฟต์แวร์จะซับซ้อนขึ้น และการเปลี่ยนแปลงจำเป็นต้องพิจารณาผลกระทบต่อกระบวนการทางธุรกิจอื่นๆ อย่างต่อเนื่อง

ในสถานการณ์ที่ AI เชิงสร้างสรรค์สร้างโปรแกรมโดยอัตโนมัติ ข้อเสียของอย่างหลังมีน้ำหนักมากกว่าข้อดีของอย่างแรก ดังนั้น แนวทางเชิงกระบวนการทางธุรกิจ ซึ่งเน้นการเพิ่มประสิทธิภาพส่วนบุคคลมากกว่าการเพิ่มประสิทธิภาพโดยรวม จึงเป็นเหตุผลที่สมควร

นอกจากนี้ ลองจินตนาการถึงหน่วยต่างๆ เช่น "การป้อนข้อมูลพนักงานใหม่", "การอัปเดตข้อมูลพนักงาน" หรือ "การค้นหาพนักงานตามชื่อ" เป็นกระบวนการทางธุรกิจแต่ละส่วน

ในระเบียบวิธีการพัฒนาแบบดั้งเดิม ส่วนติดต่อผู้ใช้แต่ละส่วน, กระบวนการส่วนหน้า, กระบวนการส่วนหลัง และกระบวนการแบตช์จะถูกแยกออกเป็นไฟล์ที่แตกต่างกันในไดเรกทอรีที่แตกต่างกัน ยิ่งไปกว่านั้น แต่ละส่วนจะถูกพัฒนาโดยวิศวกรที่แตกต่างกัน

อย่างไรก็ตาม เมื่อวิศวกรคนเดียวดำเนินวิศวกรรมรอบทิศทางโดยให้ AI เชิงสร้างสรรค์ทำการเขียนโปรแกรม การรวมโค้ดที่จำเป็นสำหรับกระบวนการทางธุรกิจหนึ่งเข้าไปในไฟล์หรือโฟลเดอร์เดียวจะสมเหตุสมผลกว่า

นอกจากนี้ ผลการวิเคราะห์ความต้องการ, ข้อกำหนดการทดสอบ, ผลการทดสอบ และบันทึกการตรวจสอบยังสามารถรวมไว้ในตำแหน่งเดียวกันได้อีกด้วย

สิ่งนี้ช่วยให้สามารถจัดการสิ่งประดิษฐ์ทางวิศวกรรมซอฟต์แวร์ทั้งหมดในหน่วยของกระบวนการทางธุรกิจเดียว และเนื่องจากไม่จำเป็นต้องพิจารณาการเพิ่มประสิทธิภาพโดยรวม การปรับปรุงจึงสามารถมุ่งเน้นไปที่ภายในกระบวนการทางธุรกิจนั้น และสามารถเพิ่มกระบวนการทางธุรกิจใหม่ๆ เข้าไปในระบบธุรกิจได้อย่างง่ายดาย

ด้วยวิธีนี้ การพัฒนาโปรแกรมและสิ่งที่สามารถพัฒนาได้ด้วยโปรแกรมกำลังประสบกับการเปลี่ยนแปลงที่สำคัญเนื่องจาก AI เชิงสร้างสรรค์ นี่ไม่ใช่สถานการณ์ในอนาคต แต่เป็นสถานการณ์ปัจจุบันอยู่แล้ว และในอนาคตอันใกล้ ความซับซ้อนของมันจะก้าวหน้าไปเท่านั้น และขั้นตอนต่อไปจะต้องก้าวข้ามไปจากนั้นอย่างหลีกเลี่ยงไม่ได้

ระบบจำลอง

สิ่งที่สามารถทำให้เกิดขึ้นได้ผ่านโปรแกรมไม่ได้จำกัดอยู่แค่ระบบธุรกิจและโรงงานทางปัญญาที่กล่าวมาข้างต้น

ส่วนที่เหลือที่ผมยังไม่ได้กล่าวถึงสามารถจำแนกได้อย่างกว้างๆ ว่าเป็นระบบจำลอง

ไม่ว่าจะเป็นการแก้สมการฟิสิกส์ง่ายๆ ด้วยสูตรวิเคราะห์เพียงสูตรเดียว หรือการคำนวณปรากฏการณ์ทางฟิสิกส์ที่ซับซ้อนด้วยโปรแกรมแบบวนซ้ำ ทั้งหมดนี้ถือเป็นระบบจำลองได้

นอกจากนี้ ระบบจำลองยังสามารถนำไปใช้ได้ไม่เฉพาะแต่ในฟิสิกส์เท่านั้น แต่ยังรวมถึงเคมี ชีววิทยา สังคมวิทยา เศรษฐศาสตร์ และสาขาอื่นๆ นอกเหนือจากวิชาการแล้ว การจำลองยังถูกนำไปใช้ในด้านวิศวกรรมศาสตร์ การแพทย์ การดำเนินงานของสถาบัน และการจัดการธุรกิจอีกด้วย

เกมก็เป็นระบบจำลองประเภทหนึ่งเช่นกัน ไม่ว่าจะเป็นเกมใดก็ตาม ฟิสิกส์ สังคม กฎเกณฑ์ และแง่มุมอื่นๆ ภายในโลกของเกมนั้นๆ ก็ถูกจำลองขึ้นมาในความหมายหนึ่ง

นอกเหนือจากนั้น เรายังทำการจำลองบางอย่างเมื่อวางแผนชีวิต การเดินทาง หรือวิธีการใช้เงินส่วนตัวของเรา

การจำลองเหล่านี้ได้ดำเนินการในหลากหลายวิธี: โดยการสร้างและรันโปรแกรม, การคำนวณสมการบนกระดาษ, การคิดในหัวของเรา, การจัดระเบียบความคิดด้วยข้อความและลูกศรบนกระดานไวท์บอร์ด, หรือการวาดกราฟใน Excel

การพัฒนาระบบจำลองสำหรับปัญหาเฉพาะช่วยให้สามารถจำลองสถานการณ์ที่ซับซ้อนกว่าสมการวิเคราะห์ได้ อย่างไรก็ตาม มันต้องใช้ทักษะการพัฒนาโปรแกรม ความพยายาม และเวลา

นอกจากนี้ยังต้องมีการชี้แจงแบบจำลองการจำลอง ซึ่งในทางกลับกันก็ต้องการทักษะ ความพยายามในการพิจารณา และเวลา

นอกจากนี้ การจำลองยังจำกัดอยู่เพียงแค่สิ่งที่สามารถแสดงออกในรูปแบบของโปรแกรมเท่านั้น และก่อนหน้านี้มีเพียงสิ่งที่สามารถแสดงออกทางการคำนวณเท่านั้นที่สามารถจำลองได้

AI เชิงสร้างสรรค์กำลังเปลี่ยนแปลงสถานการณ์นี้อย่างมีนัยสำคัญ

AI เชิงสร้างสรรค์ไม่เพียงแต่สามารถพัฒนาโปรแกรมระบบจำลองได้อย่างง่ายดายเท่านั้น แต่ด้วยการรวม AI เชิงสร้างสรรค์เข้ากับระบบจำลอง องค์ประกอบที่ไม่สามารถแสดงออกทางคณิตศาสตร์ได้ก็สามารถจำลองได้เช่นกัน ซึ่งจะช่วยให้สามารถจำลององค์ประกอบจำลองเชิงคุณภาพที่ไม่ชัดเจนและการจำลองที่เกี่ยวข้องกับตัวแทนอัจฉริยะที่คล้ายมนุษย์ได้

ยิ่งไปกว่านั้น แบบจำลองจำลองเหล่านี้ไม่เพียงแต่สามารถแสดงออกทางคณิตศาสตร์เท่านั้น แต่ยังสามารถแสดงออกในภาษาธรรมชาติและตีความโดย AI เชิงสร้างสรรค์ได้อีกด้วย

สิ่งนี้จะทำให้ง่ายต่อการแปลงการจำลองต่างๆ ที่เราดำเนินการในหลายสถานการณ์ให้เป็นระบบจำลอง

ผลลัพธ์ที่ได้คือ เราจะสามารถได้รับผลลัพธ์การจำลองที่แม่นยำ มีประสิทธิภาพ และประสิทธิผลมากขึ้น โดยมีความเป็นไปได้ที่จะมองข้ามรายละเอียดหรือเกิดอคติลดลง

นอกจากนี้ เมื่อพิจารณาหรืออภิปรายปัญหาที่ซับซ้อน เราจะสามารถใช้ระบบจำลองสำหรับการพิจารณาและการอภิปราย แทนที่จะอาศัยการจำลองในใจของแต่ละบุคคล

สิ่งนี้ช่วยเพิ่มความแม่นยำในการพิจารณา และทำให้การสนทนามีประโยชน์มากขึ้น แทนที่จะชี้ให้เห็นถึงความฉลาดหรือความผิดพลาดในการคิดของกันและกัน การสนทนาสามารถมุ่งเน้นไปที่ประเด็นที่ชัดเจน เช่น แบบจำลองพื้นฐานของการจำลอง การละเลยหรือองค์ประกอบที่ขาดหายไป การประเมินส่วนที่มีความไม่แน่นอนสูง และเมตริกใดในผลลัพธ์ที่ให้ความสำคัญ

เมื่อระบบจำลองสร้างได้ง่ายขึ้น วิธีคิดของเราจะเปลี่ยนจากความคิดเชิงเส้นตรงที่เน้นสัญชาตญาณ ข้อสันนิษฐาน และเจตนาร้ายหรือความผิดพลาดของผู้อื่น ไปสู่การคิดเชิงจำลอง

สิ่งนี้เหมือนกับการค้นหาอินเทอร์เน็ตบนสมาร์ทโฟนระหว่างการสนทนาเพื่อตรวจสอบแหล่งข่าว Wikipedia หรือแหล่งข้อมูลปฐมภูมิ จะไม่มีความจำเป็นต้องโต้เถียงกันไม่รู้จบโดยอาศัยเพียงความทรงจำของกันและกัน

ในระหว่างการสนทนา AI เชิงสร้างสรรค์จะจัดระเบียบแบบจำลองการจำลอง กฎการจำลอง และเงื่อนไขเบื้องต้นจากเนื้อหาของการสนทนา

ผู้เข้าร่วมการสนทนาเพียงแค่ต้องเพิ่มหรือแก้ไขข้อมูลและข้อสมมติฐานในแบบจำลองและกฎเหล่านั้น จากนั้นตรวจสอบผลการจำลอง เช่นเดียวกับการค้นหาแหล่งข่าวที่น่าเชื่อถือ ผลการจำลองเหล่านี้สามารถใช้เป็นพื้นฐานร่วมกันในการเจาะลึกการสนทนาได้

นั่นหมายความว่าผู้ที่ฟังการสนทนาจะไม่ต้องอยู่ในยุคที่ต้องมานั่งคิดว่าใครถูกหรือใครน่าเชื่อถืออีกต่อไป และพวกเขาจะไม่หลงประเด็นไปกับการพยายามทำความเข้าใจคำศัพท์ทางเทคนิคและแนวคิดที่ซับซ้อนซึ่งปรากฏในการสนทนา

พวกเขาเพียงแค่ต้องพิจารณาสิ่งง่ายๆ: วิธีประเมินความไม่แน่นอน และคุณค่าใดที่ควรให้ความสำคัญ