Bằng cách tích hợp khả năng của AI tạo sinh vào các chương trình, chúng ta có thể tạo ra những cơ chế mà trước đây không thể đạt được với các chương trình thông thường.
Hơn nữa, khi AI tạo sinh có khả năng tự động tạo ra chương trình, chúng ta sẽ có thể tự do và dễ dàng tạo cũng như chạy các chương trình dựa trên ý tưởng của mình.
Cho đến nay, tôi đã tạo ra các hệ thống có thể dịch các bài viết trên blog của mình sang tiếng Anh và đăng lên các blog tiếng Anh, tạo video giải thích từ video thuyết trình và tải lên YouTube, cũng như tạo và xuất bản các trang blog của riêng tôi với chỉ mục, danh mục và thẻ.
Theo cách này, một hệ thống sử dụng nội dung gốc làm nguyên liệu thô và tích hợp các tính năng AI tạo sinh để tạo ra nhiều nội dung phái sinh khác nhau có thể được gọi là một nhà máy trí tuệ.
Tôi cũng đã phát triển một ứng dụng web để vận hành nhà máy trí tuệ này và quản lý trạng thái của nó, giúp nó có thể truy cập được trên cả máy tính cá nhân và điện thoại thông minh. Hơn nữa, các phần thực hiện xử lý tự động được kích hoạt bởi các sự kiện được thực thi trên các máy ảo được chuẩn bị cho xử lý hàng loạt ở phần backend.
Vì vậy, tôi đã tự mình phát triển các giao diện người dùng (frontend) cho PC và điện thoại thông minh, phần backend của máy chủ web, xử lý hàng loạt trên máy ảo và cơ sở hạ tầng cho các hệ thống này, tất cả đều với sự hỗ trợ của AI tạo sinh.
Đây không chỉ đơn thuần là kỹ thuật toàn diện (full-stack engineering); nó có thể được gọi là kỹ thuật đa hướng (omnidirectional engineering), vì nó liên quan đến việc phát triển toàn diện các khía cạnh khác nhau của hệ thống.
Hơn nữa, khi cải thiện khả năng sử dụng của ứng dụng web đã phát triển hoặc thêm các tính năng mới, tôi có thể giao việc lập trình cho AI tạo sinh, cho phép dễ dàng cải thiện trong quá trình sử dụng.
Điều này làm cho phần mềm linh hoạt và trôi chảy hơn nhiều so với phần mềm truyền thống, cho phép tôi tạo ra thứ gì đó hoàn toàn phù hợp với thói quen sử dụng của mình. Tôi gọi đây là "liquidware" (phần mềm lỏng).
Tôi thực sự đã phát triển và hiện đang sử dụng những thứ này. Chúng không chỉ là những khái niệm mà đã là hiện thực trong phát triển phần mềm.
Mặc dù tôi chưa phát triển nó, nhưng tôi dự đoán rằng trong lĩnh vực hệ thống nghiệp vụ, phương pháp phát triển được gọi là "phát triển theo định hướng quy trình nghiệp vụ" sẽ trở thành hiện thực.
Đây là một cách tiếp cận không nhằm mục tiêu tối ưu hóa toàn bộ chương trình, vốn làm phức tạp hệ thống, mà thay vào đó phân đoạn các mô-đun phần mềm theo từng quy trình nghiệp vụ riêng lẻ.
Chỉ có định nghĩa khung cơ bản của giao diện người dùng, quản lý quyền người dùng và các mô hình dữ liệu cần được chia sẻ giữa các quy trình nghiệp vụ được chia sẻ như là khung bên ngoài của hệ thống nghiệp vụ.
Các xử lý nội bộ hệ thống khác và dữ liệu tạm thời được quản lý ở cấp độ quy trình nghiệp vụ.
Điều này có thể bao gồm các chức năng và cấu trúc dữ liệu có thể được chia sẻ bởi hai hoặc nhiều quy trình nghiệp vụ. Tuy nhiên, nếu chúng được biến thành các mô-đun dùng chung hoặc thư viện tùy chỉnh, trong khi khả năng tái sử dụng mã và chất lượng được cải thiện, cấu trúc phần mềm sẽ trở nên phức tạp, và các thay đổi đòi hỏi phải liên tục xem xét tác động đến các quy trình nghiệp vụ khác.
Trong tình huống AI tạo sinh tự động tạo ra chương trình, nhược điểm sau vượt trội hơn ưu điểm trước. Do đó, cách tiếp cận theo định hướng quy trình nghiệp vụ, nhấn mạnh tối ưu hóa cá nhân thay vì tối ưu hóa tổng thể, trở nên hợp lý.
Ngoài ra, hãy hình dung các đơn vị như "nhập thông tin cơ bản nhân viên mới", "cập nhật thông tin cơ bản nhân viên" và "tìm kiếm nhân viên theo tên" là các quy trình nghiệp vụ riêng lẻ.
Trong các phương pháp phát triển truyền thống, giao diện người dùng, quy trình frontend, quy trình backend và quy trình hàng loạt tương ứng của chúng được tách biệt thành các tệp khác nhau trong các thư mục khác nhau. Hơn nữa, mỗi phần được phát triển bởi các kỹ sư khác nhau.
Tuy nhiên, khi một kỹ sư duy nhất thực hiện kỹ thuật đa hướng trong khi để AI tạo sinh thực hiện lập trình, việc hợp nhất mã cần thiết cho một quy trình nghiệp vụ vào một tệp hoặc thư mục duy nhất sẽ hợp lý hơn.
Ngoài ra, kết quả phân tích yêu cầu, đặc tả kiểm thử, kết quả kiểm thử và hồ sơ đánh giá cũng có thể được hợp nhất ở cùng một vị trí.
Điều này cho phép tất cả các sản phẩm của kỹ thuật phần mềm được quản lý theo từng quy trình nghiệp vụ. Và vì không cần phải xem xét tối ưu hóa tổng thể, các cải tiến có thể tập trung trong quy trình nghiệp vụ đó, và các quy trình nghiệp vụ mới có thể dễ dàng được thêm vào hệ thống nghiệp vụ.
Theo cách này, việc phát triển chương trình và những gì có thể được phát triển bằng chương trình đang thay đổi đáng kể nhờ AI tạo sinh. Đây không phải là một khả năng trong tương lai; nó đã là thực tại hiện tại, và trong tương lai gần, sự hoàn thiện của nó chỉ có thể tăng lên, và giai đoạn tiếp theo phải vượt ra ngoài điều đó.
Hệ thống mô phỏng
Những gì có thể hiện thực hóa bằng chương trình không chỉ giới hạn ở các hệ thống nghiệp vụ và nhà máy trí tuệ đã đề cập ở đây.
Các lĩnh vực còn lại mà tôi chưa đề cập có thể được phân loại rộng rãi là hệ thống mô phỏng.
Dù là giải một phương trình vật lý đơn giản bằng một công thức phân tích duy nhất hay tính toán các hiện tượng vật lý phức tạp bằng các chương trình lặp đi lặp lại, cả hai đều có thể được gọi là hệ thống mô phỏng.
Hơn nữa, hệ thống mô phỏng có thể được sử dụng không chỉ trong vật lý mà còn trong hóa học, sinh học, hay thậm chí xã hội học và kinh tế học. Ngoài ra, mô phỏng được áp dụng không chỉ trong giới học thuật mà còn trong các lĩnh vực như kỹ thuật, y học, thiết kế thể chế và quản lý kinh doanh.
Trò chơi cũng là một loại hệ thống mô phỏng. Trong bất kỳ trò chơi nào, có thể nói rằng vật lý, xã hội, quy tắc, v.v., trong thế giới của trò chơi đó, nói cách khác, đang được mô phỏng.
Ngoài ra, chúng ta cũng thực hiện một loại mô phỏng khi chúng ta lập kế hoạch cuộc sống, chuyến đi, hoặc cách chi tiêu tiền túi của mình.
Các mô phỏng này đã được thực hiện theo nhiều cách khác nhau: bằng cách tạo và chạy chương trình, bằng cách xây dựng và tính toán phương trình trên giấy, bằng cách suy nghĩ trong đầu, bằng cách sắp xếp ý tưởng với văn bản và mũi tên trên bảng trắng, hoặc bằng cách vẽ đồ thị trong Excel.
Việc phát triển một chương trình mô phỏng cho một vấn đề cụ thể cho phép mô phỏng phức tạp hơn so với các phương trình phân tích. Tuy nhiên, nó đòi hỏi kỹ năng lập trình, nỗ lực và thời gian.
Ngoài ra, mô hình mô phỏng cần được xác định rõ ràng, điều này đòi hỏi kỹ năng, nỗ lực và thời gian để cân nhắc.
Thêm vào đó, mô phỏng chỉ có thể được thực hiện theo những cách mà chương trình có thể diễn đạt được, và cho đến nay, chỉ những gì có thể được biểu thị bằng tính toán mới có thể được mô phỏng.
AI tạo sinh sẽ thay đổi đáng kể tình hình này.
AI tạo sinh không chỉ cho phép phát triển dễ dàng các chương trình hệ thống mô phỏng mà còn, bằng cách tích hợp AI tạo sinh vào hệ thống mô phỏng, các yếu tố không thể biểu thị bằng công thức toán học cũng có thể được mô phỏng. Điều này cho phép các yếu tố mô phỏng định tính mơ hồ và các mô phỏng liên quan đến các tác nhân thông minh giống con người.
Ngoài ra, các mô hình mô phỏng như vậy có thể được biểu thị không chỉ bằng công thức toán học mà còn bằng ngôn ngữ tự nhiên và được AI tạo sinh diễn giải.
Điều này sẽ giúp dễ dàng hệ thống hóa các mô phỏng khác nhau mà chúng ta đã thực hiện trong nhiều tình huống khác nhau.
Điều này sẽ cho phép chúng ta thu được kết quả mô phỏng chính xác hơn, hiệu quả hơn, giảm khả năng bỏ sót và các giả định thiên lệch.
Hơn nữa, khi thảo luận hoặc xem xét các vấn đề phức tạp, có thể sử dụng hệ thống mô phỏng để thảo luận và xem xét, thay vì dựa vào các mô phỏng cá nhân trong tâm trí.
Điều này nâng cao độ chính xác của việc cân nhắc và làm cho các cuộc thảo luận trở nên mang tính xây dựng hơn. Điều này là do thay vì chỉ ra trí tuệ hoặc lỗi tư duy của nhau, các cuộc thảo luận có thể tập trung vào các điểm rõ ràng như mô hình cơ bản của mô phỏng, bất kỳ thiếu sót hoặc yếu tố bị thiếu nào, cách ước tính các phần có độ không chắc chắn cao, và những chỉ số nào trong số các kết quả được nhấn mạnh.
Khi các hệ thống mô phỏng trở nên dễ tạo hơn, cách chúng ta suy nghĩ sẽ chuyển từ tư duy tuyến tính, tập trung vào trực giác, giả định và ác ý hoặc sai lầm của người khác, sang tư duy mô phỏng.
Nó giống như việc tìm kiếm trên internet bằng điện thoại thông minh trong một cuộc trò chuyện để kiểm tra các nguồn tin tức, Wikipedia hoặc các nguồn chính. Không còn cần thiết phải tranh cãi vô tận chỉ dựa vào ký ức của nhau.
Trong một cuộc thảo luận, AI tạo sinh sẽ tổ chức mô hình mô phỏng, các quy tắc mô phỏng và các điều kiện tiên quyết từ nội dung của cuộc thảo luận.
Những người đang thảo luận chỉ cần thêm hoặc sửa đổi thông tin và giả định vào mô hình và các quy tắc đó, sau đó xác nhận kết quả mô phỏng. Cũng giống như khi tìm thấy một nguồn tin tức đáng tin cậy, những kết quả mô phỏng đó có thể đóng vai trò là cơ sở chung cho cuộc thảo luận sâu hơn.
Điều này sẽ giải phóng người nghe khỏi kỷ nguyên tự hỏi ai đúng hay ai đáng tin cậy. Họ cũng sẽ không còn lạc mất bản chất khi cố gắng hiểu những biệt ngữ và khái niệm khó hiểu xuất hiện trong các cuộc thảo luận.
Họ sẽ chỉ cần xem xét những điều rất đơn giản: cách đánh giá sự không chắc chắn và những giá trị nào cần ưu tiên.