通过将生成式AI的能力嵌入程序中，我们可以创建以前传统程序无法实现的机制。
此外，随着生成式AI能够自动生成程序，我们将能够根据自己的想法自由轻松地创建和运行程序。
到目前为止，我创建了一些系统，可以将我的博客文章翻译成英文并发布到英文博客上，从演示视频中创建解释视频并上传到YouTube，以及生成并发布带有索引、类别和标签的个人博客网站。
因此，一个以原创内容为原材料，并结合生成式AI功能来生产各种衍生内容的系统，可以称之为“智力工厂”。
我还开发了一个Web应用程序来操作和管理这个智力工厂的状态，使其可以在PC和智能手机上使用。此外，由事件触发执行自动化处理的部分，则在后端为批处理准备的虚拟机上运行。
因此，在生成式AI的支持下，我独立开发了PC和智能手机前端、Web服务器后端、虚拟机上的批处理以及这些基础设施。
这不仅仅是全栈工程，更可以称之为全方位工程，因为它涉及全面开发系统的各个方面。
此外，在改进已开发的Web应用程序的可用性或添加新功能时，我可以将编程委托给生成式AI，从而在使用过程中轻松进行改进。
这使得软件比传统软件更灵活、更具流动性，使我能够创建完美契合我使用模式的产品。我将其称为“液态软件”（liquidware）。
这些都是我实际开发并正在使用的。它们不仅仅是概念，而是软件开发中已经实现的现实。
虽然我尚未开发，但我预计在业务系统领域，“业务流程导向开发”的方法论将成为现实。
这种方法不追求程序的整体优化（这会使系统复杂化），而是根据单个业务流程来划分软件模块。
只有用户界面的基本框架定义、用户权限管理以及需要在业务流程之间共享的数据模型，才作为业务系统的外部框架共享。
其他内部系统处理和临时数据都在业务流程层面进行管理。
这可能包括两个或更多业务流程可以共享的功能和数据结构。但是，如果将它们做成共享模块或自定义库，虽然代码和质量的可重用性会提高，但软件结构会变得复杂，并且更改时需要不断考虑对其他业务流程的影响。
在生成式AI自动生成程序的情况下，后者的缺点大于前者的优点。因此，强调个体优化而非整体优化的业务流程导向方法变得合理。
此外，想象一下“输入新员工基本信息”、“更新员工基本信息”和“按姓名搜索员工”等单元作为独立的业务流程。
在传统的开发方法中，它们各自的用户界面、前端流程、后端流程和批处理被分离到不同目录中的不同文件中。此外，每个部分都由不同的工程师开发。
然而，当一个工程师在让生成式AI进行编程的同时进行全方位工程时，将一个业务流程所需的代码整合到一个文件或文件夹中会更有意义。
此外，需求分析结果、测试规范、测试结果和评审记录也可以整合到同一个位置。
这使得软件工程的所有可交付成果都可以按业务流程进行管理。而且由于无需考虑整体优化，改进可以集中在该业务流程内部进行，并且可以轻松地向业务系统添加新的业务流程。
通过这种方式，程序开发以及程序可以开发的内容正在因生成式AI而发生显著变化。这不是未来的可能性；它已经是当前的现实，在不久的将来，它的完整性只会增加，下一个阶段必须在此基础上继续前进。
模拟系统
程序所能实现的功能不仅限于此处提及的业务系统和智力工厂。
我未提及的其余领域大致可归类为模拟系统。
无论是通过单个解析公式求解简单的物理方程，还是通过迭代程序计算复杂的物理现象，两者都可以称为模拟系统。
此外，模拟系统不仅可用于物理学，还可用于化学、生物学，甚至社会学和经济学。而且，模拟不仅应用于学术界，还应用于工程、医学、制度设计和企业管理等领域。
游戏也是一种模拟系统。可以说，在任何游戏中，该游戏世界中的物理、社会、规则等都在被模拟。
除此之外，当我们规划生活、旅行或如何支配零用钱时，我们也在进行一种模拟。
这些模拟以各种方式进行：通过创建和运行程序，通过在纸上制定和计算方程式，通过在脑中思考，通过在白板上用文字和箭头组织想法，或通过在Excel中绘制图表。
为特定问题开发模拟程序可以实现比解析方程更复杂的模拟。然而，这需要编程技能、精力和时间。
此外，模拟模型需要清晰定义，这需要思考的技能、精力和时间。
而且，模拟只能以程序可表达的方式进行，到目前为止，只有可计算表达的内容才能被模拟。
生成式AI将显著改变这种状况。
生成式AI不仅可以轻松开发模拟系统程序，而且通过将生成式AI嵌入模拟系统，无法用数学公式表达的元素也可以进行模拟。这使得模糊的定性模拟元素和涉及类人智能代理的模拟成为可能。
此外，此类模拟模型不仅可以用数学公式表达，还可以用自然语言表达并由生成式AI解释。
这将使我们更容易将我们在各种情况下进行的各种模拟系统化。
这将使我们能够获得更准确、高效和有效的模拟结果，减少疏忽和偏颇假设的可能性。
此外，在讨论或考虑复杂问题时，将可以使用模拟系统进行讨论和考虑，而不是依赖个人心智模拟。
这提高了审议的精确性，并使讨论更具建设性。这是因为讨论可以集中于明确的要点，例如模拟的基础模型、任何遗漏或缺失的元素、如何估计高度不确定的部分以及结果中哪些指标被强调，而不是互相指出智力或思维上的错误。
随着模拟系统变得易于创建，我们的思维方式将从专注于直觉、假设以及他人恶意或错误的线性思维，转向模拟思维。
这就像在对话中使用智能手机搜索互联网，以查证新闻来源、维基百科或第一手资料。不再需要仅凭彼此记忆进行无休止的争论。
在讨论过程中，生成式AI将根据讨论内容整理模拟模型、模拟规则和前提条件。
讨论者只需向该模型和规则添加或修正信息和前提，然后确认模拟结果即可。就像找到可靠新闻来源一样，这些模拟结果可以作为进一步讨论的共同基础。
这将使听众摆脱“谁是对的”或“谁值得信赖”的时代。他们也将不再在试图理解讨论中出现的晦涩行话和概念时迷失本质。
他们只需要考虑非常简单的事情：如何评估不确定性以及哪些价值需要优先考虑。