通过将生成式AI功能嵌入到程序中，我们可以创建出传统编程无法实现的机制。
此外，随着生成式AI能够自动生成程序，我们将能够随心所欲地轻松创建和运行程序。
到目前为止，我建立了一些系统，可以将我的博客文章翻译成英文并发布到英文博客上，从演示视频中制作解说视频并上传到YouTube，以及生成并发布带有索引、分类和标签的自建博客网站。
通过这种方式，将原始内容作为原材料，并整合生成式AI功能来生产各种衍生内容的机制，可以称之为智力工厂。
此外，我创建了一个Web应用程序来操作这个智力工厂并管理其状态，使其可在PC和智能手机上访问。另外，处理事件触发的自动过程的部分，是在后端之外为批量处理准备的虚拟机上执行的。
因此，我是在生成式AI的支持下，独立开发了PC和智能手机的前端、Web服务器后端、虚拟机上的批量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，即全面开发系统各个方面的工程。
而且，在改进已开发的Web应用程序中不便使用的方面或添加新功能时，我可以将编程任务委托给生成式AI，从而在实际使用中轻松进行改进。
这比传统软件更加灵活和流体，使我能够创建出完全符合我使用习惯的产品。我称之为流体软件。
这些都是我亲自开发并正在实际使用的。这不仅仅是一个概念；它已经是软件开发的现实。
尽管尚未开发，但在业务系统领域，我预计业务流程导向的开发方法论将成为现实。
这种方法不以使系统复杂化的程序整体优化为目标，而是将软件模块划分为独立的业务流程单元。
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，作为业务系统的外框架进行共享。
其他内部系统处理和临时数据则以业务流程为单位进行管理。
其中可能包含可以被两个或更多业务流程共享的功能或数据结构。然而，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，并且在更改时需要持续考虑其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，后者的缺点超过了前者的优点。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，请将“输入新员工基本信息”、“更新员工基本信息”或“按姓名搜索员工”等单元想象为独立的业务流程。
在传统的开发方法中，每个用户界面、前端处理、后端处理和批量处理都会被分离到不同的目录中的不同文件中。而且，它们通常由不同的工程师开发。
然而，当一个工程师在生成式AI的帮助下进行全方位工程时，将一个业务流程所需的这些代码整合到一个文件或一个文件夹中会更合理。
此外，需求分析结果、测试规范、测试结果和审查记录也可以集中在同一位置。
这使得可以以单个业务流程为单位管理所有软件工程制品。而且，由于无需考虑整体优化，可以专注于该业务流程内部的改进，并可以轻松地向业务系统添加新的业务流程。
通过这种方式，程序开发以及通过程序可以实现的事物，正因生成式AI而发生巨大变化。这并非未来的情景；它已是当下，在不久的将来，其完善度只会不断提高，而下一个阶段也必然会超越当前。
模拟系统
通过程序可实现的功能不仅限于此处提及的业务系统和智力工厂。
我尚未提及的其余领域可以广义地归类为模拟系统。
无论是用一行分析性公式解决简单的物理方程，还是用迭代程序计算复杂的物理现象，都可以视为模拟系统。
此外，模拟系统不仅可用于物理学，还可用于化学、生物学、社会学、经济学等领域。除了学术研究，模拟还应用于工程、医学、制度运作和商业管理等业务中。
游戏也是一种模拟系统。任何游戏中，该游戏世界中的物理、社会、规则等方面，都可以说是在进行模拟。
除此之外，我们在规划人生、旅行或如何支配零用钱时，也会进行一种模拟。
这些模拟曾通过多种方式进行：创建并运行程序、在纸上计算公式、在脑中思考、在白板上用文字和箭头整理，或在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，这需要编程开发技能、精力和时间。
它还需要明确模拟模型，这反过来又需要技能、思考精力和时间。
此外，模拟一直受限于只能以编程形式表达的内容，以前只有能通过计算表达的内容才能进行模拟。
生成式AI正在显著改变这一局面。
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集成到模拟系统中，连无法用数学表达的元素也能进行模拟。这使得模糊的定性模拟元素和涉及类人智能体的模拟成为可能。
此外，这些模拟模型不仅可以用数学方式表达，还可以用自然语言表达并由生成式AI进行解释。
这将使我们将日常生活中进行的各种模拟轻松转化为模拟系统。
因此，我们将能够获得更准确、高效、有效的模拟结果，并降低遗漏细节或引入偏见的可能性。
此外，在考虑或讨论复杂问题时，我们将能够使用模拟系统进行思考和讨论，而不再仅仅依赖个体的心智模拟。
这提高了思考的精确性，并使讨论更具建设性。讨论不再是指出彼此的智慧或思维错误，而是可以聚焦于明确的要点，例如模拟的底层模型、任何遗漏或缺失的元素、如何估算高度不确定的部分，以及结果中哪些指标被优先考虑。
随着模拟系统的易于创建，我们的思维方式将从线性思维——即关注直觉、假设以及他人的恶意或错误——转变为模拟思维。
这就像在讨论中用智能手机上网搜索新闻来源、维基百科或一手资料一样。我们将不再需要仅仅依靠彼此的记忆进行无休止的争论。
在讨论过程中，生成式AI将从讨论内容中整理出模拟模型、模拟规则和前提条件。
讨论参与者只需要在该模型和规则中添加或修正信息和前提，然后检查模拟结果即可。就像找到一个可信的新闻来源一样，这些模拟结果可以作为共同的基础，深化讨论。
这意味着，旁听讨论的人们将不再生活在一个需要思忖谁对谁错或谁值得信任的时代。他们也不会因为试图理解讨论中出现的晦涩术语和概念而失去对本质的把握。
他们只需要考虑非常简单的事情：如何评估不确定性以及优先考虑哪些价值观。