Το σχέδιο είναι ο κώδικας

Πώς η λογική των κυψελιδικών αυτομάτων θα αναδιαμορφώσει τα πρακτορικά συστήματα σχεδίασης (Agentic Design Systems) και γιατί το μέλλον της ανάπτυξης ιστού μπορεί να είναι ήδη γραμμένο σε απλούς κανόνες

Στη διασταύρωση των συστημάτων σχεδίασης, της τεχνητής νοημοσύνης και της υπολογιστικής θεωρίας συντελείται ένας βαθύς μετασχηματισμός. Η αλλαγή είναι τόσο θεμελιώδης, που αμφισβητεί ακόμη και το τι σημαίνει «σχεδίαση» στην εποχή των αυτόνομων πρακτόρων.

Επί δεκαετίες αντιμετωπίζαμε τη σχεδίαση και τον κώδικα ως ξεχωριστούς κλάδους: τη σχεδίαση ως βασίλειο της ανθρώπινης δημιουργικότητας και της αισθητικής κρίσης, και τον κώδικα ως τη μηχανική μετάφραση αυτών των ιδεών σε εκτελέσιμη μορφή. Όμως, καθώς οι πράκτορες τεχνητής νοημοσύνης συναρμολογούν όλο και συχνότερα διεπαφές χρήστη αυτόνομα, χρησιμοποιούν τα συστήματα σχεδίασης ως μηχανικά αναγνώσιμη υποδομή και παράγουν κώδικα από σημασιολογικά tokens, πλησιάζουμε ένα σημείο σύγκλισης που θυμίζει μια πολύ παλαιότερη ιδέα της υπολογιστικής θεωρίας.

Ποια ιδέα; Η σχεδίαση είναι ο κώδικας.

Δεν είναι απλώς μια πιασάρικη φράση. Είναι η αναγνώριση ότι ίσως οδεύουμε προς έναν κόσμο όπου τα συστήματα σχεδίασης λειτουργούν σαν κυψελιδικά αυτόματα: απλοί κανόνες που γεννούν σύνθετες, αναδυόμενες συμπεριφορές. Έναν κόσμο όπου η διάκριση ανάμεσα στο να «σχεδιάζεις» κάτι και στο να το «προγραμματίζεις» εξαφανίζεται εντελώς. Όπου οι αυτόνομοι πράκτορες δεν χρησιμοποιούν απλώς τα συστήματα σχεδίασης, αλλά είναι τα ίδια τα συστήματα σχεδίασης σε δράση.

Αυτό το άρθρο εξερευνά τους βαθιούς δεσμούς ανάμεσα στα κυψελιδικά αυτόματα, την αναδυόμενη συμπεριφορά και το μέλλον των πρακτορικών συστημάτων σχεδίασης. Θα ανιχνεύσουμε τα θεωρητικά θεμέλια, από τις αυτοαναπαραγόμενες μηχανές του von Neumann έως τα σμήνη πρακτόρων τεχνητής νοημοσύνης του σήμερα.

Θα εξετάσουμε πώς το Drupal και οι σύγχρονες πλατφόρμες CMS ενσωματώνουν την τεχνητή νοημοσύνη μέσω modules όπως τα Schema.org Blueprints και το Drupal AI. Και θα αναρωτηθούμε τι σημαίνουν όλα αυτά για τους σχεδιαστές, τους προγραμματιστές και το μέλλον της δημιουργίας ψηφιακών προϊόντων.

Κυψελιδικά αυτόματα και η λογική της αναδυόμενης πολυπλοκότητας

Η ομορφιά των απλών κανόνων

Το 1970 ο μαθηματικός John Conway παρουσίασε το Παιχνίδι της Ζωής (Game of Life), ένα «παιχνίδι μηδενικών παικτών» που έμελλε να γίνει ένα από τα πιο μελετημένα συστήματα της υπολογιστικής θεωρίας. Οι κανόνες είναι εκπληκτικά απλοί:

1. Κάθε ζωντανό κύτταρο με λιγότερους από δύο ζωντανούς γείτονες πεθαίνει (υποπληθυσμός)
2. Κάθε ζωντανό κύτταρο με δύο ή τρεις ζωντανούς γείτονες επιβιώνει
3. Κάθε ζωντανό κύτταρο με περισσότερους από τρεις ζωντανούς γείτονες πεθαίνει (υπερπληθυσμός)
4. Κάθε νεκρό κύτταρο με ακριβώς τρεις ζωντανούς γείτονες ζωντανεύει (αναπαραγωγή)

Από αυτούς τους τέσσερις κανόνες, που εκφράζονται με μια χούφτα δυαδικών συνθηκών, αναδύεται ένα εκπληκτικό σύμπαν πολυπλοκότητας. Glider διασχίζουν άπειρα πλέγματα. Ταλαντωτές πάλλονται σε αέναους ρυθμούς. Κανόνια εκτοξεύουν ρεύματα μοτίβων στον κυψελιδικό χώρο. Και, το πιο αξιοσημείωτο, έχει αποδειχθεί ότι το Παιχνίδι της Ζωής είναι Turing-complete: οτιδήποτε μπορεί να υπολογιστεί αλγοριθμικά μπορεί, κατ' αρχήν, να υπολογιστεί μέσα στο απλό πλέγμα του Conway.

Σχήμα 1: Το Πυροβόλο Ανεμοπλάνων του Γκόσπερ (Gosper's Glider Gun) στο Παιχνίδι της Ζωής του Κόνγουεϊ. Αυτό το μοτίβο παράγει μια συνεχή ροή από ανεμοπλάνα (gliders), δείχνοντας πώς απλοί κανόνες μπορούν να γεννήσουν άπειρη, αυτοσυντηρούμενη πολυπλοκότητα.

Αυτό είναι το πρώτο μάθημα των κυψελωτών αυτομάτων: η πολυπλοκότητα δεν είναι προϋπόθεση για σύνθετη συμπεριφορά. Απλοί κανόνες, εφαρμοσμένοι με συνέπεια πάνω σε ένα υπόστρωμα, μπορούν να γεννήσουν μοτίβα και συμπεριφορές που κανείς δεν προγραμμάτισε ρητά.

Οι Βρόχοι του Λάνγκτον και η αυτοαναπαραγωγή

Το 1984, ο Κρίστοφερ Λάνγκτον προχώρησε αυτή την αρχή ακόμη πιο πέρα με τους αυτοαναπαραγόμενους βρόχους του: ένα κυψελωτό αυτόματο που έδειξε γνήσιες αρχές τεχνητής ζωής. Σε αντίθεση με το Παιχνίδι της Ζωής του Κόνγουεϊ, που δείχνει αναδυόμενη πολυπλοκότητα, οι Βρόχοι του Λάνγκτον δείχνουν αναδυόμενη αναπαραγωγή.

Κάθε βρόχος αποτελείται από ένα κυκλικό όριο που περικλείει ένα «γονιδίωμα» κωδικοποιημένο στις καταστάσεις των κυψελών. Το γονιδίωμα αυτό κυκλοφορεί αδιάκοπα γύρω από τον βρόχο και εξέρχεται μέσω ενός βραχίονα κατασκευής, ο οποίος χτίζει έναν θυγατρικό βρόχο σε 151 χρονικά βήματα. Όταν ολοκληρωθεί, το θυγατρικό αποχωρίζεται από τον γονέα του και και οι δύο συνεχίζουν να αναπαράγονται.

Σχήμα 2: Ο Βρόχος του Λάνγκτον στην αρχική του διαμόρφωση. Η γενετική πληροφορία κυκλοφορεί μέσα στον βρόχο και κατευθύνει την κατασκευή θυγατρικών βρόχων μέσω του βραχίονα που εκτείνεται.

«Αν μια αυτοαναπαραγόμενη μηχανή είναι εφικτή μέσα σε ένα κυψελωτό αυτόματο, τότε η ίδια η ζωή ίσως μπορεί να επιτευχθεί από μηχανές.»

- Κρίστοφερ Λάνγκτον, «Μελετώντας την τεχνητή ζωή με κυψελωτά αυτόματα» (1986)

Οι συνέπειες είναι βαθιές. Οι Βρόχοι του Λάνγκτον δείχνουν ότι η αυτοαναπαραγωγή δεν απαιτεί την πολυπλοκότητα των βιολογικών κυττάρων ούτε τις καθολικές δυνατότητες κατασκευής του αρχικού σχεδιασμού του φον Νόιμαν. Απαιτεί μόνο:

• Ένα σύνολο απλών, τοπικών κανόνων
• Έναν μηχανισμό κωδικοποίησης οδηγιών
• Μια διαδικασία με την οποία εκτελούνται αυτές οι οδηγίες

Οι κανόνες είναι ο οργανισμός. Ο σχεδιασμός είναι ο κώδικας.

Το 1999, ο Χιρόκι Σαγιάμα παρουσίασε τους evoloops, παραλλαγές που ενσωματώνουν δομική διαλυτότητα και φαινοτυπικές αλληλεπιδράσεις, επιτρέποντας αυθόρμητες μεταλλάξεις και εξελικτικές δυναμικές. Οι βρόχοι αυτοί εξελίσσονται μέσα από άμεσες φυσικές συγκρούσεις κατά την αναπαραγωγή, οδηγώντας σε παραλλαγές γονότυπου, αυξημένη μορφολογική ποικιλία και αύξηση της πολυπλοκότητας από γενιά σε γενιά. Σε αντίθεση με τη σταθερή αναπαραγωγή του Λάνγκτον, οι evoloops επιδεικνύουν κληροδοτούμενες μεταλλάξεις χωρίς εξωτερική παρέμβαση.

Ο Κανόνας 110 και ο καθολικός υπολογισμός

Η διερεύνηση των στοιχειωδών κυψελωτών αυτομάτων από τον Στίβεν Γουλφραμ κορυφώθηκε με μια εκπληκτική ανακάλυψη: ο Κανόνας 110, ένας από τους μόλις 256 πιθανούς κανόνες για το απλούστερο είδος μονοδιάστατου κυψελωτού αυτομάτου, είναι ικανός για καθολικό υπολογισμό.

Ο κανόνας 110 μπορεί να οριστεί πλήρως δίνοντας το αποτέλεσμα για καθέναν από τους οκτώ πιθανούς συνδυασμούς ενός κελιού και των δύο γειτόνων του. Κι όμως, αυτός ο απλούστατος κανόνας, οκτώ δυαδικές αποφάσεις, μπορεί να προσομοιώσει μια καθολική μηχανή Turing.

Εικόνα 3: Κυψελικό αυτόματο του κανόνα 110. Παρά τον απλό ορισμό του, ο κανόνας 110 παρουσιάζει συμπεριφορά Κλάσης 4, δηλαδή σύνθετα μοτίβα που δεν είναι ούτε απόλυτα σταθερά ούτε απόλυτα χαοτικά, και έχει αποδειχθεί ότι είναι πλήρης κατά Turing.

«Δεν χρειάζεσαι κάτι σαν ολόκληρη κεντρική μονάδα επεξεργασίας υπολογιστή για να κάνεις καθολικό υπολογισμό. Χρειάζεσαι απλώς αυτόν τον μικρό κανόνα.»

- Stephen Wolfram, «A New Kind of Science»

Το 2004, ο Matthew Cook δημοσίευσε μια απόδειξη ότι ο κανόνας 110, με ένα συγκεκριμένο επαναλαμβανόμενο μοτίβο υποβάθρου, είναι πλήρης κατά Turing. Η απόδειξη δείχνει ότι ο κανόνας 110 μπορεί να εξομοιώσει κυκλικά συστήματα ετικετών (cyclic tag systems), τα οποία με τη σειρά τους μπορούν να εξομοιώσουν οποιαδήποτε μηχανή Turing. Ανάμεσα στα 88 πιθανά μοναδικά στοιχειώδη κυψελικά αυτόματα, ο κανόνας 110 είναι ο μόνος για τον οποίο η πληρότητα κατά Turing έχει αποδειχθεί άμεσα.

Η Αρχή της Υπολογιστικής Ισοδυναμίας που πρότεινε ο Wolfram υποδηλώνει κάτι ακόμη πιο ριζοσπαστικό: τα συστήματα που ξεπερνούν ένα ελάχιστο όριο πολυπλοκότητας είναι ουσιαστικά ισοδύναμα ως προς τις υπολογιστικές τους δυνατότητες. Ένας ανθρώπινος εγκέφαλος, ένα καιρικό σύστημα και ο κανόνας 110 είναι, κατά μία βαθιά έννοια, υπολογιστικά ισοδύναμα.

Το μετακύτταρο 0E0P: πραγματική αυτοαναπαραγωγή

Τον Οκτώβριο του 2018, ο Adam P. Goucher ολοκλήρωσε την κατασκευή του μετακυττάρου 0E0P, ενός μοτίβου στο Παιχνίδι της Ζωής του Conway ικανού για πραγματική αυτοαναπαραγωγή. Σε αντίθεση με τα προηγούμενα μετακύτταρα, που απαιτούσαν ήδη υπάρχοντα αντίγραφα εκεί κοντά, το μετακύτταρο 0E0P μπορεί να κατασκευάσει αντίγραφα του εαυτού του από το μηδέν, μαζί με τη δική του ταινία εντολών.

Αυτό το επίτευγμα αποτελεί ορόσημο στην τεχνητή ζωή: ένα σύστημα που μπορεί να διαδοθεί μέσα σε ένα υπολογιστικό υπόστρωμα χρησιμοποιώντας μόνο τοπικούς κανόνες. Στις 23 Νοεμβρίου 2013, ο Dave Greene κατασκεύασε τον πρώτο αναπαραγωγέα στο Παιχνίδι της Ζωής που δημιουργεί ένα πλήρες αντίγραφο του εαυτού του, συμπεριλαμβανομένης της ταινίας εντολών, αποδεικνύοντας ότι ακόμη και το απλό αυτόματο δύο καταστάσεων του Conway μπορεί να υποστηρίξει απεριόριστη αυτοαναπαραγωγή.

Τα συστήματα σχεδίασης ως υπολογιστικά υποστρώματα

Από το Atomic Design στο Agentic Design

Η μεθοδολογία Atomic Design του Brad Frost, που παρουσιάστηκε το 2013, φέρνει επανάσταση στον τρόπο που σκεφτόμαστε τα συστήματα σχεδίασης. Χωρίζοντας τις διεπαφές σε άτομα (βασικά στοιχεία όπως κουμπιά και πεδία εισαγωγής), μόρια (απλούς συνδυασμούς), οργανισμούς (σύνθετες ενότητες διεπαφής), πρότυπα (διατάξεις σελίδων) και σελίδες (τελικές υλοποιήσεις), το Atomic Design πρόσφερε μια ιεραρχική δομή για τη διαχείριση της πολυπλοκότητας.

Αλλά να τι είναι αξιοσημείωτο εκ των υστέρων: το Atomic Design ενσωμάτωνε ήδη τις αρχές των κυψελικών αυτομάτων χωρίς να τις αναγνωρίζει ρητά.

«Όταν το design system είναι βαρετό, ελευθερώνει τους σχεδιαστές και τους προγραμματιστές να κάνουν κάτι καινούργιο, να λύσουν νέα προβλήματα. Το design system σηκώνει το βάρος του βαρετού, ώστε οι σχεδιαστές και οι προγραμματιστές να μη χρειάζεται να το κάνουν.»

- Josh Clark, «The Most Exciting Design Systems Are Boring»

Τον Φεβρουάριο του 2023, ο Brad Frost έγραψε για τα «Design Systems in the Time of AI»:

«Η τεχνητή νοημοσύνη είναι ένας φυσικός καταναλωτής design system... Η αλήθεια είναι ότι μεγάλο μέρος της δουλειάς σε συστατικά ενός design system είναι πράγματι μηχανικό και προβλέψιμο. Ήδη χρησιμοποιούμε εργαλεία όπως το PlopJS για να παράγουμε τον σκελετό ενός συστατικού που ταιριάζει με το σχήμα του υπόλοιπου συνόλου. Θα καλωσόριζα τη βοήθεια της τεχνητής νοημοσύνης στη δημιουργία πολλών συνηθισμένων σκελετών κώδικα για λογαριασμό μου.»

- Brad Frost

Ο μηχανικός και προβλέψιμος χαρακτήρας των design systems είναι ακριβώς αυτός που τα κάνει κατάλληλα για λειτουργία τύπου κυψελωτού αυτομάτου. Όταν οι κανόνες είναι σαφείς, τοπικοί και εφαρμόζονται με συνέπεια, οι πράκτορες μπορούν να λειτουργούν αυτόνομα, όπως ακριβώς τα κύτταρα στο Παιχνίδι της Ζωής του Conway δεν χρειάζονται κεντρικό ελεγκτή για να παράγουν ανεμοπλάνα (gliders) και ταλαντωτές.

Το επιτακτικό αίτημα της μηχανικής αναγνωσιμότητας

Η πρωτοβουλία Storybook MCP (Model Context Protocol) αποτελεί μια κρίσιμη εξέλιξη προς αυτή την κατεύθυνση. Ανακοινώθηκε στα τέλη του 2025 και δίνει στους πράκτορες προγραμματισμού με τεχνητή νοημοσύνη μεταδεδομένα συστατικών αναγνώσιμα από μηχανές, από υπάρχουσες εγκαταστάσεις του Storybook.

Το βασικό συμπέρασμα είναι ότι οι πράκτορες δεν χρειάζονται ωμό κώδικα ή οπτική τεκμηρίωση. Χρειάζονται:

• Μανιφέστα συστατικών: Δομημένα μεταδεδομένα για κάθε συστατικό: τα props του, τις παραλλαγές του, τις συνδέσεις με design tokens και παραδείγματα χρήσης
• Σημασιολογική ονοματοδοσία: Tokens πλούσια σε πρόθεση, όπως το action.primary.confirm, που μεταφέρουν νόημα στους πράκτορες και όχι απλώς τιμές
• Βρόχοι επικύρωσης: Η δυνατότητα να εκτελούν τεστ, να βλέπουν τις αποτυχίες και να διορθώνονται μόνοι τους

«Το Storybook MCP βοηθά τους πράκτορες να ακολουθούν τα πρότυπά σας και να περνούν τα τεστ σας. Τους εφοδιάζει με δύο πράγματα που δεν είχαν ποτέ πριν: μεταδεδομένα συστατικών αναγνώσιμα από μηχανές και έναν επαναληπτικό βρόχο για να θεραπεύουν μόνοι τους τα λάθη τους.»

- Η ομάδα του Storybook

Το Storybook MCP περιλαμβάνει έναν αυτόνομο βρόχο διόρθωσης. Επιτρέπει στους πράκτορες να εκτελούν τα τεστ των συστατικών σας (αλληλεπίδρασης και προσβασιμότητας), να βλέπουν τι αποτυγχάνει και να διορθώνουν μόνοι τους τα δικά τους σφάλματα. Ο προγραμματιστής χρειάζεται να παρέμβει μόνο αφού περάσουν τα τεστ. Τέρμα το «νταντεμα» των prompts.

Αυτή ακριβώς είναι η αρχιτεκτονική ενός κυψελωτού αυτομάτου εφαρμοσμένη στον σχεδιασμό: τοπικοί κανόνες (προδιαγραφές συστατικών), αλληλεπιδράσεις γειτόνων (πρότυπα σύνθεσης) και επαναληπτικές ενημερώσεις (επικύρωση και αυτοδιόρθωση).

Το μανιφέστο συστατικών μου ως γονιδίωμα

Η σύγκριση με τους Βρόχους του Langton γίνεται ακόμη πιο εύστοχη όταν δούμε πώς λειτουργούν τα μανιφέστα συστατικών. Στο σύστημα του Langton, το «γονιδίωμα» που είναι κωδικοποιημένο στα κύτταρα που κυκλοφορούν περιέχει τις οδηγίες για την κατασκευή ενός νέου βρόχου. Σε ένα design system αναγνώσιμο από μηχανές, το μανιφέστο του συστατικού περιέχει τις οδηγίες για τη συναρμολόγηση των διεπαφών.

Ένα μανιφέστο συστατικού θα μπορούσε να προσδιορίζει:

{
  "name": "Button",
  "variants": ["primary", "secondary", "destructive"],
  "sizes": ["sm", "md", "lg"],
  "props": {
    "label": "string",
    "disabled": "boolean",
    "onClick": "function"
  },
  "tokens": {
    "background": "color.action.primary",
    "borderRadius": "radius.md",
    "padding": "space.3"
  },
  "constraints": [
    "Must have accessible contrast ratio",
    "Label required for non-icon buttons",
    "Minimum touch target 44x44px"
  ],
  "examples": [
    { "variant": "primary", "label": "Submit", "size": "md" },
    { "variant": "destructive", "label": "Delete", "size": "sm" }
  ]
}

Αυτό το μανιφέστο είναι ταυτόχρονα προδιαγραφή σχεδιασμού και εκτελέσιμος κώδικας - ή, ακριβέστερα, οι οδηγίες από τις οποίες μπορεί να παραχθεί εκτελέσιμος κώδικας. Ο agent που καταναλώνει αυτό το μανιφέστο δεν χρειάζεται να κατανοεί την αισθητική ή την εμπειρία χρήστη με την ανθρώπινη έννοια. Χρειάζεται να ακολουθεί τους κανόνες, να συνδυάζει τα στοιχεία σύμφωνα με τους περιορισμούς τους και να παράγει έγκυρα αποτελέσματα.

Συμφωνώ με τον Brad Frost ότι χρειαζόμαστε μια μορφή yaml.

Τα Drupal Components χρησιμοποιούν ήδη τη μορφή yaml. Κάτι σαν

$schema: https://git.drupalcode.org/project/drupal/-/raw/HEAD/core/assets/schemas/v1/metadata.schema.json
name: Button
status: experimental
description: Use Bootstrap custom button styles for actions in forms, dialogs, and more with support for multiple sizes, states, and more.
props:
  type: object
  properties:
    html_tag:
      type: string
      title: The HTML tag to use for the button (button | a). Defaults to `button`.
      default: button
      enum:
        - button
        - a
    url:
      type: string
      title: URL Link
      description: URL link for the button when the HTML tag is an anchor link.
      $ref: "ui-patterns://url"
    color:
      type: string
      title: Color
      description: Bootstrap includes several predefined button styles, each serving its own semantic purpose, with a few extras thrown in for more control.
      default: ''
      enum:
        - ''
        - primary
        - secondary
        - success
        - danger
        - warning
        - info
        - dark
        - light
        - link
    outline:
      type: boolean
      title: Outline
      description: In need of a button, but not the hefty background colors they bring? Replace the default modifier classes with the .btn-outline-* ones to remove all background images and colors on any button.
      default: false
    size:
      type: string
      title: Size
      description: Bootstrap button size
      default: ''
      enum:
        - ''
        - btn-sm
        - btn-lg
    disabled:
      type: boolean
      title: Disabled
      description: Disabled button
      default: false
    button_utility_classes:
      type: array
      title: Utility Classes
      default: []
      items:
        type: 'string'
      description: An array of utility classes that can be used to add extra Bootstrap utility classes or custom classes to this component.
    attributes:
      type: object
      title: Attributes
      description: HTML attributes for the containing element.
      $ref: 'ui-patterns://attributes'
slots:
  content:
    type: string
    title: Content
    description: The content for the button
    minLength: 1
    examples:
      - Press
      - Submit now
      - Save
      - Login
      - Read more

Ο σχεδιασμός είναι ο κώδικας.

• Παραλλαγές
• Tokens
• Props

• Περιορισμοί (θα μπορούσαμε να τους προσθέσουμε στα components)

• Κανόνες για τα slots (τι μπορεί να τοποθετηθεί σε άλλα slots, ή τι επιτρέπεται να τοποθετηθεί στο δικό μου slot)

• Κανόνες

• Παραδείγματα 

• Animations  ( Επιτρέπεται ή προτείνεται να χρησιμοποιηθούν )

Έπειτα παρακολουθήστε και πειραματιστείτε με τη συμπεριφορά.

όπως στο https://storybook.demo.varbase.vardot.com/?path=/story/atoms-button--primary 

Τα Design Tokens ως μεταβλητές του περιβάλλοντος

Τα design tokens αποτελούν ένα ακόμη κρίσιμο κομμάτι του παζλ. Στα κυψελικά αυτόματα (cellular automata), τα κύτταρα αντιδρούν στο άμεσο περιβάλλον τους - στις καταστάσεις των γειτονικών κυττάρων. Στα design systems, τα components ανταποκρίνονται στα design tokens - τις τιμές με βάση το πλαίσιο που καθορίζουν την εμφάνιση και τη συμπεριφορά τους.

Οι σύγχρονες αρχιτεκτονικές tokens χρησιμοποιούν πολλαπλά επίπεδα:

• Βασικά tokens: Ακατέργαστες τιμές, όπως color.blue.500: #3B82F6
• Σημασιολογικά tokens: Αναφορές βασισμένες στην πρόθεση, όπως color.action.primary: color.blue.500
• Tokens component: Εφαρμογές με περιορισμένο εύρος, όπως button.background.primary: color.action.primary

Όταν ένας agent δημιουργεί ένα component Button, δεν χρειάζεται να ξέρει ότι το «primary» σημαίνει μπλε. Χρειάζεται μόνο να αναφερθεί στο button.background.primary και να εμπιστευτεί ότι το σύστημα των tokens θα το αναλύσει στη σωστή τιμή. Το περιβάλλον (το επίπεδο των tokens) περιέχει την πληροφορία· το component (το κύτταρο) απλώς χρειάζεται να ανταποκριθεί σε αυτήν.

Εργαλεία όπως το Tokens Studio έχουν εξελιχθεί ώστε να αντιμετωπίζουν τα design tokens ως υπολογιστικούς γράφους με resolvers - κόμβους που παίρνουν σημασιολογικές αποφάσεις για το ποια βασικά tokens θα χρησιμοποιηθούν ανάλογα με το πλαίσιο. Έτσι τα design tokens μετατρέπονται από στατικές τιμές σε δυναμικά συστήματα βασισμένα σε κανόνες.

Το οικοσύστημα του Drupal και η ενσωμάτωση της AI

Η ενσωμάτωση της AI στα Συστήματα Διαχείρισης Περιεχομένου (CMS) αποτελεί ένα ιδανικό εργαστήριο για να εξερευνήσουμε τις αρχές του «ο σχεδιασμός είναι ο κώδικας». Συστήματα όπως το Drupal ενσωματώνουν ήδη τις βασικές έννοιες: δομημένους τύπους περιεχομένου, ορισμούς πεδίων, σχέσεις και κανόνες σύνθεσης.

Ποτέ δεν φανταζόμουν ότι θα λέγαμε κάτι τέτοιο. Για μένα αυτό ήταν το ύψιστο επίτευγμα της τεχνολογίας.

 Το απόλυτο σετ υπολογιστή που θα μπορούσαμε να έχουμε. Προγραμματιστές που θα μπορούσαν να έρχονται από το μέλλον του Star Trek, μιλώντας στον υπολογιστή ώστε να προγραμματίζει εκείνος για λογαριασμό τους.

Agent Experience (AX) και ο νέος χρήστης

Σχεδιάζοντας για μηχανές

Στις αρχές του 2025, ο Mathias Biilmann, CEO της Netlify, παρουσίασε την έννοια του «Agent Experience» (AX) μιας νέας πειθαρχίας που εστιάζει στον τρόπο με τον οποίο οι AI agents αλληλεπιδρούν με προϊόντα και πλατφόρμες.

Η αλλαγή είναι θεμελιώδης. Για δεκαετίες, το UX (User Experience) βελτιστοποιούσε για την ανθρώπινη νόηση, αντίληψη και συμπεριφορά. Το DX (Developer Experience) βελτιστοποιούσε για τους ανθρώπους προγραμματιστές που χτίζουν λογισμικό. Το AX αναγνωρίζει ότι οι agents γίνονται βασικοί χρήστες των ψηφιακών συστημάτων - και έχουν εντελώς διαφορετικές ανάγκες:

• Δεν τους απασχολεί η οπτική αισθητική-μόνο δομημένα δεδομένα που μπορούν να αναλυθούν
• Δεν πλοηγούνται σε διεπαφές-καλούν APIs και καταναλώνουν μανιφέστα
• Δεν διαβάζουν την τεκμηρίωση όπως οι άνθρωποι-χρειάζονται πλαίσιο αναγνώσιμο από μηχανές
• Δεν κάνουν υποκειμενικές κρίσεις-ακολουθούν κανόνες και περιορισμούς

«Οι AI Agents δεν είναι άνθρωποι: δεν τους νοιάζει το μέγεθος ενός κουμπιού, η αναγνωσιμότητα της τυπογραφίας, η όμορφη χρωματική παλέτα του ιστότοπού σας ή τα εντυπωσιακά animations της εφαρμογής σας. Τι είναι λοιπόν αυτό που «νοιάζει» τους AI Agents; Είναι ένα ερώτημα που σήμερα δεν έχει συγκεκριμένη απάντηση, αλλά θα γίνεται όλο και πιο σημαντικό τα επόμενα χρόνια.»

- AX Research

Η απάντηση: σαφείς κανόνες, προβλέψιμες συμπεριφορές, καλά δομημένα δεδομένα και βρόχοι ανατροφοδότησης που τους επιτρέπουν να επαληθεύουν και να διορθώνουν τις ενέργειές τους.

Η πρόκληση της διπλής διεπαφής

Ο σχεδιασμός για το AX σημαίνει ότι χτίζουμε δύο διεπαφές ταυτόχρονα:

1. Διεπαφή ανθρώπου προς πράκτορα: Εκεί όπου οι άνθρωποι εποπτεύουν, εγκρίνουν, επεξεργάζονται και καθοδηγούν τη συμπεριφορά των πρακτόρων, δηλαδή το επίπεδο του «κέντρου ελέγχου». Σκεφτείτε πίνακες ελέγχου και ουρές έγκρισης, όχι φόρμες και κουμπιά.
2. Διεπαφή πράκτορα προς σύστημα: Εκεί όπου οι πράκτορες αλληλεπιδρούν με APIs, βάσεις δεδομένων και εργαλεία, δηλαδή το «επιχειρησιακό» επίπεδο. Πρέπει να είναι στιβαρό, καλά τεκμηριωμένο και βελτιστοποιημένο για την αποδοτικότητα των μηχανών.

Αυτό αντικατοπτρίζει την αρχιτεκτονική των κυψελωτών αυτομάτων, όπου συνυπάρχουν δύο διακριτές οπτικές:

• Η τοπική οπτική: Κάθε κύτταρο (πράκτορας) ακολουθεί απλούς κανόνες με βάση τους άμεσους γείτονές του
• Η καθολική οπτική: Αναδύονται σύνθετα μοτίβα που φαίνονται μόνο σε μεγάλη κλίμακα

«Ο σχεδιασμός εμπειρίας πράκτορα (AX) πρέπει να οδηγεί σε εξαιρετική ευχρηστία για τους πράκτορες και από τους πράκτορες. Έτσι, το εξαιρετικό AX οδηγεί σε εξαιρετική εμπειρία χρήστη (UX). Αν ο πράκτορας AI συναντήσει μια χαλασμένη διαδικασία, ένα πρωτόκολλο που δεν λειτουργεί ή ακόμη και ασυνεπή διατύπωση ανάμεσα στα συστήματα, αδυνατεί να ολοκληρώσει την εργασία. Αυτό είναι μια κακή εμπειρία για τον πράκτορα, η οποία με τη σειρά της οδηγεί σε κακή εμπειρία για τον πελάτη ή τον εργαζόμενο.»

- Kat Holmes, Chief Experience Officer, Salesforce

Από το UX στο AX: Η εξέλιξη του ψηφιακού σχεδιασμού

Στιγμεργία και έμμεση επικοινωνία

Μία από τις πιο ισχυρές έννοιες της νοημοσύνης σμήνους είναι η στιγμεργία, δηλαδή ο έμμεσος συντονισμός μέσα από ίχνη στο περιβάλλον. Τα μυρμήγκια δεν επικοινωνούν άμεσα για το πού βρίσκεται η τροφή· αφήνουν ίχνη φερομόνης που ακολουθούν τα υπόλοιπα. Το περιβάλλον γίνεται μέσο επικοινωνίας.

Στα συστήματα σχεδιασμού με πράκτορες, η στιγμεργία παίρνει τις εξής μορφές:

• Κοινές βιβλιοθήκες στοιχείων: Οι πράκτορες «βλέπουν» ποια στοιχεία υπάρχουν και πώς έχουν χρησιμοποιηθεί
• Design tokens: Σημασιολογικές τιμές που κωδικοποιούν αποφάσεις σχεδιασμού ως γεγονότα του περιβάλλοντος
• Τεκμηρίωση μοτίβων: Παραδείγματα χρήσης που λειτουργούν ως ίχνη φερομόνης για τους μελλοντικούς πράκτορες
• Σουίτες δοκιμών: Κανόνες επικύρωσης που περιορίζουν το εύρος των έγκυρων αποτελεσμάτων
• Ιστορικό Git: Ένα αρχείο προηγούμενων αποφάσεων στο οποίο μπορούν να ανατρέχουν οι πράκτορες

Όταν ένας πράκτορας δημιουργεί ένα UI χρησιμοποιώντας ένα στοιχείο, αφήνει ίχνη: στη βάση κώδικα, στην τεκμηρίωση, στα μοτίβα που καθιερώνει. Οι μελλοντικοί πράκτορες που θα συναντήσουν παρόμοιες εργασίες θα επηρεαστούν από αυτά τα ίχνη, δημιουργώντας μια μορφή συλλογικής νοημοσύνης που κανένας μεμονωμένος πράκτορας δεν διαθέτει.

Μοτίβα σχεδιασμού με πράκτορες

Ο Andrew Ng και άλλοι έχουν εντοπίσει τέσσερα βασικά μοτίβα για συστήματα agentic AI:

1. Ανασκόπηση: Η τεχνητή νοημοσύνη αξιολογεί τη δική της έξοδο και τη βελτιώνει επαναληπτικά
2. Χρήση εργαλείων: Η τεχνητή νοημοσύνη αλληλεπιδρά με εξωτερικά εργαλεία, APIs και συστήματα
3. Σχεδιασμός:Το AI διασπά σύνθετες εργασίες σε υποεργασίες και τις εκτελεί διαδοχικά
4. Πολλαπλοί πράκτορες (Multi-Agent): Πολλοί εξειδικευμένοι πράκτορες συνεργάζονται σε σύνθετες εργασίες

Αυτά τα μοτίβα αντιστοιχούν άμεσα σε έννοιες των κυψελωτών αυτομάτων:

Ο σχεδιασμός είναι ο κώδικας – μια βαθύτερη ανάγνωση

Τι σημαίνει πραγματικά το «Ο σχεδιασμός είναι ο κώδικας»

Όταν λέμε «ο σχεδιασμός είναι ο κώδικας», διατυπώνουμε ταυτόχρονα πολλούς ισχυρισμούς:

1. Σημασιολογική ισοδυναμία

Οι σχεδιαστικές αποφάσεις, όταν κωδικοποιηθούν σωστά, γίνονται εκτελέσιμες. Ένα design token δεν είναι απλώς μια τιμή – είναι μια εντολή. Μια προδιαγραφή συστατικού δεν είναι απλώς τεκμηρίωση – είναι ένα πρόγραμμα. Όταν οι πράκτορες χρησιμοποιούν αυτά τα artifacts, εκτελούν τον σχεδιασμό όσο και τον υλοποιούν.

2. Γενετική ικανότητα

Όπως ο Κανόνας 110 μπορεί να υπολογίσει οτιδήποτε είναι υπολογίσιμο, έτσι και ένα αρκετά πλήρες σύστημα σχεδιασμού μπορεί να παραγάγει κάθε έγκυρη διεπαφή. Το σύστημα περιέχει τη δυνατότητα όλων των έγκυρων εκφράσεών του. Το τι προκύπτει εξαρτάται μόνο από τις αρχικές συνθήκες (τις απαιτήσεις) και τους κανόνες (τους περιορισμούς).

3. Αναδυόμενη πολυπλοκότητα

Οι πιο εξελιγμένες διεπαφές δεν σχεδιάζονται από πάνω προς τα κάτω· αναδύονται από τη συνεπή εφαρμογή απλών κανόνων. Ένα καλοσχεδιασμένο κουμπί, όταν χρησιμοποιείται με συνέπεια, παράγει μια συνεκτική οπτική γλώσσα χωρίς να έχει σχεδιάσει κανείς ρητά αυτή τη συνοχή.

4. Υπολογιστική μη αναγωγιμότητα

Ορισμένα σχεδιαστικά αποτελέσματα δεν μπορούν να προβλεφθούν χωρίς να τρέξει πραγματικά το σύστημα. Δεν μπορείς να ξέρεις πώς θα δείχνει μια διεπαφή που συναρμολογεί ένας πράκτορας αν δεν αφήσεις τον πράκτορα να τη συναρμολογήσει. Αυτή είναι η αρχή της υπολογιστικής μη αναγωγιμότητας του Wolfram εφαρμοσμένη στον σχεδιασμό.

5. Αυτοτροποποίηση

Όπως τα evoloops που μεταλλάσσονται κατά την αναπαραγωγή, έτσι και τα συστήματα σχεδιασμού που είναι έτοιμα για πράκτορες μπορούν να εξελίσσονται μέσα από τη χρήση. Τα συστατικά που παράγουν οι πράκτορες γίνονται μέρος της βιβλιοθήκης που θα χρησιμοποιήσουν οι μελλοντικοί πράκτορες. Το σύστημα μαθαίνει, προσαρμόζεται και αναπτύσσεται.

Η μεταφορά των κυψελωτών αυτομάτων σε βάθος

Πέρα από τη μεταφορά: μια πραγματική σύγκλιση

Όμως αυτό δεν είναι απλώς μεταφορά. Η σύγκλιση είναι υπαρκτή και συμβαίνει τώρα:

• Storybook MCP μετατρέπει τις βιβλιοθήκες συστατικών σε εντολές αναγνώσιμες από μηχανές, τις οποίες εκτελούν οι πράκτορες
• Model Context Protocol τυποποιεί τον τρόπο με τον οποίο οι πράκτορες έχουν πρόσβαση σε εργαλεία και πλαίσιο, δημιουργώντας ένα καθολικό υπόστρωμα για πρακτορικές λειτουργίες
• Αρχιτεκτονικές πολλαπλών πρακτόρων μοιράζουν την εργασία σε εξειδικευμένους πράκτορες (αρχιτέκτονας, προγραμματιστής, ελεγκτής) που αλληλεπιδρούν βάσει πρωτοκόλλων, σαν κελιά με διαφοροποιημένες λειτουργίες
• Βρόχοι αυτοΐασης επιτρέπουν στους πράκτορες να εκτελούν δοκιμές, να εντοπίζουν σφάλματα και να επαναλαμβάνουν τη διαδικασία — τους ίδιους μηχανισμούς ανατροφοδότησης που χρησιμοποιούν τα κυτταρικά αυτόματα για να εξελίξουν σταθερές διαμορφώσεις
• Schema.org Blueprints κάνουν τις δομές περιεχομένου αναγνώσιμες από μηχανές και σημασιολογικά ουσιαστικές
• Drupal AI παρέχουν την υποδομή ώστε οι πράκτορες τεχνητής νοημοσύνης να δημιουργούν, να τροποποιούν και να διαχειρίζονται περιεχόμενο αυτόνομα

Δεν προσεγγίζουμε το «ο σχεδιασμός είναι ο κώδικας» ως φιλοσοφική θέση. Το χτίζουμε ως τεχνική υποδομή.

Συνέπειες και ο δρόμος που ανοίγεται

Για τους σχεδιαστές

Ο ρόλος του σχεδιαστή μεταμορφώνεται από «δημιουργό ορθογωνίων» σε «ορίζοντα κανόνων». Όπως παρατήρησε ο Brad Frost:

«Οι σχεδιαστές και οι developers που βλέπουν τη δουλειά τους ως δημιουργία ορθογωνίων έχουν πολλούς λόγους να ανησυχούν. Όσοι όμως τη βλέπουν ως επίλυση προβλημάτων — και απλώς τυχαίνει να χρειάζεται να δημιουργήσουν ή να χειριστούν μερικά ορθογώνια για να τα λύσουν — έχουν λιγότερα να φοβούνται.»

- Brad Frost

Στο μέλλον των πρακτόρων, οι σχεδιαστές θα:

• Ορίζουν σημασιολογικά tokens και τις σχέσεις μεταξύ τους
• Θεσπίζουν περιορισμούς σύνθεσης και μοτίβα
• Δημιουργούν κανόνες επικύρωσης που οι πράκτορες πρέπει να πληρούν
• Επιμελούνται και εξελίσσουν τους κανόνες που διέπουν την αναδυόμενη συμπεριφορά
• Σχεδιάζουν τους μηχανισμούς ανατροφοδότησης που επιτρέπουν την αυτοδιόρθωση
• Διαμορφώνουν τις «συναρτήσεις καταλληλότητας» που καθορίζουν ποια αποτελέσματα είναι αποδεκτά

Αυτός είναι σχεδιασμός σε υψηλότερο επίπεδο αφαίρεσης — σχεδιάζεις τους κανόνες που παράγουν σχέδια, όχι τα ίδια τα σχέδια. Σαν να ορίζεις τους κανόνες ενός κυτταρικού αυτόματου αντί να ζωγραφίζεις ένα προς ένα κάθε κύτταρο.

Για τους developers

Οι developers γίνονται αρχιτέκτονες συστημάτων πρακτόρων. Όπως περιγράφει η Anthropic:

«Ο χώρος της ανάπτυξης λογισμικού έχει δείξει αξιοσημείωτες δυνατότητες για λειτουργίες βασισμένες σε LLM, με δυνατότητες που εξελίσσονται από τη συμπλήρωση κώδικα έως την αυτόνομη επίλυση προβλημάτων.»

Οι developers θα χρειαστεί να:

• Δημιουργούν διεπαφές αναγνώσιμες από μηχανές ανάμεσα στους πράκτορες και τα συστήματα
• Σχεδιάζουν βρόχους ανατροφοδότησης και μηχανισμούς επικύρωσης
• Χτίζουν το ικρίωμα μέσα στο οποίο εκδηλώνεται η αναδυόμενη συμπεριφορά
• Διατηρούν την ανθρώπινη εποπτεία ως τελικό κριτή
• Ορίζουν τα πρωτόκολλα με τα οποία επικοινωνούν οι πράκτορες
• Υλοποιούν τον «κώδικα-κόλλα» που συνδέει διαφορετικά συστήματα πρακτόρων

Για την ανάπτυξη ιστού και τις πλατφόρμες CMS

Η ενσωμάτωση της τεχνητής νοημοσύνης σε πλατφόρμες όπως το Drupal δείχνει προς ένα μέλλον όπου:

• Τα μοντέλα περιεχομένου γίνονται αξιοποιήσιμα από πράκτορες μέσω προτύπων όπως το Schema.org
• Οι εκδοτικές ροές εργασίας γίνονται υποβοηθούμενες από πράκτορες με σύνταξη, εποπτεία και βελτιστοποίηση που ενισχύονται από τεχνητή νοημοσύνη
• Η αναζήτηση εξελίσσεται από την αντιστοίχιση λέξεων-κλειδιών στη σημασιολογική κατανόηση μέσω embeddings και διανυσματικών βάσεων δεδομένων
• Η εξατομίκευση γίνεται αυτόνομη με πράκτορες που μαθαίνουν τις προτιμήσεις των χρηστών και προσαρμόζουν το περιεχόμενο σε πραγματικό χρόνο
• Η ανάπτυξη επιταχύνεται καθώς οι πράκτορες παράγουν components, δοκιμές και τεκμηρίωση

Η υιοθέτηση της τεχνητής νοημοσύνης από το οικοσύστημα του Drupal — μέσω modules όπως τα Drupal AI, Drupal Canvas, Schema.org Blueprints και η ενσωμάτωση παρόχων AI — δείχνει ότι αυτό το μέλλον χτίζεται ήδη.

Για τους οργανισμούς

Το ανταγωνιστικό πλεονέκτημα θα ανήκει στους οργανισμούς των οποίων τα συστήματα σχεδιασμού είναι πιο «έτοιμα για πράκτορες». Τα συστήματα που είναι έτοιμα για πράκτορες διαθέτουν:

• Πλήρη κάλυψη των καταστάσεων και των παραλλαγών των components
• Σημασιολογική ονοματοδοσία που αποτυπώνει την πρόθεση
• Τεκμηρίωση και πλαίσιο αναγνώσιμα από μηχανές
• Υποδομή επικύρωσης και δοκιμών
• Σαφείς περιορισμούς που οροθετούν τον χώρο των έγκυρων αποτελεσμάτων
• APIs σχεδιασμένα για κατανάλωση από πράκτορες (AX-first)
• Αρχιτεκτονικές περιεχομένου με πρώτο άξονα το Schema.org

Για το μέλλον των ψηφιακών προϊόντων

Η τελική κατάσταση μοιάζει με ένα ψηφιακό οικοσύστημα: αναρίθμητοι πράκτορες που λειτουργούν με τοπικούς κανόνες και παράγουν αναδυόμενες διεπαφές, τις οποίες κανένας σχεδιαστής ή προγραμματιστής δεν σχεδίασε εκ των προτέρων, αλλά που παρ' όλα αυτά συγκροτούνται σε ένα συνεκτικό σύνολο, επειδή οι κανόνες από κάτω είναι σωστοί.

Δεν είναι τόσο εξωπραγματικό όσο ακούγεται. Έτσι ακριβώς λειτουργούν τα βιολογικά συστήματα, έτσι μεγαλώνουν οι πόλεις, έτσι δουλεύουν οι αγορές. Το ερώτημα δεν είναι αν θα φτάσουμε σε αυτή την κατάσταση, αλλά πώς θα διαχειριστούμε τη μετάβαση.

Συμπέρασμα: Ο κώδικας είναι ζωντανός

Ο Τζον φον Νόιμαν, ο πολυμαθής που εφηύρε τα κυψελωτά αυτόματα, κινούνταν από ένα θεμελιώδες ερώτημα: Ποια είναι η ελάχιστη πολυπλοκότητα που απαιτείται για την αυτοαναπαραγωγή; Η απάντησή του, ο καθολικός κατασκευαστής του φον Νόιμαν, έδειξε ότι η αυτοαντιγραφή δεν χρειάζεται βιολογικό μηχανισμό. Χρειάζεται μόνο κανόνες που κωδικοποιούν τη δική τους εφαρμογή.

Εβδομήντα χρόνια αργότερα, ανακαλύπτουμε ότι η ίδια αρχή ισχύει και για τα συστήματα σχεδίασης. Η ελάχιστη προϋπόθεση για αυτόνομη παραγωγή διεπαφών δεν είναι η γενική τεχνητή νοημοσύνη ούτε η ανθρώπινου επιπέδου δημιουργικότητα. Είναι ένα πλήρες, συνεπές και αναγνώσιμο από μηχανές σύνολο κανόνων που οι πράκτορες μπορούν να εκτελέσουν.

Όταν οι βρόχοι του Λάνγκτον (Langton's Loops) αναπαράγονται πάνω σε ένα κυψελωτό πλέγμα, δεν λέμε ότι οι βρόχοι «σχεδιάζουν» νέους βρόχους. Η αναπαραγωγή είναι απλώς αυτό που παράγουν οι κανόνες. Κι όμως, το αποτέλεσμα, αποικίες από αυτο-όμοια μοτίβα που επεκτείνονται συνεχώς, είναι αναμφισβήτητα παραγωγικό και, με μια λειτουργική έννοια, δημιουργικό.

Όταν οι πράκτορες τεχνητής νοημοσύνης συναρμολογούν διεπαφές από στοιχεία ενός συστήματος σχεδίασης, ακολουθώντας σημασιολογικά tokens και περιορισμούς σύνθεσης, κάνουν κάτι παρόμοιο. Η «δημιουργικότητα» δεν βρίσκεται στους πράκτορες, αλλά στους κανόνες που εκτελούν: κανόνες που σχεδίασαν άνθρωποι, αλλά που πλέον λειτουργούν αυτόνομα.

Στεκόμαστε στο κατώφλι μιας νέας εποχής στην ψηφιακή δημιουργία. Οι πράκτορες είναι ήδη εδώ. Τα πρωτόκολλα παίρνουν μορφή. Τα συστήματα σχεδίασης γίνονται υπόστρωμα για τεχνητή ζωή.

Ο σχεδιασμός είναι ο κώδικας.
Και ο κώδικας ζωντανεύει.

Βασικά άρθρα και έργα

• Design Systems in the Time of AI - Brad Frost
• Storybook MCP Sneak Peek - Storybook
• Introducing AX: Why Agent Experience Matters - Mathias Biilmann
• Building Effective Agents - Anthropic

Πηγές για το Drupal AI

• Drupal AI

• Schema.org Blueprints Module

   

Πηγές για τα κυψελωτά αυτόματα

• Conway's Game of Life Lexicon - Περίπου 1500 μορφές
• A Working Turing Machine in Game of Life
• Langton's Loops - Wikipedia
• Rule Sets for Cellular Automata
• A New Kind of Science Online - Stephen Wolfram
• Cellular Automata - Nature of Code

Εξερεύνηση ιδεών στο σημείο συνάντησης της υπολογιστικής θεωρίας, των συστημάτων σχεδίασης, της τεχνητής νοημοσύνης και της ανάπτυξης ιστού.

 Οι απόψεις που διατυπώνονται είναι εικασιακές διερευνήσεις αναδυόμενων τάσεων και όχι προβλέψεις βέβαιου μέλλοντος.

Βλέπω ότι δημιουργούμε πράκτορες τεχνητής νοημοσύνης που δουλεύουν σε βρόχο και αλληλεπιδρούν με άλλους πράκτορες τεχνητής νοημοσύνης σε επιπλέον βρόχους.

Ο σχεδιασμός είναι ο κώδικας όταν το σύστημα λειτουργεί σε βρόχο, σαν βρόχος ζωής, μέσα σε έναν επιλεγμένο καμβά και ένα σύνολο κανόνων.