Dizajn je kod

Kako će logika staničnih automata preoblikovati agentske dizajnerske sustave i zašto je budućnost web razvoja možda već zapisana u jednostavnim pravilima

U sjecištu dizajnerskih sustava, umjetne inteligencije i računalne teorije događa se dubok preobražaj. Toliko je temeljan da dovodi u pitanje i samo naše razumijevanje toga što "dizajn" uopće znači u doba autonomnih agenata.

Desetljećima smo dizajn i kod promatrali kao zasebne discipline: dizajn kao područje ljudske kreativnosti i estetske prosudbe, a kod kao mehanički prijevod tih ideja u izvršni oblik. No kako AI agenti sve češće samostalno slažu korisnička sučelja, koriste dizajnerske sustave kao strojno čitljivu infrastrukturu i generiraju kod iz semantičkih tokena, približavamo se točki konvergencije koja odjekuje daleko starijom idejom iz računalne teorije.

Koja je to ideja? Dizajn je kod.

Ovo nije samo privlačna fraza. To je prepoznavanje da možda idemo prema svijetu u kojem dizajnerski sustavi djeluju poput staničnih automata: jednostavna pravila rađaju složena, emergentna ponašanja. Svijetu u kojem se razlika između "dizajniranja" nečega i njegova "programiranja" posve gubi. Svijetu u kojem autonomni agenti dizajnerske sustave ne samo koriste, nego ih jesu na djelu.

Ovaj blog post istražuje duboke veze između staničnih automata, emergentnog ponašanja i budućnosti agentskih dizajnerskih sustava. Pratit ćemo teorijske temelje od von Neumannovih samoreplicirajućih strojeva do današnjih rojeva AI agenata.

Razmotrit ćemo kako Drupal i moderne CMS platforme integriraju AI putem modula poput Schema.org Blueprints i Drupal AI. I zapitat ćemo se što sve to znači za dizajnere, programere i budućnost stvaranja digitalnih proizvoda.

Stanični automati i logika emergencije

Ljepota jednostavnih pravila

Godine 1970. matematičar John Conway predstavio je Game of Life, "igru bez igrača" koja će postati jedan od najproučavanijih sustava u računalnoj teoriji. Pravila su zapanjujuće jednostavna:

1. Svaka živa stanica s manje od dvoje živih susjeda umire (premalena naseljenost)
2. Svaka živa stanica s dvoje ili troje živih susjeda preživljava
3. Svaka živa stanica s više od troje živih susjeda umire (prenaseljenost)
4. Svaka mrtva stanica s točno troje živih susjeda oživljava (razmnožavanje)

Iz ova četiri pravila, izražena u šačici binarnih uvjeta, izranja zapanjujući svemir složenosti. Jedrilice (gliders) putuju beskonačnim mrežama. Oscilatori pulsiraju u vječnim ritmovima. Topovi ispaljuju nizove uzoraka kroz stanični prostor. I što je najzanimljivije, dokazano je da je Game of Life Turing-potpun: sve što se može algoritamski izračunati u načelu se može izračunati i unutar Conwayeve jednostavne mreže.

Slika 1: Gosperov top za jedrilice u Conwayevoj Igri života. Ovaj obrazac proizvodi neprekidan niz jedrilica (gliders) i pokazuje kako jednostavna pravila mogu stvoriti beskonačnu, samoodrživu složenost.

Ovo je prva lekcija o staničnim automatima: složenost nije preduvjet za složeno ponašanje. Jednostavna pravila, dosljedno primijenjena na cijelu podlogu, mogu iznjedriti obrasce i ponašanja koje nitko nije izričito programirao.

Langtonove petlje i samoreplikacija

Godine 1984. Christopher Langton otišao je korak dalje sa svojim samoreplicirajućim petljama, staničnim automatom koji je pokazao prava načela umjetnog života. Za razliku od Conwayeve Igre života, koja prikazuje emergentnu složenost, Langtonove petlje pokazuju emergentnu reprodukciju.

Svaka se petlja sastoji od cikličke granice koja obuhvaća „genom” zapisan u stanjima stanica. Taj genom neprestano teče oko petlje i van duž konstrukcijskog kraka, koji u 151 vremenskom koraku gradi petlju kćer. Kad je gotova, kći se odvaja od roditelja i obje nastavljaju replicirati.

Slika 2: Langtonova petlja u početnoj konfiguraciji. Genetska informacija kruži petljom i preko produžujućeg kraka usmjerava izgradnju petlji kćeri.

„Ako je samoreproducirajući stroj moguć unutar staničnog automata, onda bi strojevi mogli postići i sam život.”

- Christopher Langton, „Studying Artificial Life with Cellular Automata” (1986.)

Posljedice su duboke. Langtonove petlje pokazuju da samoreplikacija ne zahtijeva složenost bioloških stanica niti univerzalne konstrukcijske sposobnosti von Neumannova izvornog nacrta. Potrebno je samo:

• Skup jednostavnih, lokalnih pravila
• Mehanizam za kodiranje uputa
• Proces kojim se te upute izvršavaju

Pravila jesu organizam. Nacrt jest kod.

Godine 1999. Hiroki Sayama predstavio je evolupe, varijante koje uključuju strukturnu rastvorljivost i fenotipske interakcije, što omogućuje spontane mutacije i evolucijsku dinamiku. Te petlje evoluiraju izravnim fizičkim sudarima tijekom replikacije, što dovodi do genotipskih varijacija, veće morfološke raznolikosti i rasta složenosti kroz generacije. Za razliku od Langtonove nepromjenjive replikacije, evolupe pokazuju nasljedne mutacije bez vanjske intervencije.

Pravilo 110 i univerzalno računanje

Istraživanje elementarnih staničnih automata Stephena Wolframa kulminiralo je zapanjujućim otkrićem: pravilo 110, jedno od samo 256 mogućih pravila za najjednostavniju vrstu jednodimenzionalnog staničnog automata, sposobno je za univerzalno računanje.

Pravilo 110 može se u potpunosti opisati navođenjem ishoda za svaku od osam mogućih kombinacija jedne ćelije i njezina dva susjeda. Pa ipak, to naoko trivijalno jednostavno pravilo – osam binarnih odluka – može simulirati univerzalni Turingov stroj.

Slika 3: Stanični automat Pravilo 110. Unatoč jednostavnoj definiciji, Pravilo 110 pokazuje ponašanje klase 4 – složene uzorke koji nisu ni posve stabilni ni posve kaotični – a dokazano je da je Turing-potpuno.

„Za univerzalno računanje nije potrebno ništa nalik cijelom računalnom procesoru. Dovoljno je samo ovo malo pravilo.”

– Stephen Wolfram, „A New Kind of Science”

Godine 2004. Matthew Cook objavio je dokaz da je Pravilo 110 s određenim ponavljajućim uzorkom pozadine Turing-potpuno. Dokaz pokazuje da Pravilo 110 može oponašati cikličke tag-sustave, koji pak mogu oponašati bilo koji Turingov stroj. Među 88 mogućih jedinstvenih elementarnih staničnih automata, Pravilo 110 jedino je za koje je Turing-potpunost izravno dokazana.

Načelo računalne ekvivalencije koje je predložio Wolfram sugerira nešto još radikalnije: sustavi iznad minimalnog praga složenosti u biti su ekvivalentni po svojim računalnim sposobnostima. Ljudski mozak, vremenski sustav i Pravilo 110 u nekom su dubokom smislu računalno ekvivalentni.

0E0P metastanica: istinska samoreplikacija

U listopadu 2018. Adam P. Goucher dovršio je izgradnju 0E0P metastanice – uzorka u Conwayjevoj Igri života sposobnog za istinsku samoreplikaciju. Za razliku od ranijih metastanica kojima su bile potrebne već postojeće kopije u blizini, 0E0P metastanica može od nule izgraditi vlastite kopije, uključujući i vlastitu instrukcijsku traku.

Ovo postignuće znači prekretnicu u umjetnom životu: sustav koji se može širiti kroz računalni supstrat koristeći samo lokalna pravila. Dana 23. studenoga 2013. Dave Greene izgradio je prvi replikator u Igri života koji stvara potpunu kopiju samoga sebe, uključujući instrukcijsku traku – čime je pokazao da čak i Conwayjev jednostavni automat s dva stanja može podržati neograničenu samoreprodukciju.

Dizajnerski sustavi kao računalni supstrati

Od atomskog dizajna do agentskog dizajna

Metodologija atomskog dizajna (Atomic Design) Brada Frosta, predstavljena 2013., revolucionirala je način na koji razmišljamo o dizajnerskim sustavima. Dijeleći sučelja na atome (osnovne elemente poput gumba i polja za unos), molekule (jednostavne kombinacije), organizme (složene dijelove sučelja), predloške (rasporede stranica) i stranice (konačne implementacije), Atomic Design pružio je hijerarhijsku strukturu za upravljanje složenošću.

No u retrospektivi je izvanredno ovo: Atomic Design već je utjelovljivao načela staničnih automata a da ih nije izričito prepoznao.

"Kad je dizajnerski sustav dosadan, dizajneri i programeri su slobodni raditi nove stvari i rješavati nove probleme. Dizajnerski sustav nosi teret dosadnog kako ga dizajneri i programeri ne bi morali nositi."

- Josh Clark, "The Most Exciting Design Systems Are Boring"

U veljači 2023. Brad Frost pisao je o temi "Design Systems in the Time of AI":

"AI je prirodni potrošač dizajnerskog sustava... Činjenica je da je velik dio posla na komponentama dizajnerskog sustava doista mehanički i predvidljiv. Već koristimo alate poput PlopJS-a da bismo izbacili početnu kostur-komponentu koja odgovara obliku ostatka biblioteke. Rado bih prihvatio pomoć AI-ja u generiranju mnogih uobičajenih boilerplate stvari umjesto mene."

- Brad Frost

Upravo mehanička i predvidljiva narav dizajnerskih sustava čini ih prikladnima za rad u stilu staničnih automata. Kad su pravila jasna, lokalna i dosljedno primijenjena, agenti mogu raditi samostalno, baš kao što stanice u Conwayevoj Igri života ne trebaju središnji kontroler da bi stvorile glidere i oscilatore.

Imperativ strojne čitljivosti

Storybook MCP (Model Context Protocol) inicijativa predstavlja ključan korak u tom smjeru. Najavljen krajem 2025., Storybook MCP daje AI agentima za kodiranje strojno čitljive metapodatke komponenti iz postojećih Storybook postavki.

Ključni uvid jest da agentima ne treba sirovi kod ni vizualna dokumentacija. Trebaju:

• Manifeste komponenti: Strukturirane metapodatke o svakoj komponenti: njezinim propovima, varijantama, vezama na dizajnerske tokene i primjerima uporabe
• Semantičko imenovanje: Tokene bogate namjerom, poput action.primary.confirm, koji agentima prenose značenje, a ne samo vrijednosti
• Petlje provjere: Mogućnost pokretanja testova, uvida u neuspjehe i samostalnog ispravljanja

"Storybook MCP pomaže agentima da slijede vaše obrasce i prolaze vaše testove. Daje im dvije stvari koje prije nikad nisu imali: strojno čitljive metapodatke komponenti i iterativnu petlju za samoizlječenje pogrešaka."

- Tim Storybooka

Storybook MCP uključuje autonomnu petlju ispravljanja. Omogućuje agentima da pokrenu testove vaših komponenti (interakcije i pristupačnosti), vide što pada i sami poprave svoje greške. Programer mora uskočiti tek nakon što testovi prođu. Nema više čuvanja agenta uputama.

To je upravo arhitektura staničnog automata primijenjena na dizajn: lokalna pravila (specifikacije komponenti), interakcije sa susjedima (obrasci kompozicije) i iterativna ažuriranja (provjera i samoispravljanje).

Moj manifest komponente kao genom

Usporedba s Langtonovim petljama postaje još primjerenija kad razmotrimo kako funkcioniraju manifesti komponenti. U Langtonovu sustavu "genom" kodiran u stanicama koje kruže sadrži upute za izgradnju nove petlje. U strojno čitljivom dizajnerskom sustavu manifest komponente sadrži upute za sastavljanje sučelja.

Manifest komponente mogao bi odrediti:

{
  "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" }
  ]
}

Ovaj manifest istodobno je dizajnerska specifikacija i izvršni kôd – ili točnije, upute iz kojih se izvršni kôd može generirati. Agent koji koristi ovaj manifest ne mora razumjeti estetiku ni korisničko iskustvo u ljudskom smislu. Dovoljno je da slijedi pravila, kombinira elemente prema njihovim ograničenjima i proizvodi valjane rezultate.

Slažem se s Bradom Frostom oko YAML formata.

Drupal komponente koriste YAML format. Nešto poput ovoga

$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

Dizajn je kôd.

• Varijante
• Tokeni
• Svojstva (Props)

• Ograničenja (mogli bismo ih dodati komponentama)

• Pravila za slotove (što se smije staviti u druge slotove ili što je dopušteno staviti u moj slot)

• Pravila

• Primjeri 

• Animacije  ( Dopušteno ili preporučeno za korištenje )

Zatim promatrajte i eksperimentirajte s ponašanjem.

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

Dizajnerski tokeni kao varijable okoline

Dizajnerski tokeni još su jedan ključni dio slagalice. U staničnim automatima stanice reagiraju na svoju neposrednu okolinu – stanja susjednih stanica. U dizajnerskim sustavima komponente reagiraju na dizajnerske tokene – kontekstualne vrijednosti koje određuju njihov izgled i ponašanje.

Moderne arhitekture tokena koriste više slojeva:

• Temeljni tokeni: Sirove vrijednosti poput color.blue.500: #3B82F6
• Semantički tokeni: Reference vođene namjerom poput color.action.primary: color.blue.500
• Tokeni komponenti: Primjene ograničene na komponentu poput button.background.primary: color.action.primary

Kad agent generira komponentu Button, ne mora znati da "primary" znači plavo. Dovoljno je da se pozove na button.background.primary i pouzdano se osloni na to da će sustav tokena to razriješiti u ispravnu vrijednost. Okolina (sloj tokena) sadrži informaciju; komponenta (stanica) samo treba reagirati na nju.

Alati poput Tokens Studija razvili su se tako da dizajnerske tokene tretiraju kao računske grafove s resolverima – čvorovima koji donose semantičke odluke o tome koje osnovne tokene upotrijebiti ovisno o kontekstu. Time dizajnerski tokeni iz statičnih vrijednosti postaju dinamični sustavi temeljeni na pravilima.

Drupalov ekosustav i integracija umjetne inteligencije

Integracija umjetne inteligencije u sustave za upravljanje sadržajem savršen je laboratorij za istraživanje načela "dizajn je kôd". CMS-ovi poput Drupala već utjelovljuju ključne koncepte: strukturirane vrste sadržaja, definicije polja, odnose i pravila slaganja.

Nikad nisam pomislio da ćemo moći reći nešto ovako. Meni je to bio vrhunac tehnike.

 Najbolje računalo o kojem možemo sanjati. Neki programeri kao da su stigli iz budućnosti iz Zvjezdanih staza, razgovaraju s računalom da programira umjesto njih.

Iskustvo agenata (AX) i novi korisnik

Dizajniranje za strojeve

Početkom 2025. Mathias Biilmann, izvršni direktor Netlifyja, uveo je pojam "Agent Experience" (AX) nove discipline usmjerene na to kako AI agenti komuniciraju s proizvodima i platformama.

Pomak je temeljit. Desetljećima je UX (korisničko iskustvo) bio optimiziran za ljudsku spoznaju, percepciju i ponašanje. DX (iskustvo programera) bio je optimiziran za ljudske programere koji grade softver. AX prepoznaje da agenti postaju primarni korisnici digitalnih sustava – a oni imaju potpuno drugačije potrebe:

• Ne mare za vizualnu estetiku– samo za strukturirane podatke koje je moguće parsirati
• Ne snalaze se kroz sučelja– pozivaju API-je i troše manifeste
• Ne čitaju dokumentaciju kao ljudi– trebaju kontekst čitljiv strojevima
• Ne donose subjektivne prosudbe– slijede pravila i ograničenja

„AI agenti nisu ljudi: ne mare za veličinu gumba, čitljivost tipografije, lijepu paletu boja na vašoj web-stranici ili efektne animacije u vašoj aplikaciji. Što je onda AI agentima 'stalo'? To je pitanje na koje danas nema konkretnog odgovora, ali će iz godine u godinu postajati sve važnije."

- AX istraživanje

Odgovor: jasna pravila, predvidljivo ponašanje, dobro strukturirani podaci i povratne petlje koje im omogućuju da provjere i isprave vlastite postupke.

Izazov dvostrukog sučelja

Dizajn za AX znači istodobnu izradu dvaju sučelja:

1. Sučelje čovjek–agent: Ovdje ljudi nadziru, odobravaju, uređuju i usmjeravaju ponašanje agenata – sloj „kontrolnog centra”. Mislite na nadzorne ploče i redove za odobrenje, a ne na obrasce i gumbe.
2. Sučelje agent–sustav: Ovdje agenti komuniciraju s API-jima, bazama podataka i alatima – „operativni” sloj. Mora biti robustan, dobro dokumentiran i optimiziran za strojnu učinkovitost.

Ovo odražava arhitekturu staničnih automata, u kojoj supostoje dvije različite perspektive:

• Lokalna perspektiva: Svaka stanica (agent) slijedi jednostavna pravila na temelju svojih neposrednih susjeda
• Globalna perspektiva: Pojavljuju se složeni uzorci koji su vidljivi tek na velikoj razini

„Dizajn korisničkog iskustva agenata (AX) trebao bi rezultirati odličnom upotrebljivošću za agente i od strane agenata. Stoga odličan AX vodi do odličnog korisničkog iskustva (UX). Ako AI agent naiđe na pokvaren proces, protokol ili čak nedosljedan izričaj među sustavima, ne može obaviti zadatak. To je loše iskustvo za agenta, a ono pak dovodi do lošeg iskustva kupca ili zaposlenika.”

- Kat Holmes, glavna direktorica za korisničko iskustvo, Salesforce

Od UX-a do AX-a: evolucija digitalnog dizajna

Stigmergija i neizravna komunikacija

Jedan od najmoćnijih koncepata iz inteligencije roja je stigmergija – neizravna koordinacija putem tragova u okolišu. Mravi ne komuniciraju izravno o lokaciji hrane; ostavljaju feromonske tragove kojima slijede drugi mravi. Okoliš postaje komunikacijski medij.

U agentskim sustavima dizajna stigmergija poprima oblik:

• Zajedničke biblioteke komponenti: Agenti „vide” koje komponente postoje i kako su se koristile
• Dizajnerski tokeni: Semantičke vrijednosti koje dizajnerske odluke kodiraju kao činjenice okoliša
• Dokumentacija obrazaca: Primjeri uporabe koji služe kao feromonski tragovi za buduće agente
• Skupovi testova: Pravila validacije koja ograničavaju prostor valjanih izlaza
• Git povijest: Zapis prošlih odluka na koji se agenti mogu pozivati

Kad agent generira korisničko sučelje pomoću neke komponente, za sobom ostavlja tragove – u kodnoj bazi, u dokumentaciji, u obrascima koje uspostavlja. Budući agenti koji naiđu na slične zadatke bit će pod utjecajem tih tragova, čime nastaje oblik kolektivne inteligencije koju ne posjeduje nijedan pojedinačni agent.

Obrasci agentskog dizajna

Andrew Ng i drugi izdvojili su četiri ključna obrasca za agentske AI sustave:

1. Refleksija: AI procjenjuje vlastiti izlaz i iterativno ga poboljšava
2. Korištenje alata: AI komunicira s vanjskim alatima, API-jima i sustavima
3. Planiranje:Umjetna inteligencija razlaže složene zadatke na podzadatke i izvršava ih redom
4. Višeagentni pristup: Više specijaliziranih agenata surađuje na složenim zadacima

Ovi se obrasci izravno preslikavaju na pojmove staničnih automata:

Dizajn je kod: dublje čitanje

Što "dizajn je kod" zapravo znači

Kad kažemo "dizajn je kod", istodobno tvrdimo nekoliko stvari:

1. Semantička ekvivalencija

Odluke o dizajnu, kad su ispravno kodirane, postaju izvršive. Dizajnerski token nije samo vrijednost, nego uputa. Specifikacija komponente nije samo dokumentacija, nego program. Kad agenti koriste te artefakte, dizajn zapravo izvršavaju koliko ga i implementiraju.

2. Generativni kapacitet

Kao što Rule 110 može izračunati sve što je izračunljivo, dovoljno potpun sustav dizajna može generirati svako valjano sučelje. Sustav u sebi nosi potencijal za sve svoje valjane izraze. Što će iz njega nastati, ovisi samo o početnim uvjetima (zahtjevima) i pravilima (ograničenjima).

3. Emergentna složenost

Najsofisticiranija sučelja ne nastaju oblikovanjem odozgo prema dolje; izviru iz dosljedne primjene jednostavnih pravila. Dobro osmišljen gumb, dosljedno korišten, stvara koherentan vizualni jezik, a da tu koherentnost nitko izričito nije planirao.

4. Računalna nesvodivost

Neke ishode dizajna nije moguće predvidjeti bez stvarnog pokretanja sustava. Ne možete znati kako će izgledati sučelje koje je sastavio agent, a da agentu ne dopustite da ga sastavi. To je Wolframovo načelo računalne nesvodivosti primijenjeno na dizajn.

5. Samomodifikacija

Poput evopetlji (evoloops) koje mutiraju tijekom replikacije, sustavi dizajna spremni za agente mogu se razvijati kroz upotrebu. Komponente koje generiraju agenti postaju dio biblioteke koju će koristiti budući agenti. Sustav uči, prilagođava se i raste.

Proširena metafora staničnih automata

Više od metafore: stvarna konvergencija

No ovo nije samo metafora. Konvergencija je stvarna i događa se upravo sada:

• Storybook MCP pretvara biblioteke komponenti u strojno čitljive upute koje agenti izvršavaju
• Model Context Protocol standardizira način na koji agenti pristupaju alatima i kontekstu, stvarajući univerzalnu podlogu za agentne operacije
• Višeagentne arhitekture dijele posao među specijalizirane agente (arhitekt, programer, recenzent) koji međusobno djeluju prema protokolima, poput stanica s diferenciranim funkcijama
• Samoizlječive petlje umožnite agentima da pokreću testove, otkrivaju pogreške i iteriraju – istim povratnim mehanizmima koje stanični automati koriste za razvoj stabilnih konfiguracija
• Schema.org Blueprints čine strukture sadržaja strojno čitljivima i semantički smislenima
• Drupal AI pružaju infrastrukturu da AI agenti samostalno stvaraju, mijenjaju i upravljaju sadržajem

Ne pristupamo ideji „dizajn je kod” kao filozofskom stajalištu. Gradimo je kao tehničku infrastrukturu.

Posljedice i put koji slijedi

Za dizajnere

Uloga dizajnera mijenja se iz „crtača pravokutnika” u „definitora pravila”. Kako je primijetio Brad Frost:

„Dizajneri i programeri koji svoj posao vide kao crtanje pravokutnika imaju se čega bojati. No dizajneri i programeri koji svoj posao vide kao rješavanje problema – a usput moraju stvoriti ili koristiti poneki pravokutnik da bi ih riješili – imaju manje razloga za strah.”

– Brad Frost

U agentskoj budućnosti dizajneri će:

• Definirati semantičke tokene i njihove međusobne odnose
• Uspostavljati ograničenja kompozicije i obrasce
• Stvarati pravila validacije koja agenti moraju zadovoljiti
• Njegovati i razvijati pravila koja upravljaju emergencijom
• Oblikovati povratne mehanizme koji omogućuju samokorekciju
• Oblikovati „funkcije prilagodbe” (fitness functions) koje određuju koji su izlazi prihvatljivi

To je dizajn na višoj razini apstrakcije – dizajniranje pravila koja proizvode dizajne, a ne samih dizajna. Kao da definirate pravila staničnog automata, umjesto da crtate svaku ćeliju zasebno.

Za programere

Programeri postaju arhitekti agentskih sustava. Kako opisuje Anthropic:

„Područje razvoja softvera pokazalo je izniman potencijal za značajke temeljene na LLM-ovima, a mogućnosti su se razvile od dovršavanja koda do samostalnog rješavanja problema.”

Programeri će morati:

• Stvarati strojno čitljiva sučelja između agenata i sustava
• Oblikovati povratne petlje i mehanizme validacije
• Graditi skelu unutar koje se događa emergentno ponašanje
• Zadržati ljudski nadzor kao posljednjeg arbitra
• Definirati protokole kojima agenti komuniciraju
• Implementirati „ljepljivi kod” (glue code) koji povezuje različite agentske sustave

Za web razvoj i CMS platforme

Integracija umjetne inteligencije u platforme poput Drupala upućuje na budućnost u kojoj:

• Modeli sadržaja postaju dostupni agentima kroz standarde poput Schema.org
• Uredničke radne tokove podržavaju agenti uz izradu nacrta, moderiranje i optimizaciju pomoću umjetne inteligencije
• Pretraživanje se razvija od podudaranja ključnih riječi do semantičkog razumijevanja pomoću embeddinga i vektorskih baza podataka
• Personalizacija postaje autonomna jer agenti uče korisničke preferencije i prilagođavaju sadržaj u stvarnom vremenu
• Razvoj se ubrzava jer agenti generiraju komponente, testove i dokumentaciju

To da Drupalov ekosustav prihvaća umjetnu inteligenciju – kroz module poput Drupal AI, Drupal Canvas, Schema.org Blueprints i integracije AI providera – pokazuje da se ta budućnost već gradi.

Za organizacije

Konkurentska prednost pripast će organizacijama čiji su dizajnerski sustavi najviše „spremni za agente”. Sustave spremne za agente obilježavaju:

• Potpuna pokrivenost stanja i varijanti komponenti
• Semantičko imenovanje koje prenosi namjeru
• Strojno čitljiva dokumentacija i kontekst
• Infrastruktura za validaciju i testiranje
• Jasna ograničenja koja omeđuju prostor valjanih izlaza
• API-ji osmišljeni za korištenje od strane agenata (AX-first)
• Arhitekture sadržaja usmjerene na Schema.org

Za budućnost digitalnih proizvoda

Završno stanje nalikuje digitalnoj ekologiji: bezbroj agenata koji djeluju prema lokalnim pravilima i stvaraju emergentna sučelja koja nijedan dizajner ni programer nije planirao, a koja se ipak nekako uklapaju u cjelinu jer su temeljna pravila zdrava.

To nije toliko nategnuto koliko zvuči. Upravo tako funkcioniraju biološki sustavi, tako rastu gradovi, tako rade tržišta. Pitanje nije hoćemo li stići u to stanje, nego kako ćemo proći kroz prijelaz.

Zaključak: kôd je živ

John von Neumann, polihistor koji je izumio stanične automate, vodio se jednim temeljnim pitanjem: Koja je minimalna složenost potrebna za samoreprodukciju? Njegov odgovor, von Neumannov univerzalni konstruktor, pokazao je da samoreplikacija ne zahtijeva biološki mehanizam. Dovoljna su pravila koja u sebi kodiraju vlastitu primjenu.

Sedamdeset godina poslije otkrivamo da isto načelo vrijedi i za dizajnerske sustave. Minimalni uvjet za autonomno generiranje korisničkog sučelja nije opća umjetna inteligencija niti kreativnost na ljudskoj razini. To je potpun, dosljedan i strojno čitljiv skup pravila koje agenti mogu izvršavati.

Kad se Langtonove petlje šire staničnom mrežom, ne kažemo da petlje „dizajniraju” nove petlje. Replikacija je jednostavno ono što pravila proizvode. Ipak je rezultat, sve veće kolonije samoslične uzoraka, neporecivo generativan, a u nekom funkcionalnom smislu i kreativan.

Kad AI agenti slažu sučelja od komponenti dizajnerskog sustava, slijedeći semantičke tokene i ograničenja kompozicije, rade nešto slično. „Kreativnost” nije u agentima, nego u pravilima koja izvršavaju, pravilima koja su osmislili ljudi, ali koja sada djeluju samostalno.

Stojimo na pragu nove ere digitalnog stvaranja. Agenti su već tu. Protokoli se oblikuju. Dizajnerski sustavi postaju podloga za umjetni život.

Dizajn je kôd.
A kôd oživljava.

Ključni članci i projekti

• Dizajnerski sustavi u doba umjetne inteligencije – Brad Frost
• Storybook MCP – prvi pogled – Storybook
• Predstavljamo AX: zašto je iskustvo agenata važno – Mathias Biilmann
• Izgradnja učinkovitih agenata – Anthropic

Resursi o Drupal AI-ju

• Drupal AI

• Modul Schema.org Blueprints

   

Resursi o staničnim automatima

• Leksikon Conwayeve Igre života – oko 1500 oblika
• Funkcionalni Turingov stroj u Igri života
• Langtonove petlje – Wikipedia
• Skupovi pravila za stanične automate
• A New Kind of Science Online – Stephen Wolfram
• Stanični automati – Nature of Code

Istraživanje ideja na raskrižju računalne teorije, dizajnerskih sustava, umjetne inteligencije i web razvoja.

 Izneseni stavovi spekulativna su istraživanja novih trendova, a ne predviđanja sigurnih budućnosti.

Vidim da stvaramo AI agente koji rade u petlji i u dodatnim petljama surađuju s drugim AI agentima.

Dizajn je kôd kada sustav radi u petlji, poput petlje života, unutar odabranog platna i skupa pravila.