Dizajn je koda

Kako bo logika celičnih avtomatov preoblikovala agentne oblikovalske sisteme in zakaj je prihodnost spletnega razvoja morda že zapisana v preprostih pravilih

Na presečišču oblikovalskih sistemov, umetne inteligence in računalniške teorije poteka globoka preobrazba. Tako temeljna je, da postavlja pod vprašaj naše razumevanje tega, kaj »oblikovanje« v dobi avtonomnih agentov sploh pomeni.

Desetletja smo dizajn in kodo obravnavali kot ločeni disciplini: dizajn kot področje človeške ustvarjalnosti in estetske presoje, kodo pa kot mehanski prevod teh zamisli v izvedljivo obliko. Toda ker agenti umetne inteligence vedno pogosteje samostojno sestavljajo uporabniške vmesnike, uporabljajo oblikovalske sisteme kot strojno berljivo infrastrukturo in generirajo kodo iz semantičnih žetonov (tokenov), se bližamo točki zlitja, ki odmeva precej starejšo zamisel iz računalniške teorije.

Katero zamisel? Dizajn je koda.

To ni zgolj privlačna fraza. Gre za spoznanje, da se morda približujemo svetu, v katerem oblikovalski sistemi delujejo kot celični avtomati: preprosta pravila rodijo zapletena, porajajoča se vedenja. Svetu, kjer razlika med »oblikovanjem« nečesa in njegovim »programiranjem« povsem izgine. Kjer avtonomni agenti oblikovalskih sistemov ne le uporabljajo, temveč so oblikovalski sistemi v delovanju.

Ta objava raziskuje globoke povezave med celičnimi avtomati, porajajočim se vedenjem in prihodnostjo agentnih oblikovalskih sistemov. Teoretične temelje bomo izsledili od von Neumannovih samoreplicirajočih se strojev do današnjih rojev agentov umetne inteligence.

Preučili bomo, kako Drupal in sodobne platforme CMS vključujejo umetno inteligenco prek modulov, kot sta Schema.org Blueprints in Drupal AI. In razmislili bomo, kaj vse to pomeni za oblikovalce, razvijalce in prihodnost ustvarjanja digitalnih izdelkov.

Celični avtomati in logika porajanja

Lepota preprostih pravil

Leta 1970 je matematik John Conway predstavil Igro življenja, »igro brez igralcev«, ki je postala eden najbolj preučevanih sistemov v računalniški teoriji. Pravila so osupljivo preprosta:

1. Vsaka živa celica z manj kot dvema živima sosedama umre (podpopulacija).
2. Vsaka živa celica z dvema ali tremi živimi sosedami preživi.
3. Vsaka živa celica z več kot tremi živimi sosedami umre (prepopulacija).
4. Vsaka mrtva celica z natanko tremi živimi sosedami oživi (razmnoževanje).

Iz teh štirih pravil, izraženih z maloštevilnimi binarnimi pogoji, se porodi osupljiv svet kompleksnosti. Jadralci (gliderji) prečkajo neskončne mreže. Oscilatorji utripajo v nenehnih ritmih. Topovi izstreljujejo tokove vzorcev čez celični prostor. In kar je najbolj izjemno: dokazano je, da je Igra življenja Turingovo polna: vse, kar je mogoče algoritmično izračunati, je načeloma mogoče izračunati znotraj Conwayjeve preproste mreže.

Slika 1: Gosperjeva jadralna puška (Gosper's Glider Gun) v Conwayevi igri življenja. Ta vzorec ustvarja neprekinjen tok jadralcev in kaže, kako lahko preprosta pravila porodijo neskončno, samoohranjajočo se kompleksnost.

To je prva lekcija celičnih avtomatov: kompleksnost ni predpogoj za kompleksno vedenje. Preprosta pravila, dosledno uporabljena na celotni podlagi, lahko porodijo vzorce in vedenja, ki jih nihče ni izrecno programiral.

Langtonove zanke in samoreplikacija

Leta 1984 je Christopher Langton to načelo peljal še dlje s svojimi samoreplicirajočimi se zankami, celičnim avtomatom, ki je izkazal pristna načela umetnega življenja. Za razliko od Conwayeve igre življenja, ki kaže porajajočo se kompleksnost, Langtonove zanke kažejo porajajoče se razmnoževanje.

Vsaka zanka je sestavljena iz sklenjenega roba, ki obdaja »genom«, zapisan v stanjih celic. Ta genom neprenehoma kroži po zanki in izteka po gradbenem kraku, ki v 151 časovnih korakih zgradi hčerinsko zanko. Ko je ta končana, se hči loči od starša in obe se razmnožujeta naprej.

Slika 2: Langtonova zanka v začetni konfiguraciji. Genetska informacija kroži po zanki in prek podaljševalnega kraka usmerja gradnjo hčerinskih zank.

»Če je samorazmnoževalni stroj mogoč znotraj celičnega avtomata, potem bi stroji morda lahko dosegli življenje samo.«

- Christopher Langton, »Studying Artificial Life with Cellular Automata« (1986)

Posledice so globoke. Langtonove zanke dokazujejo, da samoreplikacija ne zahteva kompleksnosti bioloških celic ali univerzalnih zmožnosti gradnje iz izvirnega von Neumannovega načrta. Potrebuje le:

• Nabor preprostih, lokalnih pravil
• Mehanizem za zapis navodil
• Postopek, s katerim se ta navodila izvedejo

Pravila so organizem. Zasnova je koda.

Leta 1999 je Hiroki Sayama predstavil evozanke (evoloops), različice, ki vključujejo strukturno razgradljivost in fenotipske interakcije ter tako omogočajo spontane mutacije in evolucijsko dinamiko. Te zanke se razvijajo prek neposrednih fizičnih trkov med razmnoževanjem, kar vodi do genotipskih variacij, večje morfološke raznolikosti in rasti kompleksnosti skozi generacije. Za razliko od Langtonove nespremenljive replikacije evozanke izkazujejo dedne mutacije brez zunanjega posredovanja.

Pravilo 110 in univerzalno računanje

Raziskovanje elementarnih celičnih avtomatov Stephena Wolframa je doseglo vrhunec v presenetljivem odkritju: Pravilo 110, eno od le 256 možnih pravil za najpreprostejšo vrsto enodimenzionalnega celičnega avtomata, je zmožno univerzalnega računanja.

Pravilo 110 je mogoče v celoti opredeliti z navedbo izida za vsako od osmih možnih kombinacij celice in njenih dveh sosed. Pa vendar lahko to bornó preprosto pravilo – osem binarnih odločitev – simulira univerzalni Turingov stroj.

Slika 3: Celični avtomat Pravilo 110. Kljub preprosti definiciji kaže vedenje razreda 4 – zapletene vzorce, ki niso ne povsem stabilni ne povsem kaotični – in dokazano je Turing-polno.

»Za univerzalno računanje ne potrebujemo nič podobnega celotnemu računalniškemu procesorju. Potrebujemo le to majhno pravilo.«

– Stephen Wolfram, »A New Kind of Science«

Leta 2004 je Matthew Cook objavil dokaz, da je Pravilo 110 s posebnim ponavljajočim se vzorcem ozadja Turing-polno. Dokaz pokaže, da lahko Pravilo 110 posnema ciklične sisteme oznak (cyclic tag systems), ti pa lahko posnemajo kateri koli Turingov stroj. Med 88 možnimi edinstvenimi elementarnimi celičnimi avtomati je Pravilo 110 edino, pri katerem je Turing-polnost neposredno dokazana.

Načelo računske ekvivalence, ki ga je predlagal Wolfram, nakazuje nekaj še radikalnejšega: sistemi nad minimalnim pragom kompleksnosti so po svojih računskih zmožnostih v bistvu enakovredni. Človeški možgani, vremenski sistem in Pravilo 110 so v nekem globljem smislu računsko enakovredni.

Metacelica 0E0P: prava samoreplikacija

Oktobra 2018 je Adam P. Goucher dokončal gradnjo metacelice 0E0P – vzorca v Conwayevi Igri življenja (Game of Life), ki je sposoben prave samoreplikacije. Za razliko od prejšnjih metacelic, ki so potrebovale že obstoječe kopije v bližini, lahko metacelica 0E0P zgradi svoje kopije povsem iz nič, vključno z lastnim trakom z navodili.

Ta dosežek je mejnik v umetnem življenju: sistem, ki se lahko razmnožuje po računskem podlagi zgolj z lokalnimi pravili. 23. novembra 2013 je Dave Greene zgradil prvi replikator v Igri življenja, ki ustvari popolno kopijo samega sebe, vključno s trakom z navodili – kar dokazuje, da lahko celo Conwayev preprosti dvostanjski avtomat omogoča neomejeno samorazmnoževanje.

Oblikovalski sistemi kot računski substrati

Od atomarnega oblikovanja do agentnega oblikovanja

Metodologija Atomic Design Brada Frosta, predstavljena leta 2013, je spremenila naš pogled na oblikovalske sisteme. Z razdelitvijo vmesnikov na atome (osnovne elemente, kot so gumbi in vnosna polja), molekule (preproste kombinacije), organizme (kompleksni odseki uporabniškega vmesnika), predloge (postavitve strani) in strani (končne izvedbe) je Atomic Design zagotovil hierarhično strukturo za obvladovanje kompleksnosti.

A v retrospektivi je presenetljivo tole: Atomic Design je že vseboval načela celičnih avtomatov, ne da bi jih izrecno prepoznal.

»Ko je oblikovalski sistem dolgočasen, oblikovalce in razvijalce osvobodi za novo delo, za reševanje novih problemov. Oblikovalski sistem nosi breme dolgočasnega, da ga ni treba nositi oblikovalcem in razvijalcem.«

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

Februarja 2023 je Brad Frost pisal o temi »Design Systems in the Time of AI«:

»UI je naraven uporabnik oblikovalskih sistemov ... Dejstvo je, da je veliko dela s komponentami oblikovalskega sistema res mehanično in predvidljivo. Že zdaj uporabljamo orodja, kot je PlopJS, da izpljunemo osnovno ogrodje komponente, ki se ujema z obliko preostale knjižnice. Z veseljem bi sprejel pomoč umetne inteligence pri ustvarjanju številnih običajnih standardnih stvari.«

- Brad Frost

Prav mehanična in predvidljiva narava oblikovalskih sistemov jih naredi primerne za delovanje v slogu celičnih avtomatov. Ko so pravila jasna, lokalna in dosledno uporabljena, lahko agenti delujejo samostojno – tako kot celice v Conwayevi igri življenja ne potrebujejo osrednjega krmilnika, da bi ustvarile jadralce (gliders) in oscilatorje.

Nujnost strojne berljivosti

Pobuda Storybook MCP (Model Context Protocol) pomeni pomemben razvojni korak v to smer. Storybook MCP, napovedan konec leta 2025, AI agentom za kodiranje omogoča strojno berljive metapodatke komponent iz obstoječih postavitev Storybooka.

Ključni uvid je, da agenti ne potrebujejo surove kode ali vizualne dokumentacije. Potrebujejo:

• Manifeste komponent: strukturirane metapodatke o vsaki komponenti – njenih lastnostih (props), različicah, vezavah na oblikovalske žetone in primerih uporabe
• Pomensko poimenovanje: žetone, bogate z namenom, kot je action.primary.confirm, ki agentom sporočajo pomen, ne le vrednosti
• Povratne zanke preverjanja: zmožnost izvajanja testov, opazovanja napak in samopopravljanja

»Storybook MCP agentom pomaga slediti vašim vzorcem in zadostiti vašim testom. Daje jim dve stvari, ki jih še nikoli niso imeli: strojno berljive metapodatke komponent in iterativno zanko za samodejno odpravljanje napak.«

- Ekipa Storybook

Storybook MCP vključuje samodejno popravljalno zanko. Agentom omogoča, da zaženejo teste komponent (interakcijske in dostopnostne), vidijo, kaj odpove, in same odpravijo svoje napake. Razvijalec mora poseči šele, ko testi uspejo. Nič več pestovanja pozivov (prompt babysitting).

To je prav arhitektura celičnega avtomata, uporabljena pri oblikovanju: lokalna pravila (specifikacije komponent), interakcije s sosedi (vzorci sestavljanja) in iterativne posodobitve (preverjanje in samopopravljanje).

Moj manifest komponente kot genom

Primerjava z Langtonovimi zankami postane še primernejša, ko pogledamo, kako delujejo manifesti komponent. V Langtonovem sistemu »genom«, zapisan v krožečih celicah, vsebuje navodila za gradnjo nove zanke. V strojno berljivem oblikovalskem sistemu manifest komponente vsebuje navodila za sestavljanje vmesnikov.

Manifest komponente lahko določa:

{
  "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" }
  ]
}

Ta manifest je hkrati oblikovalska specifikacija in izvedljiva koda – oziroma navodila, iz katerih je mogoče ustvariti izvedljivo kodo. Agent, ki ta manifest porablja, ne potrebuje razumevanja estetike ali uporabniške izkušnje v človeškem smislu. Mora le slediti pravilom, združevati elemente skladno z njihovimi omejitvami in ustvarjati veljavne izhode.

Strinjam se z Bradom Frostom, da je smiselno imeti format yaml.

Komponente v Drupalu uporabljajo format yaml. Nekaj takega kot

$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

Oblikovanje je koda.

• Različice
• Žetoni
• Lastnosti

• Omejitve (lahko bi jih dodali komponentam)

• Pravila za reže (kaj lahko postavimo v druge reže ali kaj je dovoljeno postaviti v mojo režo)

• Pravila

• Primeri 

• Animacije  ( dovoljeno ali priporočeno za uporabo )

Nato opazujte in preizkušajte obnašanje.

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

Oblikovalski žetoni kot okoljske spremenljivke

Oblikovalski žetoni so še en ključen kamenček v sestavljanki. V celičnih avtomatih se celice odzivajo na svoje neposredno okolje – stanja sosednjih celic. V oblikovalskih sistemih se komponente odzivajo na oblikovalske žetone – kontekstne vrednosti, ki določajo njihov videz in obnašanje.

Sodobne arhitekture žetonov uporabljajo več plasti:

• Osnovni žetoni: surove vrednosti, kot je color.blue.500: #3B82F6
• Pomenski žetoni: sklicevanja, ki izražajo namen, na primer color.action.primary: color.blue.500
• Žetoni komponent: omejene uporabe, kot je button.background.primary: color.action.primary

Ko agent ustvari komponento Button, mu ni treba vedeti, da »primarna« pomeni modro. Dovolj je, da se sklicuje na button.background.primary in zaupa, da bo sistem žetonov to razrešil v pravo vrednost. Okolje (plast žetonov) vsebuje informacije; komponenta (celica) se nanje le odzove.

Orodja, kot je Tokens Studio, so se razvila do te mere, da oblikovalske žetone obravnavajo kot računske grafe z razreševalniki – vozlišči, ki glede na kontekst pomensko odločajo, kateri osnovni žetoni naj se uporabijo. Tako se oblikovalski žetoni iz statičnih vrednosti spremenijo v dinamične sisteme, ki temeljijo na pravilih.

Ekosistem Drupal in vključevanje umetne inteligence

Vključevanje umetne inteligence v sisteme za upravljanje vsebin je odličen laboratorij za raziskovanje načela »oblikovanje je koda«. Sistemi, kot je Drupal, že uteleša(jo) temeljne zamisli: strukturirane vrste vsebine, definicije polj, relacije in pravila sestavljanja.

Nikoli si nisem mislil, da bomo lahko rekli kaj takega. Zame je bilo to vrhunec tehnike.

 Najboljši računalniški sistem, kar si ga lahko zamislimo. Nekateri razvijalci bi lahko prišli naravnost iz prihodnosti Zvezdnih steza in računalniku govorili, naj programira namesto njih.

Izkušnja agenta (AX) in novi uporabnik

Oblikovanje za stroje

V začetku leta 2025 je Mathias Biilmann, direktor podjetja Netlify, predstavil zamisel »izkušnje agenta« (AX) – nove discipline, osredotočene na to, kako agenti umetne inteligence komunicirajo z izdelki in platformami.

Premik je temeljen. Desetletja je UX (uporabniška izkušnja) optimiziral za človeško zaznavanje, dojemanje in vedenje. DX (izkušnja razvijalcev) je optimiziral za človeške razvijalce, ki gradijo programsko opremo. AX priznava, da agenti postajajo glavni uporabniki digitalnih sistemov – in imajo povsem drugačne potrebe:

• Estetika jih ne zanima – potrebujejo le strukturirane podatke, ki jih je mogoče razčleniti
• Ne krmarijo po vmesnikih – kličejo API-je in porabljajo manifeste
• Dokumentacije ne berejo kot ljudje – potrebujejo strojno berljiv kontekst
• Ne presojajo subjektivno – sledijo pravilom in omejitvam

„AI agenti niso ljudje: ne zanima jih velikost gumba, berljivost tipografije, lepa barvna paleta na vašem spletnem mestu ali bleščeče animacije v vaši aplikaciji. Kaj torej ,zanima' AI agente? To je vprašanje, na katerega danes ni konkretnega odgovora, a bo v prihodnjih letih postajalo vse pomembnejše.“

– AX Research

Odgovor: jasna pravila, predvidljivo vedenje, dobro strukturirani podatki in povratne zanke, ki jim omogočajo, da preverijo in popravijo svoja dejanja.

Izziv dvojnega vmesnika

Oblikovanje za AX pomeni hkratno gradnjo dveh vmesnikov:

1. Vmesnik med človekom in agentom: Tu ljudje nadzirajo, odobravajo, urejajo in usmerjajo delovanje agentov – plast »nadzornega centra«. Pomislite na nadzorne plošče in čakalne vrste za odobritev, ne na obrazce in gumbe.
2. Vmesnik med agentom in sistemom: Tu agenti komunicirajo s API-ji, zbirkami podatkov in orodji – »operativna« plast. Biti mora robusten, dobro dokumentiran in optimiziran za učinkovitost strojev.

To odraža zgradbo celičnih avtomatov, v kateri soobstajata dve različni perspektivi:

• Lokalna perspektiva: Vsaka celica (agent) sledi preprostim pravilom, ki temeljijo na njenih neposrednih sosedih
• Globalna perspektiva: Pojavijo se zapleteni vzorci, ki so vidni šele v večjem obsegu

„Oblikovanje izkušnje agentov (AX) bi moralo prinesti odlično uporabnost za agente in njihovo uporabo. Zato odlična AX vodi do odlične uporabniške izkušnje (UX). Če AI agent naleti na pokvarjen proces, protokol ali celo nedosledno besedilo v različnih sistemih, naloge ne more opraviti. To je slaba izkušnja za agenta, ta pa vodi do slabe izkušnje stranke ali zaposlenega.“

– Kat Holmes, Chief Experience Officer, Salesforce

Od UX do AX: razvoj digitalnega oblikovanja

Stigmergija in posredna komunikacija

Eden najmočnejših konceptov rojne inteligence je stigmergija – posredno usklajevanje prek sledi v okolju. Mravlje si o lokacijah hrane ne sporočajo neposredno; puščajo sledi feromonov, ki jim sledijo druge mravlje. Okolje postane komunikacijski medij.

V agentnih oblikovalskih sistemih ima stigmergija obliko:

• Skupne knjižnice komponent: Agenti »vidijo«, katere komponente obstajajo in kako so bile uporabljene
• Oblikovalski žetoni (design tokens): Semantične vrednosti, ki oblikovalske odločitve zapišejo kot dejdejstva okolja
• Dokumentacija vzorcev: Primeri uporabe, ki so za prihodnje agente kot sledi feromonov
• Testni sklopi: Pravila preverjanja, ki omejujejo prostor veljavnih izhodov
• Zgodovina Gita: Zapis preteklih odločitev, na katerega se lahko sklicujejo agenti

Ko agent z uporabo komponente ustvari uporabniški vmesnik, pusti sledi – v kodi, v dokumentaciji, v vzorcih, ki jih vzpostavi. Prihodnji agenti, ki bodo naleteli na podobne naloge, bodo pod vplivom teh sledi, kar ustvarja obliko kolektivne inteligence, ki je noben posamezen agent ne premore.

Agentni oblikovalski vzorci

Andrew Ng in drugi so opredelili štiri ključne vzorce za agentne sisteme umetne inteligence:

1. Refleksija: AI ovrednoti lasten izid in ga iterativno izboljšuje
2. Uporaba orodij: AI komunicira z zunanjimi orodji, API-ji in sistemi
3. Načrtovanje:Umetna inteligenca razdeli zapletene naloge na podnaloge in jih izvaja zaporedno
4. Več agentov: Več specializiranih agentov sodeluje pri zapletenih nalogah

Ti vzorci se neposredno preslikajo v koncepte celičnih avtomatov:

Oblikovanje je koda – globlje branje

Kaj »oblikovanje je koda« v resnici pomeni

Ko rečemo »oblikovanje je koda«, hkrati trdimo več stvari:

1. Pomenska enakovrednost

Oblikovalske odločitve, ko so pravilno zapisane, postanejo izvršljive. Oblikovalski žeton (design token) ni zgolj vrednost, ampak navodilo. Specifikacija komponente ni zgolj dokumentacija, ampak program. Ko agenti uporabljajo te artefakte, oblikovanje prav toliko izvajajo, kot ga uresničujejo.

2. Generativna zmogljivost

Kakor lahko pravilo 110 izračuna vse, kar je izračunljivo, lahko dovolj popoln oblikovalski sistem ustvari vsak veljaven vmesnik. Sistem v sebi nosi potencial za vse svoje veljavne izraze. Kaj nastane, je odvisno samo od začetnih pogojev (zahtev) in pravil (omejitev).

3. Emergentna kompleksnost

Najbolj dovršeni vmesniki ne nastanejo po načrtu od zgoraj navzdol; porajajo se iz dosledne uporabe preprostih pravil. Dobro zasnovan gumb, ki se dosledno uporablja, ustvari skladen vizualni jezik, ne da bi kdo to skladnost izrecno načrtoval.

4. Računska nezvedljivost

Nekaterih oblikovalskih izidov ni mogoče napovedati, ne da bi sistem dejansko zagnali. Ne moreš vedeti, kako bo videti vmesnik, ki ga sestavi agent, če agentu ne dovoliš, da ga sestavi. To je Wolframovo načelo računske nezvedljivosti, uporabljeno pri oblikovanju.

5. Samospreminjanje

Tako kot evolooopi, ki med razmnoževanjem mutirajo, se lahko oblikovalski sistemi, pripravljeni za agente, razvijajo z uporabo. Komponente, ki jih ustvarijo agenti, postanejo del knjižnice, ki jo bodo uporabljali prihodnji agenti. Sistem se uči, prilagaja in raste.

Razširjena metafora celičnih avtomatov

Onkraj metafore: resnično zlitje

A to ni zgolj metafora. Zlitje je resnično in se dogaja zdaj:

• Storybook MCP spreminja knjižnice komponent v strojno berljiva navodila, ki jih agenti izvajajo
• Model Context Protocol standardizira, kako agenti dostopajo do orodij in konteksta, ter tako ustvarja univerzalno podlago za agentne operacije
• Večagentne arhitekture porazdelijo delo med specializirane agente (arhitekt, programer, pregledovalec), ki so v interakciji po protokolih, kot celice z razlikovalnimi funkcijami
• Samozdravilne zanketi omogočajo agentom izvajanje testov, zaznavanje napak in ponavljanje – ista povratna mehanizma, ki jih celični avtomati uporabljajo za razvoj stabilnih konfiguracij
• Schema.org Blueprints naredijo vsebinske strukture strojno berljive in pomensko smiselne
• Drupal AI zagotavljata infrastrukturo, s katero lahko agenti samostojno ustvarjajo, spreminjajo in upravljajo vsebino

»Načrt je koda« ne obravnavamo kot filozofsko stališče. Gradimo ga kot tehnično infrastrukturo.

Posledice in pot naprej

Za oblikovalce

Vloga oblikovalca se spreminja iz »ustvarjalca pravokotnikov« v »določevalca pravil«. Kot je opazil Brad Frost:

»Oblikovalci in razvijalci, ki svoje delo razumejo kot ustvarjanje pravokotnikov, se imajo zaradi česa bati. Oblikovalci in razvijalci, ki svoje delo razumejo kot reševanje problemov – in pri tem mimogrede ustvarijo ali uporabijo kak pravokotnik, da te probleme rešijo – pa se imajo manj za bati.«

– Brad Frost

V agentni prihodnosti bodo oblikovalci:

• Določali semantične žetone in njihova razmerja
• Postavljali omejitve sestavljanja in vzorce
• Ustvarjali validacijska pravila, ki jih morajo agenti izpolnjevati
• Skrbeli za pravila, ki urejajo pojavnost, in jih razvijali
• Oblikovali povratne mehanizme, ki omogočajo samopopravljanje
• Oblikovali »funkcije ustreznosti«, ki določajo, kateri izidi so sprejemljivi

To je oblikovanje na višji ravni abstrakcije – oblikovanje pravil, ki ustvarjajo oblikovalske rešitve, namesto samih rešitev. Kot da bi določili pravila celičnega avtomata, namesto da bi vsako celico narisali posebej.

Za razvijalce

Razvijalci postajajo arhitekti agentnih sistemov. Kot opisuje Anthropic:

»Področje razvoja programske opreme je pokazalo izjemen potencial za funkcije LLM, saj so se zmogljivosti razvile od dopolnjevanja kode do samostojnega reševanja problemov.«

Razvijalci bodo morali:

• Ustvarjati strojno berljive vmesnike med agenti in sistemi
• Oblikovati povratne zanke in validacijske mehanizme
• Graditi ogrodje, znotraj katerega nastaja emergentno vedenje
• Ohraniti človeški nadzor kot končnega razsodnika
• Določiti protokole, po katerih agenti komunicirajo
• Izdelati »lepilno kodo«, ki povezuje različne agentne sisteme

Za spletni razvoj in platforme CMS

Vključevanje umetne inteligence v platforme, kot je Drupal, kaže proti prihodnosti, v kateri:

• Vsebinski modeli postanejo uporabni za agente prek standardov, kot je Schema.org
• Uredniški tokovi dela postanejo podprti z agenti z osnutki, moderiranjem in optimizacijo, ki jih poganja umetna inteligenca
• Iskanje se razvije od ujemanja ključnih besed do pomenskega razumevanja prek vektorskih vložitev in vektorskih baz podatkov
• Personalizacija postane samodejna agenti pa se učijo uporabniških preferenc in vsebino prilagajajo v realnem času
• Razvoj se pospeši, saj agenti ustvarjajo komponente, teste in dokumentacijo

To, da ekosistem Drupal sprejema umetno inteligenco – prek modulov, kot so Drupal AI, Drupal Canvas, Schema.org Blueprints in integracija ponudnikov AI – dokazuje, da se ta prihodnost že gradi.

Za organizacije

Konkurenčna prednost bo pripadla organizacijam, katerih oblikovalski sistemi so najbolj »pripravljeni za agente«. Sistemi, pripravljeni za agente, imajo:

• Popolno pokritost stanj in različic komponent
• Semantično poimenovanje, ki izraža namen
• Strojno berljivo dokumentacijo in kontekst
• Infrastrukturo za validacijo in testiranje
• Jasne omejitve, ki zamejujejo prostor veljavnih izhodov
• API-je, zasnovane za uporabo s strani agentov (AX-first)
• Vsebinske arhitekture, ki izhajajo iz Schema.org

Za prihodnost digitalnih izdelkov

Končno stanje je nekakšna digitalna ekologija: nešteto agentov, ki delujejo po lokalnih pravilih in ustvarjajo porajajoče se vmesnike, ki jih ni načrtoval noben posamezen oblikovalec ali razvijalec, pa se vendarle nekako povežejo v celoto, ker so temeljna pravila zdrava.

To ni tako nerealno, kot se sliši. Natanko tako delujejo biološki sistemi, tako rastejo mesta, tako delujejo trgi. Vprašanje ni, ali bomo prišli do tega stanja, temveč kako bomo prebrodili prehod.

Sklep: koda je živa

John von Neumann, vsestranski učenjak, ki je izumil celične avtomate, je izhajal iz temeljnega vprašanja: Kakšna je najmanjša kompleksnost, potrebna za samoreprodukcijo? Njegov odgovor, von Neumannov univerzalni konstruktor, je pokazal, da samoreplikacija ne potrebuje biološkega mehanizma. Potrebuje le pravila, ki v sebi zapisujejo svojo lastno uporabo.

Sedemdeset let pozneje odkrivamo, da isto načelo velja za sisteme oblikovanja. Minimalni pogoj za samodejno ustvarjanje uporabniških vmesnikov ni umetna splošna inteligenca ali ustvarjalnost človeške ravni. Je popoln, dosleden in strojno berljiv nabor pravil, ki jih agenti lahko izvajajo.

Ko se Langtonove zanke širijo po celični mreži, ne rečemo, da zanke »oblikujejo« nove zanke. Replikacija je preprosto to, kar pravila ustvarijo. Rezultat, vedno večje kolonije samopodobnih vzorcev, pa je nedvomno generativen, v neki funkcionalni meri celo ustvarjalen.

Ko AI agenti sestavljajo vmesnike iz komponent sistema oblikovanja in pri tem upoštevajo semantične žetone ter omejitve sestavljanja, počnejo nekaj podobnega. »Ustvarjalnost« ni v agentih, ampak v pravilih, ki jih izvajajo: pravilih, ki so jih zasnovali ljudje, zdaj pa delujejo samostojno.

Stojimo na pragu nove dobe digitalnega ustvarjanja. Agenti so že tu. Protokoli se oblikujejo. Sistemi oblikovanja postajajo podlaga za umetno življenje.

Oblikovanje je koda.
In koda oživlja.

Ključni članki in projekti

• 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

Viri o Drupal AI

• Drupal AI

• Modul Schema.org Blueprints

   

Viri o celičnih avtomatih

• Leksikon Conwayeve igre življenja – približno 1500 likov
• Delujoči Turingov stroj v igri življenja
• Langton's Loops – Wikipedia
• Nabori pravil za celične avtomate
• A New Kind of Science Online – Stephen Wolfram
• Cellular Automata – Nature of Code

Raziskovanje idej na presečišču računalniške teorije, sistemov oblikovanja, umetne inteligence in spletnega razvoja.

 Izražena stališča so špekulativna raziskovanja nastajajočih trendov, ne napovedi gotove prihodnosti.

Vidim, da ustvarjamo AI agente, ki delujejo v zanki in v dodatnih zankah komunicirajo z drugimi AI agenti.

Oblikovanje je koda, kadar sistem deluje v zanki, podobni življenjski zanki, znotraj izbranega platna in nabora pravil.