வடிவமைப்பே குறியீடு

செல்லுலார் ஆட்டோமேட்டா தர்க்கம் முகவர் சார்ந்த வடிவமைப்பு அமைப்புகளை எப்படி மாற்றியமைக்கும்; வலை உருவாக்கத்தின் எதிர்காலம் எளிய விதிகளில் ஏற்கெனவே எழுதப்பட்டிருக்கலாம் என்பது ஏன்

வடிவமைப்பு அமைப்புகள், செயற்கை நுண்ணறிவு, கணிப்பீட்டுக் கோட்பாடு ஆகியவை சந்திக்கும் இடத்தில் ஆழமான ஒரு மாற்றம் நடந்துகொண்டிருக்கிறது. தன்னாட்சி முகவர்களின் காலத்தில் "வடிவமைப்பு" என்பதற்கே என்ன பொருள் என்ற நம் புரிதலை சவாலுக்கு உட்படுத்தும் அளவுக்கு அது அடிப்படையான மாற்றம்.

பல பத்தாண்டுகளாக வடிவமைப்பையும் குறியீட்டையும் நாம் தனித்தனித் துறைகளாகவே கருதி வந்திருக்கிறோம். வடிவமைப்பு என்பது மனிதப் படைப்பாற்றலும் அழகியல் மதிப்பீடும் நிறைந்த களம்; குறியீடு என்பது அந்த எண்ணங்களை இயக்கக்கூடிய வடிவத்துக்கு மாற்றும் இயந்திரத்தனமான மொழிபெயர்ப்பு. ஆனால் AI முகவர்கள் பயனர் இடைமுகங்களைத் தாமாகவே ஒருங்கிணைக்கும்போது, வடிவமைப்பு அமைப்புகளை இயந்திரம் படிக்கக்கூடிய உள்கட்டமைப்பாகப் பயன்படுத்தும்போது, பொருள்சார் டோக்கன்களிலிருந்து குறியீட்டை உருவாக்கும்போது, கணிப்பீட்டுக் கோட்பாட்டின் மிகப் பழைய ஒரு கருத்தை எதிரொலிக்கும் சங்கமப் புள்ளியை நாம் நெருங்கிக்கொண்டிருக்கிறோம்.

அந்தக் கருத்து என்ன? வடிவமைப்பே குறியீடு.

இது வெறும் கவர்ச்சியான சொற்றொடர் அல்ல. வடிவமைப்பு அமைப்புகள் செல்லுலார் ஆட்டோமேட்டா போலச் செயல்படும் ஓர் உலகை நோக்கி நாம் செல்கிறோம் என்பதன் அங்கீகாரம் இது. அங்கே எளிய விதிகளிலிருந்து சிக்கலான, தோன்றி வளரும் நடத்தைகள் பிறக்கின்றன. ஒன்றை "வடிவமைப்பது" என்பதற்கும் அதை "நிரலாக்குவது" என்பதற்கும் இடையிலான வேறுபாடு முழுவதுமாக மறைந்துவிடுகிறது. தன்னாட்சி முகவர்கள் வடிவமைப்பு அமைப்புகளை வெறுமனே பயன்படுத்துவதில்லை; அவை செயல்பாட்டில் இருக்கும் வடிவமைப்பு அமைப்புகளாகவே இருக்கின்றன.

செல்லுலார் ஆட்டோமேட்டா, தோன்றி வளரும் நடத்தை, முகவர் சார்ந்த வடிவமைப்பு அமைப்புகளின் எதிர்காலம் ஆகியவற்றுக்கு இடையிலான ஆழமான தொடர்புகளை இந்தப் பதிவு ஆராய்கிறது. வான் நியூமனின் தன்னைத்தானே பெருக்கிக்கொள்ளும் இயந்திரங்களிலிருந்து இன்றைய AI முகவர் கூட்டங்கள் வரை கோட்பாட்டு அடித்தளங்களைத் தடமறிவோம்.

Schema.org Blueprints, Drupal AI போன்ற தொகுதிகள் வழியாக Drupal-உம் நவீன CMS தளங்களும் AI-ஐ எப்படி ஒருங்கிணைக்கின்றன என்பதைப் பார்ப்போம். இவை அனைத்தும் வடிவமைப்பாளர்களுக்கும் உருவாக்குநர்களுக்கும் டிஜிட்டல் தயாரிப்பு உருவாக்கத்தின் எதிர்காலத்துக்கும் என்ன பொருள் தருகின்றன என்பதையும் சிந்திப்போம்.

செல்லுலார் ஆட்டோமேட்டாவும் தோன்றி வளர்தலின் தர்க்கமும்

எளிய விதிகளின் அழகு

1970-இல் கணிதவியலாளர் ஜான் கான்வே Game of Life-ஐ அறிமுகப்படுத்தினார். "ஆட்டக்காரர் இல்லாத ஆட்டம்" என்ற இந்த அமைப்பு, கணிப்பீட்டுக் கோட்பாட்டில் அதிகம் ஆராயப்பட்ட அமைப்புகளில் ஒன்றாக மாறியது. அதன் விதிகள் வியக்கத்தக்க அளவுக்கு எளிமையானவை:

1. இரண்டுக்கும் குறைவான உயிருள்ள அண்டை செல்கள் கொண்ட உயிருள்ள செல் இறந்துவிடும் (குறைந்த மக்கள்தொகை)
2. இரண்டு அல்லது மூன்று உயிருள்ள அண்டை செல்கள் கொண்ட உயிருள்ள செல் தொடர்ந்து வாழும்
3. மூன்றுக்கு மேல் உயிருள்ள அண்டை செல்கள் கொண்ட உயிருள்ள செல் இறந்துவிடும் (அதிக மக்கள்தொகை)
4. சரியாக மூன்று உயிருள்ள அண்டை செல்கள் கொண்ட இறந்த செல் உயிர்பெறும் (இனப்பெருக்கம்)

ஒரு கைப்பிடி இருமநிலை நிபந்தனைகளால் வெளிப்படுத்தப்படும் இந்த நான்கு விதிகளிலிருந்து, சிக்கலான ஓர் அற்புத உலகமே தோன்றுகிறது. கிளைடர்கள் முடிவில்லாத கட்டங்களைக் கடந்து செல்கின்றன. ஆஸிலேட்டர்கள் நிரந்தரத் தாளத்தில் துடிக்கின்றன. கன்கள் செல் வெளி முழுவதும் வடிவங்களின் தொடர்ப்பாய்ச்சலைச் சுடுகின்றன. எல்லாவற்றையும்விட வியப்பான விஷயம், Game of Life டூரிங்-முழுமை கொண்டது என்று நிரூபிக்கப்பட்டுள்ளது: அல்காரிதம் மூலம் கணிக்கக்கூடிய எதையும், கோட்பாட்டளவில், கான்வேயின் இந்த எளிய கட்டத்துக்குள்ளேயே கணிக்க முடியும்.

படம் 1: கான்வேயின் வாழ்க்கை விளையாட்டில் (Game of Life) காஸ்பரின் கிளைடர் துப்பாக்கி. இந்த வடிவம் கிளைடர்களை இடைவிடாமல் உருவாக்குகிறது - எளிய விதிகளே எல்லையற்ற, தன்னைத்தானே நிலைநிறுத்திக்கொள்ளும் சிக்கலை எப்படி உருவாக்கக்கூடும் என்பதை இது காட்டுகிறது.

செல்லுலார் ஆட்டோமேட்டா கற்றுத்தரும் முதல் பாடம் இதுதான்: சிக்கலான நடத்தைக்குச் சிக்கலான அமைப்பு தேவையில்லை. ஒரு தளம் முழுவதும் சீராகப் பயன்படுத்தப்படும் எளிய விதிகள், யாரும் வெளிப்படையாக நிரலாக்கம் செய்யாத வடிவங்களையும் நடத்தைகளையும் தோற்றுவிக்க முடியும்.

லாங்டனின் வளையங்களும் தன்னகலெடுப்பும்

1984-இல் கிறிஸ்டோபர் லாங்டன் இந்தக் கோட்பாட்டை மேலும் முன்னெடுத்துச் சென்றார். அவர் உருவாக்கிய தன்னைத்தானே நகலெடுக்கும் வளையங்கள், உண்மையான செயற்கை உயிரின் கொள்கைகளை வெளிப்படுத்திய ஒரு செல்லுலார் ஆட்டோமேட்டன் ஆகும். எழுச்சிபெறும் சிக்கலைக் காட்டும் கான்வேயின் வாழ்க்கை விளையாட்டுக்கு (Game of Life) மாறாக, லாங்டனின் வளையங்கள் எழுச்சிபெறும் இனப்பெருக்கத்தைக்.

காட்டுகின்றன. ஒவ்வொரு வளையமும் ஒரு சுழல் எல்லையைக் கொண்டுள்ளது; அது செல் நிலைகளில் குறியாக்கம் செய்யப்பட்ட ஒரு "மரபணுத் தொகுப்பை" (genome) உள்ளடக்கியது. இந்த மரபணுத் தொகுப்பு வளையத்தைச் சுற்றித் தொடர்ந்து பாய்ந்து, ஒரு கட்டுமானக் கை வழியாக வெளியேறி, 151 கால அடிகளில் ஒரு மகள் வளையத்தை உருவாக்குகிறது. அது முடிந்ததும் மகள் வளையம் தாயிடமிருந்து பிரிகிறது; இரண்டுமே தொடர்ந்து நகலெடுக்கின்றன.

படம் 2: லாங்டனின் வளையம் அதன் தொடக்க அமைப்பில். மரபணுத் தகவல் வளையத்தில் சுற்றிவந்து, நீளும் கை வழியாக மகள் வளையங்களின் கட்டுமானத்தை வழிநடத்துகிறது.

"ஒரு செல்லுலார் ஆட்டோமேட்டனுக்குள் தன்னைத்தானே உருவாக்கிக்கொள்ளும் இயந்திரம் சாத்தியமென்றால், உயிர் என்பதையே இயந்திரங்களால் அடைய முடியக்கூடும்."

- கிறிஸ்டோபர் லாங்டன், "செல்லுலார் ஆட்டோமேட்டாவைக் கொண்டு செயற்கை உயிரைப் படித்தல்" (1986)

இதன் விளைவுகள் ஆழமானவை. தன்னகலெடுப்புக்கு உயிரியல் செல்களின் சிக்கலோ, வான் நியூமனின் மூல வடிவமைப்பிலிருந்த உலகளாவிய கட்டமைப்புத் திறனோ தேவையில்லை என்பதை லாங்டனின் வளையங்கள் காட்டுகின்றன. அதற்குத் தேவைப்படுவது இவை மட்டுமே:

• எளிய, உள்ளூர் விதிகளின் தொகுப்பு
• அறிவுறுத்தல்களைக் குறியாக்கம் செய்யும் ஒரு வழிமுறை
• அந்த அறிவுறுத்தல்களைச் செயல்படுத்தும் ஒரு செயல்முறை

விதிகளே உயிரினம்; வடிவமைப்பே நிரல்.

1999-இல் ஹிரோகி சயாமா எவோலூப்களை (evoloops) அறிமுகப்படுத்தினார். இவை கட்டமைப்புக் கரைதிறனையும் புறவடிவ இடைவினைகளையும் இணைத்துக்கொள்ளும் வகைகள்; இதனால் தன்னியல்பான திடீர் மாற்றங்களும் பரிணாம இயக்கவியலும் சாத்தியமாகின்றன. நகலெடுக்கும் போது நேரடி இயற்பியல் மோதல்கள் வழியாக இந்த வளையங்கள் பரிணமிக்கின்றன; இது மரபணு வகை வேறுபாடுகளுக்கும், அதிகரிக்கும் வடிவ வேறுபாட்டுக்கும், தலைமுறைகள் தோறும் வளரும் சிக்கலுக்கும் வழிவகுக்கிறது. லாங்டனின் நிலையான நகலெடுப்புக்கு மாறாக, வெளிப்புறத் தலையீடு இன்றியே மரபுவழியாகக் கடத்தப்படும் திடீர் மாற்றங்களை எவோலூப்கள் காட்டுகின்றன.

விதி 110-உம் உலகளாவிய கணிப்பும்

ஸ்டீபன் வோல்ஃப்ரமின் தொடக்கநிலை செல்லுலார் ஆட்டோமேட்டா பற்றிய ஆய்வு ஒரு திடுக்கிடும் கண்டுபிடிப்பில் முடிந்தது: விதி 110 - ஒரு பரிமாண செல்லுலார் ஆட்டோமேட்டனின் எளிய வகைக்குச் சாத்தியமான 256 விதிகளில் ஒன்று - உலகளாவிய கணிப்பைச் செய்யும் திறன் கொண்டது.

விதி 110-ஐ முழுமையாக வரையறுக்க, ஒரு கலமும் அதன் இரு அண்டை கலங்களும் சேரும் எட்டு சாத்தியமான சேர்க்கைகள் ஒவ்வொன்றுக்கும் முடிவைக் கொடுத்தால் போதும். ஆனாலும் இந்த மிக எளிய விதி-எட்டு இருமநிலை முடிவுகள்-ஒரு உலகளாவிய டூரிங் இயந்திரத்தையே உருவகப்படுத்த முடியும்.

படம் 3: விதி 110 செல்லுலர் ஆட்டோமேட்டன். எளிய வரையறை இருந்தபோதிலும், விதி 110 வகை 4 நடத்தையைக் காட்டுகிறது-முழுமையாக நிலையானதும் அல்ல, முழுமையாக குழப்பமானதும் அல்ல என்ற சிக்கலான வடிவங்கள்-மேலும் இது டூரிங் முழுமை பெற்றது என்று நிரூபிக்கப்பட்டுள்ளது.

"உலகளாவிய கணிப்பைச் செய்ய ஒரு முழு கணினி CPU போன்ற எதுவும் தேவையில்லை. இந்த சிறிய விதி மட்டுமே போதும்."

- ஸ்டீபன் வுல்ஃப்ராம், "A New Kind of Science"

2004-ல் மேத்யூ குக், ஒரு குறிப்பிட்ட மீளும் பின்னணி வடிவத்துடன் கூடிய விதி 110 டூரிங் முழுமை பெற்றது என்பதற்கான நிரூபணத்தை வெளியிட்டார். விதி 110, சுழற்சி குறிச்சொல் அமைப்புகளைப் போலச் செயல்பட முடியும் என்றும், அவை எந்த டூரிங் இயந்திரத்தையும் போலச் செயல்பட முடியும் என்றும் இந்த நிரூபணம் காட்டுகிறது. சாத்தியமான 88 தனித்துவமான அடிப்படை செல்லுலர் ஆட்டோமேட்டன்களில், டூரிங் முழுமை நேரடியாக நிரூபிக்கப்பட்ட ஒரே விதி விதி 110 மட்டுமே.

வுல்ஃப்ராம் முன்மொழிந்த கணிப்புச் சமநிலைக் கோட்பாடு இன்னும் தீவிரமான ஒன்றைச் சுட்டுகிறது: குறைந்தபட்ச சிக்கலான வரம்பைத் தாண்டிய அமைப்புகள் அனைத்தும் தங்கள் கணிப்புத் திறனில் அடிப்படையில் சமமானவை. மனித மூளை, வானிலை அமைப்பு, விதி 110 ஆகிய மூன்றும் ஆழமான பொருளில் கணிப்பு நோக்கில் சமமானவையே.

0E0P மெட்டாசெல்: உண்மையான சுய-பிரதியாக்கம்

2018 அக்டோபரில், ஆடம் பி. கௌச்சர் 0E0P மெட்டாசெல் கட்டமைப்பை நிறைவு செய்தார்-இது கான்வேயின் Game of Life-இல் உண்மையான சுய-பிரதியாக்கத்தைச் செய்யவல்ல ஒரு வடிவம். அருகில் ஏற்கனவே நகல்கள் இருக்க வேண்டிய முந்தைய மெட்டாசெல்களைப் போலன்றி, 0E0P மெட்டாசெல் தன் சொந்த அறிவுறுத்தல் நாடா உட்பட, தன்னுடைய நகல்களை முற்றிலும் புதிதாகக் கட்டமைக்க முடியும்.

இது செயற்கை உயிரில் ஒரு மைல்கல்: உள்ளூர் விதிகளை மட்டுமே பயன்படுத்தி, ஒரு கணிப்பு அடித்தளத்தின் வழியாகத் தன்னைப் பரப்பிக்கொள்ளும் அமைப்பு. 2013 நவம்பர் 23 அன்று, டேவ் கிரீன் Game of Life-இல் அறிவுறுத்தல் நாடா உட்பட தன் முழு நகலையும் உருவாக்கும் முதல் பிரதியாக்கியை உருவாக்கினார்-கான்வேயின் எளிய இரு-நிலை ஆட்டோமேட்டன்கூட வரம்பற்ற சுய-இனப்பெருக்கத்தைத் தாங்கும் என்பதை இது காட்டியது.

கணிப்பு அடித்தளங்களாக வடிவமைப்பு அமைப்புகள்

அணு வடிவமைப்பிலிருந்து முகவர் வடிவமைப்பு வரை

பிராட் ஃப்ராஸ்டின் Atomic Design முறை, 2013-ல் அறிமுகமாகி, வடிவமைப்பு அமைப்புகளைப் பற்றி நாம் சிந்திக்கும் விதத்தையே மாற்றியது. இடைமுகங்களை அணுக்கள் (பொத்தான்கள், உள்ளீடுகள் போன்ற அடிப்படை கூறுகள்), மூலக்கூறுகள் (எளிய சேர்க்கைகள்), உயிரினங்கள் (சிக்கலான இடைமுகப் பகுதிகள்), வார்ப்புருக்கள் (பக்க அமைப்புகள்), பக்கங்கள் (இறுதி செயலாக்கங்கள்) என உடைப்பதன் மூலம், சிக்கலை நிர்வகிக்க Atomic Design ஒரு படிநிலை அமைப்பைத் தந்தது.

ஆனால் திரும்பிப் பார்க்கும்போது வியப்பூட்டுவது இதுதான்: Atomic Design ஏற்கனவே செல்லுலர் ஆட்டோமேட்டா கோட்பாடுகளை உள்ளடக்கியிருந்தது அவற்றை வெளிப்படையாக அடையாளம் காணாமலேயே.

"வடிவமைப்பு அமைப்பு சலிப்பூட்டுவதாக இருக்கும்போது, புதியவற்றைச் செய்யவும் புதிய சிக்கல்களைத் தீர்க்கவும் வடிவமைப்பாளர்களுக்கும் உருவாக்குநர்களுக்கும் அது சுதந்திரம் தருகிறது. சலிப்பூட்டும் பணிகளின் சுமையை வடிவமைப்பு அமைப்பே சுமக்கிறது; அதனால் வடிவமைப்பாளர்களும் உருவாக்குநர்களும் அதைச் சுமக்க வேண்டியதில்லை."

- ஜோஷ் கிளார்க், "The Most Exciting Design Systems Are Boring"

2023 பிப்ரவரியில், பிராட் ஃப்ராஸ்ட் "Design Systems in the Time of AI" பற்றி எழுதினார்:

"AI இயல்பாகவே ஒரு வடிவமைப்பு அமைப்பின் பயனர்... உண்மை என்னவென்றால், வடிவமைப்பு அமைப்பின் கூறுப் பணிகளில் பெரும்பகுதி இயந்திரத்தனமானதும் முன்கூட்டியே ஊகிக்கக்கூடியதுமே. நூலகத்தின் மற்ற பகுதிகளின் வடிவத்துக்கு ஏற்ற கூறு அடிப்படை வார்ப்புருவை (boilerplate) உருவாக்க PlopJS போன்ற கருவிகளை நாம் ஏற்கெனவே பயன்படுத்துகிறோம். வழக்கமான அடிப்படை வார்ப்புருக்கள் பலவற்றை உருவாக்குவதில் AI உதவினால் நான் மகிழ்வேன்."

- பிராட் ஃப்ராஸ்ட்

வடிவமைப்பு அமைப்புகளின் இயந்திரத்தனமான, முன்கூட்டியே ஊகிக்கக்கூடிய இயல்புதான் அவற்றை செல்லுலார் ஆட்டோமேட்டா (cellular automata) பாணியில் இயங்க ஏற்றதாக்குகிறது. விதிகள் தெளிவாகவும், உள்ளூர் சார்ந்தவையாகவும், தொடர்ந்து ஒரே மாதிரி பின்பற்றப்படுவதாகவும் இருக்கும்போது, முகவர்கள் (agents) தாமாகவே இயங்க முடியும் - கான்வேயின் வாழ்க்கை விளையாட்டில் (Conway's Game of Life) கிளைடர்களையும் அலைவிகளையும் உருவாக்க செல்களுக்கு மையக் கட்டுப்படுத்தி தேவையில்லாதது போலவே.

இயந்திரம் படிக்கக்கூடிய தன்மையின் அவசியம்

Storybook MCP (Model Context Protocol) முயற்சி இந்தத் திசையில் ஒரு முக்கியமான பரிணாமத்தைக் குறிக்கிறது. 2025 இறுதியில் அறிவிக்கப்பட்ட Storybook MCP, ஏற்கெனவே உள்ள Storybook அமைப்புகளிலிருந்து இயந்திரம் படிக்கக்கூடிய கூறு மெட்டாடேட்டாவை AI நிரலாக்க முகவர்களுக்கு வழங்குகிறது.

முக்கியமான உள்ளுணர்வு என்னவென்றால், முகவர்களுக்கு மூலக் குறியீடோ காட்சி ஆவணமோ தேவையில்லை. அவர்களுக்குத் தேவை:

• கூறு மேனிஃபெஸ்ட்கள் (Component manifests): ஒவ்வொரு கூறைப் பற்றிய கட்டமைக்கப்பட்ட மெட்டாடேட்டா - அதன் props, வகைகள் (variants), வடிவமைப்பு டோக்கன் இணைப்புகள், பயன்பாட்டு எடுத்துக்காட்டுகள்
• பொருள்சார் பெயரிடல்: வெறும் மதிப்புகளை அல்லாமல், முகவர்களுக்குப் பொருளை உணர்த்தும், நோக்கம் நிறைந்த டோக்கன்கள், எடுத்துக்காட்டாக action.primary.confirm
• சரிபார்ப்பு சுழற்சிகள்: சோதனைகளை இயக்கி, தோல்விகளைக் கண்டு, தங்களைத் தாங்களே திருத்திக்கொள்ளும் திறன்

"உங்கள் வடிவமைப்பு முறைகளைப் பின்பற்றவும் உங்கள் சோதனைகளில் தேறவும் Storybook MCP முகவர்களுக்கு உதவுகிறது. இதுவரை அவர்களிடம் இல்லாத இரண்டு விஷயங்களை அது வழங்குகிறது: இயந்திரம் படிக்கக்கூடிய கூறு மெட்டாடேட்டா, தவறுகளைத் தாமே சரிசெய்துகொள்ளும் மீள்சுழற்சி."

- Storybook குழு

Storybook MCP-யில் தானியங்கித் திருத்தச் சுழற்சி உள்ளது. உங்கள் கூறு சோதனைகளை (தொடர்புச் சோதனை, அணுகல்தன்மைச் சோதனை) முகவர்கள் இயக்கவும், எது தோல்வியடைந்தது எனப் பார்க்கவும், தங்கள் பிழைகளைத் தாங்களே சரிசெய்யவும் இது அனுமதிக்கிறது. சோதனைகள் தேறிய பிறகுதான் உருவாக்குநர் தலையிட வேண்டும். இனி prompt-களைக் கண்காணித்துக்கொண்டே இருக்க வேண்டியதில்லை.

இது வடிவமைப்புக்குப் பயன்படுத்தப்படும் செல்லுலார் ஆட்டோமேட்டனின் கட்டமைப்பே: உள்ளூர் விதிகள் (கூறு விவரக்குறிப்புகள்), அண்டை தொடர்புகள் (இணைப்பு முறைகள்), திரும்பத் திரும்பப் புதுப்பித்தல் (சரிபார்ப்பும் சுய-திருத்தமும்).

மரபணுவாக என் கூறு மேனிஃபெஸ்ட்

கூறு மேனிஃபெஸ்ட்கள் எவ்வாறு செயல்படுகின்றன என்பதை எண்ணிப் பார்க்கும்போது, லாங்டனின் சுழல்களுடன் (Langton's Loops) ஒப்பிடுவது இன்னும் பொருத்தமாகிறது. லாங்டனின் அமைப்பில், சுழலும் செல்களில் குறியாக்கப்பட்ட "மரபணு" புதிய சுழலை உருவாக்கும் அறிவுறுத்தல்களைக் கொண்டிருக்கிறது. இயந்திரம் படிக்கக்கூடிய வடிவமைப்பு அமைப்பில், இடைமுகங்களை ஒன்றுசேர்ப்பதற்கான அறிவுறுத்தல்களைக் கூறு மேனிஃபெஸ்ட் கொண்டிருக்கிறது.

ஒரு கூறு மேனிஃபெஸ்ட் இவ்வாறு குறிப்பிடலாம்:

{
  "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" }
  ]
}

இந்த மேனிஃபெஸ்ட் ஒரே நேரத்தில் வடிவமைப்பு விவரக்குறிப்பாகவும் இயங்கக்கூடிய குறியீடாகவும் இருக்கிறது; இன்னும் சரியாகச் சொன்னால், இயங்கக்கூடிய குறியீட்டை உருவாக்கத் தேவையான அறிவுறுத்தல்கள் இவை. இந்த மேனிஃபெஸ்டைப் பயன்படுத்தும் ஏஜென்ட் அழகியலையோ மனிதர்கள் புரிந்துகொள்ளும் பொருளில் பயனர் அனுபவத்தையோ புரிந்துகொள்ள வேண்டியதில்லை. அது விதிகளைப் பின்பற்றி, கட்டுப்பாடுகளுக்கு ஏற்ப கூறுகளை இணைத்து, சரியான வெளியீடுகளை உருவாக்கினால் போதும்.

yaml வடிவம் இருக்க வேண்டும் என்ற பிராட் ஃப்ராஸ்டின் கருத்தை நான் ஏற்றுக்கொள்கிறேன்.

Drupal Components yaml வடிவத்தையே பயன்படுத்துகின்றன. இது போன்று

$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

வடிவமைப்பே குறியீடு ஆகும்.

• Variants
• Tokens
• Props

• Constraints (இவற்றை நாம் components-இல் சேர்க்கலாம்)

• Slots rules (மற்ற slots-இல் எவற்றை வைக்கலாம், அல்லது என் slot-இல் எவற்றை வைக்க அனுமதி உண்டு)

• Rules

• Examples 

• Animations  ( பயன்படுத்த அனுமதிக்கப்பட்டவை அல்லது பரிந்துரைக்கப்பட்டவை )

பிறகு நடத்தையைக் கவனித்து, சோதனைகள் செய்து பாருங்கள்.

இதில் உள்ளது போல https://storybook.demo.varbase.vardot.com/?path=/story/atoms-button--primary 

சுற்றுச்சூழல் மாறிகளாக வடிவமைப்பு டோக்கன்கள்

வடிவமைப்பு டோக்கன்கள் இந்தப் புதிரின் மற்றொரு முக்கியமான பகுதி. செல்லுலார் ஆட்டோமேட்டாவில், செல்கள் தங்களின் உடனடிச் சூழலுக்கு, அதாவது அருகிலுள்ள செல்களின் நிலைகளுக்கு, ஏற்பப் பதிலளிக்கின்றன. வடிவமைப்பு அமைப்புகளில், கூறுகள் வடிவமைப்பு டோக்கன்களுக்கு, அதாவது அவற்றின் தோற்றத்தையும் நடத்தையையும் தீர்மானிக்கும் சூழல்சார் மதிப்புகளுக்கு, ஏற்பப் பதிலளிக்கின்றன.

நவீன டோக்கன் கட்டமைப்புகள் பல அடுக்குகளைப் பயன்படுத்துகின்றன:

• அடிப்படை டோக்கன்கள்: பச்சை மதிப்புகள், எடுத்துக்காட்டாக color.blue.500: #3B82F6
• பொருள்சார் டோக்கன்கள்: நோக்கத்தை அடிப்படையாகக் கொண்ட குறிப்புகள், எடுத்துக்காட்டாக color.action.primary: color.blue.500
• கூறு டோக்கன்கள்: குறிப்பிட்ட வரம்புக்குள் பயன்படும் அமைப்புகள், எடுத்துக்காட்டாக button.background.primary: color.action.primary

ஒரு ஏஜென்ட் Button கூறை உருவாக்கும்போது, "primary" என்றால் நீலம் என்று அதற்குத் தெரிந்திருக்க வேண்டியதில்லை. அது button.background.primary என்பதைக் குறிப்பிட்டால் போதும்; டோக்கன் அமைப்பு அதைச் சரியான மதிப்பாக மாற்றித் தரும் என்று நம்பலாம். சூழல் (டோக்கன் அடுக்கு) தகவலைக் கொண்டிருக்கிறது; கூறு (செல்) அதற்கு ஏற்பப் பதிலளித்தால் போதும்.

இது போன்ற கருவிகள் Tokens Studio வடிவமைப்பு டோக்கன்களை, resolvers கொண்ட கணக்கீட்டு வரைபடங்களாகக் கருதும் அளவுக்கு வளர்ந்துவிட்டன. சூழலைப் பொறுத்து எந்த அடிப்படை டோக்கன்களைப் பயன்படுத்துவது என்று பொருள்சார் முடிவுகளை எடுக்கும் node-கள் இவை. இதனால் வடிவமைப்பு டோக்கன்கள் நிலையான மதிப்புகளிலிருந்து, விதிகளின் அடிப்படையில் இயங்கும் மாறும் அமைப்புகளாக மாறுகின்றன.

Drupal சூழலமைப்பும் AI ஒருங்கிணைப்பும்

உள்ளடக்க மேலாண்மை அமைப்புகளில் AI-ஐ ஒருங்கிணைப்பது, "வடிவமைப்பே குறியீடு" என்ற கொள்கைகளை ஆராய்வதற்கான சரியான ஆய்வகம். Drupal போன்ற CMS-கள் இந்த அடிப்படைக் கருத்துகளை ஏற்கெனவே உள்ளடக்கியுள்ளன: கட்டமைக்கப்பட்ட உள்ளடக்க வகைகள், புல வரையறைகள், உறவுகள், மற்றும் இணைப்பதற்கான விதிகள்.

இப்படி ஒன்றைச் சொல்ல முடியும் என்று நான் ஒருபோதும் நினைத்ததில்லை. எனக்கு இது ஒரு கலைநயம் மிக்க உச்சநிலை.

 நமக்குக் கிடைக்கக்கூடிய தலைசிறந்த கணினி அமைப்பு. எதிர்கால Star Trek உலகிலிருந்து வந்தது போன்ற சில டெவலப்பர்கள், தங்களுக்காக நிரல் எழுதச் சொல்லிக் கணினியிடம் பேசுகிறார்கள்.

ஏஜென்ட் அனுபவமும் (AX) புதிய பயனரும்

இயந்திரங்களுக்காக வடிவமைத்தல்

2025-இன் தொடக்கத்தில், Netlify-இன் தலைமைச் செயல் அதிகாரி மத்தியாஸ் பில்மன் "Agent Experience" (AX) என்ற கருத்தை அறிமுகப்படுத்தினார். AI ஏஜென்ட்கள் தயாரிப்புகளுடனும் தளங்களுடனும் எவ்வாறு தொடர்பு கொள்கின்றன என்பதில் கவனம் செலுத்தும் புதிய துறை இது.

இது அடிப்படையான மாற்றம். பல பத்தாண்டுகளாக UX (User Experience) மனிதரின் புரிதல், உணர்தல், நடத்தை ஆகியவற்றுக்காக மேம்படுத்தப்பட்டது. DX (Developer Experience) மென்பொருள் உருவாக்கும் மனித டெவலப்பர்களுக்காக மேம்படுத்தப்பட்டது. டிஜிட்டல் அமைப்புகளின் முதன்மைப் பயனர்களாக ஏஜென்ட்கள் மாறி வருகின்றன என்பதை AX ஏற்றுக்கொள்கிறது; அவற்றின் தேவைகளும் முற்றிலும் வேறுபட்டவை:

• அவை காட்சி அழகியலைப் பொருட்படுத்துவதில்லை - கட்டமைக்கப்பட்ட, பகுப்பாய்வு செய்யக்கூடிய தரவு மட்டுமே அவற்றுக்குத் தேவை
• அவை இடைமுகங்களில் உலாவுவதில்லை - API-களை அழைத்து, மேனிஃபெஸ்ட்களைப் பயன்படுத்துகின்றன
• அவை ஆவணங்களை மனிதர்களைப் போல் படிப்பதில்லை - இயந்திரம் படிக்கக்கூடிய சூழல் தகவல் அவற்றுக்குத் தேவை
• அவை தனிப்பட்ட கருத்துகளின் அடிப்படையில் தீர்மானிப்பதில்லை - விதிகளையும் கட்டுப்பாடுகளையும் பின்பற்றுகின்றன

"AI முகவர்கள் (AI Agents) மனிதர்கள் அல்ல: ஒரு பொத்தானின் அளவு, எழுத்துருவின் படிக்கும் தன்மை, உங்கள் இணையதளத்தின் அழகான வண்ணத் தொகுப்பு, உங்கள் செயலியில் உள்ள மின்னும் அனிமேஷன்கள் எதுவும் அவற்றுக்கு ஒரு பொருட்டே அல்ல. அப்படியானால், AI முகவர்கள் எதைப் 'பொருட்படுத்துகின்றன'? இன்று இதற்குத் திட்டவட்டமான பதில் இல்லை; ஆனால் வரும் ஆண்டுகளில் இந்தக் கேள்வி மேலும் மேலும் முக்கியமாகிக்கொண்டே போகும்."

- AX ஆய்வு

பதில்: தெளிவான விதிகள், முன்கூட்டியே கணிக்கக்கூடிய நடத்தைகள், நன்கு கட்டமைக்கப்பட்ட தரவு, மேலும் தங்கள் செயல்களைச் சரிபார்த்துத் திருத்திக்கொள்ள உதவும் பின்னூட்ட சுழற்சிகள்.

இரட்டை இடைமுகச் சவால்

AX-க்கு வடிவமைப்பது என்பது இரண்டு இடைமுகங்களை ஒரே நேரத்தில் உருவாக்குவதாகும்:

1. மனிதர்–முகவர் இடைமுகம்: மனிதர்கள் முகவரின் நடத்தையைக் கண்காணித்து, ஒப்புதல் அளித்து, திருத்தி, வழிநடத்தும் இடம்—அதாவது "கட்டுப்பாட்டு மையம்" அடுக்கு. படிவங்கள், பொத்தான்களை அல்ல; டாஷ்போர்டுகள், ஒப்புதல் வரிசைகளை நினைத்துப் பாருங்கள்.
2. முகவர்–அமைப்பு இடைமுகம்: முகவர்கள் API-கள், தரவுத்தளங்கள், கருவிகளுடன் தொடர்புகொள்ளும் இடம்—அதாவது "செயல்பாட்டு" அடுக்கு. இது உறுதியானதாகவும், நன்கு ஆவணப்படுத்தப்பட்டதாகவும், இயந்திரத் திறனுக்கு ஏற்ப மேம்படுத்தப்பட்டதாகவும் இருக்க வேண்டும்.

இது செல்லுலார் ஆட்டோமேட்டாவின் கட்டமைப்பை ஒத்திருக்கிறது; அங்கே இரண்டு வெவ்வேறு பார்வைகள் இணைந்து இருக்கின்றன:

• உள்ளூர் பார்வை: ஒவ்வொரு செல்லும் (முகவரும்) தனக்கு அருகிலுள்ள அண்டை செல்களின் அடிப்படையில் எளிய விதிகளைப் பின்பற்றுகிறது
• உலகளாவிய பார்வை: பெரிய அளவில் மட்டுமே கண்ணுக்குத் தெரியும் சிக்கலான வடிவங்கள் தோன்றுகின்றன

"முகவர் அனுபவ வடிவமைப்பு (AX) என்பது முகவர்களுக்கும், முகவர்களாலும் சிறந்த பயன்பாட்டுத்தன்மையை உருவாக்க வேண்டும். ஆகவே, சிறந்த AX சிறந்த பயனர் அனுபவத்துக்கு (UX) வழிவகுக்கிறது. AI முகவர் உடைந்த செயல்முறை, நெறிமுறை, அல்லது அமைப்புகளுக்கு இடையே முரண்பட்ட சொற்பிரயோகத்தைக்கூட எதிர்கொண்டால், அதனால் அந்தப் பணியைச் செய்ய முடியாது. அது முகவருக்கு மோசமான அனுபவம்; அதுவே இறுதியில் வாடிக்கையாளருக்கோ ஊழியருக்கோ மோசமான அனுபவமாக மாறுகிறது."

- கேட் ஹோம்ஸ், தலைமை அனுபவ அதிகாரி, Salesforce

UX-இலிருந்து AX-க்கு: டிஜிட்டல் வடிவமைப்பின் பரிணாமம்

ஸ்டிக்மெர்ஜியும் மறைமுகத் தொடர்பாடலும்

திரள் நுண்ணறிவின் மிக ஆற்றல்வாய்ந்த கருத்தாக்கங்களில் ஒன்று ஸ்டிக்மெர்ஜி—அதாவது சூழலில் விட்டுச்செல்லும் தடங்கள் வழியான மறைமுக ஒருங்கிணைப்பு. உணவு இருக்கும் இடத்தைப் பற்றி எறும்புகள் ஒன்றுக்கொன்று நேரடியாகப் பேசிக்கொள்வதில்லை; மற்ற எறும்புகள் பின்தொடரும் பெரோமோன் பாதைகளை விட்டுச்செல்கின்றன. சூழலே ஒரு தகவல்தொடர்பு ஊடகமாகிறது.

முகவர் சார்ந்த வடிவமைப்பு அமைப்புகளில், ஸ்டிக்மெர்ஜி இவ்வடிவங்களை எடுக்கிறது:

• பகிரப்பட்ட கூறு நூலகங்கள்: எந்தக் கூறுகள் உள்ளன, அவை எப்படிப் பயன்படுத்தப்பட்டுள்ளன என்பதை முகவர்கள் "பார்க்கின்றன"
• வடிவமைப்பு டோக்கன்கள்: வடிவமைப்பு முடிவுகளைச் சூழலின் உண்மைகளாகக் குறியாக்கும் பொருளுணர்த்தும் மதிப்புகள்
• வடிவ ஆவணப்படுத்தல்: எதிர்கால முகவர்களுக்குப் பெரோமோன் பாதைகளாகச் செயல்படும் பயன்பாட்டு எடுத்துக்காட்டுகள்
• சோதனைத் தொகுப்புகள்: செல்லுபடியாகும் வெளியீடுகளின் வரம்பைக் கட்டுப்படுத்தும் சரிபார்ப்பு விதிகள்
• Git வரலாறு: முகவர்கள் மேற்கோளாகப் பார்க்கக்கூடிய கடந்த கால முடிவுகளின் பதிவு

ஒரு முகவர் ஒரு கூறைப் பயன்படுத்தி UI-ஐ உருவாக்கும்போது, அது தடங்களை விட்டுச்செல்கிறது—குறியீட்டுத் தளத்தில், ஆவணத்தில், தான் நிறுவும் வடிவங்களில். இதுபோன்ற பணிகளை எதிர்கொள்ளும் எதிர்கால முகவர்கள் இந்தத் தடங்களால் தாக்கம் பெறும்; இதனால் எந்தவொரு தனி முகவரிடமும் இல்லாத ஒருவகை கூட்டு நுண்ணறிவு உருவாகிறது.

முகவர் சார்ந்த வடிவமைப்பு வடிவங்கள்

ஆண்ட்ரூ என்ஜி (Andrew Ng) உள்ளிட்டோர் முகவர் சார்ந்த AI அமைப்புகளுக்கான நான்கு முக்கிய வடிவங்களை அடையாளம் கண்டுள்ளனர்:

1. சுய மதிப்பாய்வு: AI தனது சொந்த வெளியீட்டை மதிப்பிட்டு, படிப்படியாக மேம்படுத்துகிறது
2. கருவிப் பயன்பாடு: AI வெளிப்புறக் கருவிகள், API-கள், அமைப்புகளுடன் தொடர்புகொள்கிறது
3. திட்டமிடல்:இது சிக்கலான பணிகளை AI சிறு பணிகளாகப் பிரித்து, ஒன்றன்பின் ஒன்றாகச் செயல்படுத்துகிறது
4. பல முகவர்கள் (Multi-Agent): சிக்கலான பணிகளுக்காகப் பல சிறப்பு முகவர்கள் இணைந்து செயல்படுகின்றன

இந்த முறைமைகள் செல்லுலார் ஆட்டோமேட்டா கருத்துகளுடன் நேரடியாகப் பொருந்துகின்றன:

வடிவமைப்பே குறியீடு-ஆழமான வாசிப்பு

"வடிவமைப்பே குறியீடு" என்பதன் உண்மையான பொருள்

"வடிவமைப்பே குறியீடு" என்று சொல்லும்போது, நாம் ஒரே நேரத்தில் பல கூற்றுகளை முன்வைக்கிறோம்:

1. பொருளியல் சமநிலை

வடிவமைப்பு முடிவுகள் முறையாகக் குறியாக்கம் செய்யப்படும்போது செயல்படுத்தக்கூடியவையாக மாறுகின்றன. ஒரு வடிவமைப்பு டோக்கன் வெறும் மதிப்பு அல்ல-அது ஒரு கட்டளை. ஒரு கூறு விவரக்குறிப்பு வெறும் ஆவணம் அல்ல-அது ஒரு நிரல். முகவர்கள் இந்தப் படைப்புகளைப் பயன்படுத்தும்போது, வடிவமைப்பை நடைமுறைப்படுத்துவதைப் போலவே அதைச் செயல்படுத்தவும் செய்கின்றன.

2. உருவாக்கும் ஆற்றல்

கணிக்கக்கூடிய எதையும் Rule 110 கணக்கிட முடிவதைப் போலவே, போதுமான அளவு முழுமையான வடிவமைப்பு அமைப்பு எந்தவொரு செல்லுபடியாகும் இடைமுகத்தையும் உருவாக்க முடியும். அமைப்பு அதன் அனைத்துச் செல்லுபடியாகும் வெளிப்பாடுகளுக்கான சாத்தியத்தையும் தன்னுள் கொண்டுள்ளது. என்ன உருவாகிறது என்பது தொடக்க நிலைமைகளையும் (தேவைகள்) விதிகளையும் (கட்டுப்பாடுகள்) மட்டுமே சார்ந்தது.

3. தோன்றும் சிக்கலான தன்மை

மிகவும் நுட்பமான இடைமுகங்கள் மேலிருந்து கீழாக வடிவமைக்கப்படுவதில்லை; எளிய விதிகளை நிலையாகப் பயன்படுத்துவதிலிருந்து அவை தோன்றுகின்றன. நன்கு வடிவமைக்கப்பட்ட ஒரு பொத்தானை நிலையாகப் பயன்படுத்தினால், அந்த ஒருங்கிணைவை யாரும் வெளிப்படையாகத் திட்டமிடாமலேயே ஒரு ஒத்திசைவான காட்சி மொழி உருவாகிறது.

4. கணக்கீட்டுச் சுருக்க இயலாமை

சில வடிவமைப்பு விளைவுகளை அமைப்பை உண்மையிலேயே இயக்கிப் பார்க்காமல் கணிக்க முடியாது. முகவர் உருவாக்கும் இடைமுகம் எப்படி இருக்கும் என்பதை, முகவரை அதை உருவாக்கவிடாமல் அறிய முடியாது. இது வடிவமைப்புக்குப் பொருந்தும் வோல்ஃப்ரமின் கணக்கீட்டுச் சுருக்க இயலாமைக் கொள்கை.

5. சுய மாற்றம்

நகலெடுக்கும்போது திடீர்மாற்றம் அடையும் evoloops போலவே, முகவர்களுக்குத் தயாரான வடிவமைப்பு அமைப்புகளும் பயன்பாட்டின் மூலம் பரிணமிக்க முடியும். முகவர்கள் உருவாக்கும் கூறுகள் எதிர்கால முகவர்கள் பயன்படுத்தும் நூலகத்தின் பகுதியாகின்றன. அமைப்பு கற்கிறது, தகவமைகிறது, வளர்கிறது.

விரிவாக்கப்பட்ட செல்லுலார் ஆட்டோமேட்டா உருவகம்

உருவகத்துக்கு அப்பால்: உண்மையான ஒருங்கிணைவு

ஆனால் இது வெறும் உருவகம் அல்ல. இந்த ஒருங்கிணைவு உண்மையானது, இப்போதே நடந்துகொண்டிருக்கிறது:

• Storybook MCP கூறு நூலகங்களை முகவர்கள் செயல்படுத்தும், இயந்திரம் வாசிக்கக்கூடிய அறிவுறுத்தல்களாக மாற்றுகிறது
• Model Context Protocol முகவர்கள் கருவிகளையும் சூழலையும் அணுகும் முறையை நெறிப்படுத்துகிறது-முகவர் செயல்பாடுகளுக்கு ஒரு உலகளாவிய அடித்தளத்தை உருவாக்குகிறது
• பல முகவர் கட்டமைப்புகள் பணியைக் கட்டமைப்பாளர், நிரலாளர், மதிப்பாய்வாளர் போன்ற சிறப்பு முகவர்களிடையே பகிர்ந்தளிக்கின்றன; இவை நெறிமுறைகளின்படி தொடர்பு கொள்கின்றன-வேறுபட்ட செயல்பாடுகளைக் கொண்ட செல்களைப் போல
• சுய-குணப்படுத்தும் சுழற்சிகள்முகவர்கள் (agents) சோதனைகளை இயக்கவும், பிழைகளைக் கண்டறியவும், மீண்டும் மீண்டும் மேம்படுத்தவும் அனுமதிக்கின்றன. செல்லுலார் ஆட்டோமேட்டா நிலையான அமைப்புகளாக வளர்ச்சி பெற இதே போன்ற பின்னூட்ட அமைப்புகளையே பயன்படுத்துகின்றன
• Schema.org Blueprints உள்ளடக்கக் கட்டமைப்புகளை இயந்திரங்கள் படிக்கக்கூடியவையாகவும் பொருளுணர்வு கொண்டவையாகவும் ஆக்குகிறது
• Drupal AI உள்ளடக்கத்தை உருவாக்க, மாற்றியமைக்க, தானாகவே நிர்வகிக்க AI முகவர்களுக்குத் தேவையான உள்கட்டமைப்பை வழங்குகிறது

"வடிவமைப்பே குறியீடு" என்பதை நாங்கள் ஒரு தத்துவ நிலைப்பாடாக அணுகவில்லை. அதை ஒரு தொழில்நுட்ப உள்கட்டமைப்பாகக் கட்டியெழுப்புகிறோம்.

தாக்கங்களும் முன்னே உள்ள பாதையும்

வடிவமைப்பாளர்களுக்கு

வடிவமைப்பாளரின் பங்கு "செவ்வகங்களை உருவாக்குபவர்" என்பதிலிருந்து "விதிகளை வரையறுப்பவர்" என்பதாக மாறி வருகிறது. பிராட் ஃப்ராஸ்ட் (Brad Frost) கூறியதுபோல:

"தங்கள் வேலை செவ்வகங்களை உருவாக்குவதே என்று நினைக்கும் வடிவமைப்பாளர்களும் டெவலப்பர்களும் கவலைப்பட நிறைய காரணம் உண்டு. ஆனால் தங்கள் வேலை சிக்கல்களுக்குத் தீர்வு காண்பதே என்றும், அந்தச் சிக்கல்களைத் தீர்க்க ஆங்காங்கே சில செவ்வகங்களை உருவாக்க அல்லது கையாள வேண்டியிருப்பது தற்செயலானது என்றும் கருதும் வடிவமைப்பாளர்களும் டெவலப்பர்களும் அஞ்ச வேண்டியது குறைவு."

- பிராட் ஃப்ராஸ்ட் (Brad Frost)

முகவர்கள் நிறைந்த எதிர்காலத்தில் வடிவமைப்பாளர்கள்:

• பொருளுணர்வு கொண்ட டோக்கன்களையும் (semantic tokens) அவற்றுக்கிடையிலான உறவுகளையும் வரையறுப்பார்கள்
• கட்டமைப்பு வரம்புகளையும் வடிவமைப்பு முறைகளையும் நிறுவுவார்கள்
• முகவர்கள் நிறைவேற்றியாக வேண்டிய சரிபார்ப்பு விதிகளை உருவாக்குவார்கள்
• தோற்றுவிப்பை (emergence) நிர்வகிக்கும் விதிகளைப் பராமரித்து வளர்த்தெடுப்பார்கள்
• தானாகத் திருத்திக்கொள்ள உதவும் பின்னூட்ட அமைப்புகளை வடிவமைப்பார்கள்
• எந்த வெளியீடுகள் ஏற்கத்தக்கவை என்பதைத் தீர்மானிக்கும் "தகுதிச் சார்புகளை" (fitness functions) வடிவமைப்பார்கள்

இது உயர்ந்த சுருக்க நிலையில் (abstraction) செய்யப்படும் வடிவமைப்பு. வடிவமைப்புகளையே வரைவதற்குப் பதிலாக, வடிவமைப்புகளை உருவாக்கும் விதிகளை வடிவமைப்பது இது. ஒவ்வொரு கலத்தையும் தனித்தனியாக வரைவதற்குப் பதிலாக, செல்லுலார் ஆட்டோமேட்டனின் விதிகளை வரையறுப்பது போன்றது.

டெவலப்பர்களுக்கு

டெவலப்பர்கள் முகவர் அமைப்புகளின் கட்டிடக் கலைஞர்களாக மாறுகிறார்கள். Anthropic விவரிப்பது போல:

"குறியீடு நிறைவு செய்வதிலிருந்து தானாகச் சிக்கல்களைத் தீர்ப்பது வரை திறன்கள் வளர்ந்து, மென்பொருள் உருவாக்கத் துறை LLM அம்சங்களுக்குக் குறிப்பிடத்தக்க ஆற்றலைக் காட்டியுள்ளது."

டெவலப்பர்கள் செய்ய வேண்டியவை:

• முகவர்களுக்கும் அமைப்புகளுக்கும் இடையே இயந்திரங்கள் படிக்கக்கூடிய இடைமுகங்களை உருவாக்குதல்
• பின்னூட்ட சுழற்சிகளையும் சரிபார்ப்பு வழிமுறைகளையும் வடிவமைத்தல்
• தோற்றுவிப்பு நடத்தை (emergent behavior) நிகழும் கட்டமைப்புச் சட்டகத்தை உருவாக்குதல்
• இறுதி நடுவராக மனிதக் கண்காணிப்பைத் தக்கவைத்தல்
• முகவர்கள் தங்களுக்குள் தொடர்புகொள்ளும் நெறிமுறைகளை வரையறுத்தல்
• வெவ்வேறு முகவர் அமைப்புகளை இணைக்கும் "glue code" ஐ செயல்படுத்துதல்

வலை உருவாக்கத்துக்கும் CMS தளங்களுக்கும்

Drupal போன்ற தளங்களில் AI இணைக்கப்படுவது, பின்வருமாறான எதிர்காலத்தை நோக்கிச் செல்கிறது:

• உள்ளடக்க மாதிரிகள் முகவர்கள் பயன்படுத்தக்கூடியவையாகின்றன Schema.org போன்ற தரநிலைகள் வழியாக
• தொகுப்பு பணிப்பாய்வுகள் முகவர்களின் உதவியுடன் இயங்குகின்றன AI துணையுடன் வரைவு எழுதுதல், மதிப்பாய்வு செய்தல், மேம்படுத்துதல் ஆகியவற்றுடன்
• தேடல் பரிணமிக்கிறது திறவுச்சொல் பொருத்தத்திலிருந்து embeddings மற்றும் வெக்டர் தரவுத்தளங்கள் வழியாக பொருளுணர்ந்து புரிந்துகொள்ளும் நிலைக்கு
• தனிப்பயனாக்கம் தன்னியக்கமாகிறது பயனர் விருப்பங்களை முகவர்கள் கற்றுக்கொண்டு, உள்ளடக்கத்தை நிகழ்நேரத்தில் தகவமைக்கின்றன
• மேம்பாடு வேகமெடுக்கிறது முகவர்களே கூறுகளையும் (components) சோதனைகளையும் ஆவணங்களையும் உருவாக்குவதால்

Drupal AI, Drupal Canvas, Schema.org Blueprints போன்ற தொகுதிகள் வழியாகவும் AI வழங்குநர்கள் ஒருங்கிணைப்பு வழியாகவும் Drupal சூழல்தொகுப்பு AI ஐ அரவணைத்திருப்பது, இந்த எதிர்காலம் ஏற்கனவே கட்டப்பட்டு வருகிறது என்பதை உணர்த்துகிறது.

நிறுவனங்களுக்கு

போட்டித்தன்மை நன்மை, தங்கள் வடிவமைப்பு அமைப்புகளை மிகச் சிறப்பாக "முகவர்களுக்குத் தயார்" (agent-ready) செய்த நிறுவனங்களுக்கே சொந்தமாகும். முகவர்களுக்குத் தயாரான அமைப்புகளின் அம்சங்கள்:

• கூறுகளின் நிலைகள், மாறுபாடுகள் அனைத்தையும் முழுமையாக உள்ளடக்குதல்
• நோக்கத்தை உணர்த்தும் பொருளுணர்வு கொண்ட பெயரிடல்
• இயந்திரங்கள் படிக்கக்கூடிய ஆவணங்களும் சூழலும்
• சரிபார்ப்பு மற்றும் சோதனை உள்கட்டமைப்பு
• செல்லுபடியாகும் வெளியீடுகளின் வெளியை வரையறுக்கும் தெளிவான வரம்புகள்
• முகவர்கள் பயன்படுத்துவதற்காக வடிவமைக்கப்பட்ட API-கள் (AX-first)
• Schema.org-first உள்ளடக்கக் கட்டமைப்புகள்

டிஜிட்டல் தயாரிப்புகளின் எதிர்காலத்துக்காக

இறுதி நிலை ஒருவகை டிஜிட்டல் சூழலியலாக இருக்கும். எண்ணற்ற ஏஜென்ட்கள் உள்ளூர் விதிகளின்படி இயங்கும். எந்த ஒரு வடிவமைப்பாளரோ உருவாக்குநரோ திட்டமிடாத தன்னெழுச்சியான இடைமுகங்களை அவை உருவாக்கும். அடிப்படை விதிகள் உறுதியாக இருப்பதால் அந்த இடைமுகங்கள் எப்படியோ ஒன்றோடொன்று பொருந்திவிடும்.

இது கேட்பதைப் போல அவ்வளவு எட்டாத கற்பனை அல்ல. உயிரியல் அமைப்புகள் இயங்குவது, நகரங்கள் வளர்வது, சந்தைகள் செயல்படுவது ஆகியவை சரியாக இப்படித்தான். நாம் இந்த நிலையை அடைவோமா என்பது கேள்வி அல்ல. இந்த மாற்றத்தை எப்படிக் கடந்து செல்வோம் என்பதே கேள்வி.

முடிவுரை: குறியீடு உயிர்பெறுகிறது

செல்லுலார் ஆட்டோமேட்டாவைக் கண்டுபிடித்த பல்துறை மேதை ஜான் வான் நியூமன், ஓர் அடிப்படைக் கேள்வியால் உந்தப்பட்டார்: தன்னைத்தானே இனப்பெருக்கம் செய்துகொள்ள குறைந்தபட்சம் எவ்வளவு சிக்கலான தன்மை தேவை? அவரது பதிலான வான் நியூமன் உலகளாவிய கட்டமைப்பாளர் (universal constructor), தன்னிப்பெருக்கத்துக்கு உயிரியல் இயந்திரம் தேவையில்லை என்பதை நிரூபித்தது. தங்களின் சொந்தப் பயன்பாட்டையே குறியாக்கம் செய்யும் விதிகள் மட்டும் போதும்.

எழுபது ஆண்டுகளுக்குப் பிறகு, அதே கொள்கை வடிவமைப்பு அமைப்புகளுக்கும் பொருந்துவதைக் கண்டறிகிறோம். தானியங்கி UI உருவாக்கத்துக்குத் தேவையான குறைந்தபட்சம் செயற்கைப் பொதுநுண்ணறிவோ மனிதநிலை படைப்பாற்றலோ அல்ல. ஏஜென்ட்கள் செயல்படுத்தக்கூடிய, முழுமையான, முரண்பாடற்ற, இயந்திரம் படிக்கக்கூடிய விதிகளின் தொகுப்பே போதும்.

லாங்டனின் சுழல்கள் (Langton's Loops) செல்லுலார் கட்டத்தில் பெருகும்போது, அந்தச் சுழல்கள் புதிய சுழல்களை "வடிவமைக்கின்றன" என்று நாம் சொல்வதில்லை. விதிகள் உருவாக்குவதே அந்தப் பெருக்கம். ஆனாலும் அதன் விளைவான, தம்மைப்போலவே அமைந்த வடிவங்களின் முடிவில்லாமல் விரிவடையும் குடியிருப்புகள், மறுக்க முடியாதபடி உருவாக்கும் ஆற்றல் கொண்டவை. செயல்பாட்டு அளவில் அவை படைப்பாற்றல் மிக்கவை.

AI ஏஜென்ட்கள் பொருள்சார் டோக்கன்களையும் தொகுப்புக் கட்டுப்பாடுகளையும் பின்பற்றி வடிவமைப்பு அமைப்பின் கூறுகளிலிருந்து இடைமுகங்களை உருவாக்கும்போது, அவையும் இதையே செய்கின்றன. இங்கே "படைப்பாற்றல்" ஏஜென்ட்களிடம் இல்லை. அவை செயல்படுத்தும் விதிகளில்தான் இருக்கிறது. அந்த விதிகளை வடிவமைத்தவர்கள் மனிதர்கள்தான், ஆனால் இப்போது அவை தாமாகவே இயங்குகின்றன.

டிஜிட்டல் படைப்பில் ஒரு புதிய யுகத்தின் வாசலில் நிற்கிறோம். ஏஜென்ட்கள் வந்துவிட்டன. நெறிமுறைகள் வடிவம் பெற்றுக்கொண்டிருக்கின்றன. வடிவமைப்பு அமைப்புகள் செயற்கை உயிரின் அடித்தளங்களாக மாறி வருகின்றன.

வடிவமைப்பே குறியீடு.
அந்தக் குறியீடு உயிர்பெற்று வருகிறது.

முக்கியக் கட்டுரைகளும் திட்டங்களும்

• AI காலத்தில் வடிவமைப்பு அமைப்புகள் - பிராட் ஃப்ராஸ்ட்
• Storybook MCP முன்னோட்டம் - Storybook
• AX அறிமுகம்: ஏஜென்ட் அனுபவம் ஏன் முக்கியம் - மத்தியாஸ் பில்மான்
• திறன்மிக்க ஏஜென்ட்களை உருவாக்குதல் - Anthropic

Drupal AI வளங்கள்

• Drupal AI

• Schema.org Blueprints தொகுதி

   

செல்லுலார் ஆட்டோமேட்டா வளங்கள்

• கான்வேயின் வாழ்க்கை விளையாட்டு அகராதி (Conway's Game of Life Lexicon) - சுமார் 1500 வடிவங்கள்
• வாழ்க்கை விளையாட்டில் செயல்படும் டூரிங் இயந்திரம்
• லாங்டனின் சுழல்கள் - Wikipedia
• செல்லுலார் ஆட்டோமேட்டாவுக்கான விதித் தொகுப்புகள்
• A New Kind of Science ஆன்லைனில் - ஸ்டீஃபன் வுல்ஃப்ராம்
• செல்லுலார் ஆட்டோமேட்டா - Nature of Code

கணக்கீட்டுக் கொள்கை, வடிவமைப்பு அமைப்புகள், செயற்கை நுண்ணறிவு, வலை மேம்பாடு ஆகியவை சந்திக்கும் இடத்தில் எழும் எண்ணங்களை ஆராய்ந்தேன்.

 இங்கே வெளிப்படுத்திய கருத்துகள் வளர்ந்து வரும் போக்குகள் பற்றிய ஊகம் சார்ந்த ஆய்வுகளே தவிர, உறுதியான எதிர்காலத்துக்கான கணிப்புகள் அல்ல.

நாம் AI ஏஜென்ட்களை உருவாக்கி வருகிறோம் என்று காண்கிறேன். அவை ஒரு சுழற்சியில் இயங்குகின்றன, மேலும் கூடுதல் சுழற்சிகளில் பிற AI ஏஜென்ட்களுடன் தொடர்புகொள்கின்றன.

வடிவமைப்பு தான் குறியீடு, தேர்ந்தெடுக்கப்பட்ட கேன்வாஸ் மற்றும் விதிகளின் தொகுப்புக்குள் அமைப்பு ஒரு வாழ்நாள் சுழற்சியைப் போல சுழன்று இயங்கும்போது.