Dizajn je kod

Kako će logika ćelijskih automata preoblikovati agentne sisteme dizajna i zašto je budućnost web razvoja možda već zapisana u jednostavnim pravilima

Na raskršću sistema dizajna, vještačke inteligencije i računarske teorije odvija se duboka transformacija. Promjena je toliko temeljna da dovodi u pitanje i samo naše razumijevanje toga šta „dizajn“ uopće znači u doba autonomnih agenata.

Decenijama dizajn i kod tretiramo kao odvojene discipline – dizajn kao područje ljudske kreativnosti i estetskog suda, a kod kao mehanički prijevod tih ideja u izvršiv oblik. No kako AI agenti sve češće samostalno sastavljaju korisničke interfejse, koriste sisteme dizajna kao mašinski čitljivu infrastrukturu i generišu kod iz semantičkih tokena, približavamo se tački konvergencije koja odjekuje mnogo starijom idejom iz računarske teorije.

Koja je to ideja? Dizajn je kod.

Ovo nije samo efektna fraza. To je prepoznavanje da možda idemo prema svijetu u kojem sistemi dizajna rade poput ćelijskih automata – jednostavna pravila iz kojih izrastaju složena, emergentna ponašanja. Svijetu u kojem se razlika između „dizajniranja“ nečega i njegovog „programiranja“ potpuno gubi. Svijetu u kojem autonomni agenti ne samo da koriste sisteme dizajna, nego jesu sistemi dizajna na djelu.

Ovaj blog post istražuje duboke veze između ćelijskih automata, emergentnog ponašanja i budućnosti agentnih sistema dizajna. Pratit ćemo teorijske temelje od von Neumannovih samoreplicirajućih mašina do današnjih rojeva AI agenata.

Razmotrit ćemo kako Drupal i moderne CMS platforme integrišu AI kroz module poput Schema.org Blueprints i Drupal AI. I zapitat ćemo se šta sve to znači za dizajnere, programere i budućnost stvaranja digitalnih proizvoda.

Ćelijski automati i logika emergencije

Ljepota jednostavnih pravila

Godine 1970. matematičar John Conway predstavio je Igru života – „igru bez igrača“ koja će postati jedan od najproučavanijih sistema u računarskoj teoriji. Pravila su zapanjujuće jednostavna:

1. Svaka živa ćelija s manje od dva živa susjeda umire (premalo populacije)
2. Svaka živa ćelija s dva ili tri živa susjeda preživljava
3. Svaka živa ćelija s više od tri živa susjeda umire (prenaseljenost)
4. Svaka mrtva ćelija s tačno tri živa susjeda oživljava (reprodukcija)

Iz ova četiri pravila – izražena šačicom binarnih uslova – izrasta zapanjujući svemir složenosti. Glideri putuju beskonačnim mrežama. Oscilatori pulsiraju u vječnim ritmovima. Topovi ispaljuju tokove uzoraka kroz ćelijski prostor. A najupečatljivije od svega, dokazano je da je Igra života Turing-potpuna: sve što se može izračunati algoritamski, u principu se može izračunati unutar Conwayeve jednostavne mreže.

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

Ovo je prva lekcija o ćelijskim automatima: složenost nije preduvjet za složeno ponašanje. Jednostavna pravila, dosljedno primijenjena na podlogu, mogu dovesti do obrazaca i ponašanja koje niko nije izričito programirao.

Langtonove petlje i samoreplikacija

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

Svaka petlja se sastoji od cikličke granice koja okružuje „genom“ kodiran u stanjima ćelija. Taj genom neprekidno teče oko petlje i izlazi duž konstrukcijskog kraka, koji u 151 vremenskom koraku izgrađuje petlju kćer. Kad je gotova, kćer se odvaja od roditelja i obje nastavljaju da se repliciraju.

Slika 2: Langtonova petlja u početnoj konfiguraciji. Genetska informacija kruži petljom i usmjerava izgradnju petlji kćeri preko krака koji se izdužuje.

„Ako je samoreproducirajuća mašina moguća unutar ćelijskog automata, onda bi mašine mogle ostvariti i sam život.“

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

Posljedice su duboke. Langtonove petlje pokazuju da samoreplikacija ne zahtijeva složenost bioloških ćelija niti univerzalne konstrukcijske sposobnosti iz von Neumannovog originalnog nacrta. Dovoljno je samo:

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

Pravila su organizam. Nacrt je kod.

Hiroki Sayama je 1999. predstavio evopetlje (evoloops), varijante koje uključuju strukturnu rastvorivost i fenotipske interakcije, što omogućava spontane mutacije i evolucijsku dinamiku. Te petlje evoluiraju kroz direktne fizičke sudare tokom replikacije, što dovodi do genotipskih varijacija, veće morfološke raznolikosti i rasta složenosti kroz generacije. Za razliku od Langtonove nepromjenjive replikacije, evopetlje pokazuju nasljedne mutacije bez vanjske intervencije.

Pravilo 110 i univerzalno računanje

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

Pravilo 110 može se u potpunosti opisati navođenjem ishoda za svaku od osam mogućih kombinacija jedne ćelije i njena dva susjeda. Pa ipak, ovo trivijalno jednostavno pravilo – osam binarnih odluka – može simulirati univerzalnu Turingovu mašinu.

Slika 3: Ćelijski automat Pravilo 110. Uprkos jednostavnoj definiciji, Pravilo 110 pokazuje ponašanje klase 4 – složene obrasce koji nisu ni potpuno stabilni ni potpuno haotični – a dokazano je i da je Turing-potpuno.

„Za univerzalno izračunavanje nije potrebno ništa nalik cijelom računarskom procesoru. Dovoljno je ovo malo pravilo.“

– Stephen Wolfram, „A New Kind of Science“

Matthew Cook je 2004. objavio dokaz da je Pravilo 110 s određenim ponavljajućim obrascem pozadine Turing-potpuno. Dokaz pokazuje da Pravilo 110 može oponašati ciklične tag-sisteme, koji zauzvrat mogu oponašati bilo koju Turingovu mašinu. Među 88 mogućih jedinstvenih elementarnih ćelijskih automata, Pravilo 110 jedino je za koje je Turingova potpunost direktno dokazana.

Princip računskog ekvivalenta koji je predložio Wolfram sugeriše nešto još radikalnije: sistemi iznad minimalnog praga složenosti u suštini su ekvivalentni po svojim računskim sposobnostima. Ljudski mozak, vremenski sistem i Pravilo 110 su, u nekom dubokom smislu, računski ekvivalentni.

0E0P metaćelija: istinsko samoreproduciranje

U oktobru 2018. Adam P. Goucher završio je izgradnju 0E0P metaćelije – obrasca u Conwayevoj Igri života koji je sposoban za istinsku samoreprodukciju. Za razliku od ranijih metaćelija kojima su bile potrebne već postojeće kopije u blizini, 0E0P metaćelija može od nule izgraditi vlastite kopije, uključujući i vlastitu traku s instrukcijama.

Ovo postignuće predstavlja prekretnicu u vještačkom životu: sistem koji se može širiti kroz računski supstrat koristeći samo lokalna pravila. Dave Greene je 23. novembra 2013. izgradio prvi replikator u Igri života koji stvara potpunu kopiju samog sebe, uključujući i traku s instrukcijama – dokazavši da čak i Conwayev jednostavni automat s dva stanja može podržati neograničenu samoreprodukciju.

Dizajn sistemi kao računski supstrati

Od atomskog dizajna do agentskog dizajna

Metodologija atomskog dizajna Brada Frosta, predstavljena 2013. godine, revolucionirala je način na koji razmišljamo o dizajn sistemima. Razlažući interfejse na atome (osnovne elemente poput dugmadi i polja za unos), molekule (jednostavne kombinacije), organizme (složene dijelove korisničkog interfejsa), šablone (rasporede stranica) i stranice (konačne implementacije), atomski dizajn je pružio hijerarhijsku strukturu za upravljanje složenošću.

Ali evo šta je u retrospektivi izvanredno: atomski dizajn je već utjelovljivao principe ćelijskih automata a da ih nije izričito prepoznao.

"Kada je dizajn sistem dosadan, dizajneri i programeri su slobodni da rade nove stvari i rješavaju nove probleme. Dizajn sistem nosi teret dosadnog, tako da dizajneri i programeri ne moraju."

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

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

"AI je prirodni potrošač dizajn sistema... Činjenica je da je veliki dio rada na komponentama dizajn sistema zaista mehaničan i predvidiv. Već koristimo alate poput PlopJS-a da izbacimo osnovni kostur komponente koji odgovara obliku ostatka biblioteke. Rado bih prihvatio pomoć AI-ja u generiranju mnogih uobičajenih osnovnih stvari umjesto mene."

- Brad Frost

Upravo zbog svoje mehaničke i predvidive prirode dizajn sistemi su pogodni za rad u stilu ćelijskih automata. Kada su pravila jasna, lokalna i dosljedno primijenjena, agenti mogu djelovati samostalno, baš kao što ćelijama u Conwayevoj Igri života nije potreban centralni kontroler da bi stvorile jedrilice i oscilatore.

Imperativ strojne čitljivosti

Storybook MCP (Model Context Protocol) inicijativa predstavlja ključnu evoluciju u tom smjeru. Najavljen krajem 2025. godine, Storybook MCP pruža AI agentima za kodiranje strojno čitljive metapodatke o komponentama iz postojećih Storybook postavki.

Ključni uvid je da agentima ne treba sirovi kod niti vizualna dokumentacija. Trebaju im:

• Manifesti komponenti: Strukturirani metapodaci o svakoj komponenti: njenim svojstvima (props), varijantama, vezama s dizajn tokenima i primjerima upotrebe
• Semantičko imenovanje: Tokeni bogati namjerom, poput action.primary.confirm, koji agentima prenose značenje, a ne samo vrijednosti
• Petlje validacije: 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 nikada prije nisu imali: strojno čitljive metapodatke o komponentama i iterativnu petlju za samostalno popravljanje grešaka."

- Storybook tim

Storybook MCP uključuje autonomnu petlju za ispravljanje. Omogućava agentima da pokrenu testove vaših komponenti (interakcije i pristupačnosti), vide šta ne prolazi i sami poprave svoje greške. Programer treba da uskoči tek nakon što testovi prođu. Nema više dadiljanja promptova.

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

Moj manifest komponente kao genom

Poređenje s Langtonovim petljama postaje još prikladnije kada razmotrimo kako funkcioniraju manifesti komponenti. U Langtonovom sistemu "genom" kodiran u ćelijama koje kruže sadrži upute za izgradnju nove petlje. U strojno čitljivom dizajn sistemu manifest komponente sadrži upute za sastavljanje interfejsa.

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 je istovremeno dizajnerska specifikacija i izvršni kod, odnosno uputstvo iz kojeg se izvršni kod može generisati. Agent koji koristi ovaj manifest ne mora razumjeti estetiku ni korisničko iskustvo u ljudskom smislu. Treba slijediti pravila, kombinirati elemente u skladu s njihovim ograničenjima i proizvoditi ispravne rezultate.

Slažem se s Bradom Frostom da treba imati yaml format.

Drupal komponente koriste yaml format. Nešto poput

$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 kod.

• Varijante
• Tokeni
• Svojstva (Props)

• Ograničenja (mogli bismo ih dodati komponentama)

• Pravila za slotove (šta se smije smjestiti u druge slotove, odnosno šta je dozvoljeno smjestiti u moj slot)

• Pravila

• Primjeri 

• Animacije  ( dozvoljeno ili preporučeno za korištenje )

Zatim posmatrajte i eksperimentirajte s ponašanjem.

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

Dizajn tokeni kao varijable okruženja

Dizajn tokeni su još jedan ključni dio slagalice. U ćelijskim automatima ćelije reagiraju na svoje neposredno okruženje, odnosno na stanja susjednih ćelija. U dizajn sistemima komponente reagiraju na dizajn tokene, kontekstualne vrijednosti koje određuju njihov izgled i ponašanje.

Moderne arhitekture tokena koriste više slojeva:

• Osnovni 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

Kada agent generiše komponentu Button, ne mora znati da "primary" znači plavo. Dovoljno je da referencira button.background.primary i vjeruje da će sistem tokena to razriješiti u ispravnu vrijednost. Okruženje (sloj tokena) sadrži informaciju, a komponenta (ćelija) samo treba da joj se prilagodi.

Alati poput Tokens Studio razvili su se tako da dizajn tokene tretiraju kao računske grafove s resolverima, čvorovima koji na osnovu konteksta donose semantičke odluke o tome koje osnovne tokene koristiti. Time se dizajn tokeni pretvaraju iz statičnih vrijednosti u dinamične sisteme zasnovane na pravilima.

Drupal ekosistem i integracija AI-ja

Integracija AI-ja u sisteme za upravljanje sadržajem predstavlja savršenu laboratoriju za istraživanje principa "dizajn je kod". CMS-ovi poput Drupala već u sebi nose ključne koncepte: strukturirane tipove sadržaja, definicije polja, relacije i pravila kompozicije.

Nikad nisam pomislio da ćemo moći reći nešto ovako. Za mene je ovo bilo vrhunac tehnike.

 Najbolji računar kakav možemo imati. Neki programeri kao da dolaze iz budućnosti Star Treka, govore računaru da programira umjesto njih.

Agent Experience (AX) i novi korisnik

Dizajniranje za mašine

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

Promjena je suštinska. Decenijama je UX (User Experience) bio optimiziran za ljudsku spoznaju, percepciju i ponašanje. DX (Developer Experience) bio je optimiziran za ljudske programere koji grade softver. AX prepoznaje da agenti postaju primarni korisnici digitalnih sistema, a imaju potpuno drugačije potrebe:

• Nije im stalo do vizualne estetike, samo do strukturiranih podataka koji se mogu parsirati
• Ne snalaze se po interfejsima, pozivaju API-je i koriste manifeste
• Ne čitaju dokumentaciju kao ljudi, trebaju kontekst čitljiv mašinama
• Ne donose subjektivne sudove, slijede pravila i ograničenja

"AI agenti nisu ljudi: njima nije bitna veličina dugmeta, čitljivost tipografije, lijepa paleta boja na vašem web-sajtu niti efektne animacije u vašoj aplikaciji. Pa šta 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, predvidivo ponašanje, dobro strukturirani podaci i povratne petlje koje im omogućavaju da provjere i isprave vlastite radnje.

Izazov dvostrukog interfejsa

Dizajniranje za AX znači istovremenu izgradnju dva interfejsa:

1. Interfejs između čovjeka i agenta: Mjesto gdje ljudi nadziru, odobravaju, uređuju i usmjeravaju ponašanje agenata – sloj „kontrolnog centra“. Mislite na kontrolne table i redove za odobravanje, a ne na obrasce i dugmad.
2. Interfejs između agenta i sistema: Mjesto gdje agenti komuniciraju s API-jima, bazama podataka i alatima – „operativni“ sloj. Mora biti pouzdan, dobro dokumentovan i optimizovan za efikasnost mašina.

Ovo odražava arhitekturu ćelijskih automata, u kojima koegzistiraju dvije različite perspektive:

• Lokalna perspektiva: Svaka ćelija (agent) slijedi jednostavna pravila zasnovana na svojim neposrednim susjedima
• Globalna perspektiva: Pojavljuju se složeni obrasci koji su vidljivi tek na velikoj skali

"Dizajn iskustva agenata (AX) treba da rezultira odličnom upotrebljivošću za agente i od strane agenata. Zato odličan AX vodi do odličnog korisničkog iskustva (UX). Ako AI agent naiđe na pokvaren proces, protokol ili čak nedosljedan izbor riječi u različitim sistemima, on ne može obaviti taj zadatak. To je loše iskustvo za agenta, što zauzvrat dovodi do lošeg iskustva za kupca ili zaposlenika."

- Kat Holmes, Chief Experience Officer, Salesforce

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

Stigmergija i indirektna komunikacija

Jedan od najmoćnijih koncepata iz inteligencije roja je stigmergija – indirektna koordinacija putem tragova u okolini. Mravi ne komuniciraju direktno o lokaciji hrane; oni ostavljaju tragove feromona koje drugi mravi slijede. Okolina postaje medij komunikacije.

U agentskim dizajn sistemima stigmergija poprima oblik:

• Zajedničke biblioteke komponenti: Agenti „vide“ koje komponente postoje i kako su korištene
• Dizajn tokeni: Semantičke vrijednosti koje dizajnerske odluke kodiraju kao činjenice iz okoline
• Dokumentacija obrazaca: Primjeri upotrebe koji služe kao tragovi feromona za buduće agente
• Skupovi testova: Pravila validacije koja ograničavaju prostor valjanih izlaza
• Git historija: Zapis prošlih odluka na koje se agenti mogu pozivati

Kada agent generiše korisnički interfejs pomoću neke komponente, on ostavlja tragove – u bazi koda, u dokumentaciji, u obrascima koje uspostavlja. Budući agenti koji naiđu na slične zadatke bit će pod uticajem tih tragova, čime nastaje oblik kolektivne inteligencije kojom ne raspolaže nijedan pojedinačni agent.

Agentski dizajn obrasci

Andrew Ng i drugi identifikovali su četiri ključna obrasca za agentske AI sisteme:

1. Refleksija: AI procjenjuje vlastiti izlaz i iterativno ga poboljšava
2. Upotreba alata: AI komunicira s vanjskim alatima, API-jima i sistemima
3. Planiranje:Umjetna inteligencija razlaže složene zadatke na podzadatke i izvršava ih jedan za drugim
4. Više agenata: Više specijaliziranih agenata sarađuje na složenim zadacima

Ovi obrasci direktno se preslikavaju na koncepte staničnih automata:

Dizajn je kod – dublje čitanje

Šta zaista znači „dizajn je kod“

Kada kažemo „dizajn je kod“, istovremeno iznosimo nekoliko tvrdnji:

1. Semantička ekvivalencija

Dizajnerske odluke, kada su ispravno kodirane, postaju izvršive. Dizajn token nije samo vrijednost – on je instrukcija. Specifikacija komponente nije samo dokumentacija – ona je program. Kada agenti koriste ove artefakte, oni dizajn izvršavaju jednako koliko ga i implementiraju.

2. Generativni kapacitet

Kao što Rule 110 može izračunati sve što je izračunljivo, dovoljno potpun dizajn sistem može generisati svaki valjani interfejs. Sistem u sebi sadrži potencijal za sve svoje valjane izraze. Ono što iz njega izraste zavisi samo od početnih uslova (zahtjeva) i pravila (ograničenja).

3. Emergentna složenost

Najsofisticiraniji interfejsi ne nastaju dizajnom odozgo prema dolje; oni izrastaju iz dosljedne primjene jednostavnih pravila. Dobro dizajnirano dugme, dosljedno korišteno, stvara koherentan vizuelni jezik, a da tu koherentnost niko nije eksplicitno planirao.

4. Računarska nesvodivost

Neke ishode dizajna nije moguće predvidjeti bez stvarnog pokretanja sistema. Ne možete znati kako će izgledati interfejs koji sastavi agent ako agentu ne dopustite da ga sastavi. To je Wolframov princip računarske nesvodivosti primijenjen na dizajn.

5. Samomodifikacija

Poput evolooopa koji mutiraju tokom replikacije, dizajn sistemi spremni za agente mogu evoluirati kroz upotrebu. Komponente koje generišu agenti postaju dio biblioteke koju će koristiti budući agenti. Sistem uči, prilagođava se i raste.

Prošireno poređenje sa staničnim automatima

Više od metafore: stvarna konvergencija

Ali ovo nije samo metafora. Konvergencija je stvarna i događa se upravo sada:

• Storybook MCP pretvara biblioteke komponenti u strojno čitljive instrukcije koje agenti izvršavaju
• Model Context Protocol standardizira način na koji agenti pristupaju alatima i kontekstu – stvarajući univerzalnu podlogu za agentne operacije
• Multiagentne arhitekture dijele posao među specijaliziranim agentima (arhitekta, programer, recenzent) koji međusobno djeluju prema protokolima – poput ćelija s diferenciranim funkcijama
• Petlje samoizlječenja omogućavaju agentima da pokreću testove, otkrivaju greške i iteriraju – isti mehanizmi povratne informacije koje ćelijski automati koriste da bi razvili stabilne konfiguracije
• Schema.org Blueprints čine strukture sadržaja mašinski čitljivim i semantički smislenim
• Drupal AI pružaju infrastrukturu koja AI agentima omogućava da samostalno kreiraju, mijenjaju i upravljaju sadržajem

Ne pristupamo ideji „dizajn je kod“ kao filozofskom stavu. Gradimo je kao tehničku infrastrukturu.

Posljedice i put pred nama

Za dizajnere

Uloga dizajnera se mijenja: od „crtača pravougaonika“ do „definisača pravila“. Kako je primijetio Brad Frost:

„Dizajneri i programeri koji svoj posao shvataju kao crtanje pravougaonika imaju se čega bojati. Ali oni koji svoj posao vide kao rješavanje problema – i tek usput moraju nacrtati ili upotrijebiti poneki pravougaonik da bi ih riješili – imaju manje razloga za strah.“

- Brad Frost

U agentskoj budućnosti dizajneri će:

• Definisati semantičke tokene i njihove odnose
• Uspostaviti ograničenja i obrasce kompozicije
• Kreirati pravila validacije koja agenti moraju zadovoljiti
• Njegovati i razvijati pravila koja upravljaju emergencijom
• Dizajnirati mehanizme povratne informacije koji omogućavaju samokorekciju
• Oblikovati „funkcije prilagođenosti“ (fitness functions) koje određuju koji su rezultati prihvatljivi

Ovo je dizajn na višem nivou apstrakcije – dizajniranje pravila koja proizvode dizajne, a ne samih dizajna. Kao kad definišete pravila ćelijskog automata umjesto da crtate svaku ćeliju pojedinačno.

Za programere

Programeri postaju arhitekte agentskih sistema. Kako opisuje Anthropic:

„Oblast razvoja softvera pokazala je izniman potencijal za LLM funkcije, a mogućnosti su se razvile od dopunjavanja koda do samostalnog rješavanja problema.“

Programeri će morati:

• Kreirati mašinski čitljive interfejse između agenata i sistema
• Dizajnirati petlje povratne informacije i mehanizme validacije
• Izgraditi skelu unutar koje se događa emergentno ponašanje
• Zadržati ljudski nadzor kao krajnjeg arbitra
• Definisati protokole kojima agenti komuniciraju
• Implementirati „ljepljivi kod“ (glue code) koji povezuje različite agentske sisteme

Za web razvoj i CMS platforme

Integracija AI-ja u platforme poput Drupala ukazuje na budućnost u kojoj:

• Modeli sadržaja postaju pogodni za agente kroz standarde poput Schema.org
• Urednički tokovi rada postaju potpomognuti agentima uz AI izradu nacrta, moderaciju i optimizaciju
• Pretraga evoluira od podudaranja ključnih riječi do semantičkog razumijevanja putem embeddinga i vektorskih baza podataka
• Personalizacija postaje autonomna dok agenti uče korisničke preferencije i prilagođavaju sadržaj u realnom vremenu
• Razvoj se ubrzava jer agenti generišu komponente, testove i dokumentaciju

Prihvatanje AI-ja u Drupal ekosistemu – kroz module poput Drupal AI, Drupal Canvas, Schema.org Blueprints i integracije AI providera – pokazuje da se ta budućnost već gradi.

Za organizacije

Konkurentsku prednost imat će organizacije čiji su dizajn sistemi najviše „spremni za agente“. Sisteme spremne za agente odlikuju:

• Potpuna pokrivenost stanja i varijanti komponenti
• Semantičko imenovanje koje prenosi namjeru
• Mašinski čitljiva dokumentacija i kontekst
• Infrastruktura za validaciju i testiranje
• Jasna ograničenja koja omeđuju prostor valjanih rezultata
• API-ji dizajnirani za upotrebu od strane agenata (AX-first)
• Arhitekture sadržaja koje počinju od Schema.org-a (Schema.org-first)

Za budućnost digitalnih proizvoda

Krajnje stanje je nešto poput digitalne ekologije: bezbroj agenata koji djeluju prema lokalnim pravilima i stvaraju emergentne interfejse koje nijedan dizajner ili programer nije planirao, a koji ipak nekako čine cjelinu jer su temeljna pravila ispravna.

Ovo nije toliko nategnuto koliko zvuči. Upravo tako funkcionišu biološki sistemi, tako rastu gradovi, tako rade tržišta. Pitanje nije hoćemo li stići do tog stanja, nego kako ćemo proći kroz taj prelaz.

Zaključak: kod je živ

John von Neumann, polihistor koji je izumio ćelijske 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 sadrže vlastitu primjenu.

Sedamdeset godina kasnije otkrivamo da isti princip vrijedi i za dizajn sisteme. Minimalni uslov za autonomno generisanje korisničkog interfejsa nije vještačka opća inteligencija niti kreativnost na ljudskom nivou. To je potpun, dosljedan i strojno čitljiv skup pravila koja agenti mogu izvršavati.

Kada se Langtonove petlje repliciraju kroz ćelijsku mrežu, ne kažemo da petlje „dizajniraju“ nove petlje. Replikacija je naprosto ono što pravila proizvode. Pa ipak je rezultat, kolonije sličnih uzoraka koje se neprestano šire, nesumnjivo generativan, u nekom funkcionalnom smislu čak i kreativan.

Kada AI agenti sastavljaju interfejse od komponenti dizajn sistema, 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 tu. Protokoli se oblikuju. Dizajn sistemi postaju podloga za vještački život.

Dizajn je kod.
A kod oživljava.

Ključni članci i 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

Drupal AI Resources

• Drupal AI

• Schema.org Blueprints Module

   

Izvori o ćelijskim automatima

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

Istraživanje ideja na presjeku računarske teorije, dizajn sistema, vještačke inteligencije i web razvoja.

 Iznesena stajališta su spekulativna istraživanja novih trendova, a ne predviđanja sigurne budućnosti.

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

Dizajn je kod kada sistem radi u petlji, poput životnog ciklusa, unutar odabranog platna i skupa pravila.