La Dezajno estas la Kodo

Kiel la logiko de ĉelaj aŭtomatoj reformos agentajn dezajnsistemojn, kaj kial la estonteco de retprogramado eble jam estas skribita en simplaj reguloj

Profunda transformiĝo okazas ĉe la intersekco de dezajnsistemoj, artefarita inteligento kaj komputa teorio. Ĝi estas tiel fundamenta ŝanĝo, ke ĝi defias nian komprenon pri tio, kion "dezajno" entute signifas en la epoko de aŭtonomaj agentoj.

Dum jardekoj ni traktis dezajnon kaj kodon kiel apartajn fakojn: dezajno kiel regno de homa kreemo kaj estetika juĝo, kodo kiel mekanika traduko de tiuj ideoj en plenumeblan formon. Sed ĉar AI-agentoj ĉiam pli aŭtonome kunmetas uzantajn interfacojn, konsumas dezajnsistemojn kiel maŝinlegeblan infrastrukturon kaj generas kodon el semantikaj ĵetonoj, ni proksimiĝas al konverĝa punkto, kiu resonas kun multe pli malnova ideo el la komputa teorio.

Tiu ideo? La dezajno estas la kodo.

Ĉi tio ne estas simple allogaj vortoj. Ĝi estas rekono, ke ni eble direktiĝas al mondo, kie dezajnsistemoj funkcias kiel ĉelaj aŭtomatoj: simplaj reguloj naskas kompleksajn, emerĝajn kondutoj. Mondo, kie la distingo inter "dezajni" ion kaj "programi" ĝin tute dissolviĝas. Kie aŭtonomaj agentoj ne nur uzas dezajnsistemojn, sed estas dezajnsistemoj en agado.

Ĉi tiu blogaĵo esploras la profundajn ligojn inter ĉelaj aŭtomatoj, emerĝa konduto kaj la estonteco de agentaj dezajnsistemoj. Ni spuros la teoriajn fundamentojn de la mem-reproduktantaj maŝinoj de von Neumann ĝis la hodiaŭaj svarmoj de AI-agentoj.

Ni ekzamenos, kiel Drupal kaj modernaj CMS-platformoj integras AI per moduloj kiel Schema.org Blueprints kaj Drupal AI. Kaj ni pripensos, kion ĉio ĉi signifas por dezajnistoj, programistoj kaj la estonteco de kreado de ciferecaj produktoj.

Ĉelaj aŭtomatoj kaj la logiko de emerĝo

La beleco de simplaj reguloj

En 1970 la matematikisto John Conway prezentis la Ludon de la Vivo, "nul-ludantan ludon", kiu fariĝis unu el la plej studataj sistemoj en la komputa teorio. La reguloj estas mirige simplaj:

1. Ĉiu viva ĉelo kun malpli ol du vivaj najbaroj mortas (subpopulado)
2. Ĉiu viva ĉelo kun du aŭ tri vivaj najbaroj pluvivas
3. Ĉiu viva ĉelo kun pli ol tri vivaj najbaroj mortas (superpopulado)
4. Ĉiu morta ĉelo kun ĝuste tri vivaj najbaroj ekvivas (reproduktiĝo)

El ĉi tiuj kvar reguloj, esprimitaj per kelkaj duumaj kondiĉoj, naskiĝas mirinda universo de komplekseco. Glitiloj trairas senfinajn kradojn. Oscilatoroj pulsas en eterna ritmo. Kanonoj lanĉas fluojn de ŝablonoj tra la ĉela spaco. Kaj plej rimarkinde, pruviĝis, ke la Ludo de la Vivo estas Turing-kompleta: ĉio, kio estas komputebla algoritme, principe estas komputebla en la simpla krado de Conway.

Figuro 1: la Pafilo de Gosper en la Ludo de la Vivo de Conway. Ĉi tiu ŝablono produktas senĉesan torenton de glisaviadiloj – montrante, kiel simplaj reguloj povas generi senfinan, memperpetuiĝantan komplikecon.

Jen la unua leciono de ĉelaj aŭtomatoj: komplekseco ne estas antaŭkondiĉo por kompleksa konduto. Simplaj reguloj, konstante aplikataj tra tuta substrato, povas naski ŝablonojn kaj kondutojn, kiujn neniu eksplicite programis.

La Bukloj de Langton kaj memreplikado

En 1984, Christopher Langton pluigis ĉi tiun principon per siaj memreplikantaj bukloj – ĉela aŭtomato, kiu montris veran principon de artefarita vivo. Male al la Ludo de la Vivo de Conway, kiu montras emerĝan komplekson, la Bukloj de Langton montras emerĝan reproduktiĝon.

Ĉiu buklo konsistas el cikla limo, kiu enhavas "genaron" kodigitan en ĉelaj statoj. Ĉi tiu genaro fluas senĉese ĉirkaŭ la buklo kaj eksteren laŭ konstrubrako, kiu dum 151 tempopaŝoj konstruas filinan buklon. Kiam ĝi finiĝas, la filino disiĝas de sia gepatro, kaj ambaŭ daŭrigas la reproduktiĝon.

Figuro 2: Buklo de Langton en sia komenca konfiguro. La genetika informo cirkulas tra la buklo kaj gvidas la konstruadon de filinaj bukloj per la etendiĝanta brako.

"Se memreprodukta maŝino eblas ene de ĉela aŭtomato, tiam eble la vivo mem estas atingebla per maŝinoj."

- Christopher Langton, "Studado de artefarita vivo per ĉelaj aŭtomatoj" (1986)

La sekvoj estas profundaj. La Bukloj de Langton pruvas, ke memreplikado ne postulas la komplikecon de biologiaj ĉeloj nek la universalajn konstrukapablojn de la originala projekto de von Neumann. Ĝi postulas nur:

• Aron de simplaj, lokaj reguloj
• Mekanismon por kodigi instrukciojn
• Procezon, per kiu tiuj instrukcioj estas plenumataj

La reguloj estas la organismo. La projekto estas la kodo.

En 1999, Hiroki Sayama prezentis la evobuklojn, variaĵojn, kiuj inkluzivas strukturan dissolveblecon kaj fenotipajn interagojn, ebligante spontanajn mutaciojn kaj evoluajn dinamikojn. Ĉi tiuj bukloj evoluas per rektaj fizikaj kolizioj dum la reproduktiĝo, kio kondukas al genotipaj variadoj, kreskanta morfologia diverseco kaj kreskanta komplekseco tra generacioj. Male al la fiksa replikado de Langton, evobukloj montras heredeblajn mutaciojn sen ekstera interveno.

Regulo 110 kaj universala komputado

La esploro de Stephen Wolfram pri elementaj ĉelaj aŭtomatoj kulminis per mirinda malkovro: Regulo 110, unu el nur 256 eblaj reguloj por la plej simpla speco de unudimensia ĉela aŭtomato, kapablas je universala komputado.

Regulo 110 povas esti plene specifita per la rezulto por ĉiu el ok eblaj kombinoj de ĉelo kaj ĝiaj du najbaroj. Tamen ĉi tiu bagatele simpla regulo — ok duumaj decidoj — kapablas simuli universalan maŝinon de Turing.

Figuro 3: Ĉela aŭtomato laŭ Regulo 110. Malgraŭ sia simpla difino, Regulo 110 montras konduton de Klaso 4 — kompleksajn ŝablonojn, kiuj estas nek tute stabilaj nek tute ĥaosaj — kaj estas pruvita Turing-plena.

"Oni ne bezonas ion similan al plena komputila CPU por fari universalan komputadon. Sufiĉas ĉi tiu eta regulo."

- Stephen Wolfram, "A New Kind of Science"

En 2004, Matthew Cook publikigis pruvon, ke Regulo 110 kun certa ripetiĝanta fona ŝablono estas Turing-plena. La pruvo montras, ke Regulo 110 povas imiti ciklajn etikedajn sistemojn, kiuj siavice povas imiti ajnan maŝinon de Turing. Inter la 88 eblaj unikaj elementaj ĉelaj aŭtomatoj, Regulo 110 estas la sola, por kiu Turing-pleneco estas rekte pruvita.

La Principo de Komputada Ekvivalento, proponita de Wolfram, sugestas ion ankoraŭ pli radikalan: sistemoj super minimuma sojlo de komplekseco estas esence ekvivalentaj laŭ siaj komputadaj kapabloj. Homa cerbo, veter-sistemo kaj Regulo 110 estas, en ia profunda senco, komputade ekvivalentaj.

La 0E0P-metaĉelo: vera mem-reproduktado

En oktobro 2018, Adam P. Goucher finis la konstruon de la 0E0P-metaĉelo — ŝablono en la Ludo de la Vivo de Conway, kapabla de vera mem-reproduktado. Male al antaŭaj metaĉeloj, kiuj postulis jam ekzistantajn kopiojn proksime, la 0E0P-metaĉelo povas konstrui kopiojn de si mem ekde nulo, inkluzive sian propran instrukcio-bendon.

Ĉi tiu atingo estas mejloŝtono en artefarita vivo: sistemo, kiu povas disvastigi sin tra komputada substrato uzante nur lokajn regulojn. Je la 23-a de novembro 2013, Dave Greene konstruis la unuan replikilon en la Ludo de la Vivo, kiu kreas kompletan kopion de si mem, inkluzive la instrukcio-bendon — pruvante, ke eĉ la simpla dustata aŭtomato de Conway povas subteni senlimigitan mem-reproduktadon.

Dezajnaj sistemoj kiel komputadaj substratoj

De Atoma Dezajno al Agenta Dezajno

La metodo Atomic Design de Brad Frost, enkondukita en 2013, revoluciigis nian pensmanieron pri dezajnaj sistemoj. Dividante interfacojn en atomojn (bazajn elementojn kiel butonoj kaj enigkampoj), molekulojn (simplaj kombinoj), organismojn (kompleksaj sekcioj de interfaco), ŝablonojn (paĝaj aranĝoj) kaj paĝojn (finaj realigoj), Atomic Design provizis hierarkian strukturon por regi komplekson.

Sed jen kio estas rimarkinda retrospektive: Atomic Design jam enkorpigis principojn de ĉelaj aŭtomatoj sen eksplicite rekoni ilin.

"Kiam la dezajna sistemo estas enuiga, ĝi liberigas dezajnistojn kaj programistojn por fari la novan, por solvi novajn problemojn. La dezajna sistemo portas la ŝarĝon de la enuiga, por ke dezajnistoj kaj programistoj ne devu."

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

En februaro 2023 Brad Frost verkis pri "Design Systems in the Time of AI":

"AI estas natura konsumanto de dezajnaj sistemoj... Fakte granda parto de la laboro pri komponantoj de dezajna sistemo vere estas mekanika kaj antaŭvidebla. Ni jam uzas ilojn kiel PlopJS por ekŝprucigi komponantan skeleton, kiu kongruas kun la formo de la cetera biblioteko. Mi bonvenigus la helpon de AI por generi por mi multon da ordinaraj skeletaj aferoj."

- Brad Frost

Ĝuste la mekanika kaj antaŭvidebla naturo de dezajnaj sistemoj faras ilin taŭgaj por funkciado laŭ la stilo de ĉelaj aŭtomatoj. Kiam la reguloj estas klaraj, lokaj kaj konsekvence aplikataj, agentoj povas funkcii aŭtonome - same kiel ĉeloj en la Ludo de la Vivo de Conway ne bezonas centran regilon por produkti glitilojn kaj oscilatorojn.

La maŝinlegebla imperativo

La iniciato Storybook MCP (Model Context Protocol) reprezentas decidan evoluon en ĉi tiu direkto. Anoncite fine de 2025, Storybook MCP donas al AI-programaj agentoj maŝinlegeblajn metadatenojn pri komponantoj el ekzistantaj Storybook-agordoj.

La ŝlosila kompreno estas, ke agentoj bezonas nek krudan kodon nek vidan dokumentadon. Ili bezonas:

• Komponantajn manifestojn: Strukturitajn metadatenojn pri ĉiu komponanto - ĝiaj props, variaĵoj, ligoj al dezajnaj ĵetonoj kaj uzekzemploj
• Semantikan nomadon: Intenc-riĉajn ĵetonojn kiel action.primary.confirm kiuj transdonas signifon al agentoj, ne nur valorojn
• Validigajn ciklojn: La kapablon ruli testojn, vidi malsukcesojn kaj mem-korekti

"Storybook MCP helpas agentojn sekvi viajn ŝablonojn kaj trapasi viajn testojn. Ĝi donas al agentoj du aferojn, kiujn ili neniam antaŭe havis: maŝinlegeblajn metadatenojn pri komponantoj kaj ripetan ciklon por mem-kuraci erarojn."

- Storybook Team

Storybook MCP inkluzivas aŭtonoman korektan ciklon. Ĝi lasas agentojn ruli viajn komponantajn testojn (interagajn kaj alireblecajn), vidi kio malsukcesas kaj ripari siajn proprajn erarojn. Programisto devas interveni nur post kiam la testoj trapasas. Ne plu prompta varti-infanado.

Ĝuste tio estas la arkitekturo de ĉela aŭtomato aplikita al dezajno: lokaj reguloj (komponantaj specifoj), interagoj kun najbaroj (kompon-ŝablonoj) kaj ripetaj ĝisdatigoj (validigo kaj mem-korekto).

Mia komponanta manifesto kiel genaro

La komparo kun la Bukloj de Langton fariĝas ankoraŭ pli trafa, kiam ni konsideras kiel funkcias komponantaj manifestoj. En la sistemo de Langton la "genaro", kodita en cirkulantaj ĉeloj, enhavas la instrukciojn por konstrui novan buklon. En maŝinlegebla dezajna sistemo la komponanta manifesto enhavas la instrukciojn por kunmeti interfacojn.

Komponanta manifesto povus specifi:

{
  "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" }
  ]
}

Ĉi tiu manifesto estas samtempe dezajna specifo kaj ruleblo kodo – aŭ pli ĝuste instrukcioj, el kiuj eblas generi ruleblan kodon. La agento, kiu konsumas ĉi tiun manifeston, ne bezonas kompreni estetikon aŭ uzantsperton en la homa senco. Ĝi devas sekvi la regulojn, kombini la elementojn laŭ iliaj limigoj kaj produkti validajn rezultojn.

Mi konsentas kun Brad Frost pri la uzo de yaml-formato.

Drupal-komponentoj uzas la yaml-formaton. Io tia kiel

$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

La dezajno estas la kodo.

• Variantoj
• Ĵetonoj (Tokens)
• Ecoj (Props)

• Limigoj (ni povus aldoni al komponentoj)

• Reguloj pri ingoj (slots) (kio povas esti metita en aliajn ingojn, aŭ kio rajtas esti metita en mian ingon)

• Reguloj

• Ekzemploj 

• Animacioj  ( Permesitaj aŭ gviditaj por uzi )

Poste observu kaj eksperimentu kun la konduto.

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

Dezajnaj ĵetonoj kiel mediaj variabloj

Dezajnaj ĵetonoj estas alia decida peco de la enigmo. En ĉelaj aŭtomatoj la ĉeloj reagas al sia tuja medio – la statoj de najbaraj ĉeloj. En dezajnaj sistemoj komponentoj reagas al dezajnaj ĵetonoj – la kuntekstaj valoroj, kiuj determinas ilian aspekton kaj konduton.

Modernaj arkitekturoj de ĵetonoj uzas plurajn tavolojn:

• Kernaj ĵetonoj: Krudaj valoroj kiel color.blue.500: #3B82F6
• Semantikaj ĵetonoj: Intencdirektitaj referencoj kiel color.action.primary: color.blue.500
• Komponentaj ĵetonoj: Lokaj aplikoj kiel button.background.primary: color.action.primary

Kiam agento generas komponenton Button, ĝi ne bezonas scii, ke "primary" signifas bluan. Ĝi bezonas nur referenci button.background.primary kaj fidi, ke la ĵetona sistemo solvos tion al la ĝusta valoro. La medio (ĵetona tavolo) enhavas la informon; la komponento (ĉelo) nur devas reagi al ĝi.

Iloj kiel Tokens Studio evoluis por trakti dezajnajn ĵetonojn kiel komputajn grafeojn kun solviloj (resolvers) – nodoj, kiuj prenas semantikajn decidojn pri tio, kiujn bazajn ĵetonojn uzi laŭ la kunteksto. Tio transformas dezajnajn ĵetonojn el statikaj valoroj en dinamikajn, regul-bazitajn sistemojn.

La Drupal-ekosistemo kaj integriĝo de AI

La integriĝo de AI en enhavadministrajn sistemojn (CMS) estas perfekta laboratorio por esplori la principojn de "la dezajno estas la kodo". CMS-oj kiel Drupal jam enkorpigas la kernajn konceptojn: strukturitajn enhavtipojn, kampodifinojn, rilatojn kaj regulojn pri kunmetado.

Mi neniam pensis, ke ni povos diri ion tian. Por mi tio estis pinto de la arto.

 La Plej Bona Komputila Aro, kiun ni povus havi. Kelkaj programistoj, kiuj povus veni el la estonta Star Trek, parolantaj al la komputilo, ke ĝi programu por ili.

Agenta sperto (AX) kaj la nova uzanto

Dezajni por maŝinoj

Frue en 2025, Mathias Biilmann, ĉefa direktoro de Netlify, prezentis la koncepton de "Agenta sperto" (Agent Experience, AX) – nova disciplino pri tio, kiel AI-agentoj interagas kun produktoj kaj platformoj.

La ŝanĝo estas fundamenta. Dum jardekoj UX (uzanta sperto) optimumigis por homa kognado, percepto kaj konduto. DX (programista sperto) optimumigis por homaj programistoj, kiuj kreas programaron. AX agnoskas, ke agentoj fariĝas ĉefaj uzantoj de ciferecaj sistemoj – kaj ili havas tute aliajn bezonojn:

• Ili ne zorgas pri vida estetiko – nur pri strukturitaj, analizeblaj datumoj
• Ili ne navigas tra interfacoj – ili vokas API-ojn kaj konsumas manifestojn
• Ili ne legas dokumentaron kiel homoj – ili bezonas maŝine legeblan kuntekston
• Ili ne faras subjektivajn juĝojn – ili sekvas regulojn kaj limigojn

"AI-Agentoj ne estas homoj: ili ne zorgas pri la grandeco de butono, la legebleco de tipografio, la bela kolorpaleto de via retejo aŭ la brilaj animacioj de via aplikaĵo. Do pri kio 'zorgas' AI-Agentoj? Tio estas demando, kiu hodiaŭ ne havas konkretan respondon, sed fariĝos ĉiam pli grava en la venontaj jaroj."

- AX-Esplorado

La respondo: klaraj reguloj, antaŭvideblaj kondutoj, bone strukturitaj datumoj kaj religaj bukloj, kiuj ebligas al ili kontroli kaj korekti siajn agojn.

La defio de duobla interfaco

Projekti por AX signifas konstrui du interfacojn samtempe:

1. Interfaco de homo al agento: Kie homoj kontrolas, aprobas, redaktas kaj gvidas la konduton de agentoj – la tavolo de "misia kontrolcentro". Pensu pri instrumentpaneloj kaj aprobaj vicoj, ne pri formularoj kaj butonoj.
2. Interfaco de agento al sistemo: Kie agentoj interagas kun API-oj, datumbazoj kaj iloj – la "operacia" tavolo. Ĝi devas esti fortika, bone dokumentita kaj optimumigita por maŝina efikeco.

Tio spegulas la arkitekturon de ĉelaj aŭtomatoj, kie kunekzistas du apartaj perspektivoj:

• La loka perspektivo: Ĉiu ĉelo (agento) sekvas simplajn regulojn surbaze de siaj tuj najbaroj
• La tutmonda perspektivo: Kompleksaj ŝablonoj aperas, videblaj nur en granda skalo

"La projektado de agenta sperto (AX) devus rezulti en bonega uzebleco por agentoj kaj de agentoj. Tial bonega AX kondukas al bonega uzantosperto (UX). Se la AI-agento renkontas rompitan procezon, protokolon aŭ eĉ malkonsekvencan vortumon tra sistemoj, ĝi ne kapablas plenumi tiun taskon. Tio estas malbona sperto por la agento, kiu siavice kondukas al malbona sperto de kliento aŭ dungito."

- Kat Holmes, Ĉefa Spertoficiro, Salesforce

De UX al AX: la evoluo de cifereca dezajno

Stigmergio kaj nerekta komunikado

Unu el la plej potencaj konceptoj de svarma inteligento estas stigmergio – nerekta kunordigo per mediaj spuroj. Formikoj ne komunikas rekte pri la lokoj de manĝaĵo; ili lasas feromonajn spurojn, kiujn aliaj formikoj sekvas. La medio fariĝas komunika rimedo.

En agentaj dezajnaj sistemoj stigmergio aperas kiel:

• Komunaj komponantaj bibliotekoj: Agentoj "vidas", kiuj komponantoj ekzistas kaj kiel ili estis uzataj
• Dezajnaj ĵetonoj (design tokens): Semantikaj valoroj, kiuj kodigas dezajnajn decidojn kiel mediajn faktojn
• Dokumentado de ŝablonoj: Uzekzemploj, kiuj funkcias kiel feromonaj spuroj por estontaj agentoj
• Testaroj: Validigaj reguloj, kiuj limigas la spacon de validaj rezultoj
• Git-historio: Registro de pasintaj decidoj, al kiuj agentoj povas aludi

Kiam agento generas UI per komponanto, ĝi lasas spurojn – en la kodbazo, en la dokumentado, en la ŝablonoj, kiujn ĝi establas. Estontaj agentoj, renkontantaj similajn taskojn, estos influataj de tiuj spuroj, kreante formon de kolektiva inteligento, kiun neniu sola agento posedas.

Agentaj dezajnaj ŝablonoj

Andrew Ng kaj aliaj identigis kvar ŝlosilajn ŝablonojn por agentaj AI-sistemoj:

1. Reflekto: La AI taksas sian propran rezulton kaj iteracie plibonigas ĝin
2. Uzo de iloj: La AI interagas kun eksteraj iloj, API-oj kaj sistemoj
3. Planado: La AI dividas kompleksajn taskojn en subtaskojn kaj plenumas ilin unu post alia
4. Multaj agentoj: Pluraj specialigitaj agentoj kunlaboras pri kompleksaj taskoj

Tiuj ĉi ŝablonoj rekte respondas al konceptoj de ĉelaj aŭtomatoj:

La dezajno estas la kodo – pli profunda legado

Kion vere signifas „La dezajno estas la kodo“

Kiam ni diras „la dezajno estas la kodo“, ni asertas samtempe plurajn aferojn:

1. Semantika ekvivalenteco

Dezajnaj decidoj, se ili estas ĝuste kodigitaj, fariĝas plenumeblaj. Dezajna ĵetono (design token) ne estas nur valoro, ĝi estas instrukcio. Komponanta specifo ne estas nur dokumentaro, ĝi estas programo. Kiam agentoj konsumas tiujn artefaktojn, ili plenumas la dezajnon same kiel ili realigas ĝin.

2. Generiva kapablo

Same kiel la Regulo 110 povas komputi ĉion komputeblan, sufiĉe kompleta dezajna sistemo povas generi ajnan validan interfacon. La sistemo enhavas la potencialon de ĉiuj siaj validaj esprimoj. Kio aperas, dependas nur de la komencaj kondiĉoj (postuloj) kaj de la reguloj (limigoj).

3. Emerĝa komplekseco

La plej rafinitaj interfacoj ne estas desegnitaj de supre malsupren; ili emerĝas el la konsekvenca apliko de simplaj reguloj. Bone desegnita butono, uzata konsekvence, naskas koheran vidan lingvon, kvankam neniu eksplicite planis tiun kohero.

4. Komputada nereduktebleco

Kelkajn dezajnajn rezultojn eblas antaŭdiri nur efektive ruligante la sistemon. Oni ne povas scii, kiel aspektos interfaco muntita de agento, sen lasi la agenton munti ĝin. Tio estas la principo de komputada nereduktebleco de Wolfram aplikita al dezajno.

5. Mem-modifo

Kiel la evoloops, kiuj mutacias dum la reproduktado, agent-pretaj dezajnaj sistemoj povas evolui per uzado. Komponantoj generitaj de agentoj fariĝas parto de la biblioteko, kiun konsumos estontaj agentoj. La sistemo lernas, adaptiĝas kaj kreskas.

La metaforo de ĉelaj aŭtomatoj plilarĝigita

Preter metaforo: reala konverĝo

Sed temas ne nur pri metaforo. La konverĝo estas reala kaj okazas nun:

• Storybook MCP transformas komponantajn bibliotekojn en maŝinlegeblajn instrukciojn, kiujn agentoj plenumas
• Model Context Protocol normigas la manieron, kiel agentoj aliras ilojn kaj kuntekston, kreante universalan substraton por agentaj operacioj
• Multagentaj arkitekturoj dividas la laboron inter specialigitaj agentoj (arkitekto, kodisto, kontrolisto), kiuj interagas laŭ protokoloj, kiel ĉeloj kun diferencigitaj funkcioj
• Mem-resanigaj bukloj lasas agentojn ruli testojn, detekti erarojn kaj ripetadi—la samajn religajn mekanismojn, kiujn ĉelaj aŭtomatoj uzas por evoluigi stabilajn konfiguraciojn
• Schema.org Blueprints igas enhavajn strukturojn maŝinlegeblaj kaj semantike signifoplenaj
• Drupal AI provizas la infrastrukturon, per kiu AI-agentoj povas memstare krei, modifi kaj administri enhavon

Ni ne alproksimiĝas al „la dezajno estas la kodo“ kiel al filozofia sinteno. Ni konstruas ĝin kiel teknikan infrastrukturon.

Sekvoj kaj la vojo antaŭen

Por dezajnistoj

La rolo de la dezajnisto transformiĝas de „kreanto de rektanguloj“ al „difinanto de reguloj“. Kiel rimarkis Brad Frost:

„Dezajnistoj kaj programistoj, kiuj opinias sian laboron kreado de rektanguloj, havas multon por timi. Sed dezajnistoj kaj programistoj, kiuj opinias sian laboron solvado de problemoj—kaj nur laŭokaze devas krei aŭ manipuli kelkajn rektangulojn por solvi tiujn problemojn—havas malpli por timi.“

- Brad Frost

En la agenta estonteco, dezajnistoj:

• Difinos semantikajn ĵetonojn kaj iliajn interrilatojn
• Starigos komponajn limigojn kaj ŝablonojn
• Kreos validigajn regulojn, kiujn agentoj devas plenumi
• Prizorgos kaj evoluigos la regulojn, kiuj reguligas la emergon
• Dezajnos la religajn mekanismojn, kiuj ebligas mem-korekton
• Formos la „taŭgofunkciojn“, kiuj decidas, kiuj rezultoj estas akcepteblaj

Tio estas dezajno sur pli alta nivelo de abstraktado—oni dezajnas la regulojn, kiuj produktas dezajnojn, anstataŭ la dezajnojn mem. Kvazaŭ oni difinus la regulojn de ĉela aŭtomato anstataŭ desegni ĉiun ĉelon aparte.

Por programistoj

Programistoj fariĝas arkitektoj de agentaj sistemoj. Kiel priskribas Anthropic:

„La kampo de programaro montris rimarkindan potencialon por LLM-funkcioj, kun kapabloj evoluantaj de kodkompletigo al aŭtonoma solvado de problemoj.“

Programistoj bezonos:

• Krei maŝinlegeblajn interfacojn inter agentoj kaj sistemoj
• Dezajni religajn bukloj kaj validigajn mekanismojn
• Konstrui la skafaldon, ene de kiu okazas emerga konduto
• Konservi homan kontrolon kiel finan arbitracianton
• Difini la protokolojn, per kiuj agentoj komunikas
• Realigi la „gluan kodon“, kiu konektas malsamajn agentajn sistemojn

Por retejoj kaj CMS-platformoj

La integriĝo de AI en platformojn kiel Drupal montras al estonteco, en kiu:

• Enhavaj modeloj fariĝas konsumeblaj por agentoj per normoj kiel Schema.org
• Redaktaj laborfluoj fariĝas agent-helpataj kun AI-subtenata redaktado, moderigo kaj optimumigo
• Serĉado evoluas de kongruigo de ŝlosilvortoj al semantika kompreno per enkonstruoj (embeddings) kaj vektoraj datumbazoj
• Personecigo fariĝas aŭtonoma kaj agentoj lernas la preferojn de uzantoj kaj adaptas enhavon en reala tempo
• Evoluigo akceliĝas ĉar agentoj generas komponantojn, testojn kaj dokumentaron

La akcepto de AI en la Drupal-ekosistemo—per moduloj kiel Drupal AI, Drupal Canvas, Schema.org Blueprints kaj la integriĝo de AI-provizantoj—pruvas, ke tiu estonteco jam estas konstruata.

Por organizoj

La konkurenca avantaĝo apartenos al organizoj, kies dezajnaj sistemoj estas plej „pretaj por agentoj“. Agent-pretaj sistemoj havas:

• Plenan kovradon de komponantaj statoj kaj variantoj
• Semantikan nomadon, kiu esprimas la intencon
• Maŝinlegeblan dokumentaron kaj kuntekston
• Infrastrukturon por validigo kaj testado
• Klarajn limigojn, kiuj baras la spacon de validaj rezultoj
• APIojn desegnitajn por konsumo de agentoj (AX-first)
• Enhavajn arkitekturojn, kiuj komencas per Schema.org

Por la estonteco de ciferecaj produktoj

La fina stato similas ciferecan ekologion: sennombraj agentoj, kiuj agas laŭ lokaj reguloj kaj naskas emergajn interfacojn. Neniu sola projektisto aŭ programisto planis ilin, sed ili tamen kunkoheras, ĉar la subaj reguloj estas solidaj.

Tio ne estas tiel nerealisma, kiel ĝi sonas. Precize tiel funkcias biologiaj sistemoj, tiel kreskas urboj, tiel laboras merkatoj. La demando ne estas, ĉu ni atingos tiun staton, sed kiel ni trapasos la transiron.

Konkludo: la kodo vivas

John von Neumann, la universalisto kiu inventis la ĉelajn aŭtomatojn, estis gvidata de fundamenta demando: Kia estas la minimuma komplekseco necesa por mem-reproduktado? Lia respondo, la universala konstruilo de von Neumann, montris, ke mem-reproduktado ne bezonas biologian maŝinaron. Ĝi bezonas nur regulojn, kiuj enkodigas sian propran aplikon.

Sepdek jarojn poste ni malkovras, ke la sama principo validas por projektsistemoj. La minimuma postulo por aŭtonoma generado de interfacoj ne estas artefarita ĝenerala inteligento nek homnivela kreemo. Ĝi estas plena, konsekvenca, maŝine legebla aro de reguloj, kiujn agentoj povas efektivigi.

Kiam la Bukloj de Langton reproduktiĝas tra ĉela krado, ni ne diras, ke la bukloj "projektas" novajn buklojn. La reproduktado simple estas tio, kion la reguloj produktas. Tamen la rezulto, ĉiam pli vastiĝantaj kolonioj de mem-similaj ŝablonoj, sendube estas generiga kaj, funkcie parolante, kreiva.

Kiam AI-agentoj kunmetas interfacojn el komponantoj de projektsistemo, sekvante semantikajn ĵetonojn kaj komponadajn limigojn, ili faras ion similan. La "kreemo" troviĝas ne en la agentoj, sed en la reguloj, kiujn ili efektivigas: reguloj, kiujn homoj projektis, sed kiuj nun funkcias aŭtonome.

Ni staras ĉe la sojlo de nova epoko en cifereca kreado. La agentoj jam ĉeestas. La protokoloj formiĝas. La projektsistemoj fariĝas substratoj por artefarita vivo.

La projekto estas la kodo.
Kaj la kodo ekvivas.

Ŝlosilaj artikoloj kaj projektoj

• 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

Rimedoj pri Drupal AI

• Drupal AI

• Modulo Schema.org Blueprints

   

Rimedoj pri ĉelaj aŭtomatoj

• Leksikono de la Vivo-ludo de Conway - Ĉirkaŭ 1500 figuroj
• Funkcianta maŝino de Turing en la Vivo-ludo
• Langton's Loops - Vikipedio
• Reguloj-aroj por ĉelaj aŭtomatoj
• A New Kind of Science Online - Stephen Wolfram
• Cellular Automata - Nature of Code

Mi esploris ideojn ĉe la intersekco de komputada teorio, projektsistemoj, artefarita inteligento kaj retprogramado.

 La esprimitaj opinioj estas spekulativaj esploroj de emerĝantaj tendencoj, ne antaŭdiroj de certaj estontecoj.

Mi vidas, ke ni kreas AI-agentojn, kiuj laboras en buklo kaj interagas kun aliaj AI-agentoj en aldonaj bukloj.

La projekto estas la kodo, kiam la sistemo funkcias en buklo, kiel vivdaŭra buklo ene de elektita kanvaso kaj aro de reguloj.