დიზაინი არის კოდი

როგორ შეცვლის უჯრედული ავტომატების ლოგიკა აგენტურ დიზაინ სისტემებს და რატომ შეიძლება ვებ-დეველოპმენტის მომავალი უკვე დაწერილი იყოს მარტივ წესებში

დიზაინ სისტემების, ხელოვნური ინტელექტისა და გამოთვლითი თეორიის გადაკვეთაზე ღრმა ტრანსფორმაცია მიმდინარეობს. ეს ცვლილება იმდენად ფუნდამენტურია, რომ ეჭვქვეშ აყენებს ჩვენს წარმოდგენას იმაზე, თუ რას ნიშნავს „დიზაინი“ ავტონომიური აგენტების ეპოქაში.

ათწლეულების განმავლობაში დიზაინსა და კოდს ორ ცალკე დისციპლინად ვუყურებდით: დიზაინი ადამიანის შემოქმედებისა და ესთეტიკური გემოვნების სფერო იყო, კოდი კი — იმ იდეების მექანიკური თარგმანი შესასრულებელ ფორმაში. მაგრამ დღეს, როცა AI აგენტები სულ უფრო ხშირად აწყობენ მომხმარებლის ინტერფეისებს დამოუკიდებლად, დიზაინ სისტემებს მანქანისთვის წაკითხვად ინფრასტრუქტურად იყენებენ და სემანტიკური ტოკენებიდან აგენერირებენ კოდს, ვუახლოვდებით კონვერგენციის წერტილს, რომელიც გამოთვლითი თეორიის ბევრად უფრო ძველ იდეას ეხმიანება.

რა იდეას? დიზაინი არის კოდი.

ეს უბრალოდ ლამაზი ფრაზა არ არის. ეს იმის აღიარებაა, რომ შესაძლოა იმ სამყაროსკენ მივდივართ, სადაც დიზაინ სისტემები უჯრედული ავტომატების მსგავსად იმუშავებენ: მარტივი წესებიდან იბადება რთული, ემერჯენტული ქცევა. სადაც განსხვავება რამის „დაპროექტებასა“ და „დაპროგრამებას“ შორის მთლიანად ქრება. სადაც ავტონომიური აგენტები დიზაინ სისტემებს არა უბრალოდ იყენებენ, არამედ თავად არიან მოქმედებაში მყოფი დიზაინ სისტემები.

ეს სტატია იკვლევს ღრმა კავშირებს უჯრედულ ავტომატებს, ემერჯენტულ ქცევასა და აგენტური დიზაინ სისტემების მომავალს შორის. თეორიულ საფუძვლებს მივყვებით ფონ ნოიმანის თვითრეპლიცირებადი მანქანებიდან დღევანდელი AI აგენტების გუნდებამდე.

განვიხილავთ, როგორ ინტეგრირებენ AI-ს Drupal და თანამედროვე CMS პლატფორმები ისეთი მოდულებით, როგორიცაა Schema.org Blueprints და Drupal AI. და ვნახავთ, რას ნიშნავს ეს ყველაფერი დიზაინერებისთვის, დეველოპერებისთვის და ციფრული პროდუქტების შექმნის მომავლისთვის.

უჯრედული ავტომატები და ემერჯენციის ლოგიკა

მარტივი წესების სილამაზე

1970 წელს მათემატიკოსმა ჯონ კონვეიმ წარმოადგინა „ცხოვრების თამაში“ (Game of Life) — „ნულმოთამაშიანი თამაში“, რომელიც გამოთვლითი თეორიის ერთ-ერთ ყველაზე შესწავლილ სისტემად იქცა. წესები სუნთქვაშემკვრელად მარტივია:

1. ცოცხალი უჯრედი, რომელსაც ორზე ნაკლები ცოცხალი მეზობელი ჰყავს, იღუპება (არასაკმარისი მოსახლეობა)
2. ცოცხალი უჯრედი, რომელსაც ორი ან სამი ცოცხალი მეზობელი ჰყავს, გადარჩება
3. ცოცხალი უჯრედი, რომელსაც სამზე მეტი ცოცხალი მეზობელი ჰყავს, იღუპება (ჭარბი მოსახლეობა)
4. მკვდარი უჯრედი, რომელსაც ზუსტად სამი ცოცხალი მეზობელი ჰყავს, ცოცხლდება (გამრავლება)

ამ ოთხი წესიდან, რომლებიც რამდენიმე ბინარულ პირობაშია ჩამოყალიბებული, რთულ მოვლენათა გასაოცარი სამყარო იბადება. გლაიდერები უსასრულო ბადეს კვეთენ. ოსცილატორები მუდმივი რიტმით ფეთქავენ. „ქვემეხები“ ნიმუშების ნაკადებს უშვებენ უჯრედულ სივრცეში. და ყველაზე გასაოცარი ის არის, რომ დადასტურდა, რომ Game of Life ტიურინგ-სრულია: ყველაფერი, რაც ალგორითმულად გამოითვლება, პრინციპში კონვეის მარტივ ბადეშიც გამოითვლება.

სურათი 1: გოსპერის გლაიდერ-ქვემეხი კონვეის „ცხოვრების თამაშში“ (Game of Life). ეს ნიმუში გლაიდერების უწყვეტ ნაკადს წარმოქმნის და გვიჩვენებს, როგორ შეუძლია მარტივ წესებს უსასრულო, თვითგანმეორებადი სირთულის შობა.

ეს უჯრედული ავტომატების პირველი გაკვეთილია: რთული ქცევისთვის სირთულე წინაპირობა არ არის. მარტივ წესებს, რომლებიც სუბსტრატის მთელ სივრცეზე თანმიმდევრულად გამოიყენება, შეუძლიათ წარმოშვან ისეთი ნიმუშები და ქცევები, რომლებიც არავის პირდაპირ დაუპროგრამებია.

ლენგტონის მარყუჟები და თვითრეპლიკაცია

1984 წელს კრისტოფერ ლენგტონმა ეს პრინციპი კიდევ უფრო განავითარა თავისი თვითრეპლიკაციური მარყუჟებით — უჯრედული ავტომატით, რომელმაც ხელოვნური სიცოცხლის ჭეშმარიტი პრინციპები გამოავლინა. კონვეის „ცხოვრების თამაშისგან“ განსხვავებით, რომელიც ემერჯენტულ სირთულეს აჩვენებს, ლენგტონის მარყუჟები ემერჯენტულ გამრავლებას.

ყოველი მარყუჟი შედგება ციკლური საზღვრისგან, რომელიც უჯრედების მდგომარეობებში დაშიფრულ „გენომს“ შემოსაზღვრავს. ეს გენომი განუწყვეტლივ მოძრაობს მარყუჟის გარშემო და გამოდის სამშენებლო მკლავზე, რომელიც 151 დროითი ბიჯის განმავლობაში შვილობილ მარყუჟს აგებს. დასრულებისას შვილობილი მშობელს ცალკე გამოეყოფა და ორივე გამრავლებას აგრძელებს.

სურათი 2: ლენგტონის მარყუჟი საწყის კონფიგურაციაში. გენეტიკური ინფორმაცია მარყუჟში ცირკულირებს და გრძელდებად მკლავს შვილობილი მარყუჟების მშენებლობას უხელმძღვანელებს.

„თუ უჯრედულ ავტომატში თვითგამრავლებადი მანქანა შესაძლებელია, მაშინ თავად სიცოცხლეც შესაძლოა მანქანებმა შექმნან.“

— კრისტოფერ ლენგტონი, „ხელოვნური სიცოცხლის შესწავლა უჯრედული ავტომატებით“ (1986)

შედეგები ღრმაა. ლენგტონის მარყუჟები გვიჩვენებს, რომ თვითრეპლიკაციას არ სჭირდება ბიოლოგიური უჯრედების სირთულე ან ფონ ნოიმანის თავდაპირველი დიზაინის უნივერსალური აგების უნარი. საჭიროა მხოლოდ:

• მარტივი ლოკალური წესების ნაკრები
• ინსტრუქციების დაშიფვრის მექანიზმი
• პროცესი, რომლითაც ეს ინსტრუქციები სრულდება

წესები თავადაა ორგანიზმი. დიზაინი თავადაა კოდი.

1999 წელს ჰიროკი საიამამ წარმოადგინა ევოლუპები (evoloops) — ვარიანტები, რომლებიც სტრუქტურულ დაშლადობას და ფენოტიპურ ურთიერთქმედებებს მოიცავს და სპონტანური მუტაციებისა და ევოლუციური დინამიკის საშუალებას იძლევა. ეს მარყუჟები ევოლუირებენ რეპლიკაციისას პირდაპირი ფიზიკური შეჯახებების გზით, რაც იწვევს გენოტიპურ ვარიაციებს, მორფოლოგიური მრავალფეროვნების ზრდას და თაობიდან თაობამდე სირთულის მატებას. ლენგტონის ფიქსირებული რეპლიკაციისგან განსხვავებით, ევოლუპები გარე ჩარევის გარეშე მემკვიდრეობით მუტაციებს აჩვენებს.

წესი 110 და უნივერსალური გამოთვლა

სტივენ ვოლფრამის ელემენტარული უჯრედული ავტომატების კვლევა გასაოცარი აღმოჩენით დასრულდა: წესი 110, ერთგანზომილებიანი უჯრედული ავტომატის უმარტივესი ტიპისთვის შესაძლო სულ 256 წესიდან ერთ-ერთი, უნივერსალური გამოთვლის უნარს ფლობს.

წესი 110 სრულად განისაზღვრება იმით, რომ რვა შესაძლო კომბინაციიდან (უჯრედი და მისი ორი მეზობელი) თითოეულისთვის შედეგია მითითებული. მაგრამ ამ ერთი შეხედვით ტრივიალურ წესს, რვა ორობით გადაწყვეტილებას, შეუძლია უნივერსალური ტიურინგის მანქანის სიმულაცია.

ნახ. 3: წესი 110-ის ცელულარული ავტომატი. მიუხედავად მარტივი განსაზღვრებისა, წესი 110 მე-4 კლასის ქცევას ავლენს: რთულ ნიმუშებს, რომლებიც არც სრულად სტაბილურია და არც სრულად ქაოტური. დადასტურებულია, რომ ის ტიურინგ-სრულია.

„უნივერსალური გამოთვლისთვის მთელი კომპიუტერის პროცესორის მსგავსი არაფერი გვჭირდება. საკმარისია ეს პატარა წესი.“

- სტივენ ვოლფრამი, „ახალი სახის მეცნიერება“

2004 წელს მეთიუ კუკმა გამოაქვეყნა დამტკიცება, რომ წესი 110 ფონის გარკვეული განმეორებადი ნიმუშით ტიურინგ-სრულია. დამტკიცება აჩვენებს, რომ წესი 110-ს შეუძლია ციკლური ტეგ-სისტემების ემულაცია, ისინი კი, თავის მხრივ, ნებისმიერ ტიურინგის მანქანას ემულირებენ. 88 შესაძლო უნიკალურ ელემენტარულ ცელულარულ ავტომატს შორის წესი 110 ერთადერთია, რომლის ტიურინგ-სრულობაც უშუალოდ დამტკიცდა.

ვოლფრამის მიერ შემოთავაზებული გამოთვლითი ეკვივალენტურობის პრინციპი კიდევ უფრო რადიკალურ აზრზე მიგვანიშნებს: სისტემები, რომლებიც სირთულის მინიმალურ ზღურბლს აღემატება, გამოთვლითი შესაძლებლობებით არსებითად ეკვივალენტურია. ადამიანის ტვინი, ამინდის სისტემა და წესი 110 რაღაც ღრმა გაგებით გამოთვლითად ეკვივალენტურია.

0E0P მეტაუჯრედი: ჭეშმარიტი თვითრეპლიკაცია

2018 წლის ოქტომბერში ადამ პ. გუჩერმა დაასრულა 0E0P მეტაუჯრედის აგება. ეს კონვეის „სიცოცხლის თამაშის“ ნიმუშია, რომელსაც ჭეშმარიტი თვითრეპლიკაცია შეუძლია. წინა მეტაუჯრედებისგან განსხვავებით, რომლებსაც ახლომახლო წინასწარ არსებული ასლები სჭირდებოდათ, 0E0P მეტაუჯრედს შეუძლია საკუთარი ასლები ნულიდან ააგოს, საკუთარი ინსტრუქციის ლენტის ჩათვლით.

ეს მიღწევა ხელოვნური სიცოცხლის სფეროში მნიშვნელოვანი ეტაპია: სისტემა, რომელსაც მხოლოდ ლოკალური წესებით შეუძლია გამოთვლით სუბსტრატში თავისი თავის გავრცელება. 2013 წლის 23 ნოემბერს დეივ გრინმა „სიცოცხლის თამაშში“ ააგო პირველი რეპლიკატორი, რომელიც საკუთარ სრულ ასლს ქმნის ინსტრუქციის ლენტის ჩათვლით. ეს აჩვენებს, რომ კონვეის მარტივ ორმდგომარეობიან ავტომატსაც კი შეუძლია შეუზღუდავი თვითრეპროდუქციის მხარდაჭერა.

დიზაინ-სისტემები როგორც გამოთვლითი სუბსტრატები

ატომური დიზაინიდან აგენტურ დიზაინამდე

ბრედ ფროსტის ატომური დიზაინის მეთოდოლოგიამ, რომელიც 2013 წელს წარმოდგა, რადიკალურად შეცვალა ჩვენი წარმოდგენა დიზაინ-სისტემებზე. ინტერფეისების დაყოფით ატომებად (ძირითადი ელემენტები, მაგალითად ღილაკები და შეყვანის ველები), მოლეკულებად (მარტივი კომბინაციები), ორგანიზმებად (რთული UI სექციები), შაბლონებად (გვერდების განლაგება) და გვერდებად (საბოლოო განხორციელება), ატომურმა დიზაინმა სირთულის სამართავად იერარქიული სტრუქტურა შექმნა.

მაგრამ დღევანდელი თვალით აი რა არის გასაოცარი: ატომური დიზაინი უკვე განასახიერებდა ცელულარული ავტომატების პრინციპებს, თუმცა მათ პირდაპირ არ აღიარებდა.

„როცა დიზაინ-სისტემა მოსაწყენია, დიზაინერებსა და დეველოპერებს თავისუფლებას აძლევს, ახალი რამ შექმნან და ახალი პრობლემები გადაჭრან. დიზაინ-სისტემა მოსაწყენის ტვირთს საკუთარ თავზე იღებს, რომ დიზაინერებსა და დეველოპერებს ამის გაკეთება აღარ დასჭირდეთ.“

- ჯოშ კლარკი, „ყველაზე საინტერესო დიზაინ-სისტემები მოსაწყენია“

2023 წლის თებერვალში ბრედ ფროსტმა დაწერა „დიზაინ-სისტემების შესახებ ხელოვნური ინტელექტის ეპოქაში“:

„ხელოვნური ინტელექტი დიზაინ-სისტემის ბუნებრივი მომხმარებელია... სინამდვილეში დიზაინ-სისტემის კომპონენტებზე ბევრი სამუშაო მართლაც მექანიკური და წინასწარ განჭვრეტადია. ჩვენ უკვე ვიყენებთ ისეთ ინსტრუმენტებს, როგორიცაა PlopJS, რომ ბიბლიოთეკის დანარჩენი ნაწილის ფორმის შესაბამისი კომპონენტის შაბლონი სწრაფად დავაგენერიროთ. სიამოვნებით მივიღებდი ხელოვნური ინტელექტის დახმარებას ბევრი ტიპური შაბლონური ნაწილის შესაქმნელად.“

- ბრედ ფროსტი

დიზაინ-სისტემების მექანიკური და განჭვრეტადი ბუნება სწორედ ის არის, რაც მათ უჯრედული ავტომატების სტილის მუშაობისთვის ხდის შესაფერისს. როცა წესები ნათელია, ლოკალურია და თანმიმდევრულად გამოიყენება, აგენტებს დამოუკიდებლად შეუძლიათ მუშაობა, ზუსტად ისევე, როგორც კონვეის „ცხოვრების თამაშის“ უჯრედებს არ სჭირდებათ ცენტრალური მმართველი გლაიდერებისა და ოსცილატორების წარმოსაქმნელად.

მანქანით წასაკითხი მონაცემების იმპერატივი

Storybook MCP-ის (Model Context Protocol) ინიციატივა ამ მიმართულებით კრიტიკულ ევოლუციას წარმოადგენს. 2025 წლის ბოლოს გამოცხადებული Storybook MCP AI-კოდინგის აგენტებს არსებული Storybook-ის გარემოდან მანქანით წასაკითხ კომპონენტურ მეტამონაცემებს აწვდის.

მთავარი დაკვირვება ისაა, რომ აგენტებს ნედლი კოდი ან ვიზუალური დოკუმენტაცია არ სჭირდებათ. მათ სჭირდებათ:

• კომპონენტების მანიფესტები: სტრუქტურირებული მეტამონაცემები ყველა კომპონენტზე: მისი პროპები, ვარიანტები, დიზაინ-ტოკენებთან კავშირები და გამოყენების მაგალითები
• სემანტიკური სახელდება: აზრით დატვირთული ტოკენები, როგორიცაა action.primary.confirm, რომლებიც აგენტს მნიშვნელობას გადასცემს და არა მხოლოდ მნიშვნელობის მონაცემს
• ვალიდაციის ციკლები: ტესტების გაშვების, წარუმატებლობების დანახვისა და საკუთარი შეცდომების გასწორების შესაძლებლობა

„Storybook MCP ეხმარება აგენტებს, დაიცვან თქვენი პატერნები და გაიარონ თქვენი ტესტები. ის აგენტებს ორ რამეს აძლევს, რაც მათ აქამდე არასდროს ჰქონიათ: მანქანით წასაკითხ კომპონენტურ მეტამონაცემებს და იტერაციულ ციკლს შეცდომების თვითგანკურნებისთვის.“

- Storybook-ის გუნდი

Storybook MCP მოიცავს ავტონომიური შესწორების ციკლს. ის აგენტებს საშუალებას აძლევს, გაუშვან თქვენი კომპონენტების ტესტები (ინტერაქციისა და ხელმისაწვდომობის), ნახონ, რა ვერ გავიდა, და თავად გამოასწორონ საკუთარი ბაგები. დეველოპერს მხოლოდ მას შემდეგ უწევს ჩარევა, რაც ტესტები წარმატებით სრულდება. პრომპტებთან ბავშვივით ტრიალი აღარ არის საჭირო.

ეს სწორედ უჯრედული ავტომატის არქიტექტურაა, დიზაინზე გადატანილი: ლოკალური წესები (კომპონენტების სპეციფიკაციები), მეზობლებთან ურთიერთქმედება (კომპოზიციის პატერნები) და იტერაციული განახლებები (ვალიდაცია და თვითშესწორება).

ჩემი კომპონენტის მანიფესტი, როგორც გენომი

ლენგტონის მარყუჟებთან შედარება კიდევ უფრო trahვედრი ხდება, როცა კომპონენტების მანიფესტების ფუნქციონირებას ვუყურებთ. ლენგტონის სისტემაში მიმოქცევადი უჯრედების „გენომი“ შეიცავს ახალი მარყუჟის აგების ინსტრუქციებს. მანქანით წასაკითხ დიზაინ-სისტემაში კომპონენტის მანიფესტი შეიცავს ინტერფეისების აწყობის ინსტრუქციებს.

კომპონენტის მანიფესტში შეიძლება მითითებული იყოს:

{
  "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" }
  ]
}

ეს მანიფესტი ერთდროულად დიზაინის სპეციფიკაციაცაა და შესრულებადი კოდიც — უფრო ზუსტად, ინსტრუქციები, საიდანაც შესრულებადი კოდის გენერირებაა შესაძლებელი. აგენტს, რომელიც ამ მანიფესტს იყენებს, ესთეტიკის ან მომხმარებლის გამოცდილების გაგება ადამიანური გაგებით არ სჭირდება. მას უბრალოდ წესების დაცვა, ელემენტების მათი შეზღუდვების მიხედვით შეთავსება და ვალიდური შედეგის მიღება მართებს.

ვეთანხმები ბრედ ფროსტს yaml ფორმატის გამოყენებაში.

Drupal-ის კომპონენტები yaml ფორმატს იყენებენ. დაახლოებით ასე

$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

დიზაინი არის კოდი.

• ვარიანტები
• ტოკენები
• თვისებები (Props)

• შეზღუდვები (შეგვეძლო კომპონენტებშიც დაგვემატებინა)

• სლოტების წესები (რის განთავსებაა დასაშვები სხვა სლოტებში, ან რისი განთავსებაა დაშვებული ჩემს სლოტში)

• წესები

• მაგალითები 

• ანიმაციები  ( გამოყენების ნებართვით ან რეკომენდაციით )

შემდეგ დააკვირდით და ივარჯიშეთ ქცევაზე.

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

დიზაინ-ტოკენები, როგორც გარემოს ცვლადები

დიზაინ-ტოკენები თავსატეხის კიდევ ერთი გადამწყვეტი ნაწილია. უჯრედულ ავტომატებში უჯრედები რეაგირებენ თავიანთ უშუალო გარემოზე — მეზობელი უჯრედების მდგომარეობაზე. დიზაინ-სისტემებში კომპონენტები რეაგირებენ დიზაინ-ტოკენებზე — კონტექსტურ მნიშვნელობებზე, რომლებიც განსაზღვრავს მათ იერსახესა და ქცევას.

თანამედროვე ტოკენების არქიტექტურა რამდენიმე შრეს იყენებს:

• ბაზისური ტოკენები: ნედლი მნიშვნელობები, მაგალითად color.blue.500: #3B82F6
• სემანტიკური ტოკენები: დანიშნულებაზე დაფუძნებული მინიშნებები, მაგალითად color.action.primary: color.blue.500
• კომპონენტის ტოკენები: კონკრეტულ სფეროზე მიბმული გამოყენება, მაგალითად button.background.primary: color.action.primary

როცა აგენტი Button კომპონენტს აგენერირებს, მას იმის ცოდნა არ სჭირდება, რომ „primary“ ლურჯს ნიშნავს. საკმარისია მიუთითოს button.background.primary და ენდოს, რომ ტოკენების სისტემა სწორ მნიშვნელობამდე თავად მიიყვანს. ინფორმაცია გარემოშია (ტოკენების შრე); კომპონენტი (უჯრედი) მხოლოდ მასზე უნდა რეაგირებდეს.

ისეთმა ინსტრუმენტებმა, როგორიცაა Tokens Studio, დიზაინ-ტოკენები გამოთვლით გრაფებად აქციეს, რომლებშიც რეზოლვერები — კვანძები — კონტექსტის მიხედვით სემანტიკურად წყვეტენ, რომელი ბაზისური ტოკენი გამოიყენონ. ასე დიზაინ-ტოკენები სტატიკური მნიშვნელობებიდან დინამიკურ, წესებზე დაფუძნებულ სისტემებად გარდაიქმნება.

Drupal-ის ეკოსისტემა და ხელოვნური ინტელექტის ინტეგრაცია

ხელოვნური ინტელექტის ინტეგრაცია კონტენტის მართვის სისტემებში იდეალური ლაბორატორიაა „დიზაინი არის კოდი“ პრინციპების შესასწავლად. Drupal-ის მსგავსი CMS-ები ძირითად ცნებებს უკვე შეიცავენ: სტრუქტურირებული კონტენტის ტიპები, ველების განსაზღვრებები, ურთიერთკავშირები და კომპოზიციის წესები.

არასდროს მიფიქრია, რომ ასეთ რამეს ვიტყოდით. ჩემთვის ეს ხელოვნების მწვერვალი იყო.

 იდეალური კომპიუტერული გარემო, რაც კი შეიძლება გვქონოდა. ზოგი დეველოპერი, თითქოს მომავლის „Star Trek“-იდან მოსული, კომპიუტერს ელაპარაკება და მას თავის მაგივრად პროგრამირებას სთხოვს.

აგენტის გამოცდილება (AX) და ახალი მომხმარებელი

დიზაინი მანქანებისთვის

2025 წლის დასაწყისში Netlify-ის აღმასრულებელმა დირექტორმა, მათიას ბილმანმა, წარმოადგინა ცნება „აგენტის გამოცდილება“ (AX) — ახალი მიმართულება, რომელიც იკვლევს, როგორ ურთიერთქმედებენ ხელოვნური ინტელექტის აგენტები პროდუქტებთან და პლატფორმებთან.

ცვლილება ფუნდამენტურია. ათწლეულების განმავლობაში UX (მომხმარებლის გამოცდილება) ადამიანის აღქმას, აზროვნებასა და ქცევას ერგებოდა. DX (დეველოპერის გამოცდილება) პროგრამულ უზრუნველყოფას მაშენებელი ადამიანი დეველოპერებისთვის იყო მორგებული. AX კი აღიარებს, რომ აგენტები ციფრული სისტემების ძირითად მომხმარებლებად იქცევიან — და მათი საჭიროებები სრულიად განსხვავებულია:

• მათ ვიზუალური ესთეტიკა არ აინტერესებთ — მხოლოდ სტრუქტურირებული, დამუშავებადი მონაცემები
• ისინი ინტერფეისებში არ ნავიგაციობენ — API-ებს იძახებენ და მანიფესტებს იყენებენ
• დოკუმენტაციას ადამიანებივით არ კითხულობენ — მათ მანქანისთვის წასაკითხი კონტექსტი სჭირდებათ
• სუბიექტურ განსჯას არ ეწევიან — წესებსა და შეზღუდვებს მისდევენ

„AI აგენტები ადამიანები არ არიან: მათ არ ანაღვლებთ ღილაკის ზომა, ტიპოგრაფიის įკითხვადობა, თქვენს ვებსაიტზე არსებული ლამაზი ფერთა პალიტრა ან აპლიკაციაში ჩართული ეფექტური ანიმაციები. მაშ, რა „აღელვებთ“ AI აგენტებს? ამ კითხვას დღეს ზუსტი პასუხი არ აქვს, მაგრამ მომავალ წლებში ის სულ უფრო მნიშვნელოვანი გახდება.“

- AX კვლევა

პასუხი: ნათელი წესები, წინასწარ განჭვრეტადი ქცევა, კარგად სტრუქტურირებული მონაცემები და უკუკავშირის ციკლები, რომლებიც აგენტებს საშუალებას აძლევს, თავიანთი ქმედებები თავად გადაამოწმონ და გამოასწორონ.

ორმაგი ინტერფეისის გამოწვევა

AX-ისთვის დიზაინი ორი ინტერფეისის ერთდროულად აგებას ნიშნავს:

1. ადამიანი–აგენტის ინტერფეისი: ადგილი, სადაც ადამიანები აგენტის ქცევას აკონტროლებენ, ამტკიცებენ, არედაქტირებენ და წარმართავენ — „მისიის მართვის ცენტრის“ ფენა. წარმოიდგინეთ დაფები და დასამტკიცებელი რიგები და არა ფორმები და ღილაკები.
2. აგენტი–სისტემის ინტერფეისი: ადგილი, სადაც აგენტები ურთიერთობენ API-ებთან, მონაცემთა ბაზებთან და ინსტრუმენტებთან — „ოპერაციული“ ფენა. ის უნდა იყოს საიმედო, კარგად დოკუმენტირებული და მანქანური ეფექტიანობისთვის ოპტიმიზებული.

ეს ასახავს უჯრედული ავტომატების არქიტექტურას, სადაც ორი განსხვავებული თვალსაზრისი თანაარსებობს:

• ლოკალური პერსპექტივა: თითოეული უჯრედი (აგენტი) მარტივ წესებს მიჰყვება, რომლებიც უშუალო მეზობლებზეა დაფუძნებული
• გლობალური პერსპექტივა: ჩნდება რთული კანონზომიერებები, რომლებიც მხოლოდ დიდ მასშტაბზე ჩანს

„აგენტის გამოცდილების დიზაინმა (AX) უნდა უზრუნველყოს აგენტებისთვის და აგენტების მიერ გამოყენების შესანიშნავი სიმარტივე. ამრიგად, შესანიშნავი AX შესანიშნავ მომხმარებლის გამოცდილებას (UX) განაპირობებს. თუ AI აგენტი წააწყდება გაფუჭებულ პროცესს, პროტოკოლს ან თუნდაც სისტემებს შორის შეუსაბამო ფორმულირებას, ის ვერ შეძლებს დავალების შესრულებას. ეს აგენტისთვის ცუდი გამოცდილებაა, რაც, თავის მხრივ, ცუდ გამოცდილებას უქმნის მომხმარებელს ან თანამშრომელს.“

- კეიტ ჰოლმსი, გამოცდილების მთავარი დირექტორი, Salesforce

UX-დან AX-მდე: ციფრული დიზაინის ევოლუცია

სტიგმერგია და ირიბი კომუნიკაცია

გუნდური ინტელექტის ერთ-ერთი ყველაზე ძლიერი კონცეფციაა სტიგმერგია — ირიბი კოორდინაცია გარემოში დატოვებული კვალის მეშვეობით. ჭიანჭველები საკვების ადგილმდებარეობის შესახებ ერთმანეთს პირდაპირ არ ესაუბრებიან; ისინი ფერომონის ბილიკსტოვებენ, რომელსაც სხვა ჭიანჭველები მიჰყვებიან. გარემო ხდება კომუნიკაციის საშუალება.

აგენტურ დიზაინ სისტემებში სტიგმერგია ამ ფორმებს იღებს:

• კომპონენტების საერთო ბიბლიოთეკები: აგენტები „ხედავენ“, რომელი კომპონენტები არსებობს და როგორ გამოიყენეს ისინი
• დიზაინ-ტოკენები: სემანტიკური მნიშვნელობები, რომლებიც დიზაინის გადაწყვეტილებებს გარემოს ფაქტებად აკოდირებს
• პატერნების დოკუმენტაცია: გამოყენების მაგალითები, რომლებიც მომავალი აგენტებისთვის ფერომონის ბილიკის როლს ასრულებს
• ტესტების კომპლექტები: ვალიდაციის წესები, რომლებიც ზღუდავს დასაშვები შედეგების სივრცეს
• Git-ის ისტორია: წარსული გადაწყვეტილებების ჩანაწერი, რომელსაც აგენტები დაეყრდნობიან

როცა აგენტი კომპონენტის გამოყენებით UI-ს აგენერირებს, ის კვალს ტოვებს — კოდის ბაზაში, დოკუმენტაციაში, მის მიერ დამკვიდრებულ პატერნებში. მომავალი აგენტები, რომლებიც მსგავს ამოცანებს შეეჯახებიან, ამ კვალის გავლენას განიცდიან და ქმნიან კოლექტიური ინტელექტის ისეთ ფორმას, რომელიც არც ერთ აგენტს ცალკე არ გააჩნია.

აგენტური დიზაინის პატერნები

ენდრიუ ნგმა და სხვებმა აგენტური AI სისტემების ოთხი ძირითადი პატერნი გამოყვეს:

1. რეფლექსია: AI თავად აფასებს საკუთარ შედეგს და თანმიმდევრულად აუმჯობესებს მას
2. ინსტრუმენტების გამოყენება: AI ურთიერთობს გარე ინსტრუმენტებთან, API-ებთან და სისტემებთან
3. დაგეგმვა: ხელოვნური ინტელექტი რთულ ამოცანებს ქვეამოცანებად ყოფს და მათ თანმიმდევრულად ასრულებს
4. მულტიაგენტური მიდგომა: რამდენიმე სპეციალიზებული აგენტი ერთად მუშაობს რთულ ამოცანებზე

ეს პატერნები უშუალოდ ემთხვევა უჯრედული ავტომატების ცნებებს:

დიზაინი არის კოდი: უფრო ღრმა წაკითხვა

რას ნიშნავს სინამდვილეში „დიზაინი არის კოდი“

როცა ვამბობთ, რომ „დიზაინი არის კოდი“, ერთდროულად რამდენიმე მტკიცებას ვაყენებთ:

1. სემანტიკური ეკვივალენტობა

დიზაინის გადაწყვეტილებები, სწორად დაშიფრვის შემთხვევაში, შესრულებადი ხდება. დიზაინ-ტოკენი უბრალოდ მნიშვნელობა კი არა, ინსტრუქციაა. კომპონენტის სპეციფიკაცია უბრალოდ დოკუმენტაცია კი არა, პროგრამაა. როცა აგენტები ამ არტეფაქტებს იყენებენ, ისინი დიზაინს იმდენადვე ასრულებენ, რამდენადაც ახორციელებენ.

2. გენერირების უნარი

როგორც Rule 110-ს შეუძლია გამოთვალოს ყველაფერი, რაც გამოთვლადია, ასევე საკმარისად სრულ დიზაინ-სისტემას შეუძლია შექმნას ნებისმიერი ვალიდური ინტერფეისი. სისტემა მოიცავს ყველა თავისი ვალიდური გამოხატულების პოტენციალს. რა წარმოიშობა, დამოკიდებულია მხოლოდ საწყის პირობებსა (მოთხოვნები) და წესებზე (შეზღუდვები).

3. ემერგენტული სირთულე

ყველაზე დახვეწილი ინტერფეისები ზემოდან ქვემოთ არ იგეგმება; ისინი მარტივი წესების თანმიმდევრული გამოყენებიდან იბადება. კარგად დაპროექტებული ღილაკი, თანმიმდევრულად გამოყენებული, ქმნის ერთიან ვიზუალურ ენას, ისე რომ ამ ერთიანობას არავინ გეგმავს განზრახ.

4. გამოთვლითი შეუქცევადობა

ზოგი დიზაინის შედეგი წინასწარ ვერ განისაზღვრება სისტემის რეალურად გაშვების გარეშე. ვერ გაიგებ, როგორი იქნება აგენტის მიერ აწყობილი ინტერფეისი, სანამ აგენტს არ მისცემ მისი აწყობის საშუალებას. ეს არის ვოლფრამის გამოთვლითი შეუქცევადობის პრინციპი, დიზაინზე გადატანილი.

5. თვითმოდიფიკაცია

ევოლუპების მსგავსად, რომლებიც რეპლიკაციისას მუტირებენ, აგენტებისთვის მომზადებული დიზაინ-სისტემები გამოყენების პროცესში შეიძლება ევოლუციონირებდნენ. აგენტების მიერ გენერირებული კომპონენტები ბიბლიოთეკის ნაწილი ხდება, რომელსაც მომავალი აგენტები გამოიყენებენ. სისტემა სწავლობს, ადაპტირდება და იზრდება.

უჯრედული ავტომატების მეტაფორის განვრცობა

მეტაფორის მიღმა: რეალური კონვერგენცია

მაგრამ ეს მხოლოდ მეტაფორა არ არის. კონვერგენცია რეალურია და ახლავე ხდება:

• Storybook MCP კომპონენტების ბიბლიოთეკებს მანქანისთვის წასაკითხ ინსტრუქციებად გარდაქმნის, რომლებსაც აგენტები ასრულებენ
• Model Context Protocol ასტანდარტებს, როგორ იღებენ აგენტები წვდომას ინსტრუმენტებსა და კონტექსტზე და ამით აგენტური ოპერაციებისთვის უნივერსალურ საფუძველს ქმნის
• მულტიაგენტური არქიტექტურები შრომას ანაწილებს სპეციალიზებულ აგენტებს შორის (არქიტექტორი, კოდერი, რევიუერი), რომლებიც ერთმანეთთან პროტოკოლების მიხედვით ურთიერთობენ, როგორც განსხვავებული ფუნქციების მქონე უჯრედები
• თვითგამომსწორებელი ციკლებიებს აძლევს აგენტებს ტესტების გაშვების, შეცდომების აღმოჩენისა და იტერაციის საშუალებას — ზუსტად იმავე უკუკავშირის მექანიზმებს, რომლებსაც ცელულური ავტომატები სტაბილური კონფიგურაციების ასავითარებლად იყენებენ
• Schema.org Blueprints კონტენტის სტრუქტურებს მანქანისთვის წასაკითხსა და სემანტიკურად მნიშვნელოვანს ხდის
• Drupal AI უზრუნველყოფს ინფრასტრუქტურას, რომლითაც AI აგენტები კონტენტს დამოუკიდებლად ქმნიან, ცვლიან და მართავენ

„დიზაინი არის კოდი“ ჩვენთვის ფილოსოფიური პოზიცია არ არის. ჩვენ მას ტექნიკურ ინფრასტრუქტურად ვაშენებთ.

შედეგები და წინ გასავლელი გზა

დიზაინერებისთვის

დიზაინერის როლი „მართკუთხედების შემქმნელიდან“ „წესების განმსაზღვრელად“ იქცევა. როგორც ბრედ ფროსტმა შენიშნა:

„დიზაინერებსა და დეველოპერებს, რომლებიც საკუთარ საქმეს მართკუთხედების შექმნად აღიქვამენ, მართლაც აქვთ საფიქრალი. ხოლო ისინი, ვინც თავიანთ საქმეს პრობლემების გადაჭრად მიიჩნევს — და ამ პრობლემების გადასაჭრელად, სხვათა შორის, რამდენიმე მართკუთხედის შექმნა-გამოყენებაც უწევს — გაცილებით ნაკლებად უნდა ინერვიულონ.“

- ბრედ ფროსტი

აგენტურ მომავალში დიზაინერები:

• განსაზღვრავენ სემანტიკურ ტოკენებს და მათ ურთიერთკავშირებს
• დაადგენენ კომპოზიციის შეზღუდვებსა და პატერნებს
• შექმნიან ვალიდაციის წესებს, რომლებსაც აგენტები უნდა აკმაყოფილებდნენ
• შეარჩევენ და განავითარებენ წესებს, რომლებიც ემერჯენტულობას მართავს
• დააპროექტებენ უკუკავშირის მექანიზმებს, რომლებიც თვითკორექციის საშუალებას იძლევა
• ჩამოაყალიბებენ „ვარგისიანობის ფუნქციებს“, რომლებიც განსაზღვრავს, რომელი შედეგებია მისაღები

ეს დიზაინია აბსტრაქციის უფრო მაღალ დონეზე — დიზაინების კი არა, იმ წესების დაპროექტება, რომლებიც დიზაინებს წარმოქმნის. ცელულური ავტომატის წესების განსაზღვრას ჰგავს და არა თითოეული უჯრედის ცალ-ცალკე ხატვას.

დეველოპერებისთვის

დეველოპერები აგენტური სისტემების არქიტექტორები ხდებიან. როგორც Anthropic აღწერს:

„პროგრამული უზრუნველყოფის შემუშავების სფერომ LLM-ის შესაძლებლობების ბრწყინვალე პოტენციალი აჩვენა — კოდის ავტოშევსებიდან დამოუკიდებელ პრობლემების გადაჭრამდე.“

დეველოპერებს დასჭირდებათ:

• შექმნან მანქანისთვის წასაკითხი ინტერფეისები აგენტებსა და სისტემებს შორის
• დააპროექტონ უკუკავშირის ციკლები და ვალიდაციის მექანიზმები
• ააგონ სკაფოლდინგი, რომლის ფარგლებშიც ემერჯენტული ქცევა ვითარდება
• შეინარჩუნონ ადამიანის ზედამხედველობა, როგორც საბოლოო არბიტრი
• განსაზღვრონ პროტოკოლები, რომლითაც აგენტები ერთმანეთს ურთიერთობენ
• განახორციელონ „წებოვანი კოდი“, რომელიც სხვადასხვა აგენტურ სისტემას აკავშირებს

ვებშემუშავებისა და CMS პლატფორმებისთვის

AI-ის ინტეგრაცია ისეთ პლატფორმებში, როგორიც Drupal-ია, იმ მომავალზე მიგვანიშნებს, სადაც:

• კონტენტის მოდელები აგენტებისთვის მოხმარებადი ხდება ისეთი სტანდარტების წყალობით, როგორიც Schema.org-ია
• სარედაქციო სამუშაო პროცესები აგენტების დახმარებით მიმდინარეობს AI-ზე დაფუძნებული დაწერის, მოდერაციისა და ოპტიმიზაციის საშუალებით
• ძიება ვითარდება საკვანძო სიტყვების დამთხვევიდან სემანტიკურ გაგებამდე ემბედინგებისა და ვექტორული მონაცემთა ბაზების მეშვეობით
• პერსონალიზაცია ავტონომიური ხდება აგენტები მომხმარებლის პრეფერენციებს სწავლობენ და კონტენტს რეალურ დროში არგებენ
• შემუშავება ჩქარდება რადგან აგენტები კომპონენტებს, ტესტებსა და დოკუმენტაციას თავად აგენერირებენ

Drupal-ის ეკოსისტემის მიერ AI-ის ათვისება — ისეთი მოდულების მეშვეობით, როგორიცაა Drupal AI, Drupal Canvas, Schema.org Blueprints და AI პროვაიდერების ინტეგრაცია — ადასტურებს, რომ ეს მომავალი უკვე შენდება.

ორგანიზაციებისთვის

კონკურენტული უპირატესობა იმ ორგანიზაციებს ექნებათ, რომელთა დიზაინ-სისტემები ყველაზე მეტად „აგენტებისთვისაა მზად“. აგენტებისთვის მზად სისტემებს ახასიათებს:

• კომპონენტების მდგომარეობებისა და ვარიანტების სრული გადაფარვა
• სემანტიკური სახელდება, რომელიც განზრახვას გადმოსცემს
• მანქანისთვის წასაკითხი დოკუმენტაცია და კონტექსტი
• ვალიდაციისა და ტესტირების ინფრასტრუქტურა
• მკაფიო შეზღუდვები, რომლებიც დასაშვები შედეგების სივრცეს ზღუდავს
• აგენტების მიერ მოხმარებისთვის შექმნილი API-ები (AX-first)
• Schema.org-first კონტენტის არქიტექტურები

ციფრული პროდუქტების მომავლისთვის

საბოლოო შედეგი რაღაც ციფრულ ეკოლოგიას წააგავს: აგენტების უთვალავი რაოდენობა, რომლებიც ადგილობრივი წესებით მოქმედებენ და ისეთ ინტერფეისებს ქმნიან, რომლებიც არც ერთ დიზაინერს თუ დეველოპერს არ დაუგეგმავს, მაგრამ მაინც ერთ მთლიანობად იკვრება, რადგან მათ საფუძველში არსებული წესები გამართულია.

ეს ისე შორეული არ არის, როგორც ჩანს. ზუსტად ასე მუშაობს ბიოლოგიური სისტემები, ასე იზრდება ქალაქები, ასე ფუნქციონირებს ბაზრები. საკითხავი ის კი არ არის, მივაღწევთ თუ არა ამ მდგომარეობას, არამედ ის, თუ როგორ გავივლით გარდამავალ პერიოდს.

დასკვნა: კოდი ცოცხალია

ჯონ ფონ ნეუმანს, პოლიმათს, რომელმაც უჯრედული ავტომატები გამოიგონა, ფუნდამენტური კითხვა ამოძრავებდა: რა არის მინიმალური სირთულე, რომელიც თვითრეპროდუქციისთვის არის საჭირო? მისმა პასუხმა, ფონ ნეუმანის უნივერსალურმა კონსტრუქტორმა, აჩვენა, რომ თვითრეპლიკაციას ბიოლოგიური მექანიზმები არ სჭირდება. მას მხოლოდ ისეთი წესები სჭირდება, რომლებიც საკუთარი გამოყენების წესსაც შეიცავს.

სამოცდაათი წლის შემდეგ ვხვდებით, რომ იგივე პრინციპი დიზაინ-სისტემებზეც მოქმედებს. ინტერფეისების ავტონომიური გენერაციისთვის მინიმალური მოთხოვნა არც ზოგადი ხელოვნური ინტელექტია, არც ადამიანის დონის შემოქმედებითობა. საჭიროა სრული, თანმიმდევრული, მანქანისთვის წასაკითხი წესების ერთობლიობა, რომელსაც აგენტები შეასრულებენ.

როცა ლენგტონის მარყუჟები უჯრედულ ბადეზე მრავლდება, ჩვენ არ ვამბობთ, რომ მარყუჟები ახალ მარყუჟებს „აპროექტებენ“. გამრავლება უბრალოდ ის შედეგია, რასაც წესები წარმოქმნის. მაგრამ საბოლოო შედეგი, თვითმსგავსი ნიმუშების განუწყვეტლივ მზარდი კოლონიები, უდავოდ გენერაციულია და გარკვეული ფუნქციური გაგებით შემოქმედებითიც.

როცა AI აგენტები დიზაინ-სისტემის კომპონენტებისგან აგებენ ინტერფეისებს და სემანტიკურ ტოკენებსა და კომპოზიციის შეზღუდვებს მისდევენ, ისინი რაღაც მსგავსს აკეთებენ. „შემოქმედებითობა“ აგენტებში კი არა, მათ მიერ შესასრულებელ წესებშია, წესებში, რომლებიც ადამიანებმა შექმნეს, მაგრამ რომლებიც ახლა თავისით მოქმედებს.

ჩვენ ციფრული შემოქმედების ახალი ეპოქის ზღურბლზე ვდგავართ. აგენტები უკვე აქ არიან. პროტოკოლები ყალიბდება. დიზაინ-სისტემები ხელოვნური სიცოცხლის სუბსტრატებად იქცევა.

დიზაინი არის კოდი.
და კოდი ცოცხლდება.

მთავარი სტატიები და პროექტები

• დიზაინ-სისტემები ხელოვნური ინტელექტის ეპოქაში – ბრედ ფროსტი
• Storybook MCP-ის პირველი ნაჭერი – Storybook
• AX-ის გაცნობა: რატომ არის მნიშვნელოვანი აგენტის გამოცდილება – მათიას ბილმანი
• ეფექტური აგენტების აგება – Anthropic

Drupal AI-ის რესურსები

• Drupal AI

• Schema.org Blueprints-ის მოდული

   

უჯრედული ავტომატების რესურსები

• კონვეის „ცხოვრების თამაშის“ ლექსიკონი – დაახლოებით 1500 ფიგურა
• მოქმედი ტიურინგის მანქანა „ცხოვრების თამაშში“
• ლენგტონის მარყუჟები – Wikipedia
• უჯრედული ავტომატების წესების ნაკრებები
• მეცნიერების ახალი სახეობა ონლაინ – სტივენ ვოლფრამი
• უჯრედული ავტომატები – Nature of Code

შევისწავლე იდეები გამოთვლითი თეორიის, დიზაინ-სისტემების, ხელოვნური ინტელექტისა და ვებ-დეველოპმენტის გადაკვეთაზე.

 გამოთქმული მოსაზრებები არის ახალი ტენდენციების სპეკულაციური კვლევა და არა გარკვეული მომავლის პროგნოზი.

ვხედავ, რომ ვქმნით AI აგენტებს, რომლებიც მარყუჟში მუშაობენ და დამატებით მარყუჟებში სხვა AI აგენტებთან ურთიერთქმედებენ.

დიზაინი არის კოდი, როცა სისტემა მარყუჟში მოქმედებს, სიცოცხლის ციკლის მსგავსად, არჩეულ ტილოსა და წესების ნაკრების ფარგლებში.