නිර්මාණය ම කේතයයි

සෛලීය ස්වයංක්‍රමක (Cellular Automata) තර්කනය ඒජෙන්ටික් ඩිසයින් පද්ධති වෙනස් කරන ආකාරය, සහ වෙබ් සංවර්ධනයේ අනාගතය දැනටමත් සරල රීති වලින් ලියැවී තිබිය හැක්කේ ඇයි

ඩිසයින් පද්ධති, කෘත්‍රිම බුද්ධිය සහ ගණනය කිරීමේ න්‍යාය හමු වන තැන ගැඹුරු පරිවර්තනයක් සිදු වෙමින් පවතී. ස්වයංක්‍රීය ඒජන්ට්වරුන්ගේ යුගයේ "ඩිසයින්" යන්නෙන් අදහස් වන්නේ කුමක්ද යන අපගේ අවබෝධයම අභියෝගයට ලක් කරන තරමට එය මූලික වෙනසකි.

දශක ගණනාවක් තිස්සේ අපි ඩිසයින් සහ කේතය වෙන් වෙන් විෂයයන් ලෙස සැලකුවෙමු. ඩිසයින් යනු මිනිස් නිර්මාණශීලීත්වයේ සහ රසඥතා විනිශ්චයේ ක්ෂේත්‍රයක් ද, කේතය යනු ඒ අදහස් ක්‍රියාත්මක කළ හැකි ස්වරූපයකට හරවන යාන්ත්‍රික පරිවර්තනයක් ද වශයෙනි. එහෙත් AI ඒජන්ට්වරු පරිශීලක අතුරුමුහුණත් ස්වයංක්‍රීයව ගොඩනඟමින්, ඩිසයින් පද්ධති යන්ත්‍රවලට කියවිය හැකි යටිතල පහසුකමක් ලෙස භාවිත කරමින්, අර්ථකථන ටෝකන (semantic tokens) වලින් කේතය ජනනය කරමින් සිටින විට, අපි ළඟා වන්නේ ගණනය කිරීමේ න්‍යායේ බොහෝ පැරණි අදහසක් සිහිගන්වන එකතු වීමේ ලක්ෂ්‍යයකටයි.

ඒ අදහස කුමක්ද? නිර්මාණය ම කේතයයි.

මෙය හුදෙක් ආකර්ෂණීය වාක්‍ය ඛණ්ඩයක් පමණක් නොවේ. ඩිසයින් පද්ධති සෛලීය ස්වයංක්‍රමක මෙන්, එනම් සරල රීති වලින් සංකීර්ණ, ස්වයංසිද්ධව මතු වන හැසිරීම් බිහි වන ආකාරයට, ක්‍රියා කරන ලොවක් දෙසට අපි ගමන් කරමින් සිටිය හැකි බව එයින් පිළිගැනේ. යමක් "නිර්මාණය කිරීම" සහ එය "ක්‍රමලේඛනය කිරීම" අතර වෙනස සම්පූර්ණයෙන් ම ඉවත් වන ලොවකි. ස්වයංක්‍රීය ඒජන්ට්වරු ඩිසයින් පද්ධති භාවිත කරනවා පමණක් නොව, ක්‍රියාත්මක වන ඩිසයින් පද්ධති ම වන තැන.

මෙම බ්ලොග් සටහනෙන් සෛලීය ස්වයංක්‍රමක, ස්වයංසිද්ධව මතු වන හැසිරීම්, සහ ඒජෙන්ටික් ඩිසයින් පද්ධතිවල අනාගතය අතර ඇති ගැඹුරු සම්බන්ධතා ගවේෂණය කෙරේ. von Neumann ගේ ස්වයං-ප්‍රතිනිෂ්පාදක යන්ත්‍රවල සිට අද AI ඒජන්ට් රංචු දක්වා න්‍යායික පදනම් අපි පසු විපරම් කරන්නෙමු.

Schema.org Blueprints සහ Drupal AI වැනි මොඩියුල හරහා Drupal සහ නවීන CMS වේදිකා AI ඒකාබද්ධ කරන ආකාරය අපි සලකා බලන්නෙමු. මේ සියල්ල ඩිසයිනර්වරුන්ට, සංවර්ධකයන්ට සහ ඩිජිටල් නිෂ්පාදන නිර්මාණයේ අනාගතයට කුමක් අදහස් කරන්නේ දැයි ද විමසා බලන්නෙමු.

සෛලීය ස්වයංක්‍රමක සහ මතු වීමේ තර්කනය

සරල රීතිවල සුන්දරත්වය

1970 දී ගණිතඥ John Conway විසින් ගණනය කිරීමේ න්‍යායේ වඩාත් අධ්‍යයනය කෙරුණු පද්ධතිවලින් එකක් බවට පත් වූ "ක්‍රීඩකයන් නැති ක්‍රීඩාව" වන Game of Life හඳුන්වා දුන්නේය. එහි රීති විස්මයජනක ලෙස සරලයි:

1. ජීවමාන සෛලයකට ජීවමාන අසල්වැසියන් දෙදෙනෙකුට වඩා අඩුවෙන් සිටී නම් එය මිය යයි (ජනගහනය ඌනවීම)
2. ජීවමාන සෛලයකට ජීවමාන අසල්වැසියන් දෙදෙනෙක් හෝ තිදෙනෙක් සිටී නම් එය ජීවත් වේ
3. ජීවමාන සෛලයකට ජීවමාන අසල්වැසියන් තිදෙනෙකුට වඩා වැඩියෙන් සිටී නම් එය මිය යයි (අධික ජනගහනය)
4. මළ සෛලයකට හරියටම ජීවමාන අසල්වැසියන් තිදෙනෙක් සිටී නම් එය ජීවමාන වේ (ප්‍රජනනය)

ද්විමය කොන්දේසි කිහිපයකින් ප්‍රකාශ කළ මෙම රීති හතරෙන් සංකීර්ණත්වයේ විස්මයජනක විශ්වයක් මතු වේ. ග්ලයිඩර් අනන්ත ජාලකවල සැරිසරයි. දෝලක නිරන්තර රිද්මයකින් ස්පන්දනය වෙයි. ගන්ස් සෛලීය අවකාශය පුරා රටා ධාරා විදුලි. වඩාත්ම පුදුමයට කරුණ නම්, Game of Life ටියුරින්-සම්පූර්ණ (Turing-complete) බව ඔප්පු වී තිබීමයි: ඇල්ගොරිතමකින් ගණනය කළ හැකි ඕනෑම දෙයක් න්‍යායිකව Conway ගේ මෙම සරල ජාලය තුළ ද ගණනය කළ හැකිය.

රූපය 1: කොන්වේගේ ජීවන ක්‍රීඩාවේ ගොස්පර්ගේ ග්ලයිඩර් ගන් (Gosper's Glider Gun). සරල නීති මගින් අනන්ත, ස්වයං-පවත්වාගෙන යන සංකීර්ණත්වයක් බිහිකළ හැකි ආකාරය මෙම රටාව පෙන්වයි; එය ග්ලයිඩර් (gliders) අඛණ්ඩ ධාරාවක් නිපදවයි.

සෛලීය ස්වයංක්‍රියතා පිළිබඳ පළමු පාඩම මෙයයි: සංකීර්ණ හැසිරීමක් ඇතිවීමට සංකීර්ණත්වය පූර්වාවශ්‍යතාවක් නොවේ. පාදක තලයක් පුරා ස්ථාවරව යෙදූ සරල නීති මගින්, කිසිවෙකු පැහැදිලිව ක්‍රමලේඛනය නොකළ රටා සහ හැසිරීම් බිහිවිය හැකිය.

ලැන්ග්ටන්ගේ ලූප් සහ ස්වයං-ප්‍රතිවර්තනය

1984දී ක්‍රිස්ටෝෆර් ලැන්ග්ටන් මෙම මූලධර්මය තවත් ඉදිරියට ගෙන ගියේ ඔහුගේ ස්වයං-ප්‍රතිවර්තන ලූප් මගිනි. එය සැබෑ කෘත්‍රිම ජීවයේ මූලධර්ම පෙන්වූ සෛලීය ස්වයංක්‍රියතාවකි. ඉස්මතු වන සංකීර්ණත්වය පෙන්වන කොන්වේගේ ජීවන ක්‍රීඩාවට වඩා වෙනස්ව, ලැන්ග්ටන්ගේ ලූප් පෙන්වන්නේ ඉස්මතු වන ප්‍රජනනයයි.

සෑම ලූපයක්ම සෑදී ඇත්තේ සෛල තත්ත්වවලින් කේතනය කළ "ජෙනෝමයක්" වට කරගත් චක්‍රීය මායිමකිනි. මෙම ජෙනෝමය ලූපය වටා අඛණ්ඩව ගලා ගොස් ඉදිකිරීම් බාහුවක් දිගේ පිටතට ගලයි; එම බාහුව කාල පියවර 151ක් පුරා දියණිය ලූපයක් ගොඩනඟයි. එය සම්පූර්ණ වූ විට දියණිය මාපියාගෙන් වෙන් වන අතර, දෙකම ප්‍රතිවර්තනය දිගටම කරගෙන යයි.

රූපය 2: ආරම්භක සැකැස්මේ ඇති ලැන්ග්ටන්ගේ ලූපය. ජාන තොරතුරු ලූපය තුළ සංසරණය වෙමින්, දිග් වන බාහුව මගින් දියණි ලූප ඉදිකිරීම මෙහෙයවයි.

"ස්වයං-ප්‍රජනනය කරන යන්ත්‍රයක් සෛලීය ස්වයංක්‍රියතාවක් තුළ හැකි නම්, ජීවයම යන්ත්‍ර මගින් ළඟා කරගත හැකි විය හැකිය."

- ක්‍රිස්ටෝෆර් ලැන්ග්ටන්, "Studying Artificial Life with Cellular Automata" (1986)

මෙහි ඇඟවුම් ගැඹුරුය. ස්වයං-ප්‍රතිවර්තනයට ජීව සෛලවල සංකීර්ණත්වය හෝ වොන් නොයිමාන්ගේ මුල් නිර්මාණයේ සර්වත්‍ර ඉදිකිරීම් හැකියාවන් අවශ්‍ය නොවන බව ලැන්ග්ටන්ගේ ලූප් පෙන්වා දෙයි. අවශ්‍ය වන්නේ මෙපමණි:

• සරල, ප්‍රාදේශීය නීති කට්ටලයක්
• උපදෙස් කේතනය කිරීමේ යාන්ත්‍රණයක්
• එම උපදෙස් ක්‍රියාත්මක කරන ක්‍රියාවලියක්

නීති වන්නේ ජීවියාමය. නිර්මාණය වන්නේ කේතයමය.

1999දී හිරොකි සායාමා හඳුන්වා දුන්නේ evoloops ය. ව්‍යුහාත්මක ද්‍රාව්‍යතාව සහ ෆීනොටයිපික අන්තර්ක්‍රියා ඇතුළත් කළ මෙම ප්‍රභේද මගින් ස්වයංසිද්ධ විකෘති සහ පරිණාමීය ගතිකත්වය සැකසේ. මෙම ලූප් ප්‍රතිවර්තනයේදී සිදුවන සෘජු භෞතික ගැටුම් හරහා පරිණාමය වන අතර, ඒ නිසා ජෙනෝටයිප් විචලනය, රූප විද්‍යාත්මක විවිධත්වය වැඩිවීම සහ පරම්පරා පුරා සංකීර්ණත්වය වර්ධනය වීම සිදුවේ. ලැන්ග්ටන්ගේ ස්ථාවර ප්‍රතිවර්තනයට වඩා වෙනස්ව, evoloops බාහිර මැදිහත්වීමකින් තොරව උරුම කරගත හැකි විකෘති පෙන්වයි.

රූල් 110 සහ සර්වත්‍ර ගණනය

ස්ටීවන් වුල්ෆ්රම්ගේ මූලික සෛලීය ස්වයංක්‍රියතා පිළිබඳ ගවේෂණය අවසන් වූයේ පුදුමයට පත්කරවන සොයාගැනීමකිනි: රූල් 110, සරලම ඒක-මාන සෛලීය ස්වයංක්‍රියතා වර්ගය සඳහා හැකි නීති 256න් එකක් වන මෙයට සර්වත්‍ර ගණනය කිරීමේ හැකියාව ඇත.

රූල් 110 සම්පූර්ණයෙන්ම නිර්වචනය කළ හැක්කේ, කොටුවක් සහ එහි අසල්වැසි කොටු දෙක ඇතුළත් විය හැකි සංයෝජන අටෙන් එකිනෙකටම ප්‍රතිඵලය දීමෙනි. එහෙත් මෙම සරල රීතියට-ද්වීමය තීරණ අටකට-සර්වත්‍ර ටියුරින් යන්ත්‍රයක් (universal Turing machine) අනුකරණය කළ හැකිය.

රූපය 3: රූල් 110 සෛලීය ස්වයංක්‍රීය යන්ත්‍රය (cellular automaton). නිර්වචනය සරල වුවත්, රූල් 110 හි 4 වන පන්තියේ හැසිරීම දැකිය හැකිය-සම්පූර්ණයෙන් ස්ථාවර හෝ සම්පූර්ණයෙන් අවුල් සහගත නොවන සංකීර්ණ රටා-එමෙන්ම එය ටියුරින්-සම්පූර්ණ (Turing complete) බව ඔප්පු කර ඇත.

"සර්වත්‍ර ගණනයක් කිරීමට සම්පූර්ණ පරිගණක CPU එකක් වැනි කිසිවක් අවශ්‍ය නැත. අවශ්‍ය වන්නේ මේ කුඩා රීතිය පමණි."

- ස්ටීවන් වුල්ෆ්‍රම්, "A New Kind of Science"

2004 දී මැතිව් කුක් (Matthew Cook), විශේෂ පුනරාවර්තන පසුබිම් රටාවක් සහිත රූල් 110 ටියුරින්-සම්පූර්ණ බව සනාථ කරන ඔප්පුවක් ප්‍රකාශයට පත් කළේය. රූල් 110 ට චක්‍රීය ටැග් පද්ධති (cyclic tag systems) අනුකරණය කළ හැකි බවත්, ඒවාට ඕනෑම ටියුරින් යන්ත්‍රයක් අනුකරණය කළ හැකි බවත් එම ඔප්පුව පෙන්වා දෙයි. හැකි අද්විතීය මූලික සෛලීය ස්වයංක්‍රීය යන්ත්‍ර 88 අතරින්, ටියුරින් සම්පූර්ණත්වය කෙලින්ම ඔප්පු කර ඇත්තේ රූල් 110 සඳහා පමණි.

වුල්ෆ්‍රම් යෝජනා කළ ගණනය කිරීමේ සමානතාවයේ මූලධර්මය (Principle of Computational Equivalence) ඊටත් වඩා විප්ලවීය දෙයක් ඉඟි කරයි: අවම සංකීර්ණතා සීමාවකට ඉහළින් පවතින පද්ධති, ඒවායේ ගණනය කිරීමේ හැකියාවන් අතින් මූලිකවම සමාන වේ. මිනිස් මොළයක්, කාලගුණ පද්ධතියක් සහ රූල් 110 යන සියල්ල යම් ගැඹුරු අර්ථයකින් ගණනය කිරීම අතින් සමාන වේ.

0E0P මෙටාසෛලය: සැබෑ ස්වයං-පිටපත් කිරීම

2018 ඔක්තෝබරයේ දී ඇඩම් පී. ගවුචර් (Adam P. Goucher) 0E0P මෙටාසෛලයේ ඉදිකිරීම සම්පූර්ණ කළේය-එය කොන්වේගේ ජීවන ක්‍රීඩාවේ (Conway's Game of Life) සැබෑ ස්වයං-පිටපත් කිරීමට සමත් රටාවකි. අසල පෙර පටන්ම පිටපත් තිබීම අවශ්‍ය වූ පෙර මෙටාසෛල මෙන් නොව, 0E0P මෙටාසෛලයට තමාගේම උපදෙස් පටිය ද ඇතුළුව තමාගේම පිටපත් මුල සිටම ගොඩනැගිය හැකිය.

මෙම ජයග්‍රහණය කෘත්‍රිම ජීවිතයේ සන්ධිස්ථානයකි: ස්ථානීය රීති පමණක් භාවිතයෙන් ගණනය කිරීමේ පදාර්ථයක් හරහා තමන්ව ව්‍යාප්ත කරගත හැකි පද්ධතියකි. 2013 නොවැම්බර් 23 වන දා ඩේව් ග්‍රීන් (Dave Greene), උපදෙස් පටිය ද ඇතුළුව තමාගේ සම්පූර්ණ පිටපතක් නිර්මාණය කරන ජීවන ක්‍රීඩාවේ පළමු ප්‍රතිනිර්මාපකය (replicator) ගොඩනැගුවේය-කොන්වේගේ සරල අවස්ථා දෙකක ස්වයංක්‍රීය යන්ත්‍රයට පවා සීමාවක් නැති ස්වයං-ප්‍රජනනයට සහාය විය හැකි බව එයින් පෙන්නුම් කරයි.

ගණනය කිරීමේ පදාර්ථ ලෙස සැලසුම් පද්ධති

පරමාණුක සැලසුමේ සිට නියෝජිත සැලසුම දක්වා

බ්‍රෑඩ් ෆ්‍රොස්ට්ගේ (Brad Frost) 2013 දී හඳුන්වා දුන් පරමාණුක සැලසුම් (Atomic Design) ක්‍රමවේදය, සැලසුම් පද්ධති ගැන අප සිතන ආකාරයම වෙනස් කළේය. අතුරුමුහුණත් පරමාණු (බොත්තම් සහ ආදාන ක්ෂේත්‍ර වැනි මූලික අංග), අණු (සරල සංයෝජන), ජීවීන් (සංකීර්ණ UI කොටස්), සැකිලි (පිටු පිරිසැලසුම්) සහ පිටු (අවසාන ක්‍රියාත්මක කිරීම්) ලෙස බිඳීමෙන්, පරමාණුක සැලසුම සංකීර්ණත්වය කළමනාකරණය කිරීම සඳහා ධූරාවලි ව්‍යුහයක් ලබා දුන්නේය.

එහෙත් ආපසු හැරී බලන විට විශේෂත්වය මෙයයි: පරමාණුක සැලසුම සෛලීය ස්වයංක්‍රීය යන්ත්‍රවල මූලධර්ම දැනටමත් මූර්තිමත් කර තිබුණි, එය පැහැදිලිව හඳුනා නොගනිමින්ම.

"සැලසුම් පද්ධතිය කම්මැලි වූ විට, එය නිර්මාණකරුවන්ට සහ සංවර්ධකයන්ට අලුත් දේවල් කිරීමට, අලුත් ගැටලු විසඳීමට නිදහස ලබා දෙයි. සැලසුම් පද්ධතිය කම්මැලි දේවල බර දරයි; එවිට නිර්මාණකරුවන්ට සහ සංවර්ධකයන්ට එය දරන්නට සිදු නොවේ."

- ජොෂ් ක්ලාර්ක්, "The Most Exciting Design Systems Are Boring"

2023 පෙබරවාරියේදී බ්‍රෑඩ් ෆ්‍රොස්ට් "Design Systems in the Time of AI" ගැන ලිවීය:

"AI යනු සැලසුම් පද්ධතියක ස්වාභාවික පරිභෝගිකයෙකි... සත්‍ය කාරණය නම්, සැලසුම් පද්ධතියක සංරචක වැඩ බොහොමයක් ඇත්තෙන්ම යාන්ත්‍රික හා පුරෝකථනය කළ හැකි ඒවා බවයි. ඉතිරි පුස්තකාලයේ හැඩයට ගැළපෙන සංරචක මූලික රාමුවක් (boilerplate) ඉක්මනින් නිපදවා ගැනීමට අපි දැනටමත් PlopJS වැනි මෙවලම් භාවිතා කරමු. සාමාන්‍ය මූලික රාමු බොහොමයක් මා වෙනුවෙන් සකසා දීමට AI දෙන සහාය මම සතුටින් පිළිගන්නෙමි."

- බ්‍රෑඩ් ෆ්‍රොස්ට්

සැලසුම් පද්ධතිවල යාන්ත්‍රික හා පුරෝකථනය කළ හැකි ස්වභාවය නිසාම ඒවා සෛලීය ස්වයංක්‍රීය යන්ත්‍ර (cellular automata) ආකාරයේ ක්‍රියාකාරිත්වයට සුදුසු වේ. නීති පැහැදිලි, දේශීය හා නිරන්තරයෙන් එක ලෙස යොදන විට, ඒජන්තයන්ට ස්වාධීනව ක්‍රියා කළ හැකිය - Conway's Game of Life හි සෛලවලට ග්ලයිඩර් සහ දෝලක බිහි කිරීමට මධ්‍යම පාලකයෙකු අවශ්‍ය නොවන්නාක් මෙනි.

යන්ත්‍රයට කියවිය හැකි බවේ අත්‍යවශ්‍යතාව

Storybook MCP (Model Context Protocol) මුලපිරීම මෙම දිශාවට ඇති තීරණාත්මක පරිණාමයක් නියෝජනය කරයි. 2025 අග භාගයේ නිවේදනය කරන ලද Storybook MCP, දැනට පවතින Storybook සැකසුම්වල සිට AI කේතකරණ ඒජන්තයන්ට යන්ත්‍රයට කියවිය හැකි සංරචක පාර-දත්ත ලබා දෙයි.

මූලික අවබෝධය නම්, ඒජන්තයන්ට අවශ්‍ය අමු කේතය හෝ දෘශ්‍ය ලේඛන නොවන බවයි. ඔවුන්ට අවශ්‍ය වන්නේ:

• සංරචක මැනිෆෙස්ට්: සෑම සංරචකයක් ගැනම ව්‍යුහගත පාර-දත්ත - එහි props, variants, සැලසුම් ටෝකන බන්ධන සහ භාවිත උදාහරණ
• අර්ථවත් නාමකරණය: අගයන් පමණක් නොව, ඒජන්තයන්ට අරුත ද ගෙන එන අභිප්‍රාය පිරුණු ටෝකන, උදාහරණයක් ලෙස action.primary.confirm
• වලංගුකරණ ලූප: පරීක්ෂණ ධාවනය කිරීමට, අසාර්ථක වීම් දැකීමට සහ ස්වයං-නිවැරදි කිරීමට ඇති හැකියාව

"Storybook MCP මගින් ඒජන්තයන්ට ඔබේ රටා අනුගමනය කර ඔබේ පරීක්ෂණ සමත් වීමට උදව් වේ. එය ඔවුන්ට කිසි දිනෙක නොතිබූ දේවල් දෙකක් ලබා දෙයි: යන්ත්‍රයට කියවිය හැකි සංරචක පාර-දත්ත සහ වැරදි ස්වයං-සුවපත් කරගැනීමට පුනරාවර්තන ලූපයක්."

- Storybook කණ්ඩායම

Storybook MCP හි ස්වයංක්‍රීය නිවැරදි කිරීමේ ලූපයක් අන්තර්ගත වේ. එමගින් ඒජන්තයන්ට ඔබේ සංරචක පරීක්ෂණ (අන්තර්ක්‍රියා සහ ප්‍රවේශ්‍යතා) ධාවනය කර, අසාර්ථක වන දේ දැක, තමන්ගේම දෝෂ නිවැරදි කරගත හැකිය. පරීක්ෂණ සමත් වූ පසුව පමණක් සංවර්ධකයෙකුට මැදිහත් වීමට සිදු වේ. තවත් prompt බලා සිටීමක් නැත.

මෙය හරියටම සැලසුමට යොදන ලද සෛලීය ස්වයංක්‍රීය යන්ත්‍රයක ගෘහ නිර්මාණයයි: දේශීය නීති (සංරචක පිරිවිතර), අසල්වැසි අන්තර්ක්‍රියා (සංයෝජන රටා) සහ පුනරාවර්තන යාවත්කාලීන (වලංගුකරණය සහ ස්වයං-නිවැරදි කිරීම).

ජීනෝමයක් ලෙස මගේ සංරචක මැනිෆෙස්ට්

සංරචක මැනිෆෙස්ට් ක්‍රියා කරන ආකාරය සලකා බලන විට Langton's Loops සමඟ ඇති සැසඳීම තවත් වඩාත් ගැළපෙයි. Langton ගේ පද්ධතියේ, සංසරණය වන සෛලවල කේතනය වූ "ජීනෝමය" අලුත් ලූපයක් ගොඩනැගීමේ උපදෙස් රැගෙන සිටී. යන්ත්‍රයට කියවිය හැකි සැලසුම් පද්ධතියක, සංරචක මැනිෆෙස්ට් එක අතුරුමුහුණත් එකලස් කිරීමේ උපදෙස් රැගෙන සිටී.

සංරචක මැනිෆෙස්ට් එකක් මෙසේ සඳහන් කළ හැකිය:

{
  "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" }
  ]
}

මෙම මැනිෆෙස්ටය එකවර නිර්මාණ පිරිවිතරයක් මෙන්ම ක්‍රියාත්මක කළ හැකි කේතයක් ද වේ. නිවැරදිව කිවහොත්, ක්‍රියාත්මක කේතය උත්පාදනය කළ හැකි උපදෙස් සමූහයකි. මෙම මැනිෆෙස්ටය භාවිතා කරන ඒජන්ට්ට සෞන්දර්යය හෝ පරිශීලක අත්දැකීම මිනිසෙකු තේරුම් ගන්නා ආකාරයෙන් තේරුම් ගැනීම අවශ්‍ය නැත. එයට අවශ්‍ය වන්නේ නීති පිළිපැදීම, මූලද්‍රව්‍ය ඒවායේ සීමාවන්ට අනුව ඒකාබද්ධ කිරීම සහ වලංගු ප්‍රතිදාන නිපදවීමයි.

yaml ආකෘතියක් භාවිතා කිරීමේ කාරණයේදී මම Brad Frost සමඟ එකඟ වෙමි.

Drupal Components yaml ආකෘතිය භාවිතා කරයි. මෙවැනි දෙයක්

$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

නිර්මාණය වන්නේ කේතයමයි.

• Variants (විචල්‍ය)
• Tokens (ටෝකන)
• Props (ගුණාංග)

• Constraints (සීමාවන්) (අපට components වලට එක් කළ හැක)

• Slots නීති (වෙනත් slots තුළ තැබිය හැක්කේ කුමක්ද, නැතහොත් මගේ slot එකේ තැබීමට අවසර ඇත්තේ කුමක්ද)

• නීති

• උදාහරණ 

• සජීවීකරණ (Animations)  ( භාවිතා කිරීමට අවසර ඇති හෝ මග පෙන්වා ඇති )

ඉන්පසු හැසිරීම නරඹා අත්හදා බලන්න.

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

පාරිසරික විචල්‍ය ලෙස Design Tokens

Design tokens යනු ප්‍රහේලිකාවේ තවත් තීරණාත්මක කොටසකි. සෛලීය ස්වයංක්‍රීය යන්ත්‍රවල (cellular automata) සෛල ප්‍රතිචාර දක්වන්නේ තම ආසන්න පරිසරයටයි, එනම් අසල්වැසි සෛලවල තත්ත්වයන්ටයි. නිර්මාණ පද්ධතිවල (design systems) සංරචක ප්‍රතිචාර දක්වන්නේ design tokens වලටයි, එනම් ඒවායේ පෙනුම සහ හැසිරීම තීරණය කරන සන්දර්භගත අගයන්ටයි.

නූතන token ගෘහ නිර්මාණ ස්ථර කිහිපයක් භාවිතා කරයි:

• Core tokens: අමු අගයන්, උදාහරණයක් ලෙස color.blue.500: #3B82F6
• Semantic tokens: අරමුණ මත පදනම් වූ යොමු, උදාහරණයක් ලෙස color.action.primary: color.blue.500
• Component tokens: විශේෂිත පරිශීලනයන්, උදාහරණයක් ලෙස button.background.primary: color.action.primary

ඒජන්ට් කෙනෙක් Button සංරචකයක් උත්පාදනය කරන විට, "primary" යන්නෙන් අදහස් වන්නේ නිල් පාට බව දැන ගැනීම ඔහුට අවශ්‍ය නැත. ඔහුට අවශ්‍ය වන්නේ button.background.primary යන්න යොමු කිරීම සහ token පද්ධතිය නිවැරදි අගයට විසඳනු ඇතැයි විශ්වාස කිරීම පමණි. තොරතුරු අඩංගු වන්නේ පරිසරයේ (token ස්ථරයේ) ය; සංරචකය (සෛලය) කළ යුත්තේ ඊට ප්‍රතිචාර දැක්වීම පමණි.

මෙවැනි මෙවලම් Tokens Studio design tokens ගණනය කිරීමේ ප්‍රස්තාර (computational graphs) ලෙස සලකන්නට පරිණාමය වී ඇත. සන්දර්භය අනුව භාවිතා කළ යුතු මූලික tokens මොනවාද යන්න පිළිබඳ semantic තීරණ ගන්නා resolvers නෝඩ් ඒවායේ ඇත. මෙය design tokens ස්ථිතික අගයන්ගෙන් ගතික, නීති මත පදනම් වූ පද්ධති බවට පරිවර්තනය කරයි.

Drupal පරිසර පද්ධතිය සහ AI ඒකාබද්ධ කිරීම

AI ඒකාබද්ධ කිරීම අන්තර්ගත කළමනාකරණ පද්ධති (CMS) වලට "නිර්මාණය යනු කේතයමයි" යන මූලධර්ම ගවේෂණය කිරීමට පරිපූර්ණ විද්‍යාගාරයකි. Drupal වැනි CMS දැනටමත් මූලික සංකල්ප මූර්තිමත් කරයි: ව්‍යුහගත අන්තර්ගත වර්ග, ක්ෂේත්‍ර අර්ථ දැක්වීම්, සබඳතා සහ සංයෝජන නීති.

මෙවැනි දෙයක් අපට කියන්නට පුළුවන් වේ යැයි මම කිසි දිනෙක නොසිතුවෙමි. මට නම් මෙය කලාවේ උච්චතම තත්ත්වයක් විය.

 අපට තිබිය හැකි අන්තිම පරිගණක සැකසුම. අනාගත Star Trek එකෙන් පැමිණි වගේ සමහර සංවර්ධකයන්, තමන් වෙනුවෙන් ක්‍රමලේඛනය කරන්නැයි පරිගණකයට කතා කරමින් සිටිති.

Agent Experience (AX) සහ නව පරිශීලකයා

යන්ත්‍ර සඳහා නිර්මාණය කිරීම

2025 මුල් භාගයේදී Netlify හි ප්‍රධාන විධායක නිලධාරි Mathias Biilmann "Agent Experience" (AX) යන සංකල්පය හඳුන්වා දුන්නේය. එය AI ඒජන්ට්ලා නිෂ්පාදන සහ වේදිකා සමඟ අන්තර්ක්‍රියා කරන ආකාරය කේන්ද්‍ර කරගත් නව විනයකි.

මෙය මූලික වෙනසකි. දශක ගණනාවක් තිස්සේ UX (පරිශීලක අත්දැකීම) ප්‍රශස්ත කළේ මානව සංජානනය, දැනීම සහ හැසිරීම සඳහාය. DX (සංවර්ධක අත්දැකීම) ප්‍රශස්ත කළේ මෘදුකාංග ගොඩනගන මානව සංවර්ධකයන් සඳහාය. AX හඳුනාගන්නේ ඩිජිටල් පද්ධතිවල ප්‍රධාන පරිශීලකයන් බවට ඒජන්ට්ලා පත්වෙමින් සිටින බවයි. ඔවුන්ට සම්පූර්ණයෙන්ම වෙනස් අවශ්‍යතා ඇත:

• ඔවුන් දෘශ්‍ය සෞන්දර්යය ගැන තකන්නේ නැත-ඔවුන්ට අවශ්‍ය ව්‍යුහගත, විග්‍රහ කළ හැකි දත්ත පමණි
• ඔවුන් අතුරු මුහුණත් හරහා සැරිසරන්නේ නැත-ඔවුන් API කැඳවා manifests පරිභෝජනය කරයි
• ඔවුන් ලේඛන කියවන්නේ මිනිසුන් මෙන් නොවේ-ඔවුන්ට අවශ්‍ය යන්ත්‍රයකට කියවිය හැකි සන්දර්භයයි
• ඔවුන් ආත්මීය විනිශ්චයන් ගන්නේ නැත-ඔවුන් නීති සහ සීමාවන් අනුගමනය කරයි

"AI ඒජන්තයෝ මිනිසුන් නොවෙයි: බොත්තමක ප්‍රමාණය, අකුරු කියවීමේ පහසුව, ඔබේ වෙබ් අඩවියේ ලස්සන වර්ණ සංයෝජනය, හෝ ඔබේ යෙදුමේ දිලිසෙන ඇනිමේෂන් ගැන ඔවුන්ට කිසිම තැකීමක් නැහැ. එහෙනම් AI ඒජන්තයෝ 'තැකීමට ගන්නේ' මොනවාද? අද දවසේ මේ ප්‍රශ්නයට නිශ්චිත පිළිතුරක් නැතත්, ඉදිරි වසරවලදී එය වඩ වඩාත් වැදගත් වනු ඇත."

- AX පර්යේෂණ

පිළිතුර: පැහැදිලි නීති, අනුමාන කළ හැකි හැසිරීම්, හොඳින් සැකසූ දත්ත, සහ ඔවුන්ගේ ක්‍රියා තහවුරු කර නිවැරදි කරගැනීමට ඉඩ සලසන ප්‍රතිපෝෂණ චක්‍ර.

ද්විත්ව අතුරුමුහුණත් අභියෝගය

AX සඳහා නිර්මාණය කිරීම යනු අතුරුමුහුණත් දෙකක් එකවර ගොඩනැගීමයි:

1. මිනිසා-ඒජන්තයා අතුරුමුහුණත: මිනිසුන් ඒජන්තයාගේ හැසිරීම අධීක්ෂණය කරන, අනුමත කරන, සංස්කරණය කරන සහ මඟ පෙන්වන "මෙහෙයුම් පාලන" ස්ථරය. මේ ගැන සිතන්න ෆෝම් සහ බොත්තම් ලෙස නොව, උපකරණ පුවරු (dashboards) සහ අනුමත කිරීමේ පෝලිම් ලෙසයි.
2. ඒජන්තයා-පද්ධතිය අතුරුමුහුණත: ඒජන්තයෝ API, දත්ත සමුදාය සහ මෙවලම් සමඟ ක්‍රියා කරන "මෙහෙයුම්" ස්ථරය. එය ශක්තිමත්ව, හොඳින් ලේඛනගතව, යන්ත්‍ර කාර්යක්ෂමතාවට ගැළපෙන සේ සැකසිය යුතුයි.

මෙය සෛලීය ස්වයංක්‍රීය යන්ත්‍ර (cellular automata) වල ව්‍යුහයට සමානයි; එහි වෙනස් දෘෂ්ටිකෝණ දෙකක් එකවර පවතී:

• දේශීය දෘෂ්ටිකෝණය: සෑම සෛලයක්ම (ඒජන්තයෙක්ම) තම ආසන්නතම අසල්වැසියන් මත පදනම්ව සරල නීති අනුගමනය කරයි
• ගෝලීය දෘෂ්ටිකෝණය: විශාල පරිමාණයෙන් පමණක් දැකිය හැකි සංකීර්ණ රටා මතු වේ

"ඒජන්ත අත්දැකීම් නිර්මාණය (AX) මඟින් ඒජන්තයන්ට පහසුවෙන් භාවිත කළ හැකි වීමත්, ඒජන්තයන් විසින් භාවිත කරන දේවල් පහසු වීමත් සිදු විය යුතුයි. ඒ නිසා හොඳ AX හොඳ පරිශීලක අත්දැකීමකට (UX) මඟ පාදයි. AI ඒජන්තයා කැඩුණු ක්‍රියාවලියක්, ප්‍රොටෝකෝලයක්, නැතහොත් පද්ධති අතර නොගැළපෙන වචන භාවිතයක් හමුවුවහොත්, ඔහුට එම කාර්යය කළ නොහැක. එය ඒජන්තයාට නරක අත්දැකීමක් වන අතර, අවසානයේ පාරිභෝගිකයාට හෝ සේවකයාට නරක අත්දැකීමකට හේතු වේ."

- කැට් හෝම්ස් (Kat Holmes), ප්‍රධාන අත්දැකීම් නිලධාරී, Salesforce

UX සිට AX දක්වා: ඩිජිටල් නිර්මාණයේ පරිණාමය

ස්ටිග්මර්ජි සහ වක්‍ර සන්නිවේදනය

සමූහ බුද්ධියේ (swarm intelligence) ඇති බලවත්ම සංකල්පයක් වන්නේ ස්ටිග්මර්ජි (stigmergy) යන්නයි - පරිසරයේ ඉතිරි වූ සලකුණු හරහා සිදුවන වක්‍ර සම්බන්ධීකරණය. කුහුඹුවන් ආහාර ඇති තැන් ගැන එකිනෙකාට කෙලින්ම පණිවිඩ නොදෙයි; ඒ වෙනුවට අනෙක් කුහුඹුවන් අනුගමනය කරන ෆෙරොමෝන මාර්ග ඉතිරි කරයි. පරිසරයම සන්නිවේදන මාධ්‍යයක් බවට පත් වේ.

ඒජන්ත-මූලික නිර්මාණ පද්ධතිවල ස්ටිග්මර්ජි මෙසේ ප්‍රකාශ වේ:

• හවුල් සංරචක පුස්තකාල: ඒජන්තයෝ කුමන සංරචක තිබේදැයි සහ ඒවා භාවිත කර ඇත්තේ කෙසේදැයි "දකිති"
• නිර්මාණ ටෝකන (Design tokens): නිර්මාණ තීරණ පාරිසරික කරුණු ලෙස කේතනය කරන අර්ථවත් අගයන්
• රටා ලේඛනගත කිරීම: අනාගත ඒජන්තයන්ට ෆෙරොමෝන මාර්ග ලෙස සේවය කරන භාවිත උදාහරණ
• පරීක්ෂණ කට්ටල: වලංගු ප්‍රතිදානවල අවකාශය සීමා කරන වලංගුකරණ නීති
• Git ඉතිහාසය: ඒජන්තයන්ට යොමු විය හැකි අතීත තීරණවල වාර්තාවක්

ඒජන්තයෙක් සංරචකයක් භාවිතයෙන් UI එකක් නිර්මාණය කරන විට, ඔහු සලකුණු ඉතිරි කරයි - කේත ගබඩාවේ, ලේඛනවල, ඔහු ස්ථාපිත කරන රටාවල. සමාන කාර්යයන් හමුවන අනාගත ඒජන්තයන් මේ සලකුණුවලින් බලපෑමට ලක් වන අතර, කිසිදු තනි ඒජන්තයෙකුට නැති සාමූහික බුද්ධියක් එයින් හටගනී.

ඒජන්ත-මූලික නිර්මාණ රටා

ඇන්ඩ්රෲ න්ග් (Andrew Ng) සහ අනෙක් අය ඒජන්ත-මූලික AI පද්ධති සඳහා ප්‍රධාන රටා හතරක් හඳුනාගෙන ඇත:

1. ප්‍රතිබිම්බනය (Reflection): AI එක තමන්ගේම ප්‍රතිදානය ඇගයීමට ලක් කර, එය නැවත නැවතත් වැඩි දියුණු කරයි
2. මෙවලම් භාවිතය (Tool Use): AI එක බාහිර මෙවලම්, API සහ පද්ධති සමඟ ක්‍රියා කරයි
3. සැලසුම් කිරීම (Planning):AI එක සංකීර්ණ කාර්යයන් උප කාර්යයන් බවට කඩා, ඒවා එකින් එක අනුපිළිවෙලට ක්‍රියාත්මක කරයි
4. බහු-ඒජන්ට්: විශේෂිත ඒජන්ට් කිහිපයක් සංකීර්ණ කාර්යයන් සඳහා එකට කටයුතු කරයි

මෙම රටා සෛලීය ස්වයංක්‍රියාකරණ (cellular automata) සංකල්පවලට කෙළින්ම ගැළපේ:

සැලසුම ම කේතයයි: ගැඹුරු කියවීමක්

"සැලසුම ම කේතයයි" යන්නෙන් සැබවින්ම අදහස් වන්නේ කුමක්ද

"සැලසුම ම කේතයයි" යැයි අපි කියන විට, එකවර ප්‍රකාශ කිහිපයක් කරන්නෙමු:

1. අර්ථ සමානතාව

නිසි ලෙස කේතනය කළ විට, සැලසුම් තීරණ ක්‍රියාත්මක කළ හැකි දේවල් බවට පත්වේ. ඩිසයින් ටෝකනයක් (design token) යනු හුදෙක් අගයක් නොවේ - එය උපදෙසකි. සංරචක පිරිවිතරයක් යනු හුදෙක් ලේඛනයක් නොවේ - එය වැඩසටහනකි. ඒජන්ට්වරු මෙම නිර්මාණ භාවිතා කරන විට, ඔවුන් සැලසුම ක්‍රියාත්මක කරන්නේ එය ගොඩනඟන තරමටම ම ය.

2. උත්පාදන ධාරිතාව

රීති 110 (Rule 110) ට ගණනය කළ හැකි ඕනෑම දෙයක් ගණනය කළ හැකි සේම, ප්‍රමාණවත් තරම් සම්පූර්ණ සැලසුම් පද්ධතියකට ඕනෑම වලංගු අතුරුමුහුණතක් උත්පාදනය කළ හැකිය. පද්ධතිය තුළ එහි සියලු වලංගු ප්‍රකාශනවල විභවය අන්තර්ගතය. ඉන් මතුවන්නේ කුමක්ද යන්න රඳා පවතින්නේ ආරම්භක කොන්දේසි (අවශ්‍යතා) සහ රීති (සීමා) මත පමණි.

3. මතුවන සංකීර්ණත්වය

වඩාත්ම දියුණු අතුරුමුහුණත් නිර්මාණය වන්නේ ඉහළ සිට පහළට සැලසුම් කිරීමෙන් නොවේ; ඒවා මතුවන්නේ සරල රීති ස්ථාවරව යෙදීමෙනි. හොඳින් සැලසුම් කළ බොත්තමක් ස්ථාවරව භාවිතා කළ විට, එම සහසම්බන්ධය කිසිවෙකු පැහැදිලිව සැලසුම් නොකළත් සහසම්බන්ධ දෘශ්‍ය භාෂාවක් බිහි කරයි.

4. ගණනයෙන් අඩු කළ නොහැකි බව

සමහර සැලසුම් ප්‍රතිඵල පද්ධතිය සැබවින්ම ක්‍රියාත්මක නොකර අනාවැකි කිව නොහැක. ඒජන්ට් කෙනෙකු එකලස් කරන අතුරුමුහුණතක් කෙබඳු වේදැයි දැනගත හැක්කේ ඒජන්ට්ට එය එකලස් කිරීමට ඉඩ දීමෙන් පමණි. මෙය සැලසුමට යොදන වොල්ෆ්රම්ගේ (Wolfram) ගණනයෙන් අඩු කළ නොහැකි බව පිළිබඳ මූලධර්මයයි.

5. ස්වයං-වෙනස් කිරීම

ප්‍රතිවර්තනයේදී විකෘති වන evoloops මෙන්ම, ඒජන්ට්-සූදානම් සැලසුම් පද්ධතිද භාවිතය තුළින් පරිණාමය විය හැකිය. ඒජන්ට්වරුන් උත්පාදනය කරන සංරචක අනාගත ඒජන්ට්වරුන් භාවිතා කරන පුස්තකාලයේ කොටසක් බවට පත්වේ. පද්ධතිය ඉගෙන ගනී, අනුවර්තනය වේ, වර්ධනය වේ.

සෛලීය ස්වයංක්‍රියාකරණ රූපකය දීර්ඝ කිරීම

රූපකයෙන් ඔබ්බට: සැබෑ අභිසරණය

නමුත් මෙය හුදු රූපකයක් නොවේ. මෙම අභිසරණය සැබෑවක් වන අතර දැන් සිදුවෙමින් පවතී:

• Storybook MCP සංරචක පුස්තකාල, ඒජන්ට්වරුන්ට ක්‍රියාත්මක කළ හැකි යන්ත්‍ර-කියවිය හැකි උපදෙස් බවට පරිවර්තනය කරයි
• Model Context Protocol ඒජන්ට්වරුන් මෙවලම් සහ සන්දර්භය වෙත ප්‍රවේශ වන ආකාරය සම්මත කරයි - ඒජන්ටික් මෙහෙයුම් සඳහා විශ්වීය පාදමක් නිර්මාණය කරයි
• බහු-ඒජන්ට් ගෘහනිර්මාණ වෙන් වූ කාර්යයන් සහිත සෛල මෙන්, ප්‍රොටෝකෝල අනුව අන්තර්ක්‍රියා කරන විශේෂිත ඒජන්ට්වරුන් (ගෘහනිර්මාණ ශිල්පියා, කේතකරු, සමාලෝචකයා) අතර වැඩ බෙදා දෙයි
• ස්වයං-සුවපත් වන ලූප නියෝජිතයන්ට (agents) පරීක්ෂණ ධාවනය කිරීමට, දෝෂ හඳුනාගැනීමට සහ නැවත නැවත යහපත් කරගැනීමට ඉඩ සලසයි. සෛලීය ස්වයංක්‍රියයන් (cellular automata) ස්ථායී ව්‍යුහයන් බවට පරිණාමය වීමට භාවිත කරන ප්‍රතිපෝෂණ යාන්ත්‍රණයම මෙයයි
• Schema.org Blueprints අන්තර්ගත ව්‍යුහයන් යන්ත්‍රවලට කියවිය හැකි, අර්ථාන්විත ඒවා බවට පත් කරයි
• Drupal AI AI නියෝජිතයන්ට ස්වයංක්‍රීයව අන්තර්ගතය නිර්මාණය කිරීමට, වෙනස් කිරීමට සහ කළමනාකරණය කිරීමට අවශ්‍ය යටිතල පහසුකම සපයයි

අපි "සැලසුමම කේතයයි" යන්න දාර්ශනික ස්ථාවරයක් ලෙස නොවේ බලන්නේ. අපි එය ගොඩනඟන්නේ තාක්ෂණික යටිතල පහසුකමක් ලෙසයි.

ඇඟවුම් සහ ඉදිරි මග

නිර්මාණකරුවන් සඳහා

නිර්මාණකරුවාගේ භූමිකාව "සෘජුකෝණාස්‍ර අඳින්නා" සිට "නීති නිර්වචනය කරන්නා" දක්වා පරිවර්තනය වෙමින් පවතී. Brad Frost නිරීක්ෂණය කළ පරිදි:

"තමන්ගේ රැකියාව සෘජුකෝණාස්‍ර අඳින එක කියලා හිතන නිර්මාණකරුවන්ට සහ සංවර්ධකයන්ට කනස්සල්ලට හේතු ගොඩක් තියෙනවා. ඒත් තමන්ගේ රැකියාව ගැටලු විසඳීම කියලා හිතන අය - ඒ ගැටලු විසඳන්න අහඹුවෙන් සෘජුකෝණාස්‍ර කීපයක් අඳින්න හෝ හසුරුවන්න සිදු වුණත් - බිය විය යුත්තේ අඩුවෙන්."

- Brad Frost

නියෝජිත (agentic) අනාගතයේ දී නිර්මාණකරුවන්:

• අර්ථාන්විත ටෝකන (semantic tokens) සහ ඒවා අතර සම්බන්ධතා නිර්වචනය කරනු ඇත
• සංයුක්ත කිරීමේ සීමා සහ රටා ස්ථාපනය කරනු ඇත
• නියෝජිතයන් සපුරාලිය යුතු වලංගුකරණ නීති නිර්මාණය කරනු ඇත
• නැගී ඒම (emergence) පාලනය කරන නීති තෝරා ගනිමින් ඒවා පරිණාමය කරනු ඇත
• ස්වයං-නිවැරදි කිරීමට ඉඩ සලසන ප්‍රතිපෝෂණ යාන්ත්‍රණ සැලසුම් කරනු ඇත
• පිළිගත හැකි ප්‍රතිදාන මොනවාදැයි තීරණය කරන "යෝග්‍යතා ශ්‍රිත" (fitness functions) හැඩගස්වනු ඇත

මෙය ඉහළ වියුක්ත මට්ටමක සිදු කරන සැලසුම් කිරීමකි. සැලසුම් වෙනුවට සැලසුම් බිහි කරන නීති සැලසුම් කිරීමයි. සෛලීය ස්වයංක්‍රියයක නීති නිර්වචනය කරනවා මිස සෛල එකින් එක ඇඳීම නොවේ වගේ.

සංවර්ධකයන් සඳහා

සංවර්ධකයෝ නියෝජිත පද්ධතිවල ගෘහනිර්මාණ ශිල්පීන් බවට පත් වෙති. Anthropic විස්තර කරන පරිදි:

"මෘදුකාංග සංවර්ධන ක්ෂේත්‍රය LLM විශේෂාංග සඳහා විශිෂ්ට විභවයක් පෙන්නුම් කර ඇත. කේත සම්පූර්ණ කිරීමේ සිට ස්වයංක්‍රීය ගැටලු විසඳීම දක්වා හැකියාවන් පරිණාමය වී තිබේ."

සංවර්ධකයන්ට අවශ්‍ය වන්නේ:

• නියෝජිතයන් සහ පද්ධති අතර යන්ත්‍රවලට කියවිය හැකි අතුරුමුහුණත් නිර්මාණය කිරීමයි
• ප්‍රතිපෝෂණ චක්‍ර සහ වලංගුකරණ යාන්ත්‍රණ සැලසුම් කිරීමයි
• නැගී එන හැසිරීම සිදු වන රාමුව (scaffolding) ගොඩනැගීමයි
• අවසන් විනිශ්චයකාරයා ලෙස මානව අධීක්ෂණය පවත්වාගෙන යාමයි
• නියෝජිතයන් එකිනෙකා සමඟ සන්නිවේදනය කරන ප්‍රොටොකෝල නිර්වචනය කිරීමයි
• විවිධ නියෝජිත පද්ධති සම්බන්ධ කරන "සම්බන්ධක කේතය" (glue code) ක්‍රියාත්මක කිරීමයි

වෙබ් සංවර්ධනය සහ CMS වේදිකා සඳහා

Drupal වැනි වේදිකාවලට AI ඒකාබද්ධ කිරීම ගමන් කරන්නේ මෙවැනි අනාගතයකටයි:

• අන්තර්ගත ආකෘති නියෝජිතයන්ට පරිභෝජනය කළ හැකි ඒවා වේ Schema.org වැනි සම්මත හරහා
• කතුවැකි වැඩ ප්‍රවාහ නියෝජිත-සහාය ලත් ඒවා වේ AI බලැති කෙටුම්පත් සැකසීම, මධ්‍යස්ථකරණය සහ ප්‍රශස්තකරණය සමඟ
• සෙවීම පරිණාමය වේ මූලපද ගැළපීමේ සිට embeddings සහ දෛශික දත්ත ගබඩා (vector databases) හරහා අර්ථ අවබෝධය දක්වා
• පුද්ගලීකරණය ස්වයංක්‍රීය වේ නියෝජිතයන් පරිශීලක කැමැත්ත ඉගෙන ගනිමින් අන්තර්ගතය තත්‍ය කාලීනව අනුවර්තනය කරයි
• සංවර්ධනය වේගවත් වේ නියෝජිතයන් සංරචක, පරීක්ෂණ සහ ලේඛන ජනනය කරන විට

Drupal AI, Drupal Canvas, Schema.org Blueprints සහ AI සපයන්නන් ඒකාබද්ධ කිරීම වැනි මොඩියුල හරහා Drupal පරිසර පද්ධතිය AI වැලඳගැනීම පෙන්නුම් කරන්නේ, මේ අනාගතය දැනටමත් ගොඩනැඟෙමින් පවතින බවයි.

ආයතන සඳහා

තරඟකාරී වාසිය හිමි වන්නේ සැලසුම් පද්ධති වඩාත්ම "නියෝජිත-සූදානම්" (agent-ready) ආයතනවලටයි. නියෝජිත-සූදානම් පද්ධතිවල ලක්ෂණ:

• සංරචක තත්ත්ව සහ ප්‍රභේද පිළිබඳ සම්පූර්ණ ආවරණය
• අභිප්‍රාය ප්‍රකාශ කරන අර්ථාන්විත නම් තැබීම
• යන්ත්‍රවලට කියවිය හැකි ලේඛන සහ සන්දර්භය
• වලංගුකරණ සහ පරීක්ෂණ යටිතල පහසුකම්
• වලංගු ප්‍රතිදානවල පරාසය සීමා කරන පැහැදිලි බාධක
• නියෝජිත පරිභෝජනය සඳහා සැලසුම් කළ API (AX-first)
• Schema.org-පළමු අන්තර්ගත ගෘහනිර්මාණ

අනාගත ඩිජිටල් නිෂ්පාදන සඳහා

අවසන් තත්ත්වය ඩිජිටල් පරිසර පද්ධතියකට සමානයි: පළාත්බද නීති අනුව ක්‍රියා කරන අසංඛ්‍යාත නියෝජිතයන් (agents), කිසිවෙක් තනි නිර්මාණකරුවෙකු හෝ සංවර්ධකයෙකු විසින් සැලසුම් නොකළ නැගී එන අතුරුමුහුණත් නිර්මාණය කරති. එහෙත් යටින් පවතින නීති නිවැරදි නිසා ඒවා කෙසේ හෝ එකිනෙකට ගැළපී සමගාමීව පවතී.

මෙය ඇසෙන තරම් අවිශ්වසනීය දෙයක් නොවෙයි. ජීව විද්‍යාත්මක පද්ධති ක්‍රියා කරන්නේත්, නගර වර්ධනය වන්නේත්, වෙළඳපොළ ක්‍රියාත්මක වන්නේත් හරියටම මෙලෙසයි. ප්‍රශ්නය වන්නේ අපි මේ තත්ත්වයට පැමිණෙනවාද යන්න නොවේ; ඒ සංක්‍රාන්තිය අපි කෙසේ පාලනය කරගන්නාද යන්නයි.

නිගමනය: කේතය ජීවමානයි

සෛලීය ස්වයංක්‍රීය යන්ත්‍ර (cellular automata) සොයාගත් බහුශ්‍රැත ජෝන් වොන් නොයිමන් (John von Neumann) පෙළඹී සිටියේ මූලික ප්‍රශ්නයකිනි: ස්වයං-ප්‍රජනනයට අවශ්‍ය අවම සංකීර්ණත්වය කුමක්ද? ඔහුගේ පිළිතුර වූ වොන් නොයිමන් සර්වත්‍ර ඉදිකරන්නා (universal constructor) පෙන්වා දුන්නේ ස්වයං-ප්‍රතිවර්තනයට ජීව විද්‍යාත්මක යාන්ත්‍රණයක් අවශ්‍ය නොවන බවයි. අවශ්‍ය වන්නේ තමන්ගේම ක්‍රියාත්මක වීම කේතනය කරන නීති පමණි.

වසර හැත්තෑවකට පසු, සැලසුම් පද්ධතිවලටද මේ මූලධර්මයම අදාළ වන බව අපි සොයාගනිමින් සිටිමු. ස්වයංක්‍රීය UI උත්පාදනයට අවශ්‍ය අවම කොන්දේසිය කෘත්‍රිම සාමාන්‍ය බුද්ධිය හෝ මිනිස් මට්ටමේ නිර්මාණශීලිත්වය නොවේ. අවශ්‍ය වන්නේ නියෝජිතයන්ට ක්‍රියාත්මක කළ හැකි, සම්පූර්ණ, ස්ථාවර, යන්ත්‍රයට කියවිය හැකි නීති සමූහයකි.

ලැන්ග්ටන්ගේ ලූප් (Langton's Loops) සෛලීය දැලක් හරහා ප්‍රජනනය වන විට, ඒ ලූප් අලුත් ලූප් "සැලසුම්" කරනවා යැයි අපි නොකියමු. ප්‍රජනනය යනු නීති නිපදවන ප්‍රතිඵලය පමණි. එහෙත් ඉන් ලැබෙන ප්‍රතිඵලය, එනම් එකිනෙකට සමාන රටා වලින් යුත්, නිරන්තරයෙන් පුළුල් වන ජනපද, නිසැකවම උත්පාදනශීලීයි; යම් ක්‍රියාකාරී අර්ථයකින් නිර්මාණශීලීයි.

AI නියෝජිතයන් අර්ථකථන ටෝකන (semantic tokens) සහ සංයුක්ත සීමා පිළිපදිමින් සැලසුම් පද්ධති සංරචකවලින් අතුරුමුහුණත් එකලස් කරන විට, ඔවුන් කරන්නේත් මීට සමාන දෙයකි. මෙහි "නිර්මාණශීලිත්වය" ඇත්තේ නියෝජිතයන් තුළ නොව, ඔවුන් ක්‍රියාත්මක කරන නීති තුළය. ඒ නීති නිර්මාණය කළේ මිනිසුන් වුවත්, දැන් ඒවා ස්වයංක්‍රීයව ක්‍රියාත්මක වේ.

අපි ඩිජිටල් නිර්මාණයේ නව යුගයක එළිපත මත සිටිමු. නියෝජිතයෝ මෙහි සිටිති. ප්‍රොටෝකෝල හැඩගැසෙමින් පවතී. සැලසුම් පද්ධති කෘත්‍රිම ජීවයට පදනම් බවට පත්වෙමින් තිබේ.

සැලසුම යනු කේතයයි.
කේතය දැන් ජීවයට පණ ගනිමින් සිටී.

ප්‍රධාන ලිපි සහ ව්‍යාපෘති

• Design Systems in the Time of AI - බ්‍රෑඩ් ෆ්‍රොස්ට් (Brad Frost)
• Storybook MCP Sneak Peek - Storybook
• Introducing AX: Why Agent Experience Matters - මතියස් බිල්මන් (Mathias Biilmann)
• Building Effective Agents - Anthropic

Drupal AI Resources

• Drupal AI

• Schema.org Blueprints Module

   

සෛලීය ස්වයංක්‍රීය යන්ත්‍ර පිළිබඳ සම්පත්

• Conway's Game of Life Lexicon - රූප 1500ක පමණ
• A Working Turing Machine in Game of Life
• Langton's Loops - Wikipedia
• Rule Sets for Cellular Automata
• A New Kind of Science Online - ස්ටීවන් වුල්ෆ්‍රම් (Stephen Wolfram)
• Cellular Automata - Nature of Code

ගණනය කිරීමේ න්‍යාය, සැලසුම් පද්ධති, කෘත්‍රිම බුද්ධිය සහ වෙබ් සංවර්ධනය හමුවන තැනින් මතුවන අදහස් විමසා බැලීය.

 මෙහි ඉදිරිපත් කර ඇති අදහස් නැගී එන ප්‍රවණතා පිළිබඳ අනුමානාත්මක විමර්ශන මිස, නිශ්චිත අනාගතයන් පිළිබඳ පුරෝකථන නොවේ.

අපි AI නියෝජිතයන් (AI Agents) නිර්මාණය කරන බව මම දකිමි; ඔවුන් ලූපයක ක්‍රියා කරමින්, අමතර ලූප තුළ අනෙක් AI නියෝජිතයන් සමඟ අන්තර්ක්‍රියා කරයි.

සැලසුම යනු කේතයයි, පද්ධතිය තෝරාගත් කැන්වසයක් සහ නීති සමූහයක් තුළ ජීවිත කාලයක ලූපයක් මෙන් ලූපයක ක්‍රියාත්මක වන විට.