Kategoria: Systemy AI i Architektura Artykuł napisany przez AI Geek Programmer
Jaki problem rozwiązuje AI, gdy projekt blockchainu wygląda poprawnie na papierze, ale ukrywa słabe granice zaufania, niejasne wymagania lub kosztowne błędy?
To jest prawdziwe pytanie. AI może pomóc w przeglądzie architektury, ale nie może podjąć ostatecznej decyzji. W systemie blockchain ma to większe znaczenie niż w wielu innych systemach, ponieważ wybory projektowe mają tendencję do szybkiego usztywniania się.
Gdy ludzie mówią o AI w pracy programistycznej, często wyobrażają sobie uzupełnianie kodu lub znajdowanie błędów. Przegląd architektury to inna praca. Pyta ona, czy system ma sens, zanim kod stanie się skomplikowany i trudny do zmiany. Tam właśnie AI może pomóc, jeśli jest używana z ostrożnością.
Traktuję AI jako byrego recenzenta – sprytnego, ale dosłownego. Może on skanować poszukując brakujących elementów, niejasnych terminów i wzorców, które wydają się znane. Może jednak przeoczyć ludzki kontekst, który sprawia, że projekt jest bezpieczny lub niebezpieczny. To nie jest drobny błąd. W systemach blockchain kontekst to połowa bitwy.
Architektura blockchain ma dużo stałych wyborów. Kto może pisać do łańcucha? Kto może czytać? Co znajduje się poza łańcuchem? Co dzieje się, gdy dane się zmieniają? Co uważa się za ostateczne? To nie są kosmetyczne detale. Definiują one zaufanie, koszt i ryzyko.
AI jest przydatna, bo dobrze radzi sobie ze wskazywaniem niejednoznaczności. Jeśli wymaganie brzmi „Użytkownicy mogą odzyskiwać aktywa, gdy jest to potrzebne”, brzmi to jasno, dopóki ktoś nie zapyta, jak działa odzyskiwanie, kto je zatwierdza i jakie dowody są potrzebne. AI może przywrócić tę niejasną linię na pierwszy plan. Może poprosić o brakujący kształt reguły.
Ma to znaczenie, ponieważ niejasne wymagania stają się ukrytymi założeniami. Ukryte założenia stają się długiem projektowym. W systemach niezmienialnych dług ten staje się drogi. Zły wybór w zwykłej aplikacji można łatwiej poprawić później. Zły wybór w projekcie blockchaina może stać się trwałą częścią modelu zaufania.
Co AI potrafi przeglądać dobrze
AI najlepiej sprawdza się przy sprawdzaniu powierzchniowych i strukturalnych aspektów. Może przeczytać szkic projektu i zaznaczyć słowa, które nie mają wyraźnego właściciela. Może zauważyć, gdy system mówi „bezpieczny”, nie precyzując, przed jakim zagrożeniem ma chronić. Może zapytać, czy łańcuch musi w ogóle przechowywać dane, czy też te dane należą do systemu off-chain, a hash pozostaje on-chain.
Jest również przydatna do wykrywania niespójności. Projekt może obiecywać niski koszt, szybką rozliczalność i silną ostateczność jednym tchem. AI może wskazać, że te cele ciągną w różnych kierunkach. Nie rozwiązuje to problemu, ale czyni napięcie widocznym.
Kolejną siłą jest skala. Człowiek może zmęczyć się po trzecim dokumencie architektonicznym w ciągu dnia. AI nie męczy się w ten sam sposób. Może skanować wiele szkiców i stosować tę samą listę kontrolną za każdym razem. To nudna praca, a nuda często ujawnia słaby projekt.
Ale AI nie rozumie biznesu, zespołu ani polityki systemu w ludzkim sensie. Nie wie, dlaczego dana reguła istnieje, chyba że jest ona dokładnie opisana. Nie wie, jakiego kompromisu firma może tolerować. Widzi tylko tekst i wzorce.
Mały przykład
Weźmy prosty projekt blockchaina dla rejestru łańcucha dostaw. Szkic mówi: „Wszystkie aktualizacje przesyłek są zapisywane w łańcuchu, a menedżerowie mogą później poprawiać złe wpisy”.
Na pierwszy rzut oka brzmi to rozsądnie. Jest to także bałagan.
AI może szybko zaznaczyć pierwszy problem. Jeśli aktualizacje są on-chain, co oznacza „poprawianie później” w systemie niezmienialnym? Czy oznacza to dołączenie nowego rekordu? Czy oznacza uprzywilejowane nadpisane? Czy oznacza ukrycie oryginalnego rekordu, co obala sens działania łańcucha?
Może również wykryć problem zaufania. Jeśli menedżerowie mogą edytować historię, wtedy łańcuch nie jest już uczciwym księgowym. Staje się zarządzanym logiem z specjalnymi uprawnieniami. Może to nadal być ważny projekt, ale zespół musi to przyznać. Prawdziwym pytaniem nie jest to, czy system może to zrobić. Pytaniem jest to, czy ta władza w ogóle należy tam, gdzie została umieszczona.
Tu AI udowadnia swoją wartość. Może zmusić zespół do nazwania reguły zamiast machać ręką i omijać ją. Nie może jednak zdecydować reguły za nich. To zadanie należy do ludzi.
Dlaczego błędy architektoniczne są tak kosztowne
Błędy projektowe są niebezpieczne, bo się rozprzestrzeniają. Błąd w kodzie często żyje w jednym miejscu. Zły wybór architektoniczny może ukształtować każdą część systemu, która za nim nastąpi.
Blockchain pogarsza tę sytuację. Granice zaufania są centralne i mają tendencję do trwania. Jeśli system pozwoli niewłaściwemu aktorowi podpisać niewłaściwą rzecz, ten błąd może stać się częścią przepływu protokołu. Jeśli łańcuch przechowuje dane, które powinny pozostać off-chain, błąd może odbijać się echem przez problemy z prywatnością, kosztem i zgodnością przez długi czas.
Dlatego wczesny przegląd ma znaczenie. AI jest tu pomocna, ponieważ może ujawnić niepewność wcześnie, zanim projekt zostanie zamrożony w implementacji. Może zapytać: „Do czego służy to pole?” albo „Kto ma prawo zmienić ten stan?”. Te pytania brzmią prosto. To one oszczędzają czas później.
Myślę też, że AI najlepiej używać jako narzędzie do kwestionowania, a nie sędziego. Może generować pewne językowe brzmienie nawet wtedy, gdy rozumowanie jest cienkie. Ta pewność może oszukać ludzi szukających szybkiej zgody. Nie powinna tego robić. Wygładzona odpowiedź nie jest tym samym co poprawna.
Jaka pozostaje rola człowieka
Ludzie muszą rozwiązywać niejednoznaczność. To nie jest ceremoniał. To sedno pracy architektonicznej.
Gdy projekt ma niejasny zamiar, zespół musi go ustalić ze stronami zainteresowanymi, użytkownikami i recenzentami bezpieczeństwa. AI może pomóc wykryć lukę, ale nie może dostarczyć brakującego kontekstu. Nie zna kultury zespołu produktowego. Nie zna ryzyka prawnego. Nie wie, jaki kompromis jest akceptowalny w praktyce.
Dlatego ostateczne decyzje pozostają własnością ludzi. Nie dlatego, że ludzie są zawsze prawidowi. Nie są. Są odpowiedzialni. Można ich pociągnąć do odpowiedzialności za system, który trafi na rynek. AI nie może. Samo to zmienia granicę.
Więc właściwy schemat jest prosty. Używaj AI do przeglądu szkicu. Używaj jej do znajdowania niejasnego języka, przecieków zaufania i napięć projektowych. Następnie niech ludzie podejmą decyzję. To utrzymuje maszynę w roli, którą faktycznie może pełnić.
Dobry przegląd architektury staje się lepszy, gdy AI jest w pętli. Zły przegląd architektury staje się gorszy, jeśli ludzie traktują output AI jako autorytet. Narzędzie jest przydatne. Osąd musi wciąż pochodzić od inżynierów, którzy rozumieją system i będą żyć z jego rezultatem.
To jest lekcja, którą chcę zostawić stojącą na własnych nogach. AI może szybko ujawnić niepewność w architekturze blockchaina i w skali. Może też sprawić, że zły projekt będzie wyglądał czysto, jeśli nikt go nie zakwestionuje. Czytelnik, który rozumie tę różnicę, może teraz używać AI do inspekcji architektury, a nie do zlecenia jej na boku.
To jest rodzaj praktycznej pracy, którą chcę kontynuować tutaj, w The Model Log: jeden praktyczny koncept AI, jeden działający przykład i jedna szczera ocena tego, co naprawdę działa.
