La Pregunta Central
Hamming abrió el Capítulo 19 con una cita directa de la Conferencia de Simulación Informática del Verano de 1975:
> Como las decisiones importantes deben confiar en simulaciones, es esencial que se pruebe su validez, y que sus defensores puedan describir el nivel de representación auténtica que lograron.
Su formulación de la misma pregunta, más afilada:
> ¿Por qué alguien debería creer que la simulación es relevante?
No comiences una simulación hasta que hayas reflexionado seriamente sobre esta pregunta. A menudo hay presiones prácticas para comenzar a calcular de inmediato — tiempo, dinero, impulso organizacional. Esas presiones no cambian la pregunta.
La experiencia de Hamming: cuando planteaba preguntas sobre validez en simulaciones, las respuestas siempre citaban:
- Cuánta mano de obra se invirtió en el trabajo
- Qué tan grande y rápida era la computadora
- Qué tan importante era el problema
Ninguna de esas respuestas aborda la validez. Son argumentos sociales, no técnicos.
La historia del vuelo espacial: un director de simulación afirmó tener una confiabilidad del 99,44% para lanzamientos. Hamming presionó: ¿confiabilidad de qué? Después de ser acorralado, el director admitió que su cifra era confiabilidad de la simulación, no del vuelo real. Además admitió que el director de la NASA que aprobaba los lanzamientos no entendía la distinción — y él no había corregido ese malentendido.
La confusión entre confiabilidad de simulación y confiabilidad del sistema es uno de los errores más peligrosos en la práctica de la ingeniería.
Qué Requiere Realmente la Validación
Hamming reunió una lista de verificación para evaluar la confiabilidad de simulaciones. Cada pregunta debe responderse antes de que la salida de la simulación merezca peso en las decisiones:
1. ¿Respalda la teoría de fondo las leyes asumidas? Las simulaciones de física descansan en ecuaciones verificadas; las simulaciones económicas a menudo no.
2. ¿Podría faltar un efecto pequeño pero vital? El ejemplo del entrenador de pilotos: excelente para física conocida; peligroso si una aeronave nueva tiene interacciones aún no incorporadas.
3. ¿Son confiables los datos de entrada? La incertidumbre en los datos se propaga a través del cálculo. Sabe de dónde vinieron los datos.
4. ¿Es la simulación estable o inestable? Los campos de dirección inestables amplifican errores de entrada; los estables los amortiguan.
5. ¿Qué verificaciones cruzadas contra experiencia pasada conocida están disponibles?
6. ¿Se pueden producir verificaciones internas? Conservación de masa, energía, momento angular, u otros invariantes. Sin redundancia, no es posible detectar errores.
7. ¿Se transfieren con precisión las marcas en papel a la máquina? Los errores de programación persisten durante años en código en producción. Un lector de tarjetas automatizado que tradujera descripciones de reacciones en ecuaciones diferenciales — la solución de Hamming para la simulación de química atmosférica — reduce errores de transcripción sin depender de la vigilancia humana.
La Ley de Hamming sobre Economía
Las simulaciones de física descansan en leyes verificadas y expresadas matemáticamente. Las simulaciones de química requieren constantes de velocidad verificadas. Las simulaciones de biología requieren dinámica de poblaciones conocida.
Según la opinión de Hamming, la economía tiene una ley confiable: no puedes consumir lo que no se produce. Cada otra ley económica reclamada es o una tautología matemática o a veces es falsa.
La implicación para la simulación: cuando las leyes de fondo no se sostienen de manera confiable, toda la base de la simulación es sospechosa. Alta precisión en el cálculo no compensa por leyes no confiables en el modelo.
La respuesta de Hamming cuando se le pidió ejecutar simulaciones ecológicas: pidió reglas expresadas matemáticamente para cada interacción, con constantes numéricas, y datos reales para comparar contra las ejecuciones de prueba. Los solicitantes pronto encontraron a alguien más dispuesto a ejecutar 'simulaciones muy cuestionables que darían los resultados que querían.'
La regla de Hamming: mantén tu integridad. No permitas que se te use para la propaganda de otras personas. Rechaza simulaciones que están estructuralmente diseñadas para confirmar una conclusión.
La Paradoja de Simpson en Datos de Simulación
La historia de Berkeley de Hamming: más hombres que mujeres fueron aceptados en posgrados, lo que sugería discriminación. Ningún departamento individual mostró discriminación. La explicación: las mujeres solicitaron desproporcionadamente a departamentos con bajas tasas de aceptación; los hombres solicitaron desproporcionadamente a departamentos con altas tasas de aceptación. El estadístico agregado era real, y engañoso.
Esta es la Paradoja de Simpson: combinar datos puede crear efectos aparentes que no están presentes en ningún subgrupo. Las salidas de simulación que se agregan entre grupos, regiones o períodos de tiempo pueden exhibir la misma patología.
Simulaciones que Cambian lo que Modelan
Una clase especial de fallo de simulación: el sujeto altera el comportamiento en respuesta al modelo.
Ejemplo de mercado de valores: si una estrategia de negociación ampliamente conocida produce consistentemente retornos por encima del mercado, los participantes la adoptarán, y la competencia eliminará el retorno en exceso. El éxito del modelo destruye la validez del modelo.
Ejemplo médico: el experimento doble ciego existe porque los doctores que sabían cuáles pacientes recibieron tratamiento y cuáles recibieron placebo encontraron mejora donde la esperaban. El conocimiento de los doctores contaminó la observación.
Simulación para decisiones de alto riesgo — política económica, planificación militar, salud pública — enfrenta este problema cada vez que las salidas de la simulación son públicas o guían el comportamiento.
Muestreo & Precisión
El teorema de Nyquist establece una limitación fundamental en la simulación digital de sistemas continuos: necesitas al menos dos muestras por período de la frecuencia más alta presente en la señal.
En la práctica, notó Hamming, el muestreo de un solo lado y el aliasing impulsan el requisito a siete a diez muestras por período de la frecuencia más alta de interés.
Compensación de precisión: las computadoras analógicas (en la época de Hamming) lograban como máximo una precisión de una parte en 10,000 por componente. Las computadoras digitales pueden llevar precisión arbitraria. Pero la precisión digital requiere un muestreo adecuado — y para señales con contenido de alta frecuencia agudo, esa velocidad de muestreo impulsa el costo computacional.
Ventaja análoga: velocidad e integración física. Puedes conectar un componente físico directamente en el circuito analógico y medir su comportamiento sin necesidad de encontrar una descripción matemática del mismo. Para los diseños iniciales de misiles guiados, esto permitió desarrollar rápidamente una sensación del sistema antes de que existiera un modelo matemático completo.
Las máquinas analógicas utilizadas para el trabajo inicial de misiles derivaban de partes del director de cañón M9. Hamming construyó un analizador diferencial a partir de tal equipo. Tiempo de solución: aproximadamente 30 minutos por trayectoria. Ese ritmo forzaba reflexión profunda entre ejecuciones — una limitación que Hamming llegó a considerar como una ventaja estructural.
Sensación vs Precisión: El Problema del Aterrizador en Marte
Hamming planteó una pregunta de diseño aguda: para un entrenador de vuelo del aterrizador en Marte, ¿debería el simulador optimizar para precisión posicional o para la sensación del vehículo?
El análisis numérico clásico optimiza la trayectoria posicional usando aproximaciones polinomiales locales. La ruta es precisa, pero los cambios de aceleración discontinuamente en cada intervalo polinomial — una 'sensación' poco natural.
Los métodos en el dominio de frecuencia optimizan la respuesta de frecuencia del simulador. La posición puede ser menos precisa, pero el piloto percibe correctamente la respuesta dinámica del vehículo. La memoria muscular del piloto se forma en la función de transferencia correcta.
El criterio de Hamming: un entrenador de pilotos debería optimizar para sensación. Durante el vuelo real, el piloto puede compensar los errores de posición mediante control de retroalimentación. Si la sensación es incorrecta, el piloto ha sido entrenado para un vehículo que no existe.
El principio más profundo: la elección del método numérico codifica una afirmación sobre qué importa en la simulación. Esa afirmación es un criterio de dominio, no uno matemático.