La Suposición GIGO
GIGO: 'basura entra, basura sale.' Si suministras números y ecuaciones mal determinados, obtienes resultados mal determinados. Se asume tácitamente lo contrario: entradas precisas producen salidas precisas.
Hamming mostró que ambas suposiciones pueden ser falsas.
Basura entra, basura sale (caso verdadero): la simulación meteorológica temprana. Las pequeñas perturbaciones se amplifican. Las entradas imprecisas producen salidas salvajemente imprecisas — un campo de dirección divergente.
Basura entra, salida precisa (GIGO invertido): la simulación de bomba de Los Álamos (Capítulo 18). Los datos de ecuación de estado provenían de fuentes dispersas e poco confiables. Sin embargo, el diseño de la bomba funcionó. ¿Por qué?
Porque la estructura computacional involucró segundas diferencias: la fuerza en un shell dependía de la diferencia entre fuerzas de shells adyacentes. Los errores locales en la ecuación de estado se cancelaron principalmente mientras los shells atravesaban la curva. El cálculo utilizó una estructura efectivamente convergente.
Entrada precisa, salida de basura: un caso teóricamente posible. Si un cálculo amplifica pequeñas incertidumbres de entrada a través de un campo de dirección divergente, las entradas precisas aún producen salidas imprecisas.
La lección: la confiabilidad de la salida de simulación depende no solo de la precisión de entrada, sino de la estructura completa del cálculo — específicamente, si los errores que entran al sistema se amplifican, se preservan o se amortiguan.
La Retroalimentación Protege la Precisión
Hamming conectó la inversión GIGO con el descubrimiento del amplificador de retroalimentación de Harold Black.
Descubrimiento de Black: si la ganancia del amplificador es muy alta, solo la resistencia de retroalimentación necesita ser precisa. Todos los demás componentes pueden ser imprecisos. El circuito de retroalimentación estabiliza la salida contra variaciones en los componentes.
El mismo principio opera en simulaciones con estructura de retroalimentación:
- El sistema de orientación del misil Nike corrigió automáticamente desviaciones de trayectoria. Los pequeños errores en condiciones iniciales fueron amortiguados, no amplificados. Esto le permitió a Hamming simular la falla del misil usando condiciones iniciales adivinadas — sin embargo, recuperar el período correcto de la transferencia de energía de cabeceo-balanceo.
- El cálculo de la bomba atómica estructura de segunda diferencia actuó como retroalimentación: los errores locales de ecuación de estado se promediaron durante el historial de un shell.
La implicación de diseño: buen diseño de simulación, como buen diseño de ingeniería, protege la precisión colocando componentes imprecisos dentro de circuitos de retroalimentación. Las cantidades vitales — aquellas fuera de la protección de retroalimentación — deben medirse con precisión.
Campos de Dirección y el Tubo
Una EDO de primer orden dy/dx = f(x,y) define un campo de dirección: en cada punto (x,y) del plano, la pendiente f(x,y) apunta en la dirección que debe moverse la solución.
Un campo de dirección divergente: pequeñas desviaciones de una ruta de solución verdadera crecen. Los errores se amplifican.
Un campo de dirección convergente: grandes desviaciones se reducen nuevamente hacia la ruta verdadera. Los errores se amortiguan.
Ambos pueden ocurrir en la misma ecuación en diferentes puntos. La precisión de la solución depende de dónde evalúes — no de ninguna propiedad absoluta de la ecuación.
Hamming visualizó la precisión como un 'tubo' alrededor de la solución verdadera. En 2D, el tubo se expande en regiones divergentes y se contrae en regiones convergentes. En n dimensiones (el problema de intercepción naval usó 28 ecuaciones), la geometría del tubo se vuelve no intuitiva. La paradoja n-dimensional del Capítulo 9 aplica: tubos de alta dimensión se comportan nada como tubos 2D.
Método de Euler
El solucionador de EDO más simple: desde el punto (xₙ, yₙ), estima el siguiente punto usando la pendiente actual:
> yₙ₊₁ = yₙ + h · f(xₙ, yₙ)
donde h es el tamaño del paso. Esto sigue la línea tangente en cada punto — siempre usando 'la pendiente que era', no una pendiente típica sobre el intervalo. El error se acumula con cada paso.
Mejora predictor-corrector: predice un valor yₙ₊₁ usando Euler, evalúa la pendiente allí, luego toma el promedio de las pendientes en ambos extremos del intervalo para hacer un paso corregido. Si los valores predichos y corregidos están de acuerdo estrechamente, el tamaño del paso es apropiado. Si divergen, acorta h.
Métodos de Orden Superior y la Conexión de Filtros
Los métodos predictor-corrector polinómicos de cuarto grado (Milne, Adams-Bashforth, método de Hamming) usan varios valores pasados de la función y derivada para predecir el siguiente valor.
Hamming identificó estos métodos como filtros digitales recursivos: los valores de salida (posiciones) se calculan a partir de datos de entrada (derivadas en pasos pasados) por una recurrencia lineal — exactamente la estructura de un filtro digital.
Esta conexión tiene consecuencias:
- El análisis de estabilidad para filtros recursivos se aplica directamente. El criterio de estabilidad z-transform: los polos de la función de transferencia del filtro deben estar dentro del círculo unitario.
- El tamaño del paso h controla la estabilidad. Para una EDO dada, hay un h máximo más allá del cual el método numérico se vuelve inestable — la solución computada diverge incluso si la solución verdadera converge.
Ecuaciones rígidas: cuando un sistema tiene valores propios con magnitudes muy diferentes (un componente que cambia rápidamente, uno lento), la estabilidad requiere un tamaño de paso suficientemente pequeño para el componente rápido incluso cuando el componente lento podría tolerar pasos grandes. Los solucionadores rígidos usan métodos implícitos para permitir pasos más grandes sin inestabilidad.
La compensación frecuencia vs posición: los métodos polinómicos clásicos optimizan la precisión de posición local — la trayectoria está cerca de la ruta verdadera en cada paso, pero la 'sensación' dinámica (respuesta de frecuencia) puede ser incorrecta. Para un simulador de vuelo, obtener la respuesta de frecuencia correcta puede importar más que obtener la posición correcta.
Caminando la Cresta de la Duna
Hamming recibió una ecuación diferencial para diseño de transistor con una condición límite en el infinito — la condición límite siendo el lado derecho de la ecuación establecido en cero.
El análisis de estabilidad fue alarmante: si y en cualquier punto era ligeramente demasiado grande, sinh(y) amplificaba, la segunda derivada iba fuertemente positiva, y la solución disparaba a +∞. Si y era ligeramente demasiado pequeño, disparaba a -∞. Y la inestabilidad era bidireccional — integrar en la dirección opuesta tampoco ayudaba.
La imagen de Hamming: 'caminar la cresta de una duna de arena.' Una vez que ambos pies se deslizan a un lado, inevitablemente te deslizas hacia abajo.
Su solución: explotar la inestabilidad como una señal de orientación. Integró un segmento de la trayectoria en el analizador diferencial. Si la solución disparaba hacia arriba, era ligeramente demasiado alto en su estimación de pendiente al inicio de ese segmento — corrije hacia abajo. Si disparaba hacia abajo, corrije hacia arriba. Pieza por pieza, caminó la cresta de la duna.
Lo que hizo esto posible: la inestabilidad creció rápidamente. Un pequeño error en la pendiente inicial produjo una gran desviación no ambigua — una señal clara sobre qué dirección corregir. Un problema levemente inestable no habría proporcionado una señal tan clara.
La obligación profesional: 'Habría sido tan fácil descartar el problema como insoluble, mal planteado, o cualquier otra excusa que quisieras decirte a ti mismo, pero aún creo que problemas importantes adecuadamente planteados pueden usarse para extraer algún conocimiento útil.'
La Prueba de Rorschach y la Aleatoriedad
Un psicólogo de Bell Labs construyó una máquina: 12 interruptores, una luz roja, una luz verde. Los sujetos configuraban los interruptores, presionaban un botón, observaban el resultado, y después de 20 intentos escribían una teoría de cómo hacer que la luz verde se encienda. Su teoría se entregaba al siguiente sujeto, y el ciclo continuaba.
Las luces se conectaban a una fuente aleatoria. No había patrón.
En todos los ensayos, ni un solo científico de Bell Labs — todo personal técnico de alta calidad — jamás dijo: no hay patrón. Todos encontraron teorías.
Observación de Hamming: ni uno fue estadístico o teórico de la información. Esos dos campos entrenan a los profesionales para preguntar: '¿Lo que estoy viendo realmente está ahí, o es meramente ruido aleatorio?'
La implicación para simulación: una simulación que se puede ajustar hasta coincidir con datos observados es una prueba de Rorschach. El proceso de ajuste encuentra un modelo consistente con los datos, pero no necesariamente el modelo verdadero. Distinguir señal de ruido requiere disciplina estadística deliberada — datos de espera, hipótesis preespecificadas, intervalos de confianza — no solo buenas intenciones.
Cargo final de Hamming: '¿Qué pasaría si...? surgirá frecuentemente en tus futuros, de ahí la necesidad de que domines los conceptos y posibilidades de las simulaciones, y estés listo para cuestionar los resultados y profundizar en los detalles cuando sea necesario.'