Tiga Fase Aplikasi Komputer
Bab 5 Hamming dimulai dengan tinjauan retrospektif: seri pembicaraannya selama 30 tahun di acara pelatihan pelanggan IBM memaksanya untuk memahami tren daripada hanya fakta. Menyiapkan pembicaraan yang sama berulang kali memerlukan dia untuk tetap berada di depan bidang, bukan hanya mengikuti perkembangan saat ini.
Dia mengidentifikasi tiga fase berturut-turut dalam bagaimana komputer diterapkan:
Fase 1: Batas hardware (Bab 3). Komputasi awal dibatasi oleh apa yang bisa dilakukan mesin — memori langka, siklus mahal, keandalan tidak pasti. Aplikasi dipilih untuk sesuai dengan hardware.
Fase 2: Batas software (Bab 4). Seiring dengan peningkatan hardware, pemrograman menjadi hambatan. Aplikasi dibatasi oleh apa yang dapat dikodekan secara efisien.
Fase 3: Ekonomi & aplikasi (Bab 5). Pada akhir 1980-an, hardware cukup murah & software cukup kuat sehingga pertanyaannya menjadi: apa yang seharusnya dilakukan komputer? Ekonomi & kapasitas organisasi menentukan aplikasi mana yang dibangun.
Transisi fase ini penting: setiap fase memerlukan keterampilan yang benar-benar berbeda dari praktisi. Insinyur hardware berbakat dari Fase 1 yang tidak pernah memperbarui model mental mereka menjadi tidak berguna di Fase 3.
Aplikasi Paling Awal
Komputasi dimulai dengan perhitungan astronomi, kemudian 'perhitungan angka' dalam fisika & teknik. Raymond Lull (1235–1315), seorang teolog Spanyol, membangun mesin logika — aplikasi komputasi pertama untuk penalaran non-numerik. Jonathan Swift menyindir hal ini dalam Gulliver's Travels (pulau Laputa). Hamming melacak garis ini dari Lull melalui manipulasi simbolik hingga apa yang akan menjadi: machine learning.
Kurva-S Adopsi Teknologi
Setiap teknologi utama mengikuti lintasan khas: adopsi awal lambat, akselerasi cepat, jenuh. Hamming menamai pola ini kurva-S.
Fase 1 dari teknologi apa pun: demonstrasi heroik. Sejumlah kecil penggemar menunjukkan bahwa teknologi berfungsi. Kemajuan tergantung pada keunggulan individu & toleransi terhadap ketidakandalan.
Fase 2: adopsi cepat. Teknologi menjadi cukup andal untuk penggunaan umum. Infrastruktur dibangun di sekitarnya. Standar muncul. Faktor pembatas bergeser dari teknis ke organisasi.
Fase 3: jenuh. Teknologi mencapai penetrasi penuh dari pasar yang dapat ditanganinya. Perbaikan lebih lanjut menghasilkan hasil yang berkurang. Kurva-S baru dimulai untuk teknologi penerus.
Untuk komputasi: Fase 1 = era ENIAC (1940-an–1950-an), Fase 2 = komersialsialisasi mainframe (1960-an–1970-an), Fase 3 = komputasi pribadi mendekati jenuh (1980-an–1990-an). Hamming menulis selama transisi dari Fase 2 ke Fase 3 untuk mainframe, sementara komputasi pribadi masih berada di Fase 2-nya.
Wawasan produk setara (pertama kali dinyatakan dalam Bab 2) berlaku langsung di sini: pada Fase 2, komputerisasi yang berhasil menghasilkan pekerjaan setara, bukan pekerjaan yang sama. Organisasi yang mencoba mengkomputerisasi alur kerja yang ada tanpa merancang ulang sering kali gagal atau kurang berkinerja.
Menemukan Posisi Anda pada Kurva-S
Wawasan kurva-S Hamming memiliki implikasi praktis: keterampilan & strategi yang berhasil di Fase 1 (heroik, eksperimental, toleransi kegagalan tinggi) berbeda dari yang diperlukan di Fase 2 (pengiriman andal, kepatuhan standar, integrasi organisasi) dan Fase 3 (optimasi, pengurangan biaya, konsolidasi platform).
Ketika Data Bersama Tidak Berfungsi
Hamming menceritakan kisah dari waktu dia melakukan audit tingkat tinggi dari pusat komputer Boeing. Manajemen Boeing percaya mereka telah menyelesaikan desain kolaboratif: semua insinyur akan menulis keadaan desain saat ini mereka ke pita bersama. Semua orang akan membaca dari sumber kebenaran tunggal ini. Masalah koordinasi akan hilang.
Itu tidak berhasil.
Alasannya: ketika sebuah tim melakukan studi optimasi (memvariasikan, misalnya, area sayap & profil untuk meminimalkan seret), mereka memerlukan garis dasar tetap untuk mengukur perubahan terhadap. Jika pita bersama diperbarui terus-menerus dengan perubahan dari tim lain, perbaikan yang diukur tim mungkin sebenarnya mencerminkan perubahan orang lain yang disisipkan di antara iterasi mereka — bukan keputusan desain mereka sendiri.
Solusi yang diadopsi tim secara praktis: setiap kelompok, ketika memulai studi optimasi, membuat salinan snapshot dari pita saat ini. Mereka menggunakan salinan beku itu sepanjang studi mereka, mengabaikan pembaruan. Hanya ketika puas dengan desain baru mereka melakukan penulisan kembali — kemudian merekonsiliasi dengan perubahan semua orang lain.
Kesimpulan Hamming: Anda tidak dapat menggunakan database yang terus berubah untuk studi optimasi. Optimasi memerlukan ruang keadaan yang stabil; keadaan bersama yang dapat dimutasi memperkenalkan korelasi fantom.
Basis Data
Komputer dipromosikan sebagai solusi untuk masalah data organisasi. Hamming skeptis. Dia mengutip sistem reservasi maskapai penerbangan sebagai benar-benar berhasil (masalah koordinasi nyata, model data sederhana, & konsistensi sangat diperlukan). Tetapi sistem informasi manajemen yang menjanjikan untuk memberi tahu manajer 'keadaan saat ini perusahaan secara real-time' secara konsisten kurang memberikan hasil: model data terlalu kompleks, kualitas data terlalu buruk, & interpretasi terlalu ambigu.
Garis Dasar Stabil vs Data Langsung
Kegagalan Boeing menggambarkan prinsip umum yang Hamming implikasikan: optimasi memerlukan fungsi biaya stabil dievaluasi pada ruang keadaan tetap. Keadaan bersama yang dapat dimutasi melanggar persyaratan ruang-keadaan-tetap.
Prinsip ini melampaui perangkat lunak. Dalam proses optimasi apa pun — strategi bisnis, desain eksperimental, pelatihan model — mengisolasi variabel yang diteliti memerlukan pengendalian semua variabel lainnya.
Pengenalan Pola sebagai Perbatasan Berikutnya
Pada tahun 1993, Hamming mengidentifikasi pengenalan pola sebagai tantangan utama berikutnya untuk komputasi. Dia membedakan dua jenis:
Pengenalan pola klasik: membandingkan input dengan templat yang disimpan. Deteksi wajah, OCR (pengenalan karakter optik), verifikasi tanda tangan. Ini mengakui solusi algoritmik setelah set template ditentukan.
Pengenalan asli: anak mengenali 'kursi' di ribuan bentuk, bahan, ukuran, & orientasi yang berbeda, tidak pernah melihat sebagian besar sebelumnya. Tidak ada templat eksplisit yang mencakup generalisasi. Hamming memperlakukan ini sebagai masalah terbuka — celah antara pencocokan pola klasik & pengenalan asli bukan masalah data lebih atau hardware lebih cepat. Itu memerlukan fondasi berbeda.
Dia membingkai ini dalam hal kegagalan sistem ahli: peneliti pikir mereka bisa mengekstrak aturan keputusan dari ahli & mengodekannya dalam program. Sistem ahli bekerja di domain sempit tetapi gagal di domain kompleks, sebagian karena ahli manusia menggunakan pola yang tidak dapat mereka artikulasikan. Perpustakaan pola bawah sadar yang dibangun selama bertahun-tahun praktik tidak dapat diekstrak melalui wawancara.
Prediksi Hamming (1993): pengenalan pola asli akan memerlukan pendekatan komputasi yang fundamentally berbeda. Dia menunjuk ke jaringan saraf tetapi berhati-hati — tidak yakin bahwa jaringan saraf yang ada saat ini akan menutup celah.
Memberikan Pembicaraan yang Sama Selama 30 Tahun
Hamming menggambarkan praktik yang memberinya lebih banyak keuntungan daripada hampir apa pun di kehidupan profesionalnya: memberikan pembicaraan yang sama berulang kali.
Dia diundang untuk berbicara di acara pelatihan pelanggan IBM sekitar tahun 1960. Dia memilih untuk memberikan pembicaraan tentang Sejarah Komputasi hingga Tahun 2000 — topik yang benar-benar tidak yakin, yang memaksanya mengembangkan pandangan sebenarnya. Dia memberikan varian dari pembicaraan itu dua atau tiga kali per tahun selama 30 tahun.
Manfaat yang dia identifikasi:
Tetap terkini: memberikan pembicaraan yang sama berulang kali memaksanya untuk memperbarui secara teratur. Dia tidak bisa memberikan pembicaraan basi tanpa malu di depan penonton yang mengikuti bidang.
Pengenalan tren: proses pembaruan memaksanya mencari tren, bukan hanya peristiwa. Apa yang berubah tahun lalu, dan dalam arah apa? Pembaruan berulang memerlukan model bidang, bukan hanya katalog fakta.
Keterampilan berbicara publik: praktik mengurangi ketakutan & meningkatkan pengiriman. Dia berhenti takut memberikan pembicaraan; dia menjadi pembicara yang dipoles melalui pengulangan daripada bakat.
Jaringan: topik yang konsisten membangun reputasi. Orang mengaitkan dia dengan tren komputasi. Undangan berlipat ganda.
Pengamatannya: dia bisa mendapatkan praktik ini melalui keberuntungan — tetapi dia membuat keberuntungan dengan aktif mencari peluang berbicara, kemudian mengembangkan disiplin untuk menggunakannya secara sistematis.
Praktik Sengaja & Modal Karir
Pembicaraan 30 tahun Hamming adalah contoh dari praktik sengaja yang diterapkan pada pekerjaan intelektual: latihan sistematis & berulang dengan siklus umpan balik yang membangun keterampilan gabungan dari waktu ke waktu.
Strukturnya: (1) berkomitmen pada topik di tepi pengetahuan Anda; (2) berikan pembicaraan, yang memaksa Anda untuk mengetahuinya; (3) menerima umpan balik (respons penonton, pertanyaan yang tidak bisa Anda jawab); (4) perbarui pembicaraan; (5) ulangi.
Setiap siklus menambah model. Setiap pembaruan memaksa kontak dengan data baru. Setiap pertanyaan penonton mengungkapkan celah. Selama 30 tahun, model menjadi dalam.
Menghubungkan Hardware, Software & Aplikasi
Bab 3, 4, & 5 membentuk progres. Hamming membangun argumen di seluruh tiga kuliah:
Bab 3 (Hardware): batas fisik membatasi apa yang dapat dilakukan mesin. Tiga hukum — ukuran molekuler, kecepatan cahaya, panas — menetapkan plafon yang tidak ada rekayasa yang dapat menghilangkan.
Bab 4 (Software): batas manusia membatasi apa yang dapat dilakukan program. Bahasa yang dirancang untuk elegansi logis gagal; bahasa yang dirancang untuk psikologi manusia bertahan. Lapisan abstraksi terakumulasi, masing-masing menyelesaikan rasa sakit lapisan sebelumnya.
Bab 5 (Aplikasi): batas ekonomi & organisasi membatasi apa yang dibangun. Teknologi mengikuti kurva-S. Keadaan bersama yang dapat dimutasi memecahkan optimasi. Pengenalan pola tetap menjadi tantangan terbuka.
Tema penyatuan: batas bergeser. Praktisi yang memperbarui model mereka tentang batasan ikat saat ini — dan memposisikan keterampilan mereka sesuai dengan itu — secara konsisten mengungguli mereka yang mengoptimalkan untuk batasan kemarin.
Pelajaran karir Hamming dari pembicaraan 30 tahun: memberikan pembicaraan yang sama berulang kali memaksanya untuk memahami tren. Mekanismenya bukan pembicaraan itu sendiri tetapi siklus persiapan: apa yang berubah, dalam arah apa, dan mengapa? Persiapan berulang membangun model yang pembacaan sederhana tidak bisa.
Apa Batasan Ikat Saat Ini?
Dalam kerangka Hamming, setiap era memiliki batasan ikat: batas yang, jika dihilangkan, akan paling mempercepat kemajuan. Pada tahun 1940-an: kecepatan hardware. Pada tahun 1970-an: kemampuan software. Pada tahun 1990-an: ekonomi & kapasitas organisasi.