공유 데이터가 작동하지 않을 때

해밍은 보잉의 컴퓨터 센터에 대한 고급 감사를 수행하던 시간의 이야기를 말했습니다. 보잉의 경영진은 공동 설계 문제를 해결했다고 생각했습니다: 모든 엔지니어가 현재 설계 상태를 공유 테이프에 작성할 것입니다. 모두가 이 단일 정보의 원천에서 읽을 것입니다. 조정 문제가 사라질 것입니다.

작동하지 않았습니다.

이유: 팀이 최적화 연구를 수행할 때(예를 들어, 항력을 최소화하기 위해 날개 면적 & 프로필을 변동), 변경을 측정할 고정 기준선이 필요합니다. 공유 테이프가 다른 팀의 변경으로 지속적으로 업데이트되면, 팀이 측정하는 개선은 실제로 그들의 반복 사이에 삽입된 다른 누군가의 변경을 반영할 수 있습니다 — 그들 자신의 설계 결정이 아닙니다.

팀이 실제로 채택한 해결책: 각 그룹이 최적화 연구를 시작할 때 현재 테이프의 스냅샷 복사본을 만들었습니다. 그들은 업데이트를 무시하면서 그 고정된 복사본을 연구 전체에서 사용했습니다. 새로운 설계에 만족했을 때만 다시 작성했습니다 — 그런 다음 다른 모든 사람의 변경과 조정했습니다.

해밍의 결론: 최적화 연구에 지속적으로 변경되는 데이터베이스를 사용할 수 없습니다. 최적화는 안정적 상태 공간이 필요합니다; 변경 가능한 공유 상태는 가상 상관관계를 도입합니다.

데이터 베이스

컴퓨터는 조직 데이터 문제의 해결책으로 홍보되었습니다. 해밍은 회의적이었습니다. 그는 항공사 예약 시스템을 진정으로 성공한 것으로 인용했습니다(조정 문제는 실제, 데이터 모델은 단순, & 일관성이 엄격히 요구됨). 그러나 경영진에게 '회사의 현재 상태를 실시간으로' 알려주겠다고 약속한 경영 정보 시스템은 지속적으로 약속을 이행하지 못했습니다: 데이터 모델이 너무 복잡하고, 데이터 품질이 너무 낮으며, & 해석이 너무 모호했습니다.

안정적 기준선 vs 실시간 데이터

보잉의 실패는 해밍이 암시한 일반 원칙을 보여줍니다: 최적화는 고정 상태 공간에서 평가된 안정적 비용 함수를 요구합니다. 공유 변경 가능한 상태는 고정 상태 공간 요구 사항을 위반합니다.

이 원칙은 소프트웨어를 넘어 확장됩니다. 최적화 프로세스에서 — 비즈니스 전략, 실험 설계, 모델 훈련 — 연구 중인 변수를 격리하려면 다른 모든 것을 제어해야 합니다.

다음 개척지로서의 패턴 인식

1993년까지 해밍은 패턴 인식을 컴퓨팅의 다음 주요 과제로 파악했습니다. 그는 두 가지 유형을 구별했습니다:

고전적 패턴 인식: 입력을 저장된 템플릿과 비교합니다. 얼굴 감지, OCR(광학 문자 인식), 서명 검증. 이것들은 템플릿 세트가 정의되면 알고리즘 솔루션을 인정합니다.

진정한 인식: 아이가 전에 본 적이 없는 수천 가지의 다른 모양, 재료, 크기, & 방향 전체에서 '의자'를 인식합니다. 명시적 템플릿이 일반화를 다루지 않습니다. 해밍은 이를 미해결 문제로 취급했습니다 — 고전적 패턴 매칭과 진정한 인식 사이의 간격은 더 많은 데이터나 더 빠른 하드웨어의 문제가 아니었습니다. 다른 기초가 필요했습니다.

그는 이것을 전문가 시스템 실패의 관점에서 제시했습니다: 연구원들은 전문가에게서 의사 결정 규칙을 추출하고 & 프로그램에 인코딩할 수 있다고 생각했습니다. 전문가 시스템은 좁은 도메인에서는 작동했지만 복잡한 도메인에서는 실패했습니다. 부분적으로는 인간 전문가가 표현할 수 없는 패턴을 사용하기 때문입니다. 수년간의 연습으로 구축된 무의식적 패턴 라이브러리는 인터뷰를 통해 추출할 수 없습니다.

해밍의 예측(1993): 진정한 패턴 인식은 근본적으로 다른 계산 접근 방식이 필요할 것입니다. 그는 신경망을 향해 제스처했지만 조심했습니다 — 당시의 신경망이 그 간격을 좁힐 것이라고 확신하지 않았습니다.

30년 동안 같은 강연을 주기

해밍은 전문 생활에서 거의 다른 어떤 것보다 더 많은 수익을 가져온 관행을 설명했습니다: 같은 강연을 반복해서 주기.

그는 1960년경 IBM 고객 교육 행사에서 연설하도록 초대받았습니다. 그는 2000년까지의 컴퓨팅 역사에 대한 강연을 하기로 선택했습니다 — 그가 진정으로 불확실한 주제로, 실제 견해를 발전시키도록 강제했습니다. 그는 30년 동안 1년에 2-3번 그 강연의 변형을 제공했습니다.

그가 파악한 이점들:

최신 상태 유지: 같은 강연을 반복해서 주는 것은 정기적으로 업데이트하도록 강제했습니다. 그는 분야를 따르는 청중 앞에서 자신을 창피하게 할 수 없었기 때문에 오래된 강연을 할 수 없었습니다.

추세 인식: 업데이트 프로세스는 단순한 사건이 아니라 추세를 보도록 강제했습니다. 지난 1년 동안 무엇이 변경되었으며, 어떤 방향으로? 반복 업데이트는 단순한 사실 카탈로그가 아닌 분야의 모델을 요구했습니다.

공개 연설 기술: 연습은 두려움을 줄였으며 & 전달을 개선했습니다. 그는 강연 제공이 두렵지 않게 되었습니다; 그는 재능이 아닌 반복을 통해 능숙한 연사가 되었습니다.

네트워크: 일관된 주제가 평판을 구축했습니다. 사람들은 그를 컴퓨팅 추세와 연결했습니다. 초대장이 증가했습니다.

그의 관찰: 그는 운을 통해 이 관행을 획득할 수 있었습니다 — 하지만 그는 적극적으로 연설 기회를 추구하고 & 그것들을 체계적으로 사용하는 훈련을 개발함으로써 운을 만들었습니다.

의도적 연습 & 경력 자본

해밍의 30년 강연은 지적 작업에 적용된 의도적 연습의 예: 시간에 따라 복합 기술을 구축한 피드백 주기가 있는 체계적, 반복 운동.

구조: (1) 지식의 가장자리에서 주제에 커밋; (2) 강연을 주면 당신이 알도록 강제함; (3) 피드백을 받음(청중 반응, 당신이 답변할 수 없는 질문); (4) 강연을 업데이트; (5) 반복.

각 주기는 모델에 추가됩니다. 각 업데이트는 새로운 데이터와의 접촉을 강제합니다. 각 청중의 질문은 간격을 드러냅니다. 30년 동안 모델은 깊어집니다.

하드웨어, 소프트웨어 & 응용 연결

3장, 4장, & 5장은 진행을 형성합니다. 해밍은 3개의 강의에 걸쳐 논증을 구축했습니다:

3장(하드웨어): 물리적 한계는 기계가 할 수 있는 것을 제한합니다. 3가지 법칙 — 분자 크기, 빛의 속도, 열 — 어떤 엔지니어링도 제거할 수 없는 천장을 설정합니다.

4장(소프트웨어): 인간의 한계는 프로그램이 할 수 있는 것을 제한합니다. 논리적 우아함을 위해 설계된 언어는 실패합니다; 인간 심리학을 위해 설계된 언어는 생존합니다. 추상화 계층이 누적되고, 각각이 이전 계층의 통증을 해결합니다.

5장(응용): 경제 & 조직의 한계는 무엇이 구축될지를 제한합니다. 기술은 S곡선을 따릅니다. 공유 변경 가능한 상태는 최적화를 깨뜨립니다. 패턴 인식은 열린 도전으로 남아 있습니다.

통일하는 주제: 한계가 변합니다. 현재 결합 제약이 무엇인지에 대한 모델을 업데이트하고 — & 그에 따라 기술을 위치시키는 — 실무자는 어제의 제약에 대해 최적화하는 사람을 일관되게 능가합니다.

30년 강연에서 해밍의 경력 교훈: 같은 강연을 반복해서 주는 것이 추세를 이해하도록 강제했습니다. 메커니즘은 강연 자체가 아니라 준비 주기였습니다: 무엇이 변경되었으며, 어느 방향으로, 그리고 왜? 반복 준비는 단순한 읽기가 할 수 없는 모델을 구축했습니다.

현재 결합 제약은 무엇입니까?

해밍의 프레임워크에서 각 시대는 결합 제약을 가지고 있습니다: 제거되면 진행을 가장 가속화할 한계. 1940년대: 하드웨어 속도. 1970년대: 소프트웨어 기능. 1990년대: 경제 & 조직 용량.