Wyprowadzenie równania logistycznego
Krzywa S Hamminga ma precyzyjne matematyczne wyprowadzenie. Zacznij od dwóch obserwacji dotyczących adopcji technologii:
1. Tempo adopcji przyspiesza wraz z bieżącą adopcją (przekaz ustny, efekty sieciowe): dP/dt ∝ P
2. Tempo adopcji spowalnia wraz z nasyceniem rynku: dP/dt ∝ (1 − P)
Łącząc: dP/dt = r · P · (1 − P)
To jest logistyczne równanie różniczkowe. Jest separowalne: rozkład na ułamki cząstkowe pozwala na bezpośrednie całkowanie.
Wyprowadzenie
Rozdzielamy zmienne: dP / [P(1−P)] = r dt
Ułamki cząstkowe: 1/[P(1−P)] = 1/P + 1/(1−P)
Całkujemy obie strony: ln(P) − ln(1−P) = rt + C
ln[P/(1−P)] = rt + C
P/(1−P) = e^(rt+C) = e^C · e^(rt)
Niech K = e^C. Rozwiązując dla P: P = K·e^(rt) / (1 + K·e^(rt))
Równoważnie: P(t) = 1 / (1 + e^(−r(t − t₀)))
gdzie t₀ = (ln K)/r jest punktem przegięcia.
Punkt przegięcia
Przy t = t₀: P = 0.5. Druga pochodna d²P/dt² = 0: tempo wzrostu jest maksymalne. Przed t₀: wklęsłość ku górze (przyspieszanie). Po t₀: wklęsłość ku dołowi (zwalnianie).
Dopasowanie modelu logistycznego do danych
Mając dwa punkty danych na krzywej logistycznej, można wyznaczyć zarówno r, jak i t₀.
Adopcja internetu: P(1995) = 0.01 (1% gospodarstw domowych w USA), P(2005) = 0.70 (70%).
Wartość sieci jako zliczanie geometryczne
Hamming zauważył, że aplikacje napędzały adopcję komputerów bardziej niż sprzęt czy oprogramowanie. Aplikacje zależne od sieci podążają za konkretnym modelem wzrostu: ich wartość rośnie szybciej niż koszty.
Prawo Metcalfe'a
Wartość sieci z n użytkownikami jest proporcjonalna do liczby możliwych połączeń między użytkownikami:
V(n) = k · n(n−1)/2 ≈ k · n²/2 (dla dużego n)
gdzie k jest wartością jednego połączenia. Koszt sieci: C(n) ∝ n (w przybliżeniu liniowy względem liczby użytkowników).
Stosunek wartości do kosztu: V/C ∝ n²/n = n. Gdy n rośnie, stosunek rośnie liniowo. Sieć z 10-krotnie większą liczbą użytkowników dostarcza około 100-krotnie więcej wartości przy tylko 10-krotnie wyższym koszcie.
Obraz geometryczny
Dla n węzłów, liczba krawędzi w grafie pełnym K_n wynosi C(n,2) = n(n−1)/2. To wzór kombinatoryczny: wybierz 2 węzły spośród n. Dla n=10: C(10,2)=45. Dla n=100: C(100,2)=4950. Dla n=1000: C(1000,2)=499 500.
Krzywa S i prawo Metcalfe'a wzajemnie na siebie oddziałują: podczas szybkiej adopcji w Fazie 2, n rośnie szybko, a V(n) rośnie jak n². Punkt przegięcia wartości następuje przed punktem przegięcia adopcji — wartość przyspiesza przed adopcją, przyciągając więcej adopcji w pozytywnej pętli sprzężenia zwrotnego.
Wartość sieci przy różnych poziomach adopcji
Adopcja poczty e-mail: w 1985 roku (n=100 000 użytkowników), k = 0,01 USD za połączenie-rok. W 1995 roku (n=30 000 000 użytkowników).
Optymalizacja jako geometria
Historia Hamminga z taśmą Boeinga opisuje niepowodzenie optymalizacji z precyzyjnym znaczeniem geometrycznym. Optymalizacja funkcji f(x) na krajobrazie wymaga:
1. Dobrze zdefiniowanej funkcji f: cel (opór, koszt, czas wprowadzenia na rynek)
2. Stałego krajobrazu: f oceniana w tym samym stanie za każdym razem
3. Gradientu: kierunek najostrzejszej poprawy
Gdy krajobraz zmienia się między pomiarami, szacowany gradient może wskazywać kierunek, który nie istnieje już podczas kolejnego kroku. Obliczasz gradient(f₁), ale krokując w krajobrazie f₂.
Metoda gradientu prostego
Standardowy gradient descent: x_{t+1} = x_t − α ∇f(x_t)
gdzie α = rozmiar kroku (współczynnik uczenia), ∇f = wektor gradientu (pochodne cząstkowe).
Niepowodzenie Boeinga: w czasie t, zespół mierzy f(x_t). W czasie t+1, zespół zmienia x na x_t + Δx. Ale wspólna baza danych również się zmieniła: f jest teraz f' ≠ f. Obserwowana zmiana: f'(x_t + Δx) − f(x_t). To NIE jest gradient f — zawiera składnik z przesunięcia krajobrazu.
Fantomowy gradient
Zmierzona zmiana = [f'(x+Δx) − f(x)] = [f(x+Δx) − f(x)] + [f'(x+Δx) − f(x+Δx)]
= prawdziwy gradient × Δx + przesunięcie krajobrazu
Jeśli przesunięcie krajobrazu dominuje: zespół zmierza ku minimum w f', które jest maksimum w f. Optymalizują niewłaściwą rzecz — możliwe, że pogarszają projekt, podczas gdy pomiary wskazują poprawę.
Kwantyfikowanie błędu fantomowego gradientu
Zespół optymalizuje opór f(θ, s), gdzie θ = kąt skrzydła, s = rozpiętość. Prawdziwy gradient: ∂f/∂θ = −0.5 (opór maleje z θ), ∂f/∂s = +0.3 (opór rośnie z s).
Inny zespół jednocześnie redukuje masę kadłuba, co zmienia funkcję oporu: f' = f − 0.8. (Lżejszy kadłub zmniejsza opór o 0.8 jednostki we wszystkich konfiguracjach.)
Pierwszy zespół mierzy: f'(θ+Δθ, s) − f(θ, s) = [f(θ+Δθ, s) − 0.8] − f(θ, s) = −0.5·Δθ − 0.8.