Trzy Fazy Zastosowania Komputerów
Rozdział 5 Hamminga otwiera się retrospektywą: jego 30-letnia seria wykładów na szkoleniach dla klientów IBM zmusiła go do zrozumienia trendów, a nie tylko faktów. Przygotowywanie tego samego wykładu wielokrotnie wymagało, aby być przed polem, a nie tylko aktualnym.
Zidentyfikował trzy kolejne fazy, w których komputery były stosowane:
Faza 1: Limity sprzętu (Rozdział 3). Wczesne komputery były ograniczone tym, co maszyna mogła robić — pamięć była niewielka, cykle były drogie, niezawodność była niepewna. Aplikacje wybierano, aby pasowały do sprzętu.
Faza 2: Limity oprogramowania (Rozdział 4). W miarę poprawy sprzętu programowanie stało się wąskim gardłem. Aplikacje były ograniczone tym, co mogło być wydajnie zakodowane.
Faza 3: Ekonomia i zastosowania (Rozdział 5). Pod koniec lat 80. XX wieku sprzęt był wystarczająco tani, a oprogramowanie wystarczająco potężne, że pytanie brzmiało: co powinny robić komputery? Ekonomia i zdolność organizacyjna określiły, które aplikacje zostały zbudowane.
To przejście między fazami ma znaczenie: każda faza wymagała zupełnie innych umiejętności od praktyków. Genialny inżynier sprzętu z Fazy 1, który nigdy nie aktualizował swojego modelu mentalnego, stał się bezużyteczny w Fazie 3.
Najwcześniejsze Zastosowania
Komputery rozpoczęły się od obliczeń astronomicznych, a następnie 'obliczeń numerycznych' w fizyce i inżynierii. Raymond Lull (1235–1315), hiszpański teolog, zbudował maszynę logiczną — pierwsze zastosowanie komputerów do rozumowania nienumerycznego. Jonathan Swift wyszydzał to w Podróżach Guliwera (wyspa Laputa). Hamming prześledził tę linię od Lulla przez manipulację symboliczną do tego, czym stały się: uczenie maszynowe.
Krzywa S Przyjęcia Technologii
Każda główna technologia podąża charakterystyczną trajektorią: powolne początkowe przyjęcie, szybkie przyspieszenie, nasycenie. Hamming nazwał to wzorem krzywej S.
Faza 1 każdej technologii: heroiczna demonstracja. Niewielka liczba entuzjastów demonstruje, że technologia działa. Postęp zależy od indywidualnego geniuszu i tolerancji na niezawodność.
Faza 2: szybkie przyjęcie. Technologia staje się wystarczająco niezawodna do ogólnego użytku. Infrastruktura buduje się wokół niej. Standardy pojawiają się. Czynnik ograniczający przesyca się z technicznego na organizacyjny.
Faza 3: nasycenie. Technologia osiąga pełną penetrację swojego rynku docelowego. Dalsze ulepszenia przynoszą malejące zwroty. Nowe krzywe S zaczynają się dla technologii następczych.
Dla komputerów: Faza 1 = era ENIAC (lata 40–50 XX wieku), Faza 2 = komercjalizacja komputerów mainframe (lata 60–70 XX wieku), Faza 3 = komputery osobiste zbliżające się do nasycenia (lata 80–90 XX wieku). Hamming pisał podczas przejścia od Fazy 2 do Fazy 3 dla mainframe'ów, podczas gdy komputery osobiste były nadal w Fazie 2.
Intuicja produktu równoważnego (po raz pierwszy sformułowana w Rozdziale 2) ma bezpośrednie zastosowanie tutaj: w Fazie 2, pomyślna komputeryzacja tworzy równoważną pracę, a nie tę samą pracę. Organizacje, które próbowały skomputeryzować istniejące przepływy pracy bez ich przeprojektowania, często zawodzą lub działają poniżej oczekiwań.
Lokowanie Się na Krzywej S
Intuicja Hamminga dotycząca krzywej S ma praktyczne implikacje: umiejętności i strategie, które odnoszą sukces w Fazie 1 (heroiczna, eksperymentalna, wysoka tolerancja na porażkę) różnią się od tych potrzebnych w Fazie 2 (niezawodna dostawa, zgodność ze standardami, integracja organizacyjna) i Fazie 3 (optymalizacja, redukcja kosztów, konsolidacja platformy).
Kiedy Dane Wspólne Nie Działają
Hamming opowiadał historię z czasu, gdy prowadził audyt wysokiego poziomu w centrum komputerowym Boeinga. Zarząd Boeinga uważał, że rozwiązał kolaboratywne projektowanie: wszyscy inżynierowie zapisywaliby swój bieżący stan projektu na wspólnej taśmie. Wszyscy czytaliby z tego jednego źródła prawdy. Problemy koordynacji zniknęłyby.
Nie zadziałało.
Powód: kiedy zespół prowadzi badanie optymalizacyjne (zmieniając, powiedzmy, obszar skrzydła i profil aby zminimalizować opór), potrzebuje ustalonego wariantu do mierzenia zmian na jego tle. Jeśli wspólna taśma ciągle aktualizuje się zmianami od innych zespołów, poprawa, którą zespół mierzy, może faktycznie odzwierciedlać zmianę kogoś innego wprowadzoną między ich iteracjami — a nie ich własną decyzję projektową.
Rozwiązanie, które zespoły przyjęły w praktyce: każda grupa, przed rozpoczęciem badania optymalizacyjnego, robiła kopię snapshot bieżącej taśmy. Używała tej zamrożonej kopii przez całe badanie, ignorując aktualizacje. Dopiero gdy byli zadowoleni ze swojego nowego projektu, pisali z powrotem — następnie uzgadniając z zmianami wszyscy inni.
Wniosek Hamminga: nie możesz używać ciągle zmieniającej się bazy danych do badania optymalizacyjnego. Optymalizacja wymaga stabilnej przestrzeni stanów; mutableny stan wspólny wprowadza fikcyjne korelacje.
Bazy Danych
Komputery były promowane jako rozwiązanie problemów danych organizacyjnych. Hamming był sceptyczny. Powołał się na systemy rezerwacji linii lotniczych jako autentycznie udane (problem koordynacji jest rzeczywisty, model danych jest prosty, a spójność jest ściśle wymagana). Ale systemy informacji zarządczej, które obiecywały menedżerom pokazać 'bieżący stan firmy w czasie rzeczywistym', konsekwentnie niewystarczającą dostarczały: modele danych były zbyt złożone, jakość danych zbyt słaba, interpretacja zbyt dwuznaczna.
Stabilna Linia Bazowa vs Dane na Żywo
Porażka Boeinga ilustruje ogólną zasadę, którą Hamming sugerował: optymalizacja wymaga stabilnej funkcji kosztu ocenianej w ustalonej przestrzeni stanów. Wspólny mutableny stan narusza wymóg ustalonej-przestrzeni-stanów.
Ta zasada rozciąga się poza oprogramowanie. W każdym procesie optymalizacji — strategia biznesowa, projekt eksperymentu, trening modelu — izolowanie zmiennej badanej wymaga kontrolowania wszystkich pozostałych.
Rozpoznawanie Wzorców jako Następna Granica
Do 1993 roku Hamming zidentyfikował rozpoznawanie wzorców jako główne wyzwanie dla komputerów. Rozróżnił dwa typy:
Klasyczne rozpoznawanie wzorców: porównywanie danych wejściowych do przechowanego szablonu. Detekcja twarzy, OCR (optyczne rozpoznawanie znaków), weryfikacja podpisu. Dopuszczają rozwiązania algorytmiczne, gdy zestaw szablonów jest określony.
Autentyczne rozpoznawanie: dziecko rozpoznaje 'krzesło' na całych tysiącach różnych kształtów, materiałów, rozmiarów, i orientacji, nigdy nie widząc większości z nich wcześniej. Brak jawnego szablonu pokrywa uogólnianie. Hamming traktował to jako otwarte problem — luka między klasycznym porównywaniem wzorców a autentycznym rozpoznawaniem nie była sprawą większej ilości danych lub szybszego sprzętu. Wymagała innych podstaw.
Sformułował to w kategoriach porażki systemów eksperckich: badacze myśleli, że mogą wyodrębnić reguły decyzyjne od ekspertów i zakodować je w programach. Systemy eksperckie działały w wąskich domenach ale zawodzą w złożonych, częściowo dlatego, że eksperci ludzcy używają wzorców, których nie mogą wyartykułować. Nieświadoma biblioteka wzorców zbudowana przez lata praktyki nie może być wyodrębniona przez wywiady.
Przewidywanie Hamminga (1993): autentyczne rozpoznawanie wzorców wymagałoby zasadniczo różnych podejść obliczeniowych. Machał w kierunku sieci neuronowych ale był ostrożny — niekonwincony, że ówczesne sieci neuronowe zamknęłyby lukę.
Wygłaszanie Tego Samego Wykładu Przez 30 Lat
Hamming opisał praktykę, która dała mu więcej zwrotu niż prawie cokolwiek innego w jego zawodowym życiu: wygłaszanie tego samego wykładu wielokrotnie.
Został zaproszony do mówienia na szkoleniach dla klientów IBM około 1960. Wybrał wygłoszenie wykładu na temat Historia Komputerów do Roku 2000 — temat, w którym był autentycznie niepewny, co zmusiło go do rozwinięcia rzeczywistych poglądów. Wygłaszał warianty tego wykładu dwa lub trzy razy rocznie przez 30 lat.
Korzyści, które zidentyfikował:
Bycie aktualnym: wygłaszanie tego samego wykładu wielokrotnie zmusiło go do regularnych aktualizacji. Nie mógł wygłosić zdezaktualizowanego wykładu bez zawstydzenia się przed publicznością, która śledzała pole.
Rozpoznawanie trendów: proces aktualizacji zmusiła go do szukania trendów, a nie tylko zdarzeń. Co się zmieniło w ubiegłym roku, i w jakim kierunku? Powtarzające się aktualizacje wymagały modelu pola, a nie katalog faktów.
Umiejętność publicznego przemawiania: praktyka zmniejszyła strach i poprawiła dostarczanie. Przestał bać się wygłaszania wykładów; stał się wprawnym mówcą przez powtarzanie zamiast talentu.
Sieć: konsekwentny temat zbudował reputację. Ludzie kojarzyć go z trendami komputerowymi. Zaproszenia mnożyć się.
Jego obserwacja: mógłby nabyć tę praktykę przez szczęście — ale stworzył szczęście poprzez aktywne szukanie możliwości przemawiania, następnie rozwijanie dyscypliny do systematycznego ich używania.
Celowe Praktykowanie i Kapitał Kariery
Wykład 30-letni Hamminga był instancją celowego praktykowania zastosowanego do pracy intelektualnej: systematyczne, powtarzające się ćwiczenie z cyklami sprzężenia zwrotnego, które budowało umiejętności rosnące w kroku czasu.
Struktura: (1) zobowiąż się do tematu na granicy twojej wiedzy; (2) wygłoś wykład, co zmusi cię do jego znania; (3) otrzymaj sprzężenie zwrotne (odpowiedź publiczności, pytania których nie mogłeś odpowiedzieć); (4) zaktualizuj wykład; (5) powtarzaj.
Każdy cykl dodaje do modelu. Każda aktualizacja zmusza kontakt z nowymi danymi. Każde pytanie publiczności ujawnia lukę. Przez 30 lat, model staje się głęboki.
Łączenie Sprzętu, Oprogramowania i Zastosowań
Rozdziały 3, 4, & 5 tworzą progresję. Hamming budował argument w ciągu trzech wykładów:
Rozdział 3 (Sprzęt): fizyczne limity ograniczają co maszyny mogą robić. Trzy prawa — rozmiar molekularny, prędkość światła, ciepło — ustalają pułapy, które żadne inżynieria nie może usunąć.
Rozdział 4 (Oprogramowanie): ludzkie limity ograniczają co programy mogą robić. Języki zaprojektowane dla logicznej elegancji zawodzą; języki zaprojektowane dla ludzkiej psychologii przetrwają. Warstwy abstrakcji gromadzą się, każda rozwiązując ból poprzedniej warstwy.
Rozdział 5 (Zastosowania): ekonomiczne & organizacyjne limity ograniczają co się buduje. Technologia podąża za krzywymi S. Wspólny mutableny stan łamie optymalizację. Rozpoznawanie wzorców pozostaje otwartym wyzwaniem.
Jednoczący temat: limity się przesuwają. Praktyk, który aktualizuje swój model tego co obecne wiążące ograniczenie — i pozycjonuje swoje umiejętności odpowiednio — konsekwentnie przewyższa kogoś, kto optymalizuje dla ograniczeń wczoraj.
Lekcja karierowa Hamminga z wykładu 30-letniego: wygłaszanie tego samego wykładu wielokrotnie zmusiło go do zrozumienia trendów. Mechanizm nie był sam wykład ale cykl przygotowania: co się zmieniło, w jakim kierunku, i dlaczego? Powtarzające się przygotowanie budowało model, który proste czytanie nie mogło.
Jakie Jest Obecne Wiążące Ograniczenie?
W ramach Hamminga, każda era ma wiążące ograniczenie: limit, który gdyby był usunięty, byłby najszybciej przyspieszającym postęp. W latach 40.: prędkość sprzętu. W latach 70.: zdolność oprogramowania. W latach 90.: ekonomika i zdolność organizacyjna.