A Suposição GIGO
GIGO: 'lixo na entrada, lixo na saída.' Se você fornece números & equações mal determinados, você obtém resultados mal determinados. O inverso é tacitamente assumido: entradas precisas produzem saídas precisas.
Hamming mostrou que ambas as suposições podem ser falsas.
Lixo na entrada, lixo na saída (caso verdadeiro): a simulação meteorológica inicial. Pequenas perturbações se amplificam. Entradas imprecisas produzem saídas selvagemente imprecisas — um campo de direção divergente.
Lixo na entrada, saída precisa (GIGO revertido): a simulação da bomba de Los Alamos (Capítulo 18). Os dados da equação de estado vieram de fontes espalhadas & não confiáveis. Ainda assim, o design da bomba funcionou. Por quê?
Porque a estrutura de computação envolveu segundas diferenças: a força em um projétil dependia da diferença entre forças de projéteis adjacentes. Erros locais na equação de estado foram amplamente cancelados conforme os projéteis percorriam a curva. A computação usava uma estrutura efetivamente convergente.
Entrada precisa, saída lixo: um caso teoricamente possível. Se uma computação amplifica pequenas incertezas de entrada através de um campo de direção divergente, entradas precisas ainda produzem saídas imprecisas.
A lição: a confiabilidade da saída da simulação não depende apenas da precisão da entrada, mas da estrutura inteira da computação — especificamente, se erros que entram no sistema são amplificados, preservados ou amortecidos.
Retroalimentação Protege a Precisão
Hamming conectou a reversão de GIGO ao discernimento do amplificador de retroalimentação de Harold Black.
Descoberta de Black: se o ganho do amplificador é muito alto, apenas o resistor de retroalimentação precisa ser preciso. Todos os outros componentes podem ser imprecisos. O loop de retroalimentação estabiliza a saída contra variações em componentes.
O mesmo princípio opera em simulações com estrutura de retroalimentação:
- O sistema de orientação do míssil Nike corrigiu desvios de trajetória automaticamente. Pequenos erros nas condições iniciais foram amortecidos, não amplificados. Isso permitiu que Hamming simulasse a falha do míssil usando condições iniciais adivinhadas — ainda assim recuperar o período correto da transferência de energia pitch-yaw.
- A estrutura de segunda diferença da computação da bomba atômica agiu como retroalimentação: erros locais da equação de estado se cancelaram sobre o histórico de um projétil.
A implicação de design: o bom design de simulação, como o bom design de engenharia, protege a precisão colocando componentes imprecisos dentro de loops de retroalimentação. Quantidades vitais — aquelas fora da proteção de retroalimentação — devem ser medidas com precisão.
Campos de Direção & o Tubo
Uma EDO de primeira ordem dy/dx = f(x,y) define um campo de direção: em cada ponto (x,y) do plano, a inclinação f(x,y) aponta na direção que a solução deve se mover.
Um campo de direção divergente: pequenos desvios de um caminho de solução verdadeira crescem. Erros se amplificam.
Um campo de direção convergente: grandes desvios encolhem de volta em direção ao caminho verdadeiro. Erros se amortizam.
Ambos podem ocorrer na mesma equação em pontos diferentes. A precisão da solução depende de onde você avalia — não de qualquer propriedade absoluta da equação.
Hamming visualizou a precisão como um 'tubo' ao redor da solução verdadeira. Em 2D, o tubo se expande em regiões divergentes & se contrai em regiões convergentes. Em n dimensões (o problema de interceptação da Marinha usava 28 equações), a geometria do tubo se torna não intuitiva. O paradoxo de dimensão alta do Capítulo 9 se aplica: tubos de alta dimensão se comportam completamente diferentes de tubos 2D.
Método de Euler
O solucionador de EDO mais simples: do ponto (xₙ, yₙ), estime o próximo ponto usando a inclinação atual:
> yₙ₊₁ = yₙ + h · f(xₙ, yₙ)
onde h é o tamanho do passo. Isso segue a linha tangente em cada ponto — sempre usando 'a inclinação que era', não uma inclinação típica sobre o intervalo. O erro se acumula a cada passo.
Melhoria preditor-corretor: prediga um valor yₙ₊₁ usando Euler, avalie a inclinação lá, depois pegue a média das inclinações em ambas as extremidades do intervalo para fazer um passo corrigido. Se os valores predito & corrigido concordam proximamente, o tamanho do passo é apropriado. Se divergem, encurte h.
Métodos de Ordem Mais Alta & a Conexão com Filtros
Métodos preditor-corretor de polinômio de quarto grau (Milne, Adams-Bashforth, método de Hamming) usam vários valores passados da função & derivada para predizer o próximo valor.
Hamming identificou esses métodos como filtros digitais recursivos: os valores de saída (posições) são computados a partir de dados de entrada (derivadas em passos anteriores) por uma recorrência linear — exatamente a estrutura de um filtro digital.
Essa conexão tem consequências:
- A análise de estabilidade para filtros recursivos se aplica diretamente. O critério de estabilidade da transformada z: os pólos da função de transferência do filtro devem estar dentro do círculo unitário.
- O tamanho do passo h controla a estabilidade. Para uma dada EDO, há um máximo h além do qual o método numérico se torna instável — a solução computada diverge mesmo se a solução verdadeira converge.
Equações rígidas: quando um sistema tem autovalores com magnitudes muito diferentes (um componente que muda rapidamente, um lento), a estabilidade requer um tamanho de passo pequeno o suficiente para o componente rápido mesmo quando o componente lento poderia tolerar passos grandes. Solucionadores rígidos usam métodos implícitos para permitir passos maiores sem instabilidade.
A compensação frequência vs posição: métodos polinomiais clássicos otimizam a precisão de posição local — a trajetória está próxima do caminho verdadeiro a cada passo, mas a 'sensação' dinâmica (resposta em frequência) pode estar errada. Para um simulador de voo, acertar a resposta em frequência pode ser mais importante do que acertar a posição.
Caminhando na Crista da Duna
Hamming recebeu uma equação diferencial para design de transistor com uma condição de contorno no infinito — a condição de contorno sendo o lado direito da equação definido como zero.
A análise de estabilidade foi alarmante: se y em qualquer ponto ficasse ligeiramente muito grande, sinh(y) amplificava, a segunda derivada ia fortemente positiva, & a solução disparava para +∞. Se y ficasse ligeiramente muito pequena, ela disparava para -∞. & a instabilidade era bidirecional — integrar na direção oposta não ajudava.
Imagem de Hamming: 'caminhando na crista de uma duna de areia.' Uma vez que os dois pés escorregam para um lado, você inevitavelmente desliza.
Sua solução: explorar a instabilidade como um sinal de orientação. Ele integrou um segmento da trajetória no analisador diferencial. Se a solução disparasse para cima, ele estava ligeiramente muito alto em sua estimativa de inclinação no início daquele segmento — corrigir para baixo. Se disparasse para baixo, corrigir para cima. Peça por peça, ele caminhou na crista da duna.
O que tornou isso possível: a instabilidade cresceu rápido. Um pequeno erro na inclinação inicial produziu um grande desvio inequívoco — um sinal claro sobre qual direção corrigir. Um problema mildamente instável não teria fornecido tal sinal claro.
A obrigação profissional: 'Teria sido tão fácil descartar o problema como insolúvel, incorretamente colocado, ou qualquer outra desculpa que você quisesse contar a si mesmo, mas ainda acredito que problemas importantes propriamente colocados podem ser usados para extrair algum conhecimento útil.'
O Teste de Rorschach & Aleatoriedade
Um psicólogo da Bell Labs construiu uma máquina: 12 chaves, uma luz vermelha, uma luz verde. Os sujeitos ajustaram as chaves, pressionaram um botão, observaram o resultado, & após 20 tentativas escreveram uma teoria de como fazer a luz verde acender. Sua teoria foi entregue ao próximo sujeito, & o ciclo continuou.
As luzes conectadas a uma fonte aleatória. Não havia padrão.
Em todos os testes, nenhum cientista da Bell Labs — todo pessoal técnico de alto calibre — jamais disse: não há padrão. Todos encontraram teorias.
Observação de Hamming: nenhum era estatístico ou teórico de informação. Esses dois campos treinam os praticantes a perguntar: 'O que estou vendo é realmente ali, ou é meramente ruído aleatório?'
A implicação para simulação: uma simulação que pode ser ajustada até corresponder aos dados observados é um teste de Rorschach. O processo de ajuste encontra um modelo consistente com os dados, mas não necessariamente o modelo verdadeiro. Distinguir sinal de ruído requer disciplina estatística deliberada — dados de retenção, hipóteses pré-especificadas, intervalos de confiança — não apenas boas intenções.
A acusação final de Hamming: 'O E se...? surgirá frequentemente em seus futuros, daí a necessidade de vocês dominarem os conceitos & possibilidades de simulações, & estarem prontos para questionar os resultados & cavar nos detalhes quando necessário.'