Avstånd i binärt rum
Richard Hammings mest kända tekniska bidrag: felkorrigerande koder. Den geometriska idén bakom dem är djupare än någon specifik kod.
Hamming-avstånd
Givet två binära strängar av lika längd räknar Hamming-avståndet d(u, v) positioner där de skiljer sig åt:
``
u = 1 0 1 1 0
v = 1 1 1 0 0
↑ ↑
d(u,v) = 2
``
Detta uppfyller alla tre metriska axiomer: d(u,v) ≥ 0; d(u,v) = 0 om och endast om u = v; d(u,v) = d(v,u); d(u,w) ≤ d(u,v) + d(v,w). Binära n-rum med Hamming-avstånd bildar ett giltigt metriskt rum.
Geometrin visualiseras tydligt i låga dimensioner. Alla 3-bitars strängar ligger vid kubens 8 hörnpunkter. Kantintilliggande hörnpunkter skiljer sig i exakt 1 bit; ansiktskantdiagonala hörnpunkter skiljer sig i 2; antipodala hörnpunkter (t.ex. 000 och 111) skiljer sig i 3.
Beräkning av Hamming-avstånd
Hamming-vikten wt(v) räknar antalet 1:or i v. Avståndet relaterar till vikten via XOR:
d(u, v) = wt(u XOR v)
Exempel: u = 10110, v = 11100. XOR = 01010. Vikt = 2. Så d(u,v) = 2.
Felkorrigering via sfärpackning
En binär kod C ⊆ {0,1}^n består av valda kodord. När ett kodord överförs över en bullrig kanal kan vissa bitar slå fel. Mottagaren får en korrupterad sträng och måste återställa originalet.
Definiera en Hamming-sfär med radie t centrerad vid kodord c:
B(c, t) = { v ∈ {0,1}^n : d(c, v) ≤ t }
För att korrigera upp till t fel måste sfärerna B(c, t) runt varje par av kodord inte överlappa. Om de överlappar kan ett mottaget ord ligga i två sfärer och avkodaren kan inte avgöra vilket kodord som skickades.
Minimumavstondet d_min för en kod styr allt:
- Upptäck upp till d_min − 1 fel - Korrigera upp till ⌊(d_min − 1) / 2⌋ fel
Hamming (7,4) kod: n = 7 bitar, k = 4 databitar, d_min = 3. Korrigerar 1 fel. Upptäcker 2.
Hur många kodord får plats?
Hur många kodord kan en längd-n kod innehålla medan den fortfarande kan korrigera t fel? Varje kodord "äger" en sfär med radie t. Alla sfärer tillsammans måste få plats i {0,1}^n, som har 2^n punkter.
Volymen av en Hamming-sfär med radie t i {0,1}^n:
Vol(n,t) = Σ_{i=0}^{t} C(n, i)
Hamming-gränsen (sfärpackningsgränsen) följer direkt: en kod som korrigerar t fel uppfyller
M · Vol(n,t) ≤ 2^n
där M = antal kodord. Så M ≤ 2^n / Vol(n,t).
För Hamming (7,4) koden: n=7, t=1. Vol(7,1) = C(7,0) + C(7,1) = 1 + 7 = 8. Gräns: M ≤ 128 / 8 = 16. Koden (7,4) når M = 2^4 = 16: en perfekt kod, vilket betyder sfärerna plattsätter {0,1}^7 utan luckor.
√n vs n
Hamming använde ett slumvandrarargument för att göra värdet av långsiktig vision precis. Argumentet omvandlar ett vagt påstående — 'vision hjälper' — till ett geometriskt faktum om avstånd.
Symmetrisk slumvandring på ℤ
Vid varje steg, flytta +1 eller −1 med lika sannolikhet. Efter n steg, förväntad förskjutning från ursprung: E[|X_n|] ≈ √n.
Detta följer från variansen: Var(X_n) = n (steg oberoende, varje ±1 varians 1). Standardavvikelse = √n.
Riktad gång
Vid varje steg, flytta +1 med sannolikhet p > 1/2 (bias mot ett mål). Efter n steg, förväntad position: E[X_n] = n(2p−1). För p = 1 (helt riktad): E[X_n] = n.
Kontrasterna: slumvandring drar sig √n; riktad framgång drar sig n.
Hammings tolkning
I en forskningskarriär representerar varje arbetsdagssakt ett steg. Utan en tydlig vision om vad som är viktigt drar arbete i många riktningar: efter n dagar, netto framgång ≈ √n. Med en sammanhängande långsiktig vision justeras insatsen: efter n dagar, netto framgång ≈ n. Kvoten n / √n = √n växer utan gräns.
√n-förhållandet
Den riktade gången kräver inte perfekt syfte. Vilken uthållig bias mot ett mål omvandlar √n drift till något närmare n framgång.
Modellens gränser
En modell som förutsäger 100x utdata från vision förtjänar granskning. Flera saker den utelämnar:
1. Dimensionalitet: karriärer verkar i högt-dimensionellt rum, inte ℤ. Geometrin för en slumvandring i ℝ^d förändras betydligt med d.
2. Korrelation: forskningssteg korrelerar — idag arbete bygger på igår. Korrelerade gångar beter sig annorlunda än oberoende steg.
3. Visionen själv kan vara fel: en riktad gång mot en felaktig attraktor är värre än drift.
Fördubblingtid
Hamming inledde sin kurs med påståendet att teknisk kunskap fördubblas ungefär vart 17:e år. Det påståendet har en precis matematisk struktur: exponentiell tillväxt.
Exponentiell tillväxtmodell
y(t) = a · e^(b·t)
där a = initial mängd vid t = 0, b = tillväxttakt (per tidsenhet), e ≈ 2,718.
Fördubblingtid D: tiden för y att fördubblas.
2a = a · e^(b·D) → 2 = e^(b·D) → ln(2) = b·D → D = ln(2) / b
ln(2) ≈ 0,693. För b = 0,693/17 ≈ 0,0408 per år fördubblingtid = 17 år.
Halveringstid
Halveringstid H: tiden för y att sönderfalla till halva sitt värde (b < 0).
H = ln(2) / |b|
Samma formel i båda riktningarna. En skicklighet med halveringstid på 5 år: efter 5 år är hälften av dess marknadsvärde borta. Efter 10 år: en fjärdedel återstår. Efter 20 år: mindre än 7% återstår.
Kunskapsfördubling
Om teknisk kunskap fördubblas vart 17:e år möter en student som examineras vid 22 år ett transformerat kunskapslandskap vid 56 år — en 34-årskarriär spänner två fullständiga fördubblingar.
Expertisens halveringstid
Samma exponentiella modell gäller för sönderfallning. En specifik skicklighet (t.ex. behärskning av en viss chiparkitektur, ett föråldrat API, en övergiven algoritm) förlorar värde över tid när fältet fortsätter framåt.
Om halveringstiden för en specialiserad skicklighet H = 5 år återstår efter t år fraktionen av ursprungligt värde: f(t) = (1/2)^(t/H) = 2^(−t/H).
Efter en halveringstid (5 år): 50% återstår. Två halveringstider (10 år): 25%. Tre (15 år): 12,5%. Fyra (20 år): 6,25%.
Hammings implikation: värdet av att lära sig hur man lär förening positivt med samma exponent som specialiserad kunskap förfaller. Att investera i lärstrategi, problemformulering & överförbar resonering bevarar värdet genom halveringstidscykler.
Geometri, felkorrigering & karriär
De tre geometriska strukturerna från denna lektion verkar frånkopplade. De förbinds.
Hamming-avstånd formaliserar kostnaden för fel och redundansen som behövs för att återställa från det. Varje kommunikationssystem, varje kodbas, varje uppsättning kunskap behöver tillräcklig redundans att enstaka fel inte förverkar helheten.
√n vs n argumentet översätter vision till ett geometriskt faktum: drift skalar som avstånd från en utgångspunkt, riktad rörelse skalar som förskjutning mot ett mål. Redundans i karriärstrategi — att hålla flera utredningslinjer öppna — buffrer mot den tillfälliga vilsevägen.
Exponentiell tillväxt & förfall styr både den växande gränsen och halveringstiden för vad du vet idag. Den enda stabila investeringen: att lära dig hur du lär, vilket ökar på samma tidsskala som specialiserad kunskap förfaller.