Câu hỏi trung tâm
Hamming mở Chương 19 với một câu trích dẫn trực tiếp từ Hội nghị Mô phỏng Máy tính Mùa hè 1975:
> Vì các quyết định quan trọng phải dựa vào mô phỏng, nên điều cần thiết là phải kiểm tra tính hợp lệ của nó, và những người ủng hộ nó phải có khả năng mô tả mức độ biểu diễn xác thực mà họ đã đạt được.
Cách diễn đạt câu hỏi tương tự của anh ấy, rõ ràng hơn:
> Tại sao ai nên tin tưởng rằng mô phỏng này có liên quan?
Đừng bắt đầu một mô phỏng cho đến khi bạn đã suy tư nghiêm túc về câu hỏi này. Thường có những áp lực thực tiễn để bắt đầu tính toán ngay lập tức — thời gian, tiền bạc, động lực tổ chức. Những áp lực đó không thay đổi câu hỏi.
Kinh nghiệm của Hamming: khi anh ấy đặt ra câu hỏi về tính hợp lệ của mô phỏng, câu trả lời luôn luôn trích dẫn:
- Bao nhiêu nhân lực đã được đưa vào công việc
- Máy tính lớn và nhanh như thế nào
- Vấn đề quan trọng như thế nào
Không câu trả lời nào trong số đó giải quyết tính hợp lệ. Đó là các lập luận xã hội, không phải các lập luận kỹ thuật.
Câu chuyện về chuyến bay vào vũ trụ: một giám đốc mô phỏng tuyên bố độ tin cậy 99,44% cho các lần phóng. Hamming thúc đẩy: độ tin cậy của cái gì? Sau khi bị bao vây, giám đốc thừa nhận con số của anh ấy là độ tin cậy của mô phỏng, không phải chuyến bay thực tế. Anh ấy tiếp tục thừa nhận rằng giám đốc NASA người đã phê duyệt các lần phóng không hiểu sự khác biệt — và anh ấy đã không sửa chữa sự hiểu lầm đó.
Việc nhầm lẫn giữa độ tin cậy của mô phỏng với độ tin cậy của hệ thống là một trong những lỗi nguy hiểm nhất trong thực hành kỹ thuật.
Những gì Xác thực Thực sự Yêu cầu
Hamming lập một danh sách kiểm tra để đánh giá độ tin cậy của mô phỏng. Mỗi câu hỏi phải được trả lời trước khi kết quả mô phỏng có thể đáng tin cậy để đưa ra quyết định:
1. Lý thuyết nền có hỗ trợ các luật giả định không? Các mô phỏng vật lý dựa trên các phương trình đã được xác minh; các mô phỏng kinh tế thường không.
2. Có thể một hiệu ứng nhỏ nhưng quan trọng bị thiếu không? Ví dụ về máy bay huấn luyện: xuất sắc đối với vật lý đã biết; nguy hiểm nếu một máy bay mới có các tương tác chưa được kết hợp.
3. Dữ liệu đầu vào có đáng tin cậy không? Sự không chắc chắn trong đầu vào lan truyền qua tính toán. Biết dữ liệu đến từ đâu.
4. Mô phỏng có ổn định hay không ổn định không? Các trường hướng không ổn định khuếch đại lỗi đầu vào; các trường ổn định giảm thiểu chúng.
5. Các kiểm tra chéo nào so với kinh nghiệm trong quá khứ có sẵn không?
6. Có thể tạo ra các kiểm tra nội bộ không? Bảo toàn khối lượng, năng lượng, momen góc hoặc các bất biến khác. Nếu không có dự phòng, không thể phát hiện lỗi nào.
7. Những dấu vết trên giấy có được đưa vào máy một cách chính xác không? Các lỗi lập trình tồn tại trong mã sản xuất nhiều năm. Một máy quét thẻ tự động dịch các mô tả phản ứng thành phương trình vi phân — giải pháp của Hamming cho mô phỏng hóa học khí quyển — giảm thiểu lỗi phiên dịch mà không cần dựa vào cảnh báo của con người.
Luật kinh tế của Hamming
Các mô phỏng vật lý dựa trên các luật được xác minh, được diễn đạt bằng toán học. Các mô phỏng hóa học yêu cầu các hằng số tốc độ được xác minh. Các mô phỏng sinh học yêu cầu động lực quần thể đã biết.
Kinh tế, theo quan điểm của Hamming, chỉ có một luật đáng tin cậy: bạn không thể tiêu thụ những gì chưa được sản xuất. Mọi luật kinh tế khác được tuyên bố là một phép toán học hoặc đôi khi sai.
Hàm ý đối với mô phỏng: khi các luật nền không giữ vững một cách đáng tin cậy, toàn bộ nền tảng của mô phỏng đáng nghi. Độ chính xác cao trong tính toán không bù đắp cho các luật không đáng tin cậy trong mô hình.
Phản ứng của Hamming khi được yêu cầu chạy mô phỏng sinh thái: anh ấy yêu cầu các quy tắc được diễn đạt bằng toán học cho mỗi tương tác, với các hằng số số, và dữ liệu thực để so sánh các lần chạy kiểm tra. Những người yêu cầu sớm tìm thấy ai đó sẵn lòng hơn để chạy 'các mô phỏng rất đáng nghi nhận sẽ đưa ra kết quả họ muốn'.
Quy tắc của Hamming: giữ vẹn của bạn. Đừng để bản thân bạn được sử dụng cho tuyên truyền của người khác. Từ chối các mô phỏng được cấu trúc để xác nhận một kết luận.
Nghịch lý Simpson trong dữ liệu mô phỏng
Câu chuyện Berkeley của Hamming: nhiều nam giới hơn nữ giới được chấp nhận vào trường cao học, gợi ý phân biệt đối xử. Không có bộ phận riêng lẻ nào cho thấy phân biệt đối xử. Lời giải thích: phụ nữ nộp đơn không cân xứng vào các bộ phận có tỷ lệ chấp nhận thấp; nam giới nộp đơn không cân xứng vào các bộ phận có tỷ lệ chấp nhận cao. Thống kê tổng hợp là thực tế và gây hiểu lầm.
Đây là Nghịch lý Simpson: kết hợp dữ liệu có thể tạo ra các hiệu ứng rõ ràng không có trong bất kỳ nhóm con nào. Kết quả mô phỏng kết hợp các nhóm, vùng hoặc khoảng thời gian có thể biểu hiện cùng một bệnh lý.
Mô phỏng thay đổi những gì chúng mô hình hóa
Một lớp mô phỏng thất bại đặc biệt: đối tượng thay đổi hành vi để đáp ứng với mô hình.
Ví dụ thị trường chứng khoán: nếu một chiến lược giao dịch được biết đến rộng rãi ổn định tạo ra lợi nhuận cao hơn thị trường, những người tham gia sẽ áp dụng nó, và cạnh tranh sẽ loại bỏ lợi nhuận thặng dư. Thành công của mô hình phá hủy tính hợp lệ của mô hình.
Ví dụ y tế: thử nghiệm mù kép tồn tại vì các bác sĩ biết bệnh nhân nào nhận được điều trị và ai nhận được giả dược tìm thấy cải thiện mà họ mong đợi. Kiến thức của các bác sĩ làm ô nhiễm quan sát.
Mô phỏng cho các quyết định mạo hiểm cao — chính sách kinh tế, lập kế hoạch quân sự, y tế công cộng — đối mặt với vấn đề này bất cứ khi nào kết quả mô phỏng được công khai hoặc hướng dẫn hành vi.
Lấy mẫu & Độ chính xác
Định lý Nyquist đặt một ràng buộc cơ bản đối với mô phỏng kỹ thuật số của các hệ thống liên tục: bạn cần ít nhất hai mẫu trên mỗi kỳ của tần số cao nhất có trong tín hiệu.
Trong thực hành, Hamming lưu ý, lấy mẫu một phía và quanh co đẩy yêu cầu lên từ bảy đến mười mẫu trên mỗi kỳ của tần số cao nhất quan tâm.
Sự cân bằng độ chính xác: máy tính tương tự (trong thời đại của Hamming) đạt được tối đa một phần trong 10.000 độ chính xác cho mỗi thành phần. Máy tính kỹ thuật số có thể mang độ chính xác tùy ý. Nhưng độ chính xác kỹ thuật số yêu cầu lấy mẫu thích hợp — và đối với tín hiệu có nội dung tần số cao sắc nét, tỷ lệ lấy mẫu đó đẩy chi phí tính toán.
Lợi thế tương tự: tốc độ và tích hợp vật lý. Bạn có thể dây một thành phần vật lý trực tiếp vào mạch tương tự và đo lường hành vi của nó mà không cần tìm một mô tả toán học của nó. Đối với các thiết kế tên lửa hướng dẫn ban đầu, điều này cho phép cảm nhận nhanh chóng về hệ thống trước khi một mô hình toán học hoàn toàn tồn tại.
Các máy tương tự được sử dụng cho công việc tên lửa ban đầu bắt nguồn từ các bộ phận giám đốc súng M9. Hamming xây dựng một thiết bị phân tích vi phân từ thiết bị như vậy. Thời gian giải pháp: khoảng 30 phút cho mỗi quỹ đạo. Tốc độ đó buộc suy nghĩ sâu sắc giữa các lần chạy — một ràng buộc Hamming đến để coi như một lợi thế cấu trúc.
Cảm nhận so với Độ chính xác: Vấn đề Lander sao Hỏa
Hamming đặt ra một câu hỏi thiết kế sắc nét: đối với một máy huấn luyện đáp xuống sao Hỏa, nó có nên tối ưu hóa cho độ chính xác vị trí hay cho cảm nhận của phương tiện?
Phân tích số cổ điển tối ưu hóa quỹ đạo vị trí bằng cách sử dụng các xấp xỉ đa thức cục bộ. Đường dẫn là chính xác, nhưng những thay đổi gia tốc không liên tục ở mỗi khoảng đa thức — một 'cảm nhận' không tự nhiên.
Các phương pháp miền tần số tối ưu hóa phản ứng tần số của máy mô phỏng. Vị trí có thể kém chính xác hơn, nhưng phi công nhận thức phản ứng động của phương tiện một cách chính xác. Trí nhớ cơ bắp của phi công hình thành trên chức năng chuyển đổi chính xác.
Phán đoán của Hamming: máy huấn luyện phi công nên tối ưu hóa cho cảm nhận. Trong chuyến bay thực tế, phi công có thể bù đắp cho các lỗi vị trí thông qua điều khiển phản hồi. Nếu cảm nhận sai, phi công đã được huấn luyện cho một phương tiện không tồn tại.
Nguyên tắc sâu hơn: sự lựa chọn phương pháp số mã hóa một khiếu nại về những gì quan trọng trong mô phỏng. Khiếu nại đó là một phán đoán miền, không phải một phán đoán toán học.