计算机应用的三个阶段
Hamming在第5章开篇进行了一次回顾：他在IBM客户培训活动中进行的30年系列演讲迫使他理解趋势而不仅仅是事实。反复准备相同的演讲要求他保持在领域前沿，而不仅仅是与之同步。
他确定了计算机应用方式的三个连续阶段：
阶段1：硬件限制（第3章）。 早期计算受到机器能做什么的限制——内存稀缺、计算周期昂贵、可靠性不确定。应用程序的选择是为了适应硬件。
阶段2：软件限制（第4章）。 随着硬件的改进，编程成为了瓶颈。应用程序的选择受到有效编码能力的限制。
阶段3：经济学与应用（第5章）。 到20世纪80年代末期，硬件足够便宜，软件足够强大，问题变成了：计算机应该做什么？经济学与组织能力决定了哪些应用程序会被开发。
这个阶段转变很重要：每个阶段都要求从业者具备完全不同的技能。从阶段1的杰出硬件工程师如果从未更新过他们的思维模式，在阶段3会变得无用。
最早的应用
计算开始于天文学计算，然后是物理学和工程学中的"数字计算"。西班牙神学家Raymond Lull（1235–1315）建造了一个逻辑机器——第一个将计算应用于非数值推理的例子。Jonathan Swift在《格列佛游记》中讽刺了它（拉普塔岛）。Hamming追踪了这条从Lull到符号操纵再到后来的机器学习的线索。
技术采用的S曲线
每项主要技术都遵循一个特征轨迹：缓慢的初期采用、快速加速、饱和。Hamming将这种模式称为S曲线。
任何技术的阶段1：英勇示范。少数热情人士证明该技术有效。进展取决于个人天才和对不可靠性的容忍度。
阶段2：快速采用。该技术变得足够可靠，可供普遍使用。围绕它建立基础设施。出现标准。限制因素从技术转向组织。
阶段3：饱和。该技术达到其可寻址市场的完全渗透。进一步的改进产生递减回报。新的S曲线开始用于继承技术。
对于计算：阶段1 = ENIAC时代（1940年代–1950年代），阶段2 = 大型机商业化（1960年代–1970年代），阶段3 = 个人计算接近饱和（1980年代–1990年代）。Hamming在为大型机从阶段2向阶段3转变时编写这些内容，而个人计算仍处于其阶段2中。
第2章中首次陈述的等价产品洞察直接适用于此：在阶段2，成功的计算机化会产生一个等价的工作，而不是相同的工作。试图计算机化现有工作流而不重新设计它们的组织往往失败或表现不佳。
在S曲线上定位自己
Hamming的S曲线洞察有一个实际含义：在阶段1中成功的技能与策略（英勇、实验、高失败容忍度）不同于阶段2中所需的技能（可靠交付、标准遵守、组织整合）和阶段3中的技能（优化、成本降低、平台整合）。
当共享数据不起作用时
Hamming讲述了他对波音计算机中心进行高级审计期间的一个故事。波音管理层相信他们已经解决了协作设计问题：所有工程师都会将他们当前的设计状态写入共享磁带。每个人都会从这个唯一的真实来源读取。协调问题会消失。
它没有起作用。
原因：当一个团队进行优化研究（例如改变机翼面积和轮廓以最小化阻力）时，他们需要一个固定基线来衡量变化。如果共享磁带持续使用其他团队的更改进行更新，团队测量的改进实际上可能反映了在他们的迭代之间插入的其他人的变化——而不是他们自己的设计决定。
团队在实践中采用的解决方案：每个小组在开始优化研究时，对当前磁带进行一份快照副本。他们在整个研究期间使用该冻结的副本，忽略更新。只有在对新设计满意时，他们才会写回——然后与其他人的更改进行协调。
Hamming的结论：你不能将持续变化的数据库用于优化研究。 优化需要稳定的状态空间；可变的共享状态会引入虚假相关性。
数据库
计算机被宣传为组织数据问题的解决方案。Hamming持怀疑态度。他以航空公司预订系统为例（协调问题是真实的，数据模型很简单，一致性严格要求）。但承诺告诉管理人员公司实时当前状态的管理信息系统一直表现不佳：数据模型太复杂，数据质量太差，解释太模糊。
稳定基线与实时数据
波音的失败说明了一个一般性原则Hamming暗示的：优化需要一个在固定状态空间上评估的稳定成本函数。共享可变状态违反了固定状态空间的要求。
这个原则延伸到软件之外。在任何优化过程中——商业战略、实验设计、模型训练——隔离所研究的变量需要控制所有其他变量。
模式识别作为下一个前沿
到1993年，Hamming将模式识别确定为计算的下一个重大挑战。他区分了两种类型：
经典模式识别：将输入与存储的模板进行比较。人脸检测、OCR（光学字符识别）、签名验证。一旦定义了模板集，这些就允许算法解决方案。
真正的识别：一个孩子识别椅子跨越数千种不同的形状、材料、大小和方向，从未见过其中大多数。没有明确的模板涵盖泛化。Hamming将其视为一个开放问题——经典模式匹配与真正识别之间的差距不是更多数据或更快硬件的问题。它需要不同的基础。
他用专家系统失败的术语来描述这一点：研究人员认为他们可以从专家那里提取决策规则并将其编码到程序中。专家系统在狭隘领域有效，但在复杂领域失败，部分原因是人类专家使用他们无法表达的模式。在多年实践中构建的无意识模式库无法通过面试提取。
Hamming的预测（1993年）：真正的模式识别需要根本不同的计算方法。他指向神经网络，但很谨慎——不相信当时的神经网络会缩小差距。
30年来给同一个演讲
Hamming描述了一个给他的职业生涯带来比几乎任何其他事情更多回报的做法：反复给同一个演讲。
他大约在1960年被邀请在IBM客户培训活动中演讲。他选择了一个关于计算历史到公元2000年的演讲主题——一个他真的不确定的话题，这迫使他发展实际的观点。他在大约30年内每年给这个演讲的变体两到三次。
他确定的好处：
保持当前：反复给同一个演讲迫使他定期更新它。他不能在跟随该领域的受众面前给一个陈旧的演讲而不感到尴尬。
趋势识别：更新过程迫使他寻找趋势，而不仅仅是事件。过去一年发生了什么变化，方向是什么？重复更新需要一个领域模型，而不仅仅是事实目录。
公开演讲技能：实践减少了恐惧并改进了交付。他停止对给演讲感到害怕；他通过重复而不是天才成为了一位精致的演讲者。
网络：一个一致的主题建立了声誉。人们将他与计算趋势联系起来。邀请倍增。
他的观察：他本可以通过运气获得这个做法——但他创造了运气，通过积极寻求演讲机会，然后系统地使用它们。
刻意练习与职业资本
Hamming的30年演讲是刻意练习应用于智力工作的一个例子：一个系统的、重复的练习，带有反馈循环，在时间内建立复合技能。
结构：（1）承诺一个处于你知识边缘的话题；（2）给一个演讲，这迫使你了解它；（3）接收反馈（观众反应、你无法回答的问题）；（4）更新演讲；（5）重复。
每个周期都添加到一个模型中。每个更新都强制与新数据接触。每个观众问题都显示一个差距。在30年内，模型变得深刻。
连接硬件、软件与应用
第3、4和5章形成了一个进展。Hamming在三个讲座中建立了论证：
第3章（硬件）：物理限制限制了机器能做什么。三个法则——分子大小、光速、热——设定了没有工程可以消除的上限。
第4章（软件）：人的限制限制了程序能做什么。为逻辑优雅设计的语言失败；为人类心理设计的语言生存。抽象层层积累，每一层解决前一层的痛点。
第5章（应用）：经济和组织限制限制了什么被建造。技术遵循S曲线。共享可变状态破坏优化。模式识别仍然是一个开放的挑战。
统一的主题：限制转变。了解当前限制因素是什么的从业者——并相应地定位他们的技能——一致地优于那些优化昨天约束的人。
Hamming从30年演讲中获得的职业课程：反复给同一个演讲迫使他理解趋势。机制不是演讲本身而是准备周期：什么改变了，方向是什么，为什么？重复的准备建立了一个简单阅读无法建立的模型。
当前的限制因素是什么？
在Hamming的框架中，每个时代都有一个限制因素：如果移除，会最加快进展的限制。在1940年代：硬件速度。在1970年代：软件能力。在1990年代：经济和组织能力。