Tiga Fase Aplikasi Komputer
Bab 5 Hamming dibuka dengan retrospektif: seri presentasi 30 tahunnya di acara pelatihan pelanggan IBM memaksa dia untuk memahami tren daripada hanya fakta. Persiapan presentasi yang sama berulang kali memaksa dia untuk selangkah lebih maju dari bidangnya, bukan hanya sesuai dengan itu.
Dia mengidentifikasi tiga fase berurutan dalam bagaimana komputer diterapkan:
Fase 1: Batasan perangkat keras (Bab 3). Komputasi awal terbatas oleh apa yang bisa dilakukan mesin — memori sangat langka, siklus mahal, keandalan tidak pasti. Aplikasi dipilih untuk sesuai dengan perangkat keras.
Fase 2: Batasan perangkat lunak (Bab 4). Ketika perangkat keras meningkat, pengkodean menjadi batasan. Aplikasi terbatas oleh apa yang bisa ditulis dengan efisien.
Fase 3: Ekonomi & aplikasi (Bab 5). Pada akhir 1980-an, perangkat keras cukup murah dan perangkat lunak cukup kuat sehingga pertanyaannya adalah: apa yang harus komputer lakukan? Ekonomi & kapasitas organisasi yang menentukan aplikasi apa yang dibangun.
Perubahan fase ini penting: setiap fase membutuhkan keterampilan yang sangat berbeda dari praktisi. Seorang insinyur perangkat keras brilian dari Fase 1 yang tidak pernah memperbarui model mentalnya menjadi tidak berguna di Fase 3.
Aplikasi Awal
Komputasi dimulai dengan perhitungan astronomi, kemudian 'perhitungan angka' dalam fisika & teknik. Raymond Lull (1235–1315), seorang teolog Spanyol, membangun mesin logika — aplikasi komputer pertama untuk reasoning non-numerical. Jonathan Swift mengolok-oloknya dalam Gulliver's Travels (pulau Laputa). Hamming menelusuri garis ini dari Lull melalui manipulasi simbolik ke apa yang akan menjadi: belajar mesin.
Kurva S Penerimaan Teknologi
Setiap teknologi utama mengikuti trjektori yang khas: pengadopsian awal lambat, percepatan cepat, penuh. Hamming menamai pola ini sebagai pola S.
Fase 1 dari teknologi: penggunaan heroik. Sejumlah kecil penggemar menunjukkan bahwa teknologi berfungsi. Kemajuan tergantung pada kecerdasan individu & ketahanan terhadap ketidakteraturan.
Fase 2: adopsi cepat. Teknologi menjadi cukup andal untuk digunakan umum. Infrastruktur dibangun di sekitar itu. Standar muncul. Faktor yang menentukan berpindah dari teknis ke organisasi.
Fase 3: penetrasi penuh. Teknologi mencapai penetrasi penuh di pasar yang dapat dijangkau. Peningkatan lebih lanjut memberikan pengembalian yang semakin menurun. Kurva S baru dimulai untuk teknologi penerus.
Untuk komputasi: Fase 1 = era ENIAC (1940-an-1950-an), Fase 2 = komersialisasi mainframe (1960-an-1970-an), Fase 3 = komputasi pribadi mendekati penetrasi penuh (1980-an-1990-an). Hamming menulis selama transisi dari Fase 2 ke Fase 3 untuk mainframe, sementara komputasi pribadi masih berada di Fase 2.
Insight produk yang setara (pertama kali disebutkan di Bab 2) berlaku secara langsung di sini: di Fase 2, computerisasi yang sukses menghasilkan pekerjaan yang setara, bukan pekerjaan yang sama. Organisasi yang mencoba mengkomputerisasi aliran kerja yang ada tanpa merancang ulang mereka seringkali gagal atau kinerjanya kurang optimal.
Menempatkan Diri Anda pada Kurva S
Insight Hamming tentang kurva S memiliki implikasi praktis: keterampilan dan strategi yang berhasil di Fase 1 (heroik, eksperimental, toleransi tinggi terhadap kegagalan) berbeda dengan yang diperlukan di Fase 2 (pengiriman andal, kinerja standar, integrasi organisasi) dan Fase 3 (optimalisasi, penurunan biaya, consolidasi platform).
Ketika Data Bersama Tidak Berfungsi
Hamming bercerita tentang kisah dari saat ia melakukan audit tingkat tinggi terhadap pusat komputer Boeing. Manajemen Boeing percaya mereka telah menyelesaikan desain kolaboratif: semua insinyur akan menulis state desain terkini mereka ke pita bersama. Semua orang akan membaca dari sumber kebenaran tunggal ini. Masalah koordinasi akan hilang.
Tidak berfungsi.
Alasan: ketika tim melakukan studi optimitas (mengubah, misalnya, luas dan profil sayap untuk mengurangi gesekan), mereka membutuhkan basis state tetap untuk mengukur perubahan terhadapnya. Jika pita bersama yang terus-menerus diperbarui dengan perubahan dari tim lain, peningkatan yang tim ukur mungkin sebenarnya mencerminkan perubahan seseorang yang dimasukkan antara iterasi mereka — bukan keputusan desain mereka sendiri.
Solusi yang diadopsi tim secara praktis: setiap grup, ketika mulai melakukan studi optimitas, membuat salinan snapshot dari pita terkini. Mereka menggunakan salinan beku itu sepanjang studi mereka, mengabaikan pembaruan. Hanya ketika mereka puas dengan desain baru mereka, mereka menulis kembali — lalu merekoncili dengan perubahan orang lain.
Kesimpulan Hamming: Anda tidak bisa menggunakan basis data yang terus-menerus berubah untuk studi optimitas. Optimitas membutuhkan ruang state stabil; state bersama yang mudah diubah mengintroduksi korelasi bayangan.
Basis Data
Komputer dianggap sebagai solusi untuk masalah data organisasi. Hamming skeptis. Ia mengutip sistem pemesanan penerbangan sebagai benar-benar sukses (masalah koordinasi nyata, model data sederhana, konsistensi sangat diperlukan). Tapi sistem informasi manajemen yang menjanjikan memberi tahu manajer 'state perusahaan saat ini secara real-time' secara konsisten mengalami kegagalan: model data terlalu kompleks, kualitas data terlalu buruk, dan interpretasi terlalu ambigu.
Basis State Stabil vs Data Hidup
Kegagalan Boeing menggambarkan prinsip umum yang diimplikasikan Hamming: optmialisasi membutuhkan fungsi biaya stabil yang dievaluasi pada ruang state tetap. Penggunaan state bersama yang dapat diubah melanggar persyaratan ruang state tetap.
Prinsip ini meluas jauh dari perangkat lunak. Dalam setiap proses optmialisasi - strategi bisnis, desain eksperimental, pelatihan model - isolasi variabel yang sedang diteliti membutuhkan pengendalian variabel lainnya.
Pengenalan Pola sebagai Depan Baru
Pada tahun 1993, Hamming mengidentifikasi pengenalan pola sebagai tantangan besar berikutnya untuk komputasi. Dia membedakan dua jenis:
Pengenalan pola klasik: membandingkan input dengan template yang disimpan. Deteksi wajah, pengenalan karakter optik (OCR), verifikasi tanda tangan. Ini mengizinkan solusi algoritma sekali set template yang ditentukan.
Pengakuan yang Sesungguhnya: Anak mengakui 'meja' di antara ribuan bentuk yang berbeda, bahan, ukuran, & orientasi, meskipun belum melihat sebagian besar dari mereka sebelumnya. Tidak ada template eksplisit yang mencakup generalisasi. Hamming menganggap ini sebagai masalah terbuka — jarak antara pencocokan pola kelasik dengan pengakuan yang sesungguhnya bukan hanya masalah lebih banyak data atau perangkat keras yang lebih cepat. Ini membutuhkan dasar yang berbeda.
Dia menyusun ini dalam hal kegagalan sistem ekspert: peneliti percaya mereka bisa mengekstrak aturan keputusan dari ahli dan merekamnya dalam program. Sistem ekspert bekerja di domain yang sempit tetapi gagal di yang kompleks, sebagian karena ahli manusia menggunakan pola yang mereka tidak bisa ungkapkan. Perpustakaan pola tak sadar yang dibangun selama tahun-tahun latihan tidak bisa diekstrak melalui wawancara.
Prediksi Hamming (1993): pengenalan pola yang sesungguhnya akan membutuhkan pendekatan komputasional yang berbeda secara fundamental. Dia menunjuk ke jaringan saraf tetapi waspada - tidak yakin apakah jaringan saraf saat itu akan menutup jarak tersebut.
Memberikan Talk yang Sama selama 30 Tahun
Hamming menggambarkan praktik yang memberikan hasil lebih dari hampir segala hal dalam hidup profesionalnya: memberikan talk yang sama secara berulang.
Dia diundang untuk berbicara di acara pelatihan klien IBM sekitar tahun 1960. Dia memilih untuk memberikan talk tentang Sejarah Komputasi hingga Tahun 2000 - topik yang dia anggap benar-benar tidak pasti, yang memaksa dia untuk mengembangkan pendapat yang sebenarnya. Dia memberikan variasi dari talk tersebut dua atau tiga kali setahun selama 30 tahun.
Manfaat yang dia identifikasi:
Mengikuti tren: memberikan talk yang sama secara berulang memaksa dia untuk mengupdate-nya secara teratur. Dia tidak bisa memberikan talk yang ketinggalan jaman tanpa memalukan diri di depan audiens yang mengikuti bidang tersebut.
Pengenalan tren: proses update memaksa dia untuk mencari tren, bukan hanya peristiwa. Apa yang berubah dalam tahun lalu, dan ke arah mana? Update berulang membutuhkan model bidang, bukan hanya katalog fakta.
Keterampilan public speaking: latihan mengurangi rasa takut dan meningkatkan presentasi. Dia berhenti ketakutan untuk memberikan talk; dia menjadi pembicara yang rapi melalui repetisi daripada talenta.
Jaringan: topik yang konsisten membangun reputasi. Orang mengaitkan dia dengan tren komputasi. Undangan bertambah.
Pengamatan-nya: dia bisa mendapatkan praktik ini melalui keberuntungan - tetapi dia membuat keberuntungan dengan aktif mencari kesempatan berbicara, lalu mengembangkan disiplin untuk menggunakan mereka secara sistematis.
Latihan Sengaja & Kapital Karier
Pembicaraan Hamming 30 tahun merupakan contoh latihan sengaja yang diterapkan pada pekerjaan intelektual: latihan sistematis, yang diulang dengan siklus umpan balik yang mengembangkan keterampilan yang berkembang secara bertahap.
Struktur: (1) komitmen pada topik di tepi pengetahuan Anda; (2) berikan talk, yang memaksa Anda untuk mengetahuinya; (3) menerima umpan balik (respon audiens, pertanyaan yang tidak bisa dijawab); (4) update talk; (5) ulangi.
Setiap siklus menambah model. Setiap update memaksa kontak dengan data baru. Setiap pertanyaan audiens menunjukkan celah. Selama 30 tahun, model menjadi dalam.
Menghubungkan Hardware, Software & Penerapan
Bab 3, 4, & 5 membentuk progresi. Hamming membangun argumen melalui tiga ceramah:
Bab 3 (Perangkat Keras): Batasan fisik membatasi apa yang bisa dilakukan mesin. Tiga hukum - ukuran molekul, kecepatan cahaya, panas - menentukan atap yang tidak dapat dihilangkan oleh teknik apa pun.
Bab 4 (Perangkat Lunak): Batasan manusia membatasi apa yang bisa dilakukan program. Bahasa yang dirancang untuk keindahan logika gagal; bahasa yang dirancang untuk psikologi manusia bertahan. Layer abstrak menumpuk, masing-masing mengatasi rasa sakit lapisan sebelumnya.
Bab 5 (Aplikasi): Batasan ekonomi & organisasi membatasi apa yang dibangun. Teknologi mengikuti kurva S. State yang dapat diubah bersama mengganggu optmialisasi. Pengenalan pola tetap menjadi tantangan terbuka.
Tema yang dihubungkan: batasan berganti. Praktisi yang memperbarui model batasan ikatan saat ini - dan menempatkan keterampilan mereka sesuai - secara konsisten mengungguli yang mengoptimalkan batasan kemarin.
Pelajaran karier Hamming dari obrolan 30 tahun: menyampaikan obrolan yang sama berulang kali memaksa dia untuk memahami tren. Mekanisme tidak dalam obrolan itu sendiri, tetapi siklus persiapan: apa yang berubah, ke arah mana, dan mengapa? Persiapan berulang membangun model yang tidak dapat dibangun oleh membaca sederhana.
Apa Itu Batasan Ikatan Saat Ini?
Dalam kerangka Hamming, setiap era memiliki batasan ikatan: batasan yang, jika dihilangkan, akan paling mempercepat kemajuan. Pada tahun 1940-an: kecepatan perangkat keras. Pada tahun 1970-an: kemampuan perangkat lunak. Pada tahun 1990-an: ekonomi & kapasitas organisasi.