ロジスティック方程式の導出
ハミングのS曲線には、技術の採用に関する2つの観察事項に基づく正確な数学的導出があります。
1. 採用速度は、現在の採用速度に加速します（口コミ、ネットワーク効果）：dP/dt ∝ P
2. 採用速度は、市場が飽和する際に減速します：dP/dt ∝ (1 − P)
組み合わせ：dP/dt = r · P · (1 − P)
これは、ロジスティック微分方程式です。分離可能です。部分分数分解により、直接積分が可能です。
導出
変数を分離します：dP / [P(1−P)] = r dt
部分分数：1/[P(1−P)] = 1/P + 1/(1−P)
両辺を積分します：ln(P) − ln(1−P) = rt + C
ln[P/(1−P)] = rt + C
P/(1−P) = e^(rt+C) = e^C · e^(rt)
K = e^C とする。Pを解きます：P = K·e^(rt) / (1 + K·e^(rt))
等しく：P(t) = 1 / (1 + e^(−r(t − t₀)))
ただし、t₀ = (ln K)/r は、屈点です。
屈点
t = t₀ の時：P = 0.5。二次微分d²P/dt² = 0：成長率が最大です。t₀より前の時：凸（加速）。t₀より後の時：凹み（減速）。
データにロジスティックを適合させる
2つのデータポイントがロジスティック曲線上にある場合、両方のrとt₀を解くことができます。
インターネットの採用: P(1995) = 0.01 (米国世帯の1%）、P(2005) = 0.70 (70%)。
ネットワーク価値の幾何学的カウント
Hammingは、ハードウェアやソフトウェアよりもアプリケーションがコンピューティングの採用を促進することに注目した。ネットワークに依存するアプリケーションは、特定の成長モデルに従い、価値はコストよりも速く増加します。
Metcalfeの法則
nユーザーを持つネットワークの価値は、ユーザー間の可能な接続の数に比例する:
V(n) = k · n(n−1)/2 ≈ k · n²/2 (大きなnの場合)
ここでkは1つの接続の価値です。ネットワークのコスト：C(n) ∝ n (ほぼユーザー数に線形)。
価値対コスト比：V/C ∝ n²/n = n。nが増加すると、この比率は線形に増加します。ユーザーが10倍多いネットワークは、コストが10倍増加しただけで、ほぼ100倍の価値を提供します。
幾何学的表現
n個のノードを持つ完全グラフK_nのエッジの数は、C(n,2) = n(n−1)/2です。これは組み合わせの式：n個のノードから2個選ぶ。n=10の場合、C(10,2)=45。n=100の場合、C(100,2)=4950。n=1000の場合、C(1000,2)=499,500。
S曲線とMetcalfeの法則は相互作用します：Phase 2の急速な採用中に、nが急速に増加し、V(n)がn²で増加します。価値のインフレーションは、採用インフレーションよりも前に起こります — 価値は採用を引き付け、ポジティブフィードバックループを引き起こす。
異なる採用レベルのネットワーク価値
メールの採用：1985年 (n=100,000ユーザー) で、k = 1接続年あたり0.01ドル。1995年 (n=3,000,000,000ユーザー)。
最適化を幾何学的に考える
ハミングのボーイングテープの話は最適化の失敗を正確な幾何学的意味で説明しています。関数f(x)の最適化には、
1. 関数f：目標（ドラッグ、コスト、市場投入時期）
2. 固定のランドスケープ：fを同じ状態で評価するたびに同じです
3. 勾配：最も改善される方向
ランドスケープが測定間で変更された場合、推定勾配は次のステップに進む方向が存在しない場合があります。f₁の勾配を計算しているが、次のステップに進むランドスケープf₂で計算します。
勾配降下法
標準的な勾配降下法：x_{t+1} = x_t − α ∇f(x_t)
ここでα = ステップサイズ（学習率）、∇f = 勾配ベクトル（偏微分）。
ボーイングの失敗：時刻tでチームはf(x_t)を測定します。時刻t+1でチームはxをx_t + Δxに変更します。しかし、共有データベースも変更されました：fは今f' ≠ fです。観測された変化：f'(x_t + Δx) − f(x_t)。これはfの勾配ではありません。これには、ランドスケープのシフトの項が含まれています。
ファントム勾配
測定された変化：[f'(x+Δx) − f(x)] = [f(x+Δx) − f(x)] + [f'(x+Δx) − f(x+Δx)]
勾配の真の値 × Δx + ランドスケープのシフト
ランドスケープのシフトが主導する場合：チームはf'の最小値をfの最大値に移動します。彼らは誤ったものを最適化し、測定値が改善しているにもかかわらず、設計が悪くなる可能性があります。
ファントム勾配の量化
チームは、θ = 翼角、s = 翼幅を最適化するドラッグf(θ, s)です。真の勾配：∂f/∂θ = −0.5 (θが増加するとドラッグが減少)、∂f/∂s = +0.3 (sが増加するとドラッグが増加)。
別のチームは同時に機体の重量を減らしており、それがドラッグ関数の変更を引き起こします：f' = f − 0.8。(軽量な機体は、すべての構成でドラッグを0.8ユニット減少させます。)
最初のチームは測定：f'(θ+Δθ, s) − f(θ, s) = [f(θ+Δθ, s) − 0.8] − f(θ, s) = −0.5·Δθ − 0.8。