A Pergunta Central
Hamming abriu o Capítulo 19 com uma citação direta da 1975 Summer Computer Simulation Conference:
> Como as decisões importantes devem se basear em simulação, é essencial que sua validade seja testada e que seus defensores possam descrever o nível de representação autêntica que eles atingiram.
Sua formulação da mesma pergunta, mais aguçada:
> Por que alguém deveria acreditar que a simulação é relevante?
Não comece uma simulação até ter dado sério pensamento nesta pergunta. Muitas vezes, há pressões práticas para começar a computar imediatamente - tempo, dinheiro, impulso organizacional. Essas pressões não mudam a pergunta.
A experiência de Hamming: quando ele questionou a validade das simulações, as respostas citavam inevitavelmente:
- Quantos recursos humanos foram dedicados ao trabalho
- Qual o tamanho e a velocidade do computador
- Qual a importância do problema
Nenhuma dessas respostas aborda a validade. São argumentos sociais, não técnicos.
A história do voo espacial: um diretor de simulação afirmou uma confiabilidade de 99,44% nos lançamentos. Hamming questionou: confiabilidade de quê? Depois de ser pressionado, o diretor admitiu que sua figura era confiabilidade da simulação, não do voo real. Ele admitiu também que o diretor NASA que aprovava os lançamentos não entendia a distinção - e ele não havia corrigido esse equívoco.
A confusão entre a confiabilidade da simulação e a confiabilidade do sistema é uma das erros mais perigosos na prática engenhreira.
O Que A Validade Realmente Exige
Hamming montou uma lista de verificação para avaliar a confiabilidade da simulação. Cada pergunta deve ser respondida antes que a saída da simulação mereça peso em decisões:
1. O teor de fundo apoia as leis assumidas? As simulações de física se baseiam em equações verificadas; as simulações econômicas frequentemente não.
2. Uma pequena interação vital pode estar faltando? O exemplo do treinador de pilotos: ótimo para física conhecida; perigoso se um novo avião tem interações não incorporadas ainda.
3. É a entrada de dados confiável? A incerteza nos dados se propaga pela computação. Saiba de onde veio os dados.
4. A simulação é estável ou instável? Campos de direção instáveis ampliam os erros de entrada; os estáveis os atenuam.
5. Há cruzamentos de verificação contra a experiência passada conhecida?
6. É possível produzir verificações internas? Conservação de massa, energia, momento angular ou outros invariantes. Sem redundância, não é possível detectar erros.
7. As marcas no papel são inseridas corretamente na máquina? Erros de programação persistem por anos no código de produção. Uma leitora automática de cartões que traduzia descrições de reações em equações diferenciais - a solução de Hamming para a simulação da química atmosférica - reduz os erros de transcrição sem depender da vigilância humana.
A Lei Econômica de Hamming
As simulações de física se baseiam em leis verificadas e expressas matematicamente. As simulações de química requerem constantes de taxa verificadas. As simulações de biologia requerem dinâmica de população conhecida.
A economia, na visão de Hamming, tem uma única lei confiável: você não pode consumir o que não é produzido. Toda outra lei econômica alegada é ou uma tautologia matemática ou é às vezes falsa.
A implicação para simulação: quando as leis de fundo não são confiáveis, toda a base da simulação é suspeita. Alta precisão na computação não compensa leis inconfiáveis no modelo.
A resposta de Hamming quando questionado sobre a execução de simulações ecológicas: ele pediu regras matematicamente expressas para cada interação, com constantes numéricas, e dados reais para comparar as execuções de teste. Os solicitantes rapidamente encontraram alguém mais disposto a executar 'simulações muito questionáveis que dariam os resultados que desejavam.'
A regra de Hamming: mantenha sua integridade. Não permita que você mesmo seja usado para propaganda de outros. Recuse simulações que estejam estruturalmente projetadas para confirmar uma conclusão.
Paradoxo de Simpson em Dados de Simulação
A história de Hamming em Berkeley: mais homens do que mulheres foram aceitos no curso de pós-graduação, sugerindo discriminação. Nenhum departamento individual mostrou discriminação. A explicação: as mulheres se candidataram desproporcionalmente a departamentos com taxas de aceitação baixas; os homens se candidataram desproporcionalmente a departamentos com taxas de aceitação altas. O estatístico agregado era real e enganoso.
Isso é o Paradoxo de Simpson: combinar dados pode criar efeitos aparentes que não estão presentes em qualquer subgrupo. Saídas de simulação que agregam sobre grupos, regiões ou períodos de tempo podem apresentar a mesma patologia.
Simulações Que Mudam O Que Modelam
Uma classe especial de falha de simulação: o sujeito altera o comportamento em resposta ao modelo.
Exemplo de mercado de ações: se uma estratégia de negociação amplamente conhecida produzir com confiabilidade retornos acima do mercado, os participantes a adotarão e a competição eliminará o excesso de retorno. O sucesso do modelo destrói a validade do modelo.
Exemplo médico: o experimento duplo-cego existe porque os médicos que sabiam quais pacientes receberam tratamento e quais receberam placebo encontraram melhoria onde esperavam. O conhecimento dos médicos contaminou a observação.
Simulação para decisões de alto risco - política econômica, planejamento militar, saúde pública - enfrenta esse problema sempre que as saídas da simulação são divulgadas ou orientam o comportamento.
Amostragem & Precisão
O teorema de Nyquist estabelece uma restrição fundamental na simulação digital de sistemas contínuos: você precisa de pelo menos duas amostras por período da frequência mais alta presente no sinal.
Na prática, Hamming observou que a amostragem de um lado e o aliasing empurram a exigência para sete a dez amostras por período da frequência mais alta de interesse.
Tradeoff de precisão: computadores analógicos (na época de Hamming) alcançavam no máximo uma precisão de um em 10.000 por componente. Computadores digitais podem carregar precisão arbitrária. Mas a precisão digital requer amostragem adequada - e para sinais com conteúdo de alta frequência agudo, essa taxa de amostragem impulsiona o custo de computação.
Vantagem analógica: velocidade e integração física. Você pode conectar um componente físico diretamente ao circuito analógico e medir seu comportamento sem encontrar uma descrição matemática dele. Para os primeiros designs de mísseis direcionados, isso permitiu um rápido senso do sistema antes que existisse um modelo matemático completo.
As máquinas analógicas usadas no trabalho inicial com mísseis derivaram de partes do diretor de canhão M9. Hamming construiu um analisador diferencial a partir dessas equipamentos. Tempo de solução: cerca de 30 minutos por trajetória. Essa velocidade forçou um pensamento profundo entre as corridas - uma restrição que Hamming veio a considerar como uma vantagem estrutural.
Sentir vs Precisão: O Problema do Pouso no Marte
Hamming apresentou uma pergunta de design aguçada: para um treinador de voo de pouso na Marte, o simulador deve otimizar a precisão posicionais ou a sensação do veículo?
A análise numérica clássica otimiza a trajetória de posição usando aproximações polinomiais locais. O caminho é preciso, mas as mudanças de aceleração são desconexas em cada intervalo polinomial - uma sensação inatural.
Métodos de domínio de frequência otimizam a resposta em frequência do simulador. A posição pode ser menos precisa, mas o piloto percebe corretamente a resposta dinâmica do veículo. A memória muscular do piloto se forma na função de transferência certa.
O julgamento de Hamming: um treinador de piloto deve otimizar a sensação. Durante o voo real, o piloto pode compensar erros de posição por meio de controle de feedback. Se a sensação estiver errada, o piloto foi treinado para um veículo que não existe.
O princípio mais profundo: a escolha do método numérico encerra uma afirmação sobre o que importa na simulação. Essa afirmação é um juízo de domínio, não matemático.