เรากำลังจะเข้าสู่ช่วงสิ้นสุดของปฏิวัติที่เปลี่ยนจากการส่งสัญญาณแบบต่อเนื่อง (continuous signals) เป็นการส่งสัญญาณแบบพัลส์ (discrete pulses) และตอนนี้น่าจะกำลังก้าวไปใช้ solitons เป็นพื้นฐานของการส่งสัญญาณแบบไม่ต่อเนื่อง หลายสัญญาณในธรรมชาติปรากฏในรูปแบบต่อเนื่อง (ถ้าไม่สนใจโครงสร้างที่ดูเป็นชิ้นส่วนซึ่งประกอบด้วยโมเลกุลและอิเล็กตรอน) เช่น การส่งเสียงทางโทรศัพท์ เสียงดนตรี ส่วนสูงและน้ำหนักของคน ระยะทางที่เดินทาง ความเร็ว ความหนาแน่น ฯลฯ ปัจจุบันเรามักจะแปลงสัญญาณต่อเนื่องเป็นสัญญาณสุ่มตัวอย่างทันที โดยการสุ่มตัวอย่างมักทำเป็นช่วงเวลาที่เท่ากัน และขนาดของสัญญาณจะถูก quantized ไปยังระดับจำนวนหนึ่ง การควอนไทซ์ (quantization) เป็นหัวข้อที่เราจะไม่กล่าวถึงในบทเหล่านี้ แม้จะมีความสำคัญในบางสถานการณ์ โดยเฉพาะในการคำนวณขนาดใหญ่กับตัวเลข
ทำไมจึงเกิดปฏิวัตินี้ขึ้น?
-
ในการส่งสัญญาณแบบต่อเนื่อง (continuous signaling หรือ transmission) มักต้องขยายสัญญาณเพื่อลดการสูญเสียตามทางเดิน สัญญาณที่มีความผิดพลาดในขั้นหนึ่ง—ก่อนหรือระหว่างการขยาย—จะถูกขยายโดยขั้นต่อไป ตัวอย่างเช่น บริษัทโทรศัพท์ในการส่งเสียงข้ามทวีป อาจมีปัจจัยการขยายรวมถึง 10^120 ตอนแรก 10^120 ดูเหมือนจะมาก ดังนั้นเราจึงทำการประมาณคร่าวๆ (back-of-the-envelope) เพื่อดูว่ามันสมเหตุสมผลหรือไม่ พิจารณาระบบอย่างละเอียด สมมติว่าแต่ละเครื่องขยายมีเกน 100 และวางห่างกันทุก 50 ไมล์ เส้นทางจริงของสัญญาณอาจยาวกว่า 3,000 ไมล์ จึงอาจต้องใช้เครื่องขยายประมาณ 60 ตัว ดังนั้นปัจจัยดังกล่าวจึงดูสมเหตุสมผลเมื่อเราเห็นว่ามันเกิดขึ้นได้อย่างไร ควรเห็นได้ว่าเครื่องขยายเหล่านี้ต้องถูกสร้างด้วยความแม่นยำสูงมากถ้าระบบจะใช้กับผู้ใช้จริง
เปรียบเทียบกับการส่งสัญญาณแบบไม่ต่อเนื่อง (discrete signaling) ในแต่ละขั้นตอนเราไม่ขยายสัญญาณ แต่ใช้พัลส์ขาเข้ามาควบคุม (gate) หรือตัดพัลส์จากแหล่งพัลส์มาตรฐาน เราใช้ repeaters, not amplifiers การรบกวนที่เกิดขึ้นในจุดหนึ่ง ถ้าไม่มากจนอาจทำให้การตรวจจับพัลส์ผิดพลาดที่ repeater ถัดไป จะถูกกำจัดโดยอัตโนมัติ ดังนั้นเราจึงสามารถส่งสัญญาณเสียงด้วยความเที่ยงตรงสูงหากใช้สัญญาณดิจิทัล และอุปกรณ์ก็ไม่จำเป็นต้องถูกสร้างด้วยความแม่นยำสูงนัก หากจำเป็น เราสามารถใช้รหัสตรวจจับและแก้ไขข้อผิดพลาด (error-detecting and error-correcting codes) เพื่อแก้ปัญหาเสียงรบกวนได้ เราจะพิจารณารหัสเหล่านี้ในบท 10–12 พร้อมกับวิวัฒนาการของตัวกรองดิจิทัล (digital filters) ซึ่งมักยืดหยุ่นกว่า ประกอบเข้ามากขึ้น และถูกกว่าตัวกรองอนาล็อก (analog filters) ในบท 14–17 ควรสังเกตที่นี่ว่า transmission through space (โดยทั่วไปคือการส่งสัญญาณ) เหมือนกับ transmission through time (การเก็บข้อมูล)
คอมพิวเตอร์ดิจิทัลสามารถใช้ประโยชน์จากคุณสมบัติเหล่านี้และทำการคำนวณที่ลึกและแม่นยำซึ่งอยู่นอกขอบเขตของการคำนวณแบบอนาล็อก คอมพิวเตอร์แบบอนาล็อกน่าจะผ่านจุดสูงสุดของความสำคัญแล้ว แต่ไม่ควรถูกมองข้ามอย่างไม่จริงจัง พวกมันมีคุณสมบัติบางอย่างซึ่ง ตราบใดที่ไม่ต้องการความแม่นยำสูงหรือการคำนวณเชิงลึกมาก ก็ทำให้มันเหมาะในบางสถานการณ์
-
การประดิษฐ์และการพัฒนาทรานซิสเตอร์และ integrated circuits (ics) มีส่วนช่วยอย่างมากต่อปฏิวัติดิจิทัล ก่อนที่จะมี ics ปัญหาเรื่องข้อต่อที่บัดกรีเป็นปัญหาสำคัญในการสร้างคอมพิวเตอร์ขนาดใหญ่ และ ics ได้กำจัดปัญหาส่วนใหญ่ แม้ว่าข้อต่อบัดกรียังคงเป็นเรื่องที่น่าหนักใจ นอกจากนี้ ความหนาแน่นของชิ้นส่วนใน ic ที่สูงหมายถึงต้นทุนที่ต่ำและความเร็วในการประมวลผลที่สูงขึ้น (ชิ้นส่วนต้องอยู่ใกล้กันเพราะมิฉะนั้นเวลาการส่งสัญญาณจะชะลอความเร็วการคำนวณอย่างมีนัยสำคัญ) การลดลงอย่างต่อเนื่องของระดับแรงดันและกระแสก็ช่วยบรรเทาปัญหาการกระจายความร้อนบางส่วน
มีการประมาณการในปี 1992 ว่าต้นทุนการเชื่อมต่อประมาณดังนี้
| การเชื่อมต่อบนชิป (Interconnection on the chip) | $10–5 = 0.001 cent |
| ระหว่างชิป (Interchip) | $10–2 = 1 cent |
| ระหว่างบอร์ด (Interboard) | $10–1 = 10 cents |
| ระหว่างเฟรม (Interframe) | $100 = 100 cents |
-
สังคมกำลังเคลื่อนจากสังคมสินค้าวัสดุไปสู่สังคมบริการข้อมูล ในช่วงการปฏิวัติอเมริกัน ประมาณปี 1780 คนกว่า 90% เป็นชาวนา—ตอนนี้เกษตรกรเป็นสัดส่วนน้อยของแรงงาน เมื่อก่อนสงครามโลกครั้งที่สองคนส่วนใหญ่ทำงานในโรงงาน—ตอนนี้น้อยกว่าครึ่ง ในปี 1993 มีคนทำงานในรัฐบาล (ไม่รวมทหาร) มากกว่าคนในอุตสาหกรรมการผลิต! สถานการณ์ในปี 2020 จะเป็นอย่างไร? คาดว่าอาจน้อยกว่า 25% ของกำลังแรงงานพลเรือนจะจัดการกับสิ่งของที่จับต้องได้ ส่วนที่เหลือจะจัดการกับข้อมูลในรูปแบบหนึ่งหรืออีกแบบหนึ่ง ในการสร้างภาพยนตร์หรือรายการทีวี คุณไม่ได้สร้างสิ่งของมากนัก แม้มันจะมีรูปแบบทางกายภาพ แต่สิ่งที่คุณทำคือการจัดการข้อมูล ข้อมูลแน่นอนถูกเก็บในรูปแบบทางกายภาพ เช่น หนังสือ (สาระสำคัญของหนังสือคือข้อมูล) แต่ข้อมูลไม่ใช่สินค้าทางกายภาพที่จะบริโภคเหมือนอาหาร บ้าน เสื้อผ้า รถยนต์ หรือการเดินทางด้วยเครื่องบิน
ปฏิวัติข้อมูลเกิดจากสามปัจจัยข้างต้นพร้อมการทำงานร่วมกันของพวกมันอย่างซินเนอร์จิสต์ แม้จะมีปัจจัยอื่นๆ ที่ช่วยสนับสนุนด้วย
-
คอมพิวเตอร์ทำให้หุ่นยนต์ทำหลายสิ่งได้ รวมถึงส่วนใหญ่ของการผลิตในปัจจุบัน ชัดเจนว่าคอมพิวเตอร์จะมีบทบาทโดดเด่นในการควบคุมหุ่นยนต์ แม้ต้องระวังว่าคอมพิวเตอร์แบบ von Neumann ทั่วไปอาจไม่ใช่กลไกควบคุมเพียงชนิดเดียว คอมพิวเตอร์แบบ neural net ปัจจุบัน, fuzzy set logic และรูปแบบอื่นๆ น่าจะทำส่วนมากของการควบคุมได้ หากละทัศนคติเด็กๆ ที่มองหุ่นยนต์เป็นเครื่องที่เหมือนมนุษย์ ควรคิดว่าเป็นเครื่องมือสำหรับจัดการและควบคุมสิ่งของในโลกทางกายภาพ หุ่นยนต์ที่ใช้ในงานผลิตทำหน้าที่ดังนี้:
- ผลิตสินค้าที่ดีกว่า ภายใต้ขอบเขตการควบคุมที่เข้มงวดกว่า
- ผลิตสินค้าที่มักจะมีราคาถูกกว่า
- ผลิตสินค้าที่แตกต่างออกไป
ข้อหลังต้องได้รับการเน้นอย่างระมัดระวัง
เมื่อเราย้ายจากการทำบัญชีด้วยมือไปสู่การทำบัญชีด้วยเครื่อง เราพบว่าจำเป็นต้องปรับระบบบัญชีเพื่อเหตุผลทางเศรษฐกิจเช่นเดียวกับเหตุผลอื่นๆ ในทำนองเดียวกัน เมื่อเปลี่ยนจากการผลิตด้วยมืออย่างเคร่งครัดไปสู่การผลิตด้วยเครื่อง เราก็เปลี่ยนจากสกรูและสลักไปเป็นรีเวทและการเชื่อม
มันแทบจะไม่เคยเป็นไปได้ที่จะผลิตสินค้าที่เหมือนกันเป๊ะๆ โดยเครื่องจักรอย่างเดียวเท่ากับที่ผลิตด้วยมือ
แท้จริงแล้ว หนึ่งในประเด็นสำคัญของการเปลี่ยนจากการผลิตด้วยมือเป็นการผลิตด้วยเครื่องคือการออกแบบผลิตภัณฑ์ที่ เทียบเท่า ด้วยจินตนาการ ดังนั้นในการคิดจะทำให้ระบบขนาดใหญ่เป็นอัตโนมัติ จะไม่สำเร็จหากพยายามรักษาระเบียบรายละเอียดเดิมไว้เป๊ะๆ ต้องมีการยืดหยุ่นให้มากขึ้นเพื่อให้ประสบความสำเร็จอย่างมีนัยสำคัญ คุณต้องจับใจความสำคัญของงานแล้วออกแบบการทำให้เป็นอัตโนมัติเพื่อทำงานนั้น แทนที่จะพยายามทำให้อัตโนมัติสำหรับเวอร์ชันปัจจุบัน—หากต้องการความสำเร็จที่ยั่งยืน
ฉันจำเป็นต้องเน้นประเด็นนี้: การทำให้เป็นเครื่องจักรต้องให้คุณผลิตสินค้าที่เทียบเท่า ไม่ใช่สินค้าที่เหมือนกันโดยสมบูรณ์ นอกจากนี้ ในการออกแบบใดๆ ตอนนี้จำเป็นต้องพิจารณาการบำรุงรักษาหน้างาน (field maintenance) ตั้งแต่ต้นเพราะในระยะยาวมักจะมีผลเหนือกว่าต้นทุนอื่นๆ ยิ่งระบบที่ออกแบบซับซ้อนมากขึ้น การบำรุงรักษาหน้างานก็ต้องเป็นส่วนสำคัญของการออกแบบสุดท้ายเท่านั้น จึงจะควบคุมได้อย่างปลอดภัย ไม่ฉลาดที่จะพยายามเพิ่มมันเข้าไปทีหลัง ข้อนี้ใช้กับทั้งสิ่งของเชิงกลและองค์กรของมนุษย์
- ผลกระทบของคอมพิวเตอร์ต่อวิทยาศาสตร์มีขนาดใหญ่ และน่าจะดำเนินต่อไปเมื่อเวลาผ่านไป ประสบการณ์การคำนวณขนาดใหญ่ครั้งแรกของฉันคือการออกแบบระเบิดปรมาณูดั้งเดิมที่ Los Alamos ไม่มีความเป็นไปได้ของการทดลองขนาดเล็ก—หรือคุณมีมวลวิกฤตหรือคุณไม่มี—และดังนั้นการคำนวณจึงเป็นแนวทางเดียวที่ใช้งานได้จริงในขณะนั้น เราจำลองการออกแบบต่างๆ บนเครื่อง ibm แบบบัญชีขั้นพื้นฐาน และค่อยๆ ลดลงสู่การออกแบบที่ทดสอบในทะเลทรายที่ Alamogordo, New Mexico
จากประสบการณ์นั้น เมื่อคิดทบทวนอย่างรอบคอบเกี่ยวกับความหมายของมัน ฉันตระหนักว่าคอมพิวเตอร์จะทำให้สามารถจำลองการทดลองได้หลายแบบ ใน Bell Telephone Laboratories ฉันได้นำวิสัยทัศน์นั้นมาปฏิบัติเป็นเวลาหลายปี ในช่วงกลางถึงปลายปี 1950 ในคำกล่าวต่อประธานและรองประธานของ Bell Telephone Laboratories ฉันกล่าวว่า “ขณะนี้เราใช้คอมพิวเตอร์ทำหนึ่งในสิบของการทดลอง และเก้ารายการในห้องปฏิบัติการ แต่ก่อนฉันจากไปมันจะเป็นเก้าจากสิบบนเครื่อง” พวกเขาไม่เชื่อฉันในตอนนั้น เพราะพวกเขาแน่ใจว่าการสังเกตจริงเป็นกุญแจของการทดลองและฉันเป็นนักทฤษฎีบ้าจากภาควิชาคณิตศาสตร์ แต่ตอนนี้คุณทั้งหลายคงตระหนักว่าเราทำการทดลองบนเครื่องระหว่าง 90% ถึง 99% และส่วนที่เหลือในห้องปฏิบัติการ เทรนด์นี้จะดำเนินต่อไป! มันถูกกว่ามากที่จะจำลองมากกว่าทดลองจริง ยืดหยุ่นกว่าในการทดสอบ และเราสามารถทำสิ่งที่ไม่สามารถทำได้ในห้องแล็บ จึงหลีกเลี่ยงไม่ได้ว่าแนวโน้มจะดำเนินไปต่ออีกสักระยะ ผลิตภัณฑ์เปลี่ยนไป!
แต่คุณทุกคนถูกสอนเกี่ยวกับความชั่วร้ายของสโคลาสติคยุคกลาง—ผู้คนตัดสินว่าสิ่งใดจะเกิดขึ้นโดยการอ่านในหนังสือของอริสโตเติล (384–322 BC) แทนที่จะมองธรรมชาติ นี่คือจุดมหัศจรรย์ของ Galileo (1564–1642) ที่เริ่มการปฏิวัติวิทยาศาสตร์สมัยใหม่—มองธรรมชาติ ไม่ใช่หนังสือ! แต่สิ่งที่ฉันบอกด้านบนคืออะไร? เรากำลังมองมากขึ้นในหนังสือและน้อยลงที่ธรรมชาติ! มีความเสี่ยงชัดเจนว่าเราจะไปไกลเกินไปเป็นครั้งคราว—และฉันคาดว่าสิ่งนี้จะเกิดขึ้นบ่อยในอนาคต เราต้องไม่ลืม ในความกระตือรือร้นกับการจำลองบนคอมพิวเตอร์ เราต้องมองธรรมชาติเป็นครั้งคราวตามที่มันเป็น
- คอมพิวเตอร์ยังมีผลกระทบอย่างมากต่อวิศวกรรม ไม่เพียงแต่เราสามารถออกแบบและสร้างสิ่งที่ซับซ้อนกว่าได้มากกว่าที่ทำด้วยมือ เรายังสามารถสำรวจหลายรูปแบบของการออกแบบได้มากขึ้น นอกจากนี้เราใช้คอมพิวเตอร์ควบคุมสถานการณ์ เช่น ในเครื่องบินความเร็วสูงสมัยใหม่ ที่เราออกแบบให้ไม่เสถียรแล้วใช้การตรวจจับความเร็วสูงและคอมพิวเตอร์มาทำให้เสถียรเพราะนักบินธรรมดาไม่สามารถบินมันได้โดยตรง ในทำนองเดียวกัน เราสามารถทำการทดลองไม่เสถียรในห้องแล็บโดยใช้คอมพิวเตอร์เร็วควบคุมความไม่เสถียร ผลลัพธ์คือการทดลองจะวัดบางอย่างได้แม่นยำมากใกล้ขอบของความเสถียร
ดังที่กล่าวข้างต้น วิศวกรรมกำลังเข้าใกล้วิทยาศาสตร์มากขึ้น และดังนั้นบทบาทของการจำลองในสถานการณ์ที่ยังไม่สำรวจเพิ่มขึ้นอย่างรวดเร็วในทั้งวิศวกรรมและวิทยาศาสตร์ นอกจากนี้เป็นความจริงว่า computers are now often an essential component of a good design (คอมพิวเตอร์มักเป็นองค์ประกอบสำคัญของการออกแบบที่ดีในปัจจุบัน)
ในอดีต วิศวกรรมถูกขับเคลื่อนโดยคำถามว่า “เราสามารถทำอะไรได้บ้าง” แต่ตอนนี้คำถามว่า “เราต้องการจะทำอะไร” มีความสำคัญยิ่งกว่าเพราะเรามีกำลังในการออกแบบเกือบทุกสิ่งที่ต้องการ มากกว่าที่เคย วิศวกรรมกลายเป็นเรื่องของการเลือกและสมดุล มากกว่าการทำแค่สิ่งที่ทำได้ และมากขึ้นเรื่อยๆ ปัจจัยด้านมนุษย์จะกำหนดการออกแบบที่ดี—หัวข้อนี้ต้องการความสนใจจากคุณเสมอ
- ผลกระทบต่อสังคมก็มีขนาดใหญ่ ตัวอย่างที่ชัดเจนคือคอมพิวเตอร์ได้ให้ผู้บริหารระดับสูงอำนาจในการ micromanage องค์กรของตน และผู้บริหารระดับสูงมักไม่สามารถต้านทานการใช้พลังนี้ได้เป็นเวลานาน คุณมักจะอ่านในหนังสือพิมพ์ว่าบริษัทใหญ่บางแห่งกำลังกระจายอำนาจ แต่เมื่อคุณติดตามเป็นเวลาหลายปี คุณจะเห็นว่าพวกเขาแค่ตั้งใจจะทำเช่นนั้น แต่ไม่ได้ลงมือจริง
ในบรรดาปัญหาของ micromanagement อีกประการหนึ่งคือฝ่ายบริหารระดับล่างไม่ได้รับโอกาสในการตัดสินใจอย่างรับผิดชอบและเรียนรู้จากความผิดพลาดของตน แต่เมื่อคนรุ่นเก่าเกษียณแล้ว ฝ่ายบริหารระดับล่างจะขึ้นมาเป็นฝ่ายบริหารระดับสูง—โดยที่ไม่ได้มีประสบการณ์จริงในหน้าที่บริหารมากมาย!
นอกจากนี้ การวางแผนจากศูนย์กลางถูกพิสูจน์ซ้ำแล้วซ้ำเล่าว่าให้ผลลัพธ์ที่ไม่ดี (พิจารณาการทดลองของรัสเซียเป็นตัวอย่าง หรือระบบราชการของเราเอง) ผู้ที่อยู่ในจุดปฏิบัติงานมักมีความรู้ที่ดีกว่าผู้ที่อยู่ด้านบน และดังนั้นมัก (ไม่เสมอไป) จะตัดสินใจได้ดีกว่าถ้าไม่ถูก micromanage คนระดับล่างไม่มีมุมมองแบบกว้าง แต่คนระดับบนก็ไม่มีมุมมองรายละเอียดภายในท้องถิ่น ซึ่งหลายอย่างมีความสำคัญมาก ดังนั้น either extreme gets poor results
ต่อไป ความคิดที่เกิดจากผู้ที่ทำงานในสนาม ซึ่งอาศัยประสบการณ์ตรง ไม่สามารถเดินหน้าในระบบควบคุมจากศูนย์กลางได้ เพราะผู้จัดการอาจไม่ได้คิดถึงมันเอง not invented here (NIH) syndrome เป็นหนึ่งในคำสาปใหญ่ของสังคมเรา และคอมพิวเตอร์ ด้วยความสามารถในการส่งเสริม micromanagement เป็นปัจจัยสำคัญ
แต่มีแนวโน้มต้านทาน micromanagement เกิดขึ้นอย่างช้าๆ แต่แน่นอน การเชื่อมโยงหลวมๆ ระหว่างองค์กรขนาดเล็กที่ค่อนข้างเป็นอิสระกำลังเกิดขึ้น ดังนั้นในธุรกิจนายหน้าซื้อขาย (brokerage) บริษัทหนึ่งอาจตั้งขึ้นเพื่อขายบริการให้ผู้สมัครขนาดเล็กอื่นๆ เช่น บริการคอมพิวเตอร์และบริการทางกฎหมาย ซึ่งจะปล่อยให้การตัดสินใจเกี่ยวกับการซื้อขายของลูกค้าไว้กับผู้บริหารท้องถิ่นที่อยู่ใกล้เส้นหน้าของกิจกรรม ในทำนองเดียวกัน ในพื้นที่เภสัชกรรม บางบริษัทที่เกี่ยวข้องกันอย่างหลวมๆ ดำเนินงานและแลกเปลี่ยนกันตามที่เห็นสมควร ฉันเชื่อว่าคุณจะเห็นการเชื่อมโยงลักษณะนี้ระหว่างองค์กรเล็กๆ เพิ่มขึ้นเป็นการป้องกันการ micromanagement จากด้านบน ซึ่งเกิดขึ้นบ่อยในองค์กรขนาดใหญ่ ตลอดมาเคยมีอิสระของแผนกย่อยบ้าง แต่พลังของการ micromanage จากด้านบนดูเหมือนจะทำลายเส้นทางดั้งเดิมและความเป็นอิสระในการตัดสินใจ—และฉันสงสัยว่าผู้บริหารระดับสูงส่วนใหญ่จะสามารถต้านทานอำนาจนี้ได้นาน บริษัทใหญ่ส่วนมากคงถูกแทนที่ในระยะยาวด้วยองค์กรที่เล็กลงโดยไม่มีต้นทุน (overhead) และความผิดพลาดของผู้บริหารระดับสูง ดังนั้นคอมพิวเตอร์กำลังส่งผลต่อโครงสร้างวิธีทำธุรกิจของสังคม และในเวลานี้ในด้านนี้ดูเหมือนจะเป็นผลร้ายมากกว่า
- คอมพิวเตอร์ได้แทรกซึมเข้าสู่สาขาบันเทิงแล้ว งานวิจัยไม่เป็นทางการชี้ว่าอเมริกันเฉลี่ยใช้เวลาดูทีวีมากกว่าเวลาที่กินอาหาร—อีกครั้งที่สาขาข้อมูลมีความสำคัญมากกว่าสาขาทางกายภาพอย่างการกิน! โฆษณาจำนวนมากและบางโปรแกรมปัจจุบันผลิตขึ้นบางส่วนหรือทั้งหมดโดยคอมพิวเตอร์
ระยะที่เครื่องจักรจะเปลี่ยนสังคมไปได้มากแค่ไหนเป็นเรื่องน่าสมมติ ซึ่งเปิดประเด็นหัวข้อที่จะทำให้เกิดปัญหาถ้าพูดอย่างเปิดเผย! ดังนั้นฉันต้องปล่อยให้จินตนาการของคุณเป็นผู้ตอบว่า โดยใช้คอมพิวเตอร์บนชิป จะทำอะไรได้ในด้านเช่น เพศ การแต่งงาน กีฬา เกม “การท่องเที่ยวแบบสบายจากที่บ้านผ่านความจริงเสมือน (virtual realities)” และกิจกรรมมนุษย์อื่นๆ
คอมพิวเตอร์เริ่มต้นในด้านการคำนวณตัวเลขแต่ขยายไปยังการค้นคืนข้อมูล (เช่น ระบบสำรองที่นั่งสายการบิน); การประมวลผลคำ (word processing) ซึ่งแพร่หลายไปทุกที่; การจัดการสัญลักษณ์ เช่น โปรแกรมที่สามารถทำอินทิกรัลวิเคราะห์ได้ดีกว่าและถูกกว่านักเรียน; และในด้านตรรกะและการตัดสินใจ บริษัทหลายแห่งใช้โปรแกรมประเภทนี้เพื่อควบคุมการดำเนินงานของตนจากช่วงต่อช่วง คอมพิวเตอร์จะรุกรานสาขาดั้งเดิมต่อไปและเรื่องนี้จะถูกพูดถึงต่อในหัวข้อ Artificial Intelligence (AI), บท 6–8
- ในทางทหารเห็นได้ง่าย (เช่นในสงครามอ่าว) บทบาทศูนย์กลางของข้อมูล และความล้มเหลวในการใช้ข้อมูลเกี่ยวกับสถานการณ์ของตนเองได้คร่าชีวิตคนของเราไปมาก! ชัดเจนว่าสงครามนั้นคือสงครามของข้อมูลเหนือสิ่งอื่นใด และน่าจะเป็นหนึ่งในตัวบ่งชี้ของอนาคต ฉันไม่จำเป็นต้องบอกคุณเรื่องนี้เพราะคุณคงตระหนักหรือควรตระหนักต่อแนวโน้มนี้ เป็นหน้าที่ของคุณที่จะพยายามทำนายสถานการณ์ในปี 2020 เมื่อคุณอยู่ในจุดสูงสุดของอาชีพ ฉันเชื่อว่าคอมพิวเตอร์จะอยู่แทบทุกหนทุกแห่ง เพราะฉันเคยเห็นป้ายที่เขียนว่า “The battlefield is no place for the human being.” ในสถานการณ์ที่ต้องการการตัดสินใจต่อเนื่อง บ่อยครั้งข้อดีของเครื่องกับคนถูกกล่าวถึงในบทก่อน และมันยากที่จะปฏิเสธข้อดีเหล่านี้ แม้มันจะไม่ใช่ทุกอย่าง ชัดเจนว่าบทบาทของมนุษย์จะแตกต่างอย่างมากจากที่เคยเป็น แต่หลายคนจะยืนยันทฤษฎีเก่าๆ ที่ถูกสอนให้ตั้งแต่ต้นราวกับว่ามันจะเป็นความจริงโดยอัตโนมัติในอนาคต มันจะเหมือนกันในธุรกิจ: หลายสิ่งที่สอนในปัจจุบันอิงจากอดีตและมองข้ามปฏิวัติคอมพิวเตอร์และการตอบสนองต่อความเลวร้ายที่ปฏิวัตินำมา; ผลประโยชน์ชัดต่อการบริหาร ส่วนผลร้ายชัดน้อยกว่า
จะมากน้อยเพียงใดที่แนวโน้มที่คาดไว้ในข้อ 6 ข้างต้น ต่อและหันเหจาก micromanagement จะใช้แพร่หลายเป็นหัวข้อที่ดีที่สุดที่จะปล่อยให้คุณ—แต่คุณจะโง่ถ้าไม่ให้ความสนใจอย่างลึกซึ้งและต่อเนื่อง ฉันแนะนำว่าคุณต้องคิดใหม่เกี่ยวกับทุกสิ่งที่คุณเคยเรียนในหัวข้อนี้ ตั้งคำถามกับหลักคำสอนที่ประสบความสำเร็จจากอดีตทุกข้อ และสุดท้ายตัดสินใจด้วยตัวเองเกี่ยวกับความสามารถใช้งานในอนาคต พุทธเจ้าบอกสาวกของท่านว่า “อย่าเชื่ออะไรเลย ไม่ว่าจะอ่านที่ไหน หรือใครพูด ต่อให้ฉันเองก็เถอะ ถ้ามันไม่สอดคล้องกับเหตุผลของคุณและสามัญสำนึกของคุณ” ฉันบอกคุณเช่นเดียวกัน—คุณต้องรับผิดชอบต่อสิ่งที่คุณเชื่อ
ตอนนี้ผมจะพูดถึงหัวข้อที่มักถูกละเลย อัตราการพัฒนาของสาขาพิเศษบางสาขา ซึ่งผมจะอธิบายด้วยตัวอย่างการคำนวณแบบ back-of-the-envelope การเติบโตของสาขาส่วนใหญ่ (แต่มิใช่ทั้งหมด) มักตามรูปทรง S สิ่งต่างๆ เริ่มช้า จากนั้นขึ้นอย่างรวดเร็ว และต่อมาราบรื่นเมื่อถึงขีดจำกัดทางธรรมชาติ
แบบจำลองการเติบโตที่ง่ายที่สุดสมมติว่าอัตราการเติบโตเป็นสัดส่วนกับขนาดปัจจุบัน—บางอย่างคล้ายกับดอกเบี้ยทบต้น การเติบโตประชากรแบคทีเรียที่ไม่ถูกจำกัด รวมถึงตัวอย่างอื่นๆ สมการเชิงอนุพันธ์ที่สอดคล้องกันคือ
สรุป: whose solution is, of course,
แต่การเติบโตนี้ไร้ขอบเขตและทุกสิ่งย่อมมีขีดจำกัด แม้แต่ความรู้เองด้วย เพราะมันต้องถูกบันทึกในรูปแบบบางอย่าง และเราถูกสอนในปัจจุบันว่าเอกภพมีขอบเขตจำกัด! ดังนั้นเราต้องใส่ปัจจัยจำกัดในสมการเชิงอนุพันธ์ ให้ L เป็นค่าจำกัดบน แล้วสมการเติบโตถัดไปที่ง่ายที่สุดดูเหมือนจะเป็น
สรุป: At this point we of course reduce it to a standard form that eliminates the constants. Set y = Lz and x = kLt__, then we have
เป็นรูปแบบลดทอนสำหรับปัญหาการเติบโต โดยที่ระดับการอิ่มตัวตอนนี้คือ 1 การแยกตัวแปรบวกเศษส่วนย่อยให้ผล
สรุป: A is, of course, determined by the initial conditions, where you put t (or x) = 0. You see immediately the S shape of the curve: at t = −∞, z = 0; at t = 0, z = A/(A + 1); and at t = + ∞, z = 1.
แบบจำลองที่ยืดหยุ่นกว่าในการเติบโตคือ (ในตัวแปรลดทอน)
สรุป: This is again a separable equation, and also yields to numerical integration if you wish. We can analytically find the steepest slope by differentiating the right-hand side and equating to 0, getting
ดังนั้นที่ตำแหน่ง
สรุป: we have the maximum slope
การสเก็ตช์ทิศทางสนาม (direction field), Figure 2.1, มักจะแสดงลักษณะของคำตอบและทำได้ง่ายโดยที่ความชันขึ้นอยู่กับ y เท่านั้น ไม่ขึ้นกับ x_—isoclines เป็นเส้นแนวนอน ดังนั้นรูปแบบของคำตอบจะเลื่อนไปตามแกน _x ได้โดยไม่เปลี่ยน “รูปร่าง” ของคำตอบ สำหรับค่า a และ b ที่กำหนด แล้ว there is really only one shape และเงื่อนไขเริ่มต้นกำหนดว่าคุณจะมองที่ไหน ไม่ใช่ว่าคุณจะมองอะไร เมื่อสมการเชิงอนุพันธ์มีสัมประสิทธิ์ที่ไม่ขึ้นกับตัวแปรอิสระ คุณจะเห็นผลแบบนี้
Figure 2.1—ทิศทางสนาม
สรุป: In the special case of a = b we have maximum slope = 2–2a. The curve will in this case be odd symmetric about the point where z = 1/2. In the further special case of a \= b \= 1/2 we get the solution
ที่นี่เราเห็นเส้นคำตอบมีขอบเขตจำกัด สำหรับกำลังที่ใหญ่กว่า a และ b เราจะมีขอบเขตที่ชัดเจนเป็นอนันต์
สรุป: As an application of the above, consider the rate of increase in computer operations per second has been fairly constant for many years—thus we are clearly on the almost straight line part of the S curve. (More on this in the next chapter.) In this case we can more or less know the saturation point for the von Neumann, single-processor type of computer. Since we believe (1) the world is made out of molecules and (2) using the evidence from the two relativity theories, special and general, gives a maximum speed of useful signaling, there are definite limits to what can be done with a single processor. The trend to highly parallel processors is the indication we are feeling the upper saturation limit of the S curve for single-processor computers. There is also the nasty problem of heat dissipation to be considered. We will discuss this matter in more detail in the next chapter.
Figure 2.2—นวัตกรรมหลายอย่าง
สรุป: Again we see how a simple model, while not very exact in detail, suggests the nature of the situation. Whether parallel processing fits into this picture or is an independent curve is not clear at this moment. Often a new innovation will set the growth of a field onto a new S curve which takes off from around the saturation level of the old one, Figure 2.2. You may want to explore models which do not have a hard upper saturation limit but rather finally grow logarithmically; they are sometimes more appropriate.
เป็นที่ชัดว่าในอนาคตวิศวกรรมไฟฟ้าจะเกี่ยวข้องมากกับ (1) การเลือกชิปจากชั้นวางหรือแคตตาล็อก (2) การประกอบชิปเหล่านั้นให้ได้สิ่งที่ต้องการ และ (3) การเขียนโปรแกรมที่สอดคล้อง ความตระหนักเกี่ยวกับชิปและบอร์ดวงจรที่มีอยู่จะเป็นส่วนสำคัญของวิศวกรรม เหมือนกับ Vacuum Tube Catalog ในอดีต
สรุป: As a last observation in this area let me talk about special-purpose ic chips. It is immensely ego gratifying to have special-purpose chips for your special job, but there are very high costs associated with them. First, of course, is the design cost. Then there is the “troubleshooting” of the chip. Instead, if you find a general-purpose chip, which may possibly cost a bit more, then you gain the following advantages:
- ผู้ใช้รายอื่นของชิปจะช่วยค้นหาข้อผิดพลาดหรือจุดอ่อนอื่นๆ หากมี
- ผู้ใช้รายอื่นจะช่วยเขียนคู่มือการใช้งานที่จำเป็น
- ผู้ใช้รายอื่น รวมถึงผู้ผลิต จะเสนอการอัปเกรดของชิป ดังนั้นคุณคาดว่าจะได้รับชิปที่ปรับปรุงอย่างต่อเนื่องโดยแทบไม่ต้องทำอะไร
- ปัญหาสต็อกจะไม่เป็นปัญหาจริงจัง
- เนื่องจากความก้าวหน้าทางเทคโนโลยีกำลังเกิดขึ้นอย่างรวดเร็ว การล้าสมัยทางเทคโนโลยีจะรวดเร็วกว่าในอดีตมาก คุณแทบจะไม่ทันที่จะติดตั้งระบบและใช้งานก่อนที่จะมีการปรับปรุงสำคัญที่คุณสามารถปรับโดยการเปลี่ยนโปรแกรม if คุณใช้ชิปแบบ general-purpose และวิธีการโปรแกรมที่ดี แทนที่จะใช้ชิปเฉพาะ ซึ่งมีแนวโน้มจะผูกมัดคุณกับการออกแบบแรกเริ่ม
ดังนั้นจงระวังชิปวัตถุประสงค์เฉพาะ! แม้ในหลายครั้งพวกมันจะจำเป็น