อย่างที่คุณอาจสังเกตเห็น ผมใช้เนื้อหาทางเทคนิคเป็นแกนเชื่อมโยงเรื่องเล่าหลายเรื่อง ดังนั้นครั้งนี้ผมจะเริ่มด้วยเรื่องราวว่า บทนี้และสองบทก่อนหน้านั้นเกิดขึ้นมาได้อย่างไร ในช่วงทศวรรษ 1950 ผมพบว่าตัวเองกลัวการพูดต่อหน้าผู้ชมจำนวนมาก ทั้งที่สอนในวิทยาลัยมาหลายปี เมื่อคิดอย่างจริงจัง ผมสรุปได้ว่าผมไม่สามารถปล่อยให้ความกลัวแบบนี้มาทำลายเส้นทางการเป็นนักวิทยาศาสตร์ที่ดี หน้าที่ของนักวิทยาศาสตร์ไม่ใช่เพียงการค้นพบสิ่งใหม่ แต่ยังต้องสื่อสารผลงานเหล่านั้นให้สำเร็จในไม่น้อยกว่า 3 รูปแบบ:
- การเขียนบทความและหนังสือ
- การบรรยายที่เตรียมไว้ล่วงหน้า
- การบรรยายแบบฉุกเฉิน
ถ้าขาดสิ่งใดสิ่งหนึ่งไป ก็จะเป็นอุปสรรคหนักต่อเส้นทางอาชีพของผม วิธีที่จะเรียนรู้การบรรยายต่อสาธารณะโดยไม่กลัวมากนักเป็นปัญหาของผม คำตอบชัดเจนคือฝึกฝน และแม้ว่าสิ่งอื่นๆ อาจช่วยได้ แต่การฝึกฝนเป็นสิ่งที่จำเป็นต้องทำ
ไม่นานหลังจากผมตระหนักเรื่องนี้ ผมได้รับเชิญให้ไปบรรยายตอนเย็นแก่กลุ่มคนด้านคอมพิวเตอร์ที่เป็นลูกค้า IBM ซึ่งกำลังเรียนการใช้งานเครื่อง IBM ในฐานะผู้ใช้ ผมเคยผ่านหลักสูตรแบบนี้มาแล้ว และรู้ว่าปกติการฝึกอบรมจะจัดเป็นสัปดาห์ในช่วงเวลาทำงาน เพื่อความบันเทิงในตอนเย็น IBM มักจัดงานสังสรรค์ในคืนแรก จัดให้ไปชมการแสดงในคืนอื่น และมีการบรรยายทั่วไปเกี่ยวกับคอมพิวเตอร์อีกคืนหนึ่ง — ซึ่งชัดเจนว่าผมถูกขอให้ไปบรรยายในหัวข้อสุดท้ายนั้น
ผมรับข้อเสนอนั้นทันที เพราะเห็นโอกาสที่จะฝึกการบรรยายอย่างที่ผมบอกตัวเองว่าต้องทำ ผมจึงตั้งใจว่าจะบรรยายให้ดีจนถูกเชิญไปบรรยายอีก เพื่อให้ได้ฝึกมากขึ้น ตอนแรกผมคิดว่าจะพูดในหัวข้อที่ผมสนใจเป็นพิเศษ แต่ก็รู้ได้เร็วว่าถ้าต้องการได้รับเชิญกลับ ควรพูดในสิ่งที่ผู้ฟังอยากฟัง ซึ่งมักต่างจากสิ่งที่ผมอยากพูดมาก ผมจะรู้ได้อย่างไรว่าพวกเขาอยากฟังอะไร โดยเฉพาะเมื่อผมไม่แน่ใจว่าพวกเขากำลังเรียนอะไรและมีพื้นฐานอย่างไร ผมจึงเลือกหัวข้อที่น่าสนใจทั่วไป ประวัติการคอมพิวเตอร์จนถึงปี 2000 — ประมาณปี 1960 นั่นเอง แม้แต่ผมเองก็สนใจหัวข้อนี้และสงสัยว่าจะพูดอย่างไรด้วย! ยิ่งไปกว่านั้น ซึ่งสำคัญ เมื่อเตรียมการบรรยายผมก็เตรียมตัวเองไปด้วย เมื่อผมถามว่า “พวกเขาอยากฟังอะไร” ผมไม่ได้พูดในฐานะนักการเมือง แต่ในฐานะนักวิทยาศาสตร์ที่ควรบอกความจริงตามที่เห็น นักวิทยาศาสตร์ไม่ควรบรรยายเพียงเพื่อความบันเทิง เพราะจุดประสงค์ของการบรรยายมักเป็นการส่งผ่านข้อมูลเชิงวิทยาศาสตร์จากผู้พูดสู่ผู้ฟัง นั่นไม่ได้หมายความว่าการบรรยายต้องน่าเบื่อ มีเส้นกั้นที่ชัดเจนแต่ละเอียดระหว่างการสื่อสารเชิงวิทยาศาสตร์กับความบันเทิง และนักวิทยาศาสตร์ควรยืนอยู่ฝั่งที่ถูกต้องของเส้นนั้นเสมอ
การบรรยายครั้งแรกของผมเน้นที่ฮาร์ดแวร์ และผมกล่าวถึงข้อจำกัดของมัน รวมถึง—อย่างที่ผมกล่าวในบทที่ 3—กฎธรรมชาติสามข้อที่เกี่ยวข้อง ได้แก่ ขนาดของโมเลกุล ความเร็วของแสง และปัญหาเรื่องการระบายความร้อน ผมนำเสนอ Vugraphs สีสวยพร้อมแผ่นซ้อนอธิบายข้อจำกัดทางกลศาสตร์ควอนตัม รวมทั้งผลของหลักความไม่แน่นอน การบรรยายประสบความสำเร็จ เพราะคนของ IBM ที่เชิญผมบอกทีหลังว่าผู้ฟังชอบมาก ผมบอกอย่างไม่เป็นทางการว่าผมก็สนุกกับการบรรยายและยินดีมาที่นิวยอร์กแทบทุกเย็นที่พวกเขาต้องการ ตราบใดที่แจ้งผมล่วงหน้า และผมจะบรรยายอีกครั้ง — พวกเขายอมรับ คือต่อจากนั้นเป็นชุดการบรรยายที่ดำเนินมาหลายปี ประมาณสองถึงสามครั้งต่อปี ผมได้ฝึกฝนมากและเรียนรู้ที่จะไม่กลัวเกินไป คุณควรรู้สึกตื่นเต้นบ้างเมื่อบรรยายนะ เพราะแม้นักแสดงที่เก่งที่สุดก็ยังมีความกลัวเวที ความตื่นเต้นของคุณมักส่งผ่านไปยังผู้ฟัง และถ้าคุณดูผ่อนคลายเกินไป ผู้ฟังก็จะผ่อนคลายตามและอาจหลับได้!
การบรรยายยังทำให้ผมทันสมัย คอยสังเกตแนวโน้มในวงการคอมพิวเตอร์ และให้ผลตอบแทนทางปัญญา นอกเหนือจากทำให้ผมเป็นผู้พูดที่ปราดเปรียวขึ้น มันไม่ใช่โชคทั้งหมด—ผมสร้างส่วนมากด้วยการพยายามเข้าใจในระดับที่ลึกกว่าที่ปรากฏ ผมเริ่มสังเกตไม่เพียงสิ่งที่ถูกพูด แต่ยังสไตล์การพูดและความมีประสิทธิผลของการบรรยายเมื่อไปฟังที่ไหนก็ตาม การบรรยายที่ตลกเพียงอย่างเดียวผมมักมองข้าม แต่ผมศึกษาสไตล์การเล่าเรื่องตลกอย่างละเอียด สุนทรพจน์หลังอาหารค่ำโดยทั่วไปต้องมีมุกดีสามตอน: ตอนเปิด ตอนกลาง และตอนปิด เพื่อให้ผู้ฟังจำได้มุกหนึ่งอย่างน้อย—และแน่นอนมุกเหล่านั้นต้องเล่าได้ดี ผมต้องหาสไตล์การเล่าเรื่องตลกของตัวเอง และผมฝึกโดยเล่าให้เลขานุการฟัง
หลังจากบรรยายหลายครั้ง ผมก็เข้าใจว่าไม่ได้มีเพียงฮาร์ดแวร์เท่านั้น แต่ซอฟต์แวร์ก็จะจำกัดการพัฒนาของการประมวลผลเมื่อเราเข้าใกล้ปี 2000 — ซึ่งเป็นสิ่งที่ผมเพิ่งพูดถึงในบทที่ 4 ท้ายที่สุด หลังเวลานาน ผมเริ่มตระหนักว่าสิ่งที่น่าจะมีอิทธิพลต่อวิวัฒนาการของคอมพิวเตอร์คือเศรษฐศาสตร์และการประยุกต์ใช้งาน มากมายแต่ไม่ทั้งหมดของสิ่งที่จะเกิดขึ้นต้องมีเหตุผลทางเศรษฐกิจ ดังนั้นจึงเป็นที่มาของบทนี้
การประมวลผลเริ่มจากคณิตศาสตร์พื้นฐาน ผ่านการประยุกต์ในดาราศาสตร์มากมาย แล้วมาสู่การคำนวณเชิงตัวเลขจำนวนมาก แต่ควรสังเกตว่า Raymond Lull (1235–1315) ซึ่งบางครั้งเขียนว่า Lully นักเทวศาสตร์และนักปรัชญาชาวสเปน ได้สร้างเครื่องตรรกะขึ้นจริงๆ! นั่นคือสิ่งที่ Swift เสียดสีใน การผจญภัยของกัลลิเวอร์ เมื่อกัลลิเวอร์อยู่บนเกาะ Laputa และผมมีความรู้สึกว่า Laputa น่าจะสอดคล้องกับ Majorca ซึ่งเป็นที่ที่ Lull เจริญรุ่งเรือง
ในช่วงต้นของการประมวลผลสมัยใหม่ ประมาณทศวรรษ 1940–1950 การคำนวณเชิงตัวเลขเป็นกิจกรรมหลัก เพราะผู้ที่ต้องการตัวเลขเชิงแข็งแรงเป็นคนเดียวที่มีเงินพอจะจ่ายราคาของการประมวลผลในสมัยนั้น เมื่อค่าการประมวลผลลดลง สิ่งที่เราทำได้ทางเศรษฐกิจบนคอมพิวเตอร์ก็ขยายไปครอบคลุมกิจกรรมอื่นๆ มากกว่าแค่การคำนวณเชิงตัวเลข เรารู้มาตลอดว่ากิจกรรมอื่นๆ เหล่านี้เป็นไปได้ เพียงแต่ขณะนั้นยังไม่คุ้มค่าทางเศรษฐกิจ
อีกแง่มุมหนึ่งของประสบการณ์ผมในด้านการคำนวณก็เป็นเรื่องที่พบทั่วไป ที่ Los Alamos เราแก้ปัญหาการหาคำตอบของ partial differential equations (สมการเชิงอนุพันธ์ย่อย — พฤติกรรมของระเบิดปรมาณู) บนเครื่องมือดั้งเดิม ที่ Bell Telephone Laboratories ตอนแรกผมแก้ partial differential equations บนคอมพิวเตอร์รีเลย์; จริงๆ แล้วผมเคยแก้ partial differential–integral equation ด้วย! ต่อมาพอมีเครื่องที่ดีกว่า ผมก้าวไปสู่ ordinary differential equations (สมการอนุพันธ์ธรรมดา) ในรูปแบบของเส้นทางการบินของขีปนาวุธ แล้วต่อมาผมตีพิมพ์งานหลายชิ้นเกี่ยวกับการทำอินทิกรัลแบบง่ายๆ ต่อด้วยงานเกี่ยวกับการประเมินฟังก์ชัน และสุดท้ายบทความหนึ่งเรื่องวิธีที่ตัวเลขรวมกัน! ใช่ เราทำงานบางอย่างที่ยากที่สุดบนอุปกรณ์ที่หยาบที่สุด—เป็นสิ่งจำเป็นเพื่อพิสูจน์ว่าเครื่องจักรสามารถทำสิ่งที่ไม่อาจทำได้ด้วยวิธีอื่น หลังจากนั้น และเฉพาะเมื่อพิสูจน์ได้แล้ว เราจึงหันมาหาทางแก้ปัญหาที่คุ้มค่าทางเศรษฐกิจสำหรับปัญหาที่ถ้าทำด้วยมือจะต้องใช้แรงงานมาก และเพื่อทำเช่นนี้เราจำเป็นต้องพัฒนาทฤษฎีพื้นฐานของ numerical analysis (การวิเคราะห์เชิงตัวเลข) และการคำนวณเชิงปฏิบัติที่เหมาะสำหรับเครื่องจักร มากกว่าการคำนวณด้วยมือ
สิ่งนี้เป็นเรื่องปกติในหลายสถานการณ์ แรกสุดต้องพิสูจน์ให้แน่ชัดว่าสิ่งใหม่ อุปกรณ์ วิธีการ หรืออะไรก็ตาม สามารถรับมือกับงานที่ยากหนักก่อน จึงจะถูกนำเข้าสู่ระบบเพื่อทำงานที่เป็นกิจวัตรและในระยะยาวมีประโยชน์มากกว่า นวัตกรรมใดๆ มักต้องเผชิญกับกำแพงเช่นนี้ ดังนั้นอย่าท้อเมื่อพบไอเดียใหม่ของคุณถูกต่อต้านอย่างหนัก (บางครั้งดูโง่เขลา) เมื่อเห็นขนาดของงานจริงแล้ว คุณจะตัดสินใจได้ว่ายังคุ้มค่าที่จะเดินหน้าต่อหรือควรไปทำอย่างอื่นที่สามารถทำได้และไม่เสียแรงในทางที่ไร้ประโยชน์ให้กับแรงต้านและความโง่เขลา
ในการวิวัฒนาการตอนต้นของคอมพิวเตอร์ ผมหันไปแก้ปัญหาการทำหลายปัญหาเล็กๆ บนเครื่องใหญ่ ผมตระหนักว่า ในความหมายหนึ่ง ผมอยู่ใน การผลิตจำนวนมากของผลิตภัณฑ์ที่เปลี่ยนแปลงได้ — ผมต้องจัดระบบให้สามารถรับมือกับปัญหาส่วนใหญ่ที่จะเกิดขึ้นในปีหน้าได้ ในขณะที่ยังไม่ทราบรายละเอียดของปัญหาเหล่านั้น นั่นคือเมื่อผมเห็นว่าคอมพิวเตอร์ได้เปิดประตูอย่างกว้างขวางสู่การผลิตจำนวนมากของผลิตภัณฑ์ที่เปลี่ยนแปลงได้ โดยไม่คำนึงว่ามันจะเป็นตัวเลข คำ การประมวลผลคำ การทำเฟอร์นิเจอร์ การทอผ้า หรืออื่นๆ พวกมันช่วยให้เราจัดการกับความหลากหลายโดยไม่ต้องมีการมาตรฐานมากเกินไป และด้วยเหตุนี้เราจึงสามารถพัฒนาไปสู่อนาคตที่ต้องการได้รวดเร็วยิ่งขึ้น! คุณเห็นสิ่งนี้ในปัจจุบันที่ประยุกต์ใช้กับคอมพิวเตอร์เองได้แล้ว: คอมพิวเตอร์ ภายใต้คำแนะนำจากมนุษย์บางส่วน ออกแบบชิปของตัวเอง และคอมพิวเตอร์ถูกประกอบขึ้น เกือบจะโดยอัตโนมัติจากชิ้นส่วนมาตรฐาน; คุณระบุสิ่งที่ต้องการในคอมพิวเตอร์ แล้วคอมพิวเตอร์ตัวนั้นก็ถูกสร้างขึ้น บางผู้ผลิตคอมพิวเตอร์กำลังใช้การประกอบชิ้นส่วนด้วยเครื่องเกือบทั้งหมดโดยแทบไม่มีการแทรกแซงจากมนุษย์
เป็นทัศนคติว่า ผมอยู่ในกระบวนการผลิตจำนวนมากของผลิตภัณฑ์ที่เปลี่ยนแปลงได้ พร้อมข้อดีข้อเสียทั้งหลาย ซึ่งทำให้ผมเข้าไปทำงานกับ IBM 650 ดังที่ผมเล่าในบทก่อน โดยใช้เวลารวมประมาณหนึ่งคน-ปีในช่วงหกเดือน เมื่อสิ้นปีผมพบว่างานที่เสร็จแล้วมีมากกว่าถ้าผมแก้ปัญหาแต่ละปัญหาเป็นรายตัว! การสร้างเครื่องมือซอฟต์แวร์ให้ผลคุ้มทุนภายในหนึ่งปี ในสาขาซอฟต์แวร์คอมพิวเตอร์ที่เปลี่ยนแปลงรวดเร็วเช่นนี้ หากผลตอบแทนไม่เกิดในอนาคตอันใกล้ ก็มีแนวโน้มว่าจะไม่คุ้มค่าเลย
ผมละเลยประสบการณ์นอกเหนือจากวิทยาศาสตร์และวิศวกรรม—เช่น ผมเคยทำปัญหาธุรกิจขนาดใหญ่หนึ่งโครงการให้ AT&T โดยใช้ UNIVAC-I ที่นิวยอร์ก และสักวันผมจะเล่าบทเรียนที่ได้จากประสบการณ์นั้น
ขอพูดถึงการประยุกต์ใช้คอมพิวเตอร์ในเชิงปริมาณมากขึ้น แน่นอนว่าเมื่อผมอยู่ใน Research Division ของ Bell Telephone Laboratories ปัญหาในช่วงแรกจึงเป็นหลักทางวิทยาศาสตร์ แต่ในฐานะที่อยู่ใน Bell Telephone Laboratories เราก็เริ่มได้งานด้านวิศวกรรมขึ้นก่อน Figure 5.1 หากดูเฉพาะการเติบโตของปัญหาทางวิทยาศาสตร์บริสุทธิ์ คุณจะได้โค้งที่ขึ้นอย่างทวีคูณ (สังเกตสเกลแกนนอนแนวตั้งเป็นลอการิทึม) แต่คุณจะเห็นส่วนบนของโค้ง S ซึ่งเริ่มแบนลงสู่การเติบโตที่ปานกลางมากขึ้น ท้ายที่สุด ด้วยประเภทปัญหาที่ผมแก้ให้พวกเขาในเวลานั้น และจำนวนรวมของนักวิทยาศาสตร์ที่ Bell Telephone Laboratories จ้างงาน จึงต้องมีขีดจำกัดของสิ่งที่พวกเขาสามารถเสนอและบริโภคได้ อย่างที่คุณทราบ พวกเขาเริ่มเสนอปัญหาขนาดใหญ่ขึ้นช้ากว่า ดังนั้นการคำนวณเชิงวิทยาศาสตร์ยังคงเป็นส่วนสำคัญของการใช้คอมพิวเตอร์ แต่ไม่ใช่องค์ประกอบหลักในสถานที่ส่วนใหญ่
Figure 5.1—การเติบโตของการประมวลผล
งานคำนวณด้านวิศวกรรมก็เกิดขึ้นตามมา และมีรูปร่างการเติบโตคล้ายกัน แต่มากกว่าและทับซ้อนอยู่บนโค้งวิทยาศาสตร์เดิม ต่อมา อย่างน้อยที่ Bell Telephone Laboratories ผมพบงานทางทหารที่มีปริมาณมากกว่า และท้ายที่สุดเมื่อเราหันไปสู่การจัดการสัญลักษณ์ในรูปแบบของ word processing เวลาในการคอมไพล์สำหรับภาษาระดับสูง และงานอื่นๆ ก็เพิ่มขึ้นเช่นกัน ดังนั้นแม้แต่ละประเภทงานจะดูเหมือนเข้าใกล้จุดอิ่มตัวในเวลาของมัน ผลรวมของทั้งหมดกลับทำให้เกิดอัตราการเติบโตที่ค่อนข้างคงที่
อะไรที่จะมาสนับสนุนเส้นตรงของการเติบโตแบบลอการิทึมนี้และป้องกันไม่ให้โค้ง S ของการประยุกต์แบนลง? พื้นที่ใหญ่ถัดไปที่ผมเชื่อคือ pattern recognition (การรู้จำรูปแบบ) ผมสงสัยว่าสามารถรับมือกับปัญหาการรู้จำรูปแบบในระดับทั่วไปที่สุดได้หรือไม่ เพราะอย่างหนึ่งมันครอบคลุมมากเกินไป แต่ในขอบเขตอย่างการรู้จำเสียงพูด (speech recognition), การรู้จำรูปแบบเรดาร์, การวิเคราะห์และการวาดภาพใหม่, การจัดตารางงานในโรงงานและสำนักงาน, การวิเคราะห์ข้อมูลสำหรับนักสถิติ, การสร้างภาพเสมือน และอื่นๆ เราสามารถใช้พลังการคำนวณได้เป็นจำนวนมาก การคำนวณความเป็นจริงเสมือน (virtual reality computing) จะกลายเป็นผู้บริโภคพลังการคำนวณรายใหญ่ และมูลค่าทางเศรษฐกิจที่ชัดเจนรับประกันว่าสิ่งนี้จะเกิดขึ้น ทั้งในด้านความต้องการเชิงปฏิบัติและด้านความบันเทิง ยิ่งไปกว่านั้น ผมเชื่อว่า artificial intelligence (ปัญญาประดิษฐ์) ในที่สุดจะไปถึงจุดที่การให้บริการของมันจะคุ้มค่ากับต้นทุนการคำนวณ และจะกลายเป็นแหล่งหนึ่งของการแก้ปัญหา
เราเริ่มการคำนวณแบบโต้ตอบตั้งแต่เนิ่นๆ การแนะนำของผมมาจากนักวิทยาศาสตร์คนหนึ่งชื่อ Jack Kane เขามีความคิดในเวลานั้นว่าจะต่อคอมพิวเตอร์ขนาดเล็ก Scientific Data Systems (SDS) 910 เข้ากับไซโคลทรอนของ Brookhaven ซึ่งเราใช้เวลามาก รองประธานของผมถามว่าถ้า Jack ทำได้ไหม และเมื่อผมพิจารณาเรื่องนี้ (และ Jack) อย่างใกล้ชิด ผมคิดว่าเขาทำได้ จากนั้นผมถูกถามว่า “บริษัทผู้ผลิตเครื่องจะยังคงมีธุรกิจอยู่ไหม?” เพราะรองประธานไม่อยากได้เครื่องที่ไม่ได้รับการสนับสนุน นั่นทำให้ผมต้องใช้ความพยายามอย่างมากในด้านอื่น และสุดท้ายผมนัดพบประธานของ SDS เพื่อคุยกันตัวต่อตัวที่สำนักงานในลอสแอนเจลิส ผมออกมาพร้อมความเชื่อ แต่ว่าจะเล่าเรื่องนั้นในภายหลัง ดังนั้นเราจึงทำมัน และผมเชื่อในตอนนั้นเหมือนเช่นตอนนี้ว่าเครื่อง SDS 910 ขนาดเล็ก ราคาถูก อย่างน้อยก็เพิ่มผลิตภาพที่มีประสิทธิผลของไซโคลทรอนขนาดใหญ่และแพงขึ้นเป็นสองเท่า! มันแน่นอนเป็นหนึ่งในคอมพิวเตอร์เครื่องแรกๆ ที่ในระหว่างการทำงานของไซโคลทรอนรวบรวม ย่อรูป และแสดงข้อมูลที่เก็บได้บนหน้าจอออสซิลโลสโคปขนาดเล็ก (ซึ่ง Jack ประกอบขึ้นและทำให้ใช้งานได้ภายในไม่กี่วัน) ซึ่งช่วยให้เรายกเลิกการทดลองหลายครั้งที่ไม่ค่อยถูกต้อง เช่น ตัวอย่างไม่ได้อยู่ตรงกลางลำแสง เกิดผลใกล้ขอบของสเปกตรัม ดังนั้นเราจึงควรออกแบบการทดลองใหม่ หรือมีบางอย่างผิดปกติและเราต้องการรายละเอียดเพิ่มเติม — เหล่านี้เป็นเหตุผลที่ควรหยุดแล้วปรับแก้ แทนที่จะรันจนจบแล้วค่อยหาปัญหา
ประสบการณ์ครั้งนี้ทำให้ที่ Bell Telephone Laboratories เราเริ่มนำคอมพิวเตอร์ขนาดเล็กเข้าไปในห้องปฏิบัติการ ในตอนแรกเพียงเพื่อรวบรวม ย่อรูป และแสดงข้อมูล แต่ไม่นานก็ใช้ควบคุมการทดลอง มักจะง่ายกว่าให้เครื่องกำหนดรูปทรงของแรงดันขับไฟฟ้าต่อการทดลอง ผ่านตัวแปลงดิจิทัลเป็นแอนะล็อก (digital-to-analog converter) มากกว่าการสร้างวงจรพิเศษ สิ่งนี้เพิ่มขอบเขตของการทดลองที่เป็นไปได้อย่างมาก และนำมาซึ่งความเป็นไปได้ในการมี interactive experiments อีกครั้ง เรานำเครื่องเข้าไปภายใต้ข้ออ้างหนึ่ง แต่ว่าการมีอยู่ของมันในระยะยาวได้เปลี่ยนทั้งปัญหาและการใช้งานจริงของคอมพิวเตอร์ เมื่อคุณใช้คอมพิวเตอร์ได้สำเร็จ มักจะเป็นการทำงานที่เทียบเท่า ไม่ใช่การทำงานเดิมซ้ำอีกครั้ง และอีกครั้งคุณจะเห็นว่าการมีคอมพิวเตอร์ในระยะยาวได้เปลี่ยนลักษณะของการทดลองหลายอย่างที่เราทำ
Boeing (in Seattle) ต่อมามีแนวคิดคล้ายกัน กล่าวคือพวกเขาจะเก็บสถานะปัจจุบันของการออกแบบเครื่องบินที่เสนอไว้บนเทปและทุกคนจะใช้เทปนั้น ดังนั้นในการออกแบบเครื่องบินแต่ละลำ ส่วนต่างๆ ของบริษัทขนาดใหญ่จะสอดคล้องกับงานของกันและกัน แต่มันไม่เป็นไปตามที่บรรดาหัวหน้าเคยคิด (และอาจคิดว่าทำได้)! ผมรู้เพราะผมได้ทำงานสอดแนมระดับสูงเป็นเวลาสองสัปดาห์ให้กับผู้บริหารระดับบนของ Boeing โดยอ้างว่าเป็นการตรวจสอบศูนย์คอมพิวเตอร์สำหรับกลุ่มระดับล่าง
เหตุผลที่มันไม่เป็นไปตามแผนก็ง่ายมาก หากสถานะปัจจุบันของการออกแบบเก็บไว้บนเทป (ปัจจุบันเป็นดิสก์) และคุณใช้ข้อมูลนั้นในการศึกษา เช่น พื้นที่ปีก รูปร่าง และโปรไฟล์ เมื่อคุณเปลี่ยนพารามิเตอร์และพบการปรับปรุง ผลที่เห็นอาจเกิดจากการเปลี่ยนแปลงที่คนอื่นแทรกลงในแบบร่วม ไม่ใช่จากการเปลี่ยนของคุณ—ซึ่งอาจทำให้ทุกอย่างแย่ลง! ดังนั้นสิ่งที่เกิดขึ้นจริงคือแต่ละกลุ่มเวลาทำการศึกษาเชิงเพิ่มประสิทธิภาพจะทำสำเนาเทปปัจจุบัน และใช้สำเนานั้นโดยไม่มีการอัปเดตจากส่วนอื่นๆ เฉพาะเมื่อพวกเขาตัดสินใจออกแบบใหม่จริงๆ จึงแทรกการเปลี่ยนแปลงเข้าไป—และแน่นอนว่าต้องตรวจสอบว่าแบบใหม่ของพวกเขาสอดคล้องกับแบบใหม่ของผู้อื่น โดยสรุป คุณไม่สามารถใช้ฐานข้อมูลที่เปลี่ยนแปลงอยู่ตลอดเวลาสำหรับการศึกษาเชิงเพิ่มประสิทธิภาพ
นี่นำผมมาสู่หัวข้อของฐานข้อมูล (databases) คอมพิวเตอร์ถูกคาดหวังว่าจะเป็นผู้กอบกู้ด้านนี้ และยังคงถูกยกขึ้นมาเป็นตัวอย่างบ่อยๆ แน่นอนว่าระบบการจองของสายการบินเป็นตัวอย่างที่ดีของสิ่งที่คอมพิวเตอร์ทำได้—ลองคิดดูว่าจะวุ่นวายเพียงใดถ้าทำด้วยมือ ทั้งข้อผิดพลาดของมนุษย์มากมายและขนาดของปัญหา สายการบินเก็บฐานข้อมูลหลายอย่าง รวมทั้งสภาพอากาศ ข้อมูลสภาพอากาศและความล่าช้าของสนามบินปัจจุบันถูกใช้เพื่อออกแบบโปรไฟล์การบินสำหรับแต่ละเที่ยวบินก่อนขึ้นบิน และอาจเปลี่ยนแปลงระหว่างการบินเมื่อมีข้อมูลใหม่เข้ามา
ผู้จัดการบริษัทมักมีความคิดว่าถ้าเพียงแต่พวกเขารู้สถานะปัจจุบันของบริษัทในทุกรายละเอียด พวกเขาจะบริหารจัดการได้ดีกว่า ดังนั้นจึงต้องมีฐานข้อมูลของกิจกรรมทั้งหมดของบริษัทที่อัปเดตเสมอ นี่มีความยากลำบากดังที่กล่าวมา แต่เรื่องอื่นก็มี เช่น สมมติว่าคุณและผมเป็นรองประธานบริษัททั้งคู่ และสำหรับการประชุมวันจันทร์เช้าเราต้องการตัวเลขเดียวกันแบบเป๊ะๆ คุณได้ของคุณมาจากการรันโปรแกรมในวันศุกร์บ่าย ขณะที่ผม ผู้ที่รอบคอบกว่า และรู้ว่าตลอดสุดสัปดาห์มีข้อมูลจากสาขาแยกย่อยเข้ามา รอจนคืนวันอาทิตย์แล้วเตรียมของผม แน่นอนว่ารายงานทั้งสองอาจมีความต่างกันอย่างมาก แม้ว่าเราทั้งคู่จะใช้โปรแกรมเดียวกันจัดทำ นั่นยอมรับไม่ได้ในทางปฏิบัติ ยิ่งไปกว่านั้น รายงานและการตัดสินใจที่สำคัญหลายอย่างไม่ควรมีความไวต่อข้อมูลแบบนาทีต่อนาที
แล้วฐานข้อมูลทางวิทยาศาสตร์ล่ะ? ตัวอย่างเช่น ใครจะได้บันทึกการวัดของตนเข้าไป? การที่ข้อมูลของคุณถูกบันทึกให้ถือเป็นเกียรติ ดังนั้นจะเกิดความขัดแย้งทางผลประโยชน์ที่ร้อนแรง มีค่าใช้จ่ายสูง และสร้างความรำคาญในบริเวณนั้น ความขัดแย้งเหล่านี้จะถูกแก้ไขอย่างไร? แน่นอนว่าต้องใช้ต้นทุนสูงอีกครั้ง เมื่อคุณทำการศึกษาเชิงเพิ่มประสิทธิภาพ คุณก็ยังมีปัญหาดังกล่าว: ผลลัพธ์ที่ดูเหมือนดีขึ้นอาจเป็นเพราะการเปลี่ยนแปลงค่าคงที่ทางกายภาพบางอย่างที่คุณไม่รู้ว่ามีการเปลี่ยน ซึ่งทำให้โมเดลใหม่ดีกว่าโมเดลเก่าอย่างที่เห็นได้อย่างไร คุณจะรักษาสถานะของการเปลี่ยนแปลงให้เข้าถึงได้แก่ผู้ใช้ทุกคนอย่างไร? การให้ผู้ใช้ต้องอ่านงานตีพิมพ์ของคุณทุกครั้งที่ใช้เครื่องนั้นไม่เพียงพอ และเพราะพวกเขาจะไม่ทันตามข้อมูล ความผิดพลาดจะเกิดขึ้น การโทษผู้ใช้จะไม่ทำให้ความผิดพลาดหายไป!
ผมเริ่มพูดถึงคอมพิวเตอร์อเนกประสงค์โดยทั่วไป แต่ค่อยๆ หันมาพูดถึงการใช้คอมพิวเตอร์ทั่วไปเป็นอุปกรณ์เฉพาะด้านในการควบคุม เช่น ไซโคลทรอนและอุปกรณ์ในห้องทดลอง หนึ่งในก้าวสำคัญเกิดขึ้นเมื่อคนทำ integrated circuits สังเกตว่าแทนที่จะทำชิปเฉพาะสำหรับลูกค้าหลายราย เขาสามารถทำคอมพิวเตอร์อเนกประสงค์แบบสี่บิตแล้วโปรแกรมให้ทำงานพิเศษต่างๆ (Intel 4004) เขาเปลี่ยนงานการผลิตที่ซับซ้อนให้กลายเป็นงานการโปรแกรม แม้ชิปยังต้องผลิตอยู่ แต่จะเป็นการผลิตจำนวนมากของชิปสี่บิตชุดเดียว แนวโน้มนี้เป็นไปตามที่ผมกล่าวก่อนหน้านี้ คือการย้ายจากฮาร์ดแวร์ไปสู่ซอฟต์แวร์เพื่อให้เกิดการผลิตจำนวนมากของผลิตภัณฑ์ที่เปลี่ยนแปลงได้—โดยใช้คอมพิวเตอร์อเนกประสงค์เดียวกัน ชิปสี่บิตขยายเป็นชิปแปดบิต ต่อด้วย 16 บิต ฯลฯ จนบางชิปในปัจจุบันมีคอมพิวเตอร์ 64-bit ฝังอยู่บนชิป!
คุณมักไม่ตระหนักจำนวนคอมพิวเตอร์ที่คุณเผชิญในแต่ละวัน ไฟสัญญาณจราจร ลิฟต์ เครื่องซักผ้า โทรศัพท์—ซึ่งปัจจุบันมีคอมพิวเตอร์อยู่มาก ต่างจากยุคผมที่มักมีโอเปอเรเตอร์คอยรับสายและช่วยต่อให้คุณได้—เครื่องตอบสายอัตโนมัติ และรถยนต์ที่ถูกควบคุมโดยคอมพิวเตอร์ใต้ฝากระโปรง ทั้งหมดนี้เป็นตัวอย่างของขอบเขตการประยุกต์ที่ขยายออกไป คุณเพียงสังเกตความแพร่หลายของคอมพิวเตอร์ในชีวิตประจำวัน แน่นอนว่ามันจะเพิ่มขึ้นเมื่อเวลาผ่านไป คอมพิวเตอร์อเนกประสงค์ตัวเดียวที่เรียบง่ายสามารถทำงานพิเศษต่างๆ ได้มากมาย จนอาจไม่จำเป็นต้องมีชิปเฉพาะ
คุณจะเห็นชิปเฉพาะงานมากกว่าที่ควรจะมี เหตุผลหลักอย่างหนึ่งคือความพึงพอใจส่วนตัวในการมีชิปเฉพาะของตัวเอง แทนที่จะใช้ของที่มีอยู่ทั่วไป (ผมกำลังทบทวนส่วนหนึ่งของบทที่ 2) ก่อนที่คุณจะทำผิดพลาดนี้และใช้ชิปเฉพาะในอุปกรณ์ใดๆ ให้ถามตัวเองหลายคำถาม ขอทวนข้อโต้แย้งเดิมอีกครั้ง คุณต้องการจะโดดเดี่ยวกับชิปเฉพาะของคุณหรือ? คุณจะต้องมีคลังสำรองมากเท่าไรในสินค้าคงคลัง? คุณอยากมีผู้จำหน่ายเพียงรายเดียวหรือไม่ แทนที่จะสามารถซื้อจากตลาดเปิด? ค่าใช้จ่ายรวมจะสูงขึ้นอย่างมีนัยสำคัญในระยะยาวหรือไม่?
หากคุณมีชิปอเนกประสงค์ ผู้ใช้ทั้งหมดมักจะช่วยกันสนับสนุน ไม่เพียงแต่ในการค้นหาข้อบกพร่อง แต่ยังทำให้ผู้ผลิตเต็มใจที่จะแก้ไขให้ มิฉะนั้นคุณจะต้องจัดทำคู่มือ การวินิจฉัย ฯลฯ ด้วยตัวเอง และสิ่งที่ผู้อื่นเรียนรู้เกี่ยวกับชิปของพวกเขามักจะไม่ค่อยช่วยคุณกับชิปเฉพาะของคุณ นอกจากนี้ ด้วยชิปอเนกประสงค์ คุณมักจะได้รับการอัปเกรดของชิปซึ่งโดยหลักจะได้รับการดูแลโดยผู้อื่น โดยไม่ต้องออกแรงมากจากฝ่ายคุณ คุณย่อมจำเป็นต้องอัปเกรดของคุณในที่สุด เพราะคุณจะต้องการทำมากกว่าที่แผนเริ่มแรกกำหนด ในการตอบสนองความต้องการใหม่นี้ ชิปอเนกประสงค์ที่มีความสามารถสำรองสำหรับการขยายในอนาคตนั้นจัดการได้ง่ายกว่า
ผมไม่จำเป็นต้องยกตัวอย่างการประยุกต์ของคอมพิวเตอร์ในธุรกิจของคุณ คุณน่าจะรู้ดีกว่าผมว่าการใช้คอมพิวเตอร์ขององค์กรคุณกำลังเพิ่มขึ้นอย่างรวดเร็ว ไม่เพียงในภาคสนาม แต่ทั่วทั้งองค์กร ตั้งแต่บนสุดถึงล่าง ตั้งแต่เบื้องหลังการผลิตไปจนถึงแนวหน้าของการผลิต คุณคงตระหนักถึงอัตราการเปลี่ยนแปลงที่เพิ่มขึ้นอย่างต่อเนื่อง การอัปเกรด และความยืดหยุ่นที่อุปกรณ์อเนกประสงค์สำหรับการจัดการสัญลักษณ์ (symbol manipulating device) มอบให้แก่องค์กร เพื่อรองรับความต้องการของสภาพแวดล้อมการดำเนินงานที่เปลี่ยนแปลงอยู่เสมอ ขอบเขตของการประยุกต์ที่เป็นไปได้เพิ่งเริ่มต้น และยังมีการประยุกต์ใหม่ๆ มากมายที่ควรทำ—อาจเป็นโดยคุณเอง ผมไม่มีปัญหากับการปรับปรุงที่ดีขึ้น 10% แต่ผมคาดหวังจากคุณด้วยว่าควรมีสิ่งใหม่ที่ยิ่งใหญ่ซึ่งสร้างความแตกต่างต่อองค์กรของคุณจนประวัติศาสตร์จดจำไว้อย่างน้อยสักระยะ
เมื่อคุณเติบโตในอาชีพ ควรพิจารณาการประยุกต์ที่ประสบความสำเร็จและที่ล้มเหลว พยายามเรียนรู้วิธีแยกระหว่างพวกมัน พยายามเข้าใจสถานการณ์ที่นำไปสู่ความสำเร็จและสถานการณ์ที่แทบจะรับประกันความล้มเหลว โดยเป็นกฎทั่วไป ให้ตระหนักว่าไม่ใช่งานเดิมที่คุณควรทำกับเครื่องจักร แต่เป็นงานที่เทียบเท่าซึ่งทำได้ และออกแบบมันให้สามารถขยายอย่างยืดหยุ่นในอนาคตได้อย่างง่ายดาย (ถ้าคุณสำเร็จ) และต้องคำนึงถึงการบำรุงรักษาในสนามอย่างจริงจังว่ามันจะถูกทำในภาคสนามจริงๆ อย่างไร—ซึ่งมักไม่เป็นไปตามที่คุณต้องการ!
การใช้คอมพิวเตอร์ในสังคมยังไม่ถึงจุดสิ้นสุด และยังมีที่ว่างสำหรับการประยุกต์ใหม่ๆ ที่สำคัญอีกมากมาย มันหาง่ายกว่าที่คนส่วนใหญ่คิด!
ในสองบทก่อนหน้านี้ผมจบด้วยข้อสังเกตเกี่ยวกับข้อจำกัดที่อาจเกิดขึ้นของหัวข้อทั้งฮาร์ดแวร์และซอฟต์แวร์ ดังนั้นผมจำเป็นต้องพูดถึงข้อจำกัดบางประการของการประยุกต์ใช้งาน ซึ่งผมจะทำในบทถัดไปภายใต้หัวข้อทั่วไปของ Artificial Intelligence, ai.