Richard Hamming 是誰？錯誤更正碼、數值計算與工程判斷

Richard Hamming 是誰？錯誤更正碼、數值計算與工程判斷

Richard Hamming 是數學家、電腦科學家與 Bell Labs 研究者。他最容易被記住的是 Hamming code，但只寫成「發明錯誤更正碼的人」仍然太窄。Hamming 的工作同時連接數值計算、編碼、自動化計算與如何選擇值得解決的研究問題。

錯誤更正碼的核心問題很具體：資料在傳輸或儲存時會被雜訊改變，接收端如何知道哪裡錯、能否修回原值？Hamming 把結構化冗餘變成可計算的檢查方法，讓機器不必每次發現錯誤都要求重新傳送。

先看 5 個重點

• Hamming code 在資料中加入有結構的冗餘，讓接收端能定位並修正一定範圍的位元錯誤。
• Hamming distance 衡量兩組碼字需要改變多少位元，連結了碼的設計與可偵測、可修正能力。
• 經典 Hamming (7,4) code 把 4 個資料位元編成 7 個位元，可修正單一位元錯誤。
• Hamming 的研究也涵蓋數值方法與計算機工程，不能把他的職涯縮成單一公式。
• 錯誤更正不是免費的可靠性；冗餘會增加儲存、頻寬、編碼與解碼成本，必須配合錯誤模型。

Richard Hamming 做了什麼？

Hamming 長期在 Bell Labs 工作，後來也在 Naval Postgraduate School 任教。ACM 的獎項資料把他的貢獻放在數值方法、自動編碼系統與錯誤偵測／更正碼；這個範圍比單一 Hamming code 更能說明他的工程角色。

他面對的問題不是抽象地追求「沒有錯誤」，而是讓計算系統在真實雜訊中仍能繼續工作。這種方向把數學結構、硬體限制與可實作的解碼流程放在同一張設計圖裡。

為什麼資料需要冗餘？

如果每個位元只出現一次，接收端看到 0 或 1 時沒有額外線索判斷它是否被翻轉。加入冗餘後，不同位元之間形成可檢查的關係；當關係不一致，系統就知道資料落在某個錯誤模式。

冗餘不是單純複製資料。好的碼會安排檢查位元，使不同錯誤產生不同 syndrome，接收端才能更有效地定位問題。這也解釋了為什麼編碼理論是一種結構設計，而非把同一份資料多存幾次。

Hamming distance 如何連到可靠性？

Hamming distance 是兩個等長位元串在位置上不同的數量。碼字之間的最小距離越大，接收端就越有機會分辨「原本是哪個合法碼字」，因此可以提高可偵測或可修正的錯誤範圍。

若一個碼的最小距離是 d，它通常可以偵測最多 d-1 個錯誤，並修正最多 floor((d-1)/2) 個錯誤。這個關係不是保證所有通道都一樣，而是設計碼與錯誤模型時的基本邊界。

Hamming (7,4) code 怎麼工作？

經典 Hamming (7,4) code 把四個資料位元放進七位碼字，另外三個位置作為奇偶檢查。每個檢查位元負責不同的位元集合；接收端計算各組檢查結果，就能得到一個表示錯誤位置的 syndrome。

若只有一個位元翻轉，syndrome 可以指出它的位置，解碼器便能把該位元反轉回去。這種方法的價值在於「偵測到錯誤」和「知道怎麼修正」被放進同一個編碼結構，而不是事後猜測。

SECDED 為什麼需要額外位元？

基本 Hamming code 適合修正單一位元錯誤，但若同時出現兩個錯誤，某些解碼器可能把錯誤模式誤判成另一個可修正位置。工程系統常加入整體同位檢查，形成 Single Error Correct, Double Error Detect（SECDED）的取捨。

這裡的重點不是背縮寫，而是理解可靠性設計要先說清楚錯誤假設：錯誤是否獨立？是否可能成群出現？需要修正還是只要偵測？若錯誤模型變了，原本的碼也可能不再適合。

Hamming 的數值計算工作為何重要？

Hamming 的職涯也包含數值方法與計算機使用。數值計算把連續世界轉成有限精度的表示，會遇到捨入、穩定性、誤差累積與計算成本；這些問題與編碼的共同點，是都必須承認機器不是完美的抽象計算器。

從工程角度看，數值誤差與傳輸錯誤都需要被量測、分類與控制。設計者不能只問公式是否正確，還要問輸入範圍、硬體表現、邊界條件與失敗時如何被觀測。

錯誤更正碼今天在哪裡？

ECC 出現在記憶體、儲存裝置、通訊鏈路、衛星與深空通訊等需要可靠性的系統。實際產品可能使用 Reed–Solomon、LDPC、BCH 或其他更適合特定通道的碼；Hamming code 仍是理解這些系統的清楚入口。

現代系統還要處理突發錯誤、磨損、封包遺失、重試與端到端檢查。單一層的 parity 或 ECC 不會自動保證整個服務可靠，應用層仍需 checksum、版本、冗餘副本、監控與復原策略。

Hamming 的研究方法給工程師什麼提醒？

Hamming 的案例提醒我們把「錯誤」變成可分類的工程對象。先定義通道與錯誤模型，再選碼距、冗餘與解碼演算法；如果資料價值、延遲或成本變了，也要重新評估設計。

這套方法能延伸到資料庫、API 與機器學習管線：要先指定哪些錯誤可以自動修正、哪些必須阻斷、哪些只記錄警告，以及每個決策如何留下可追溯的證據。

常見誤讀與限制

第一，Hamming code 不是所有通訊與儲存問題的通用解；錯誤型態與成本會決定更適合的碼。

第二，增加冗餘會降低有效資料率，並增加編碼、解碼與硬體成本。

第三，錯誤更正只能處理被模型涵蓋的錯誤。若資料已被惡意竄改，還需要密碼學驗證，而不是只靠 ECC。

FAQ：Hamming code 與可靠性

Hamming (7,4) code 可以修正幾個錯誤？

在經典設定下，它可以修正單一位元錯誤；若要處理雙錯誤，需要額外的距離或整體同位檢查設計，不能直接套用相同解碼假設。

Hamming distance 是距離真的比較遠嗎？

不是物理距離，而是兩個等長碼字在位元位置上不同的數量。它是衡量碼字可分辨程度的數學工具。

ECC 能取代備份嗎？

不能。ECC 處理特定範圍的位元錯誤；備份與副本解決的是資料遺失、裝置毀損、操作錯誤與災難復原。

相關 Yololab 文章

• David Huffman：編碼、壓縮與資訊表示
• Jim Gray：ACID、交易處理與資料庫可靠性
• Robert W. Floyd：程式驗證、最短路徑與演算法設計

官方資料與延伸閱讀

• IEEE Technology Navigator：Error Correction Codes
• IEEE：Richard W. Hamming Medal Committee
• ACM Awards booklet：Turing Award recipients
• IEEE REACH：Hamming error-detecting and correcting patent

官方資料：Richard Hamming 如何讓雜訊變成可計算的錯誤？

ACM 的 Turing Award 資料把 Richard Hamming 1968 年的獲獎理由列為數值方法、自動編碼系統與錯誤偵測／錯誤更正碼的工作；相關人物資料也把這些概念連到 Bell Labs 的計算與通訊問題。重點不是「程式永遠不會錯」，而是接收端能否辨識、定位並修正部分錯誤。

Hamming code、Hamming distance 與 Hamming window 後來分布在不同領域。閱讀這段歷史時要分清楚：錯誤更正碼處理資料傳輸的可靠性，距離是衡量碼字差異的數學工具，而 window 則服務訊號分析；它們共享名字，不是同一個演算法。

判讀錯誤更正系統的四個問題

1. 錯誤模型是什麼？ 單一位元翻轉與大量突發雜訊需要不同策略。
2. 冗餘放在哪裡？ 額外位元換來可偵測或可修正的能力。
3. 能修正到什麼程度？ 距離決定偵測與修正的上限。
4. 成本是否合理？ 頻寬、延遲、計算量與可靠性要一起衡量。

延伸閱讀與來源

獲獎理由與歷史脈絡參考 ACM Turing Award fact sheet，人物與相關概念整理可參考 ACM Turing laureates spotlight。若要比較可靠性如何進入資料系統，可延伸閱讀 YOLO LAB 的 Jim Gray／交易處理分析與 Robert Floyd／程式驗證分析。