Slumpmässig nummergenerator

Lägg till på webbplatsen Metainformation

Andra verktyg

Nummergenerator

Nummergenerator

Vetenskapliga och tekniska framsteg under 1900-talet beror mycket på utvecklingen av sannolikhetsteorin och skapandet av slumptalsgeneratorer.

Slumptal är siffror som kan tolkas som resultatet av implementeringen av någon slumpmässig variabel - det grundläggande begreppet sannolikhetsteorin. Begreppet slumpmässighet i detta sammanhang innebär oförutsägbarheten av värdet av en given kvantitet innan experimentets start.

Historik för slumptal

Mänsklighetens behov av att använda slumpmässiga siffror uppstod långt innan vetenskapsmän uppfann enheter som gör det möjligt att erhålla slumpmässiga arrayer. Under lång tid använde människor improviserade metoder för att generera slumpmässiga tal, inklusive föremål av livlig och livlös natur.

Ett av de mest slående exemplen på de enklaste slumptalsgeneratorerna är de välbekanta tärningarna, som används flitigt idag. I elementära experiment och träningsexperiment kan tärningarnas rörelselags beroende av dess miljö, initiala förhållanden och den mänskliga faktorn helt försummas, så antalet poäng på en tärning kan, med vissa reservationer, betraktas som ett slumpmässigt variabel. Tärningar spelade en betydande roll i utvecklingen av sannolikhetsteorin: 1890 föreslog den engelska forskaren Francis Galton en metod för att generera slumptal med tärningar.

Något mer komplicerad i enheten är en annan nummergenerator som ofta används i vardagen - lotteritrumman. Denna enhet är en trumma med numrerade kulor som blandas inuti den under rotation. Det huvudsakliga tillämpningsområdet för lotteritrummor är lotterier och lotto. Det är lätt att gissa att lototronen är olämplig för användning i seriösa vetenskapliga experiment på grund av den låga graden av slumpmässighet och drifthastighet.

Den första slumptalsgeneratorn som låter dig få stora mängder data och är lämplig för att lösa tillämpade problem uppfanns 1939. Maurice George Kendall och Bernard Babington-Smith skapade en enhet som kunde generera en tabell som innehåller 100 000 slumptal. Och bara 16 år senare förbättrade det amerikanska strategiska företaget RAND resultaten för engelska akademiker 10 gånger - med hjälp av speciella maskiner skapades en tabell med en miljon slumptal. Den tabellformade metoden för att generera slumptal har fått betydande utveckling tack vare George Marsaglia, som fick 650 MB slumptal 1996. Men på grund av räckvidden är denna metod inte allmänt accepterad för närvarande.

Maskiner som genererar slumptal i realtid har ett antal fördelar jämfört med enheter som skapar tabeller med slumptal. En av de första sådana maskinerna var Ferranti Mark 1-datorn, som 1951 inkluderade ett program som genererade slumptal baserat på ingångsbrusströmmen från ett motstånd. Intressant nog var idén om att skapa ett sådant program den store engelske matematikern Alan Turing. Också innovativt inom området generering av slumptal var uppfinningen 1957 av ERNIE (Electronic Random Number Indicator Equipment), ursprungligen avsedd att generera vinnande nummer i det brittiska lotteriet.

Pseudoslumptal

Uppfinnandet av slumptalsgeneratorer har utan tvekan påskyndat den vetenskapliga och tekniska processen avsevärt. Dessa anordningar hade emellertid en kritiskt viktig nackdel, som avsevärt begränsade möjligheten till deras tillämpning. Redan i mitten av 1900-talet noterade den ungersk-amerikanske matematikern John von Neumann olämpligheten hos fysiska slumptalsgeneratorer vid beräkning, på grund av omöjligheten att upprepa ett slumpmässigt experiment och, som ett resultat, omöjligheten att reproducera ett slumptal. att testa en maskins funktion. Det var så det vetenskapliga samfundet behövde pseudoslumptal - tal som har ett antal viktiga egenskaper hos slumptal, men som inte erhålls som ett resultat av ett slumpmässigt experiment, utan på basis av någon algoritm. John von Neumann blev själv författare till metoden "mitten på kvadraten", som låter dig få tiosiffriga pseudoslumptal vid utgången.

Den största nackdelen med pseudo-slumpmässiga tal är naturligtvis bristen på dataslumpmässighet, vilket är så viktigt inom många områden av vetenskapen och livet. Dessutom har alla pseudo-slumptalsgeneratorer egenskapen att loopa, det vill säga från ett visst ögonblick för att upprepa sekvensen av utdatanummer, är många algoritmer reversibla, och vissa har till och med en ojämn endimensionell fördelning. Därför lockar detta område för närvarande många forskare som försöker utveckla befintliga eller skapa nya effektiva pseudo-slumptalsgeneratorer.

Intressanta fakta

  • Enligt vissa historiker går de första försöken att generera slumpmässiga tal tillbaka till 3500 f.Kr. Märkligt nog är de kopplade till det forntida egyptiska brädspelet "Senet", som består i att flytta marker runt brädet.
  • Under lång tid fungerade resultaten av folkräkningar och andra datatabeller som erhölls experimentellt som källor till slumpmässiga siffror för några verkliga praktiska problem.
  • En sårbarhet i pseudoslumptalsgenereringsalgoritmer utnyttjades i början av 2010-talet av den tidigare säkerhetschefen för Multi-State Lottery Association. Inkräktaren hade tillgång till programvara som användes för att fastställa vinstnumren på lotter, med vilken han kunde fastställa de vinnande kombinationerna flera dagar om året. Han åtalades 2015 efter att ha vunnit 16,5 miljoner dollar.
  • En pseudo-slumptalsgenerator installerad på omborddatorn på en Apollo-rymdfarkost fick en gång dess rörelse att fungera felaktigt och allvarligt avvika från dess avsedda bana. Som forskarna fick reda på, föll utdata från generatorn som användes för att beräkna vinkelhastigheterna i det nedre halvplanet i 80% av fallen, vilket absolut inte uppfyllde de erforderliga kriterierna för slumpmässigheten av resultaten från generatorn.

Problemet med att generera slumptal är för närvarande ett av de mest relevanta och lovande i vetenskapssamhället. Samtidigt är detta ämne mest intressant för människor som är långt ifrån vetenskapens värld. Bekanta dig med de mest kända pseudoslumptalsgenereringsalgoritmerna och deras användningsområden.

Slumpmässig nummergenerator

Slumpmässig nummergenerator

Varje dag använder miljontals människor onlinetjänster för generering av slumptal, men få människor tänker på vad som ligger bakom denna process. Hur fungerar slumptalsgeneratorer och är dessa siffror överhuvudtaget slumpmässiga?

Hur erhålls slumpmässiga tal

De mest kända exemplen på experiment med slumpmässiga utfall som kan tolkas som slumpmässiga siffror är välbekanta kast med ett mynt eller tärning, blanda kort eller dra ett kort från en blandad kortlek. Människor har använt dessa tekniker i vardagen i århundraden, men uppenbarligen är sådana metoder inte lämpliga för att generera stora arrayer.

De första försöken att systematisera processen att generera slumptal ledde till skapandet av algoritmer för att fylla tabeller med slumptal. Användningsområdet för sådana tabeller är dock ganska snävt, så tabeller med slumptal ersattes snart av maskiner som genererar slumptal i realtid och som används i stor utsträckning idag.

Slumpmässiga och pseudo-slumptalsgeneratorer

Få människor vet, men de flesta moderna enheter genererar faktiskt pseudoslumptal. Detta är namnet på talsekvenser vars egenskaper i många avseenden liknar slumpmässiga, men mekanismen för deras konstruktion är väsentligt annorlunda. Sanna slumptalsgeneratorer använder resultaten av små slumpmässiga fysiska processer i sitt arbete, såsom termiskt och skottbrus, den fotoelektriska effekten eller några kvantfenomen. Utmatningssekvensen för en sådan generator kan inte förutsägas, vilket är den största fördelen med slumptalsgeneratorer jämfört med pseudoslumpgeneratorer. Den här egenskapen för slumptal är viktigast i områden där datasekretess och säkerhet krävs, såsom kryptografi.

Till skillnad från sanna slumptal genereras pseudoslumptalssekvenser baserat på någon algoritm, så de är förutsägbara och fixerade. Resultaten av pseudo-slumptalsgeneratorn kan förbättras genom att införa några parametrar i systemet som komplicerar beroenden mellan siffror, men alla för närvarande existerande pseudoslumptalsgeneratorer förr eller senare loopar och därför inte kan producera verkligt slumpmässiga tal.

Visst, på grund av enhetens höga komplexitet och kostnaden för slumptalsgeneratorer, ägnar forskare för närvarande stor uppmärksamhet åt att hitta och optimera de mest effektiva algoritmerna för att generera pseudoslumptal. Till och med "Cryptographically Strong Pseudo-Random Number Generators" (CSPRNGS) har uppfunnits, som används inom områdena kryptering och för att säkerställa integriteten hos överförd information.

Där slumpmässiga och pseudoslumpmässiga tal används

Slumptalsgeneratorer är en integrerad del av de flesta operativsystemprogramvara. Dessutom är de oumbärliga för statistiska tester och numeriska simuleringar. Slumpgeneratorer används också för att skapa komplexa datorspel och kan avsevärt utöka kapaciteten hos artificiell intelligens, en av de mest lovande teknikerna under detta årtionde. Naturligtvis används slumpmässiga nummer i stor utsträckning i lotterier, tävlingar och dragningar.

Att generera slumpmässiga siffror är en tidskrävande och på många sätt mystisk process, men det är därför det är ännu mer intressant. Dyk djupare in i det här ämnet och se till att upptäcka något nytt för dig själv.