موقف من الحياة اليومية

شاب بيعمل جدول حسابات صغير. جمع 0.1 تلات مرات، وطلب من البرنامج يقارن الناتج بـ 0.3. البرنامج قاله: مش متساويين!
هو متأكد إن الحساب صح. والكمبيوتر كمان «صح» بطريقته. المشكلة إن 0.1 نفسها مالهاش شكل مضبوط بالثنائي.
خلاصة سريعة
- مفيش طريقة بعدد بتات ثابت تكتب كل الكسور بالظبط، فالكمبيوتر بيخزّن أقرب قيمة وبيقرّب.
- Fixed-point: العلامة العشرية مكانها ثابت، بسيط بس المدى صغير. Floating-point: العلامة بتتحرك، فبيكتب أرقام صغيرة جدًا وكبيرة جدًا، وده المعيار اللي اسمه IEEE 754.
- الأخطاء الصغيرة دي عادية، بس قارن الكسور بـ «قريب من» مش «يساوي»، والفلوس تتحسب بنظام عشري مضبوط.
ببساطة
جرّب تكتب 1 ÷ 3 بالعشري: 0.3333… والتلاتات ما بتخلصش.
مهما كتبت أرقام، هتقرّب بس.
الكمبيوتر بيحصله نفس الحاجة، بس مع أرقام تانية. 0.1 بالثنائي بتبقى 0.000110011001100… والنمط بيتكرر للأبد. والكمبيوتر عنده عدد بتات محدود، فبيقص عند حد معيّن، ويخزّن رقم قريب جدًا من 0.1، مش 0.1 بالظبط.
بالتفصيل
1 - ليه الكسور صعبة؟
الأعداد الصحيحة سهلة: كل بت زيادة بيضاعف عدد الأرقام اللي تقدر تكتبها. لكن الكسور مالهاش آخر: حتى بين 0 و1 فيه كسور ما تتعدّش. وفيه أرقام زي π ما بتخلصش أصلًا.
فأي طريقة بعدد بتات ثابت لازم تقرّب. والسؤال: نقرّب إزاي؟
2 - الـ Fixed-point: العلامة ثابتة
في الـ Fixed-point (العلامة الثابتة)، بنقرر من الأول كام بت للرقم الصحيح وكام بت للكسر.
الخانات بعد العلامة قيمتها: ½ و¼ و⅛…
مثال بـ 8 بت (6 للصحيح و2 للكسر): 000101.10
- الصحيح:
4 + 1 = 5. - الكسر: ½ = 0.5.
- الناتج 5.5.
ومع بتين للكسر، الكسر بيبقى واحد من 4 بس: .00 أو .25 أو .50 أو .75. يعني الدقة 0.25، وكل بت زيادة بيقسمها نصين.
المشكلة:
0.75 ÷ 2المفروض 0.375، بس ده محتاج بت تالت، فبيتقص ويطلع 0.25.- والترتيب بيفرق:
(0.75 ÷ 2) × 3بتطلع 0.75، و(0.75 × 3) ÷ 2بتطلع 1.00، والصح 1.125. - وفي الوقت ده، البتات الكبيرة اللي على الشمال مش مستخدمة خالص.
3 - الـ Floating-point: العلامة بتتحرك
في الـ Floating-point (العلامة العائمة)، الرقم نفسه بيخزّن فين العلامة. فنفس عدد البتات يقدر يكتب أرقام صغيرة جدًا وأرقام كبيرة جدًا.
وأغلب الأجهزة النهارده ماشية على معيار واحد اسمه IEEE 754، وآخر إصدار منه IEEE 754-2019. المعيار بيحدد شكل الأرقام وطريقة الحساب، وبيحدد كمان الحالات الخاصة اللي اسمها Exceptions (الاستثناءات) وبتتعامل إزاي.
شكل الرقم في 32 بت:
- 1 بت للإشارة: 0 موجب و1 سالب.
- 8 بت للـ Exponent (الأس): بيحدد الرقم هيتضرب في 2 أس كام. وبيتخزن زايد عليه 127، فبنطرح 127 علشان نعرف الأس الحقيقي.
- 23 بت للـ Significand (الجزء المعنوي، وبيتسمى كمان Mantissa): الكسر نفسه، وقبله 1 ضمني مش متخزّن.
يعني القيمة = الإشارة × 1.(الكسر) × 2^(Exponent − 127).
المثال اللي في الرسمة:
- الإشارة 1: سالب.
- الـ Exponent
10000011= 131، وناقص 127 = 4، يعني اضرب في2⁴ = 16. - الـ Significand
01101000…يعني¼ + ⅛ + 1/32 = 0.40625، وقبله الـ 1 الضمني يبقى 1.40625. - الناتج:
−1.40625 × 16 = −22.5.
والـ 64 بت؟ أغلب الأجهزة بتستخدم كمان صيغة 64 بت اسمها binary64 أو Double precision (الدقة المضاعفة)، وفيها 53 بت دقة. والخطأ في العملية الواحدة فيها صغير جدًا، في حدود جزء من 2⁵³.
وفي المعالج، عمليات الكسور ليها وحدة منفصلة عن الـ ALU اسمها Floating-point unit (وحدة الكسور).
4 - طيب لو جمعنا 0.1 تلات مرات؟
الـ 0.1 اللي متخزنة في Double فعلًا هي:
0.1000000000000000055511151231257827021181583404541015625
قريبة جدًا من 0.1، بس مش هي. والبرنامج لما يعرضها بيقرّبها، فانت بتشوف 0.1 وما تحسش بالفرق.
ولما تجمعها 3 مرات، الأخطاء الصغيرة بتتجمع، فالناتج ما بيطلعش 0.3 بالظبط، والمقارنة بـ «يساوي» بتقول لأ. ودي مش غلطة في البرنامج ولا في المعالج، دي طبيعة الكسور الثنائية.
5 - الأخطاء دي بتفرق إمتى؟
في أغلب الحسابات العادية الفرق صغير جدًا وما يأثرش. لكن فيه حوادث مشهورة كان سببها حساب الأرقام:
- سنة 1991: خطأ تقريب خلّى بطارية صواريخ Patriot ما تعترضش صاروخ، ومات 28 جندي.
- سنة 1996: أول إطلاق لصاروخ Ariane 5 انفجر بعد 39 ثانية، والسبب Overflow وهو بيحوّل رقم Floating-point لرقم صحيح.
تتعامل معاها إزاي؟
- قرّب العرض بس: اعرض النتيجة النهائية بعدد أرقام مناسب، وسيب الحساب جوه بدقته.
- قارن بـ «قريب من»: بدل «يساوي»، اسأل: الفرق بينهم صغير كفاية؟
- الفلوس: استخدم Decimal (الحساب العشري) بدل الـ Floating-point، لأنه معمول للحسابات المالية.
أخطاء شائعة
- «الكمبيوتر بيحسب الكسور بالظبط»: لأ، بيخزّن أقرب قيمة، والفرق صغير بس موجود.
- «لو قرّبت الأرقام قبل الحساب المشكلة تتحل»: لأ، التقريب قبل الحساب ما بيلغيش الخطأ، قرّب العرض بس.
- «الـ Floating-point غلط في البرنامج ده بس»: دي طبيعة الكسور الثنائية في أي لغة وأي جهاز.
- «Fixed-point وFloating-point نفس الحاجة»: في الـ Fixed العلامة ثابتة، وفي الـ Floating مكانها متخزّن جوه الرقم.
- «أحسب الفلوس بالـ Floating-point عادي»: الأفضل حساب عشري مضبوط.
المصطلحات
- العلامة الثابتة (Fixed-point): تمثيل يكون فيه عدد البتات بعد العلامة ثابتًا.
- العلامة العائمة (Floating-point): تمثيل يخزّن موضع العلامة داخل الرقم، فيغطي مدى كبيرًا من القيم.
- معيار IEEE 754 (IEEE 754): المعيار الذي تتبعه أغلب الأجهزة لتمثيل أرقام الفاصلة العائمة وحسابها.
- الأس (Exponent): الجزء الذي يحدد قوة 2 التي يُضرب فيها الرقم.
- الجزء المعنوي (Significand أو Mantissa): الجزء الذي يحمل أرقام القيمة نفسها.
- الدقة المضاعفة (Double precision): صيغة 64 بت فيها 53 بت دقة.
- خطأ التقريب (Rounding error): الفرق بين القيمة الحقيقية والقيمة المخزّنة.
اختبر نفسك
ليه 0.1 ما تتخزنش بالظبط في الكمبيوتر؟
لأنها بالثنائي بتتكرر للأبد (0.000110011…)، زي واحد على تلاتة بالعشري، فالكمبيوتر بيقص ويخزّن أقرب قيمة.
إظهار الإجابة
الإجابة الصحيحة: لأنها بالثنائي رقم بيتكرر وما بيخلصش
لأنها بالثنائي بتتكرر للأبد (0.000110011…)، زي واحد على تلاتة بالعشري، فالكمبيوتر بيقص ويخزّن أقرب قيمة.
إيه الفرق الأساسي بين الـ Fixed-point والـ Floating-point؟
مكان العلامة.
في الـ Fixed ثابت، وفي الـ Floating الرقم بيخزّن الـ Exponent، فيقدر يكتب أرقام صغيرة جدًا وكبيرة جدًا.
إظهار الإجابة
الإجابة الصحيحة: في الـ Floating-point مكان العلامة متخزّن جوه الرقم
مكان العلامة.
في الـ Fixed ثابت، وفي الـ Floating الرقم بيخزّن الـ Exponent، فيقدر يكتب أرقام صغيرة جدًا وكبيرة جدًا.
عايز تقارن ناتج حساب كسور بـ 0.3. إيه الأحسن؟
تقارن بـ «قريب من».
الكسور فيها أخطاء تقريب صغيرة، فالمساواة بالظبط ممكن تفشل حتى لو الحساب صح.
إظهار الإجابة
الإجابة الصحيحة: تسأل: الفرق بينهم صغير كفاية؟
تقارن بـ «قريب من».
الكسور فيها أخطاء تقريب صغيرة، فالمساواة بالظبط ممكن تفشل حتى لو الحساب صح.