Incertezze scientifiche e scetticismo climatico - Prima parte

Premessa
Torno a scrivere dopo una lunga assenza dovuta soprattutto all’essere un po’ stufo di predicare ai convertiti, a mancanza di stimoli o idee e, perché no, anche al gran caldo. Ma è proprio quest’ultimo e le reazioni osservate a commento di contenuti social di varia natura, che mi porta, ancora una volta, a riprendere l’argomento, pur perfettamente conscio che tanto, il crawler Google continua ad ignorare impunemente i contenuti delle mie pagine.

Anche se da un diverso punto di vista si parlerà quindi ancora di cambiamento climatico, così come definito dal punto 2 dell’Art. 1 della costituzione della UNFCCC (United Nations Framework Convention on Climate Change). Faccio però notare che, in linea di principio, molte delle considerazioni si applicano anche alla maggior parte delle discipline scientifiche, considerando la crescente sfiducia che è diffusa nei loro confronti, che si tratti di vaccini o di ingegneria i meccanismi della negazione sono i medesimi.

__________________________________________________________________________

Il cambiamento climatico non è una questione di opinioni contrapposte, ma un campo scientifico complesso in cui l’incertezza non significa ignoranza. Proprio perché il sistema climatico è difficile da descrivere in ogni dettaglio, la prudenza della scienza viene spesso trasformata in dubbio artificiale da chi preferisce rinviare le decisioni. Eppure le evidenze sono solide: l’aumento dei gas serra di origine umana sta modificando atmosfera, oceani, ghiacci ed ecosistemi. Questo articolo prova a distinguere il vero dibattito scientifico dalla negazione organizzata, mostrando perché aspettare una certezza assoluta significhi, di fatto, scegliere l’inazione. Perché il clima riguarda tutti, e capire come funziona è il primo passo per pretendere scelte più responsabili.

Sulle pagine di questo blog si è discusso innumerevoli volte che quello del cambiamento climatico sia un fenomeno complesso e ricco di sfaccettature e di come tutto ciò alimenti incertezze. Un’accusa questa, mossa spesso sia ai dati che arrivano che agli enti che, da decenni, forniscono le prove del cambiamento climatico in atto e della sua origine pressoché esclusivamente antropica. In un articolo su «Scientific American» qualche anno fa si evidenziava infatti come i climatologi tendano a sottovalutare l’emergenza climatica per evitare di sbagliare ed essere messi alla berlina dai negazionisti, tendendo a sottovalutare i potenziali pericoli climatici: è eccesso di prudenza forse, ma resta comunque uno dei pilastri del metodo scientifico, non sinonimo di ignoranza. Ma poiché l'incertezza è solitamente equiparata all'ignoranza, questo fatto alimenta lo scetticismo sugli impatti indotti dall'uomo sul clima globale e collega il cambiamento climatico solo alle cause naturali.

Lo si è visto anche durante questa torrida estate caratterizzata, soprattutto nell’emisfero settentrionale, in Europa e nel bacino del Mediterraneo in particolar modo: nonostante le fortissime anomalie termiche, le ondate di calore, l’anticiclone africano che ha soppiantato l’ormai mitologico anticiclone delle Azzorre, la voce del negazionismo è rimasta forte e rilanciata dalla cassa di risonanza dei social. Non sono nemmeno particolarmente d’accordo con coloro i quali sostengono che, stante l’impossibilità di negare i dati, adesso i negazionisti hanno virato sul tema a loro molto caro: quello che è troppo tardi per fare qualsiasi cosa sia tesa a mitigare. I climascettici continuano imperterriti a chiamare in causa il Sole, i cicli naturali e quelli orbitali, ma soprattutto, come un disco rotto, le parole di quattro gatti da Nobel, ormai famosi più per il loro negazionismo e le fesserie climatologiche, che per il soggetto che consentì loro di ottenere l’ambito premio.

 

Introduzione

Anche se quella della “serra” è una metafora ben riuscita (in realtà nelle serre il riscaldamento è dovuto a fenomeni fisici diversi) esiste la vita sulla Terra (anche) grazie all'effetto serra naturale dell'atmosfera, che mantiene la temperatura media superficiale intorno a 33 °C più alta rispetto a quanto sarebbe altrimenti: senza questo effetto la temperatura sarebbe –18 °C invece degli attuali +15 °C. L'effetto serra funziona perché i gas serra (GHG, greenhouse gas) come il vapore acqueo, il biossido di carbonio (CO₂), il metano (CH₄) e il protossido di azoto (N₂O) agiscono come una coperta attorno alla Terra, permettendo ai raggi solari di raggiungere la superficie terrestre, e trattenendo l’energia che si irradia da essa, impedendo così al calore che generano di fuoriuscire nello spazio - repetita iuvant qui. La capacità delle emissioni, sia quelle naturali che le antropogeniche, di intrappolare il calore in questo modo è considerata un dato di fatto, scientificamente consolidato oltre ogni ragionevole dubbio.

 

Gli scienziati che si sono impegnati a comprendere il clima terrestre sanno che il clima è in continuo cambiamento e che molti fattori lo influenzano (si veda il post citato in precedenza e questo). I loro studi sui climi passati hanno mostrato che i cambiamenti nell'orbita terrestre, le eruzioni vulcaniche e le variazioni solari erano cause principali di una qualche forma di cambiamento climatico. Da molti decenni ormai, a questa lista si aggiungono gli impatti indotti dall'uomo sulla composizione atmosferica dei gas serra che derivano dall’uso di combustibili fossili e dalla deforestazione: fattori importanti e fondamentali per giustificare l’impennata nel tenore di gas serra a partire dall’avvio dell’era industriale, e la grande accelerazione degli ultimi 50-60 anni. Per la maggior parte, causa unica del cambiamento climatico recente e sostenuta da argomenti che godono di un consenso scientifico pressoché totale. 

 

Il cambiamento climatico, o meglio la crisi climatica, giacché il cambiamento è ormai un fatto consolidato, è un fenomeno estremamente complesso, con molte implicazioni politiche altrettanto complesse, talmente articolate che, come ho avuto modo di scrivere diverse volte, la gestione di questa crisi, unico argomento globale degno di importanza assoluta, è stata pressoché fallimentare.

 

Fondato su un vasto insieme di scienze interdisciplinari, oggi il sistema climatico è complessivamente ben conosciuto. Eppure rimangono molte incertezze, che tante volte su queste pagine abbiamo detto essere il motore stesso del progresso scientifico. Queste stesse incertezze però, agli occhi del profano, dello scettico e del negazionista, alimentano il dubbio sugli impatti umani sul clima globale, oltre che diffidenza e negazione. Una concezione più ampia del cambiamento climatico, con questioni scientifiche e tecniche intrecciate con quelle sociali e umane, introduce tipi di incertezza molto diversi da quelli che gli scienziati solitamente incontrano nella formulazione di valutazioni quantitative delle prove. Poiché l'incertezza è solitamente equiparata all'ignoranza, i media e i non scienziati in generale tendono a dedurre che gli scienziati non sappiano nulla su un argomento solo perché non ne sanno tutto: ed è questo un famoso luogo comune, un pregiudizio, che i non addetti hanno della scienza e del suo metodo. Pur sembrando paradossale, tornando a quell’eccesso di prudenza di cui s’è detto all’inizio, una credenza diffusa tra gli scienziati è che comunicare in libertà al pubblico sia difficile, perché l'incertezza verrebbe interpretata come un'ammissione che la loro comprensione di un argomento non è completa. Non è facile trasmettere il messaggio che un socratico e determinato “non lo so” è proprio il carburante del progresso scientifico.

Purtroppo gli argomenti legati a quel dubbio sono proprio gli argomenti in malafede usati dai soliti noti per alimentare il dubbio, l’ignoranza cattiva, quella vera: «la vera ignoranza non è l’assenza di conoscenza, ma il rifiuto di acquisirla», come diceva Karl Popper, e come molto bene ci hanno raccontato Naomi Oreskes ed Erik Conway nel loro bel libro “Mercanti di dubbi”. Ne ho scritto approfonditamente qui e qui.

 

Nonostante abbia trattato in passato questo e molti argomenti ad esso correlati questo post è dunque un ulteriore tentativo di riassumere la comprensione attuale del cambiamento climatico, concentrandosi sulle fondamenta scientifiche passate e presenti degli impatti naturali e antropici su di esso, nonché su alcuni tipi specifici di incertezza scientifica, diversi dalle comuni incertezze che gli scienziati incontrano nella formulazione di valutazioni quantitative delle loro evidenze, che siano di laboratorio o dal campo. Si cercherà inoltre di dare spazio ad una panoramica dei rischi quantitativi del cambiamento climatico riportata da IPCC, e destinata ai decisori politici, confrontandola con opinioni scettiche espresse da alcuni scienziati che hanno accusato IPCC di allarmismo e conclusioni false sugli impatti umani sul cambiamento climatico.

Per quanto possibile cercherò di essere sintetico per quanto riguarda gli aspetti scientifici, avendone trattato in diversi post sul mio blog, concentrandomi di più su quelli che inducono a confondere l’incertezza con la crassa ignoranza.

Non climatologia, ma scienza del cambiamento climatico

La scienza del cambiamento climatico si è progressivamente distinta dalla climatologia tradizionale praticata per decenni dagli specialisti della materia, di estrazione per lo più fisica e matematica. Gli studiosi di questo ambito, oggi relativamente nuovo, provengono da discipline diverse (per citarne alcune discipline come geologia, geofisica, paleontologia, geografia, biologia, oceanografia, astronomia, matematica, fisica, chimica e ingegneria) e sono in grado di gestire grandi quantità di dati riferiti a periodi molto estesi. Grazie alla raccolta e all’analisi di questi dati con metodi sviluppati nel tempo, possono individuare tendenze significative, tra cui l’andamento delle temperature, le variazioni del livello del mare, la riduzione del volume dei ghiacciai, i cambiamenti nella circolazione atmosferica e oceanica e le variazioni dell’energia ricevuta e redistribuita dai processi terrestri. La conoscenza dei cambiamenti climatici del passato consente inoltre di comprendere meglio il clima futuro e di valutare come l’umanità possa mitigare alcuni dei problemi più probabili nei diversi scenari climatici possibili.

Il clima sulla Terra è solitamente considerato come una media delle fluttuazioni meteorologiche, anche se il tempo è solo la condizione atmosferica come la temperatura dell'aria, la pressione, l'umidità, le nuvole, le precipitazioni, la visibilità, il vento, misurata in un momento e luogo specifici. Le statistiche climatiche si ottengono facendo la media delle condizioni meteorologiche su un periodo lungo rispetto al limite deterministico di prevedibilità per il moto atmosferico, che è di circa due settimane. Poiché il cambiamento climatico interessa un periodo che va da decenni a secoli, deve essere distinto dalla variabilità climatica, che si riferisce a fluttuazioni climatiche a breve termine (anni o decenni), misurate da variazioni in tutte le caratteristiche associate al clima, come temperatura, schemi di vento, precipitazioni e tempeste.

Insomma, così come speranza e aspettativa anche meteo e clima sono due cose completamente diverse, e lo si è ribadito spesso. Il famoso matematico e meteorologo Edward Lorenz diceva che “Il clima è ciò che ti aspetti, il meteo è ciò che ottieni”

La scienza del cambiamento climatico è un esempio emblematico di approccio interdisciplinare: per spiegare processi così complessi è necessario integrare molte discipline scientifiche. Il clima terrestre nasce da un equilibrio delicato tra apporti energetici, processi chimici e fenomeni fisici; anche una lieve perturbazione, amplificata da diversi meccanismi di retroazione, può produrre cambiamenti non lineari nel sistema climatico globale. Tuttavia, il sistema Terra-oceano-atmosfera possiede capacità di riequilibrio che rendono poco probabili scenari estremi come un effetto serra fuori controllo o una glaciazione incontrollata.

 

Ovviamente, nessuno scienziato ha mai messo in dubbio che esistono fenomeni naturali, sorti con la formazione stessa della Terra e della sua atmosfera, che influenzano il clima in modi innumerevoli. Tant’è che sono proprio questi fenomeni naturali intrinseci che vengono richiamati di continuo per giustificare anche quanto è ormai invece attribuito all’influenza antropica.

Prendendo come riferimento per approfondire questo mio vecchio post, possiamo annoverare i cambiamenti nell’orbita terrestre rispetto al Sole, modificando la distribuzione latitudinale e stagionale della radiazione solare in arrivo nella sommità dell'atmosfera, le eruzioni vulcaniche, soprattutto se relative a Large Igneous Province (LIP, si veda questo post dell’amico Aldo Piombino) e le variazioni dell'energia emessa dal Sole: tutti hanno un effetto sul cambiamento climatico. Il clima è inoltre influenzato dai cambiamenti nella composizione dell'atmosfera, in particolare da quelli della concentrazione atmosferica di gas serra e dalla nuvolosità, così come dall'albedo terrestre e dall'interazione del sistema atmosfera-terra-oceano. Il vapore acqueo si verifica naturalmente tramite l'evaporazione dell'acqua proveniente da oceani, terre e fiumi, e può causare raffreddamento o riscaldamento a seconda della forma in cui si manifesta il vapore, come ad esempio diversi tipi di nuvole o un aumento dell'umidità.

I cambiamenti nel movimento orbitale della Terra attorno al Sole hanno un impatto a lungo termine sul clima, con cicli di migliaia di anni. Le grandi eruzioni vulcaniche producono un effetto di raffreddamento dovuto alla cenere ed altri aerosol, laddove persistano per alcuni anni riducendo la quantità di energia del Sole che raggiunge la superficie terrestre: possono abbassare la temperatura dell'aria superficiale di circa 0,2 °C per alcuni anni dopo perché, durante le eruzioni vulcaniche, particelle fini di cenere e polvere (così come gas) possono essere espulse nella stratosfera. Certo, così come quelli vulcanici anche gli aerosol industriali, (in una parola, l’inquinamento) hanno un effetto raffrescante che contribuisce in parte a compensare il riscaldamento da emissioni di CO₂, tuttavia, le misure rigorose adottate per ridurre l'inquinamento (qui la storia recente di un apparente paradosso) hanno fatto sì che gli aerosol industriali iniziassero a fornire una compensazione minore per il crescente riscaldamento causato dal noto gas serra. Tornando in tema gli effetti delle eruzioni vulcaniche sul clima passato sono difficili da valutare a causa di interpretazioni alternative in contrasto tra loro, ma chi sostiene che l’aumento di CO₂ in atmosfera degli ultimi 250 anni sia dovuto al vulcanismo della Terra è in errore: a conti fatti le emissioni vulcaniche rappresentano meno dell'1% delle emissioni antropogeniche! E in questo vulcanismo comprendiamo quello meno noto che avviene sul fondo degli oceani nelle cosiddette dorsali medio-oceaniche.

Senza entrare qui nel dettaglio dei diversi ruoli e impatti dei vari gas serra, o del vapore acqueo, la nostra atmosfera stabile per millenni ha iniziato quindi, dalla nascita dell’era industriale con l’invenzione del motore termico alimentato a carbone, ad accumulare gas serra, soprattutto CO₂, senza possibilità di riciclo né nel grande ciclo del carbonio che da miliardi di anni opera sulla Terra né in quello minore e più rapido dovuto alla presenza di organismi fotosintetici. Prima dell'industrializzazione il CO₂ componeva solo circa lo 0,03% dell'atmosfera (circa 280 ppm), ma oggi, principalmente a causa dell'influenza umana, abbiamo recentemente toccato le 430 ppm! E almeno il 30 percento di questo incremento è avvenuto negli ultimi decenni, in meno di un secolo.

 

I processi che avvengono sulla superficie terrestre regolano gli scambi di calore, umidità e quantità di moto tra suolo e atmosfera. Numerosi fenomeni naturali influenzano sia la circolazione atmosferica sia il clima superficiale. L’interazione tra atmosfera e superfici sottostanti dipende da proprietà come il trasferimento radiativo, l’umidità del suolo - che determina flussi di calore sensibile e latente e deflussi energetici - e persino la rugosità della superficie. Anche le variazioni dell’albedo, cioè della quota di radiazione riflessa rispetto a quella ricevuta, insieme alla copertura nuvolosa e all’interazione atmosfera-Terra-oceano, possono incidere in modo significativo sul clima. La Terra e la sua atmosfera hanno un’albedo complessiva di circa il 30%, valore che può cambiare per effetto delle modifiche della superficie terrestre, come deforestazione e desertificazione, e della nuvolosità. Le nubi riflettono parte della radiazione solare verso lo spazio, producendo un effetto di raffreddamento, ma assorbono anche la radiazione infrarossa emessa dalla Terra, contribuendo al riscaldamento. L’effetto dipende dal tipo di nube e dalle sue proprietà fisiche: i cirri d’alta quota tendono a rafforzare l’effetto serra, mentre le nubi stratificate basse riflettono molta energia solare in arrivo e hanno quindi un effetto raffreddante. Nel complesso, le nubi esercitano un effetto netto di raffreddamento.

Gli oceani, grazie alla loro grande capacità di immagazzinare energia, svolgono un ruolo centrale nel definire i modelli meteorologici, moderare le oscillazioni climatiche e influenzare l’andamento globale e la velocità del cambiamento climatico. Funzionano inoltre come enormi serbatoi di CO₂: il loro contenuto totale di anidride carbonica è circa 50 volte superiore a quello atmosferico, rendendoli una componente essenziale del sistema climatico. L’assorbimento del carbonio di origine antropica modifica però l’equilibrio chimico dell’oceano, perché il CO₂ disciolto forma un acido debole: all’aumentare del CO₂, il pH diminuisce e l’oceano diventa più acido. Inoltre, le acque oceaniche sono in continuo movimento e scambiano costantemente calore con l’atmosfera e questo argomento, con i suoi fenomeni, è stato utilizzato da alcuni scienziati che sostengono che la maggior parte del riscaldamento possa essere il risultato di un ciclo naturale di copertura nuvolosa dovuto ai cambiamenti nella circolazione oceanica: peccato che le supposte variazioni storiche non abbiano poi riscontro con i dati provenienti da altre discipline come la paleontologia, la dendrocronologia (anelli degli alberi), l’analisi degli isotopi dell’aria fossile contenuta nei ghiacci formatisi in passato, ed altro ancora.

Insomma, ancora una volta e su questo blog materiale per approfondire ce n’è parecchio, i dati diretti ed indiretti provenienti da numerose discipline mostrano che sì, il clima terrestre è cambiato notevolmente nel passato geologico, con periodi anche molto più caldi di oggi ma anche con diverse glaciazioni. Ma il cambiamento climatico che si osserva oggi non ha precedenti per ritmo che per ampiezza. La rincorsa al record dell’anno più caldo di sempre è partita da un pezzo.

A questo punto ci starebbe bene uno spiegone sul contesto scientifico del cambiamento climatico, la legge di Arrhenius e il lavoro di Keeling, Milankovic…ma non voglio ripetermi, basterà usare i tag di questo blog.  E quindi salto rimandando a quanto ho già scritto, come qui, ad esempio.

Modelli climatici, computer e imperfezioni

Sui modelli in generale ho scritto tempo fa…«sia data una mucca...» disse il professore tracciando un cerchio alla lavagna...    

Oggi gli scienziati studiano il cambiamento climatico con tecniche e strumenti di calcolo sempre più avanzati. Per stimare l’evoluzione del clima in risposta all’aumento dell’effetto serra utilizzano soprattutto due approcci: i modelli climatici computerizzati e il confronto con registri storici e paleoclimatici. Con le dovute cautele, anche l’intelligenza artificiale sta iniziando ad avere un ruolo in questo ambito. I modelli numerici del clima globale sono strumenti essenziali per comprendere e prevedere il cambiamento climatico: consistono in programmi informatici che risolvono equazioni fisiche ben note, descrivendo processi come la formazione dei venti, l’assorbimento dell’energia, le variazioni di temperatura, l’evaporazione dell’umidità dalla superficie e la formazione delle precipitazioni.

I modelli climatici moderni sono sempre più affidabili grazie a una migliore comprensione dei principi scientifici e a osservazioni più accurate del sistema climatico. Trattandosi di “sistemi complessi” l’ausilio dei computer è diventato insostituibile. Simulando al computer le interazioni tra le sue componenti, gli scienziati hanno ricostruito l’andamento generale del clima passato e possono elaborare proiezioni future basate su diverse ipotesi relative a fenomeni naturali e attività umane.

Dipendendo da variabili ancora incerte si ha che i modelli non possono prevedere il futuro con esattezza. Per questo gli scienziati costruiscono scenari diversi, considerando fattori come crescita demografica, politiche climatiche ed emissioni future di CO₂ e altri gas serra. Le proiezioni indicano intervalli di possibile variazione della temperatura: pur riproducendo abbastanza bene i cambiamenti globali passati e presenti, i modelli restano meno precisi su scala regionale o locale. Rimangono comunque strumenti essenziali per valutare direzione e intensità del cambiamento climatico futuro, con un’affidabilità in continuo miglioramento.

I modelli climatici attuali prevedono che la temperatura media terrestre continui ad aumentare nel prossimo secolo, pur con possibili anni di stabilità o lieve calo. La tendenza generale resta però al rialzo, con effetti comunque negativi. Il riscaldamento varierà per regione: sarà più marcato sulle terre emerse che sugli oceani in inverno, più intenso alle alte latitudini settentrionali nella stagione fredda e limitato sull’Artico in estate. Si prevede inoltre un ciclo idrologico globale più intenso, con maggiori precipitazioni e umidità del suolo alle alte latitudini in inverno. Questi cambiamenti potranno aggravare siccità o inondazioni in alcune aree e attenuarle in altre, oltre a innalzare il livello del mare di diverse decine di centimetri entro la fine del secolo, soprattutto per l’espansione termica degli oceani e lo scioglimento di ghiacciai e calotte glaciali. Nel complesso, il cambiamento climatico modificherà le condizioni medie e la frequenza degli eventi estremi, con impatti rilevanti su terre, oceani, risorse, economia e qualità della vita delle generazioni presenti e future.

«E’ difficile fare delle previsioni, soprattutto sul futuro». Questa ironica affermazione, quasi paradossale, che l’abbia o meno davvero pronunciata Niels Bohr, uno dei padri fondatori della moderna fisica atomica (pare sia apocrifa), apre comunque a degli scenari da non sottovalutare affatto, anche se forse sarebbe opportuno fare previsioni solo su quel che accadrà tra dozzine di miliardi di anni, quando il cosmo sarà buio e freddo, e soprattutto senza nessuno a controllare la qualità della previsione.

Indipendentemente dalla validità granitica dei cosiddetti “punti di non ritorno” l'incertezza degli esiti di un modello, nota anche come errore di previsione (la differenza tra il valore reale osservato e quello stimato da un modello statistico o matematico), nasce dalla propagazione delle incertezze attraverso la simulazione del modello ed è evidenziata dagli esiti simulati. L'errore di previsione del modello può essere valutato rispetto a soluzioni analitiche note, confronti con altre simulazioni e/o confronti con osservazioni. Un aiuto nel ridurre questa incertezza e trasformarla in fiducia ci viene ancora una volta dagli scienziati dell’IPCC, che hanno descritto tre approcci per indicare la fiducia in un determinato risultato e/o la probabilità che una determinata conclusione sia corretta:

1. una scala di comprensione qualitativa descrive il livello di comprensione scientifica in termini di quantità di prove disponibili e grado di accordo tra gli esperti. Possono esserci prove limitate, medie o numerose, e l'accordo può essere basso, medio o alto;
2. una scala di fiducia quantitativa stima il livello di fiducia per un risultato scientifico e varia da “molto alta” (probabilità 9 su 10) a “molto bassa” (meno di 1 probabilità su 10);
3. una scala di verosimiglianza quantitativa rappresenta "una valutazione probabilistica di un risultato ben definito che si è verificato o si verifica in futuro". La scala varia da "praticamente certo" (probabilità superiore al 99%) a "eccezionalmente improbabile" (probabilità inferiore all'1%); 

L'incertezza va distinta dal rischio perché il rischio coinvolge una probabilità nota, mentre un'incertezza sorge quando tali probabilità non sono disponibili. Questa distinzione è utile perché l'IPCC assegna esplicitamente probabilità alle sue principali previsioni climatiche, rendendo la situazione più di rischio che incertezza.

Sembrano chiacchiere accademiche, è solo una teoria direbbe il negazionista al bar, ma non direi affatto. I modelli di 30 o persino 50 anni fa erano decisamente meno sofisticati e prodotti con meno potenza di calcolo degli attuali, eppure allora fecero delle previsioni sui fenomeni che sarebbero avvenuti – probabilmente, in senso matematico, e non ce ne sono altri.

La realtà delle previsioni è ormai evidente, e le probabilità indicate sono rilevanti. Poiché molti effetti considerati altamente probabili comportano costi significativi, alcune forme di intervento appaiono giustificate. Chi nega l’origine antropica del cambiamento climatico sostiene che le stime probabilistiche dell’IPCC non siano affidabili e vadano quindi ignorate. Tuttavia, non agire in nome dell’incertezza significa o rifiutare il problema del riscaldamento globale per ciò che è, oppure assumere che “non fare nulla” sia la risposta corretta all’incertezza.

Il successo del cosiddetto hindcasting è palese. Ne ho già scritto, qui e, a seguire, lo ripeto.

I modelli climatici sono inaffidabili - Confutazione

Abbiamo visto che i modelli climatici, per loro natura, non sono perfetti: riflettono la capacità ancora limitata di simulare il clima e presentano sia inadeguatezze sia incertezze. Le prime dipendono da una comprensione incompleta del sistema climatico, dai limiti delle soluzioni numeriche usate nei modelli informatici e dal fatto che nessun modello può riprodurre esattamente il sistema reale. La struttura dei modelli - equazioni dinamiche, condizioni iniziali e al contorno, sottosistemi inclusi come chimica stratosferica o dinamica delle calotte glaciali - richiede inoltre scelte e semplificazioni. Queste introducono ulteriori incertezze, frutto del compromesso tra stabilità numerica, fedeltà alle teorie, credibilità dei risultati e risorse computazionali disponibili.

I modelli climatici sono dunque sofisticati strumenti computazionali costruiti su leggi fondamentali valide in ambito multidisciplinare (dalla fisica alla biologia, dalla chimica alla paleobotanica) ma non sono sfere di cristallo perfette: tuttavia sono incredibilmente potenti per comprendere sistemi complessi e ormai corredati da una solida esperienza:

• Successo dell'hindcasting: hanno "retroceduto" con successo i cambiamenti climatici del passato, riproducendo l'andamento storico della temperatura osservati, la fusione dei ghiacci e l'innalzamento del livello del mare. Anche i modelli delle previsioni meteorologiche funzionano così: elaborare un modello e applicarlo ad una serie di fatti accaduti nel passato per vedere se i dati previsti dal modello coincidono con le misure. Se così, da quel momento in poi quel modello sarà applicato ogni qual volta i dati derivanti dalle misurazioni assumono quella determinata condizione, prevedendo quanto accadrà.
• Accuratezza predittiva: molte delle prime previsioni dei modelli climatici, fatte decenni fa, sono state in gran parte confermate da osservazioni successive, tra cui l'andamento generale della temperatura globale. Così procede la scienza, che si nutre inoltre dei suoi stessi errori.
• Miglioramento continuo: i modelli vengono continuamente perfezionati con più dati, una maggiore potenza di calcolo e una comprensione più profonda dei sistemi terrestri. Mentre i singoli modelli possono avere lievi variazioni, il consenso su un insieme di modelli indipendenti prevede costantemente un riscaldamento significativo in presenza di continue emissioni di gas serra. Questi modelli non si limitano a prevedere la temperatura ma proiettano inoltre cambiamenti nei modelli di precipitazione, eventi meteorologici estremi, acidificazione degli oceani e altro ancora.

Pur restando incertezze significative sia nelle prove empiriche dirette del riscaldamento sia nella comprensione teorica del sistema climatico nel suo complesso, incertezze che si influenzano a vicenda, non si può escludere che il riscaldamento globale risulti più grave di quanto previsto finora. Il punto decisivo, tuttavia, non è l’esistenza dell’incertezza scientifica, ma il modo in cui l’umanità sceglierà di agire di fronte a essa.

Comprendere il ruolo e l'importanza dei modelli climatici consente infine di rifiutare e replicare le ipotesi di complotto che stanno caratterizzando una parte del negazionismo più becero. Uno dei temi a cui si appellano per spiegare come sia possibile fare previsioni con i modelli, non potendo più negare l'evidenza dei dati, si appella al complotto: «hanno programmato per...» è la nuova litania ricorrente.

Il seguito nella seconda parte...

Sperimentazione, pubblicazione, peer review, patologie e cantonate

 

Sperimentazione
C’è un imperativo, direi un dogma (lo so, suona male parlando di scienza), che guida ogni ricercatore che sa fare il suo mestiere: la riproducibilità dei risultati sperimentali.

Chiunque annunci di aver fatto una «scoperta», non solo si deve aspettare che altri colleghi ripetano l'esperimento nei loro laboratori, cercando di ottenere gli stessi risultati, ma anzi deve auspicare che ciò accada. Ogni articolo scientifico descrive nella sezione «Materiali e metodi» le procedure sperimentali o teoriche usate, inclusi preparazione dei campioni, apparecchiature, protocolli, agenti chimici, metodi statistici, software e autorizzazioni etiche, se richieste. Provare per credere dunque! Se in questa sezione sono presenti evidenti lacune, il lavoro non viene pubblicato e agli autori viene fornito un elenco di modifiche da apportare, a volte accompagnato da commenti anche molto critici. Se ciò che si dichiara non può essere verificato nonostante protocolli formalmente corretti, allora probabilmente da qualche parte c’è un errore, almeno. La riproducibilità dei risultati è un vaglio cieco e spietato, che protegge la scienza dagli errori, a volte vere e proprie ca…ntonate e, soprattutto, aiuta a distinguere, nel marasma delle cose che capitano, quello che scienza non è. Ad esempio, le truffe - tra cui includiamo le fake news - oppure, emotivamente parlando, la suggestione collettiva e la manipolazione inconscia.

E ciò accade perché gli scienziati, prima di esser tali, sono persone, soggette alle stesse distorsioni cognitive degli altri e alle prese con la quotidianità della vita di chiunque, fissazioni da cui faticano a liberarsi e tante belle speranze comprese: la speranza prima è effettuare per primi una scoperta, magari eclatante! Ecco spiegato anche perché studiosi con fior di competenze trascorrano le giornate chiusi in laboratori dentro a una montagna, in un osservatorio in pieno deserto o chiusi in un batiscafo a 2500 metri di profondità negli abissi oceanici; e qui da noi, in cambio di una borsa di studio a quarant'anni con cui a malapena ci si autosostenta e senza nemmeno la possibilità di scaricare le spese mediche. Appare quindi comprensibile che questa ambizione possa intaccare quel sano scetticismo di fondo che è uno dei dispositivi di protezione individuale più importanti per ogni scienziato. Capita cioè che uno scienziato, anche di prim'ordine, si convinca erroneamente di aver osservato un nuovo fenomeno, e a furia di arrovellarsi sulla questione arrivi ad affezionarsi ai «suoi» dati sperimentali, addirittura anche se inconsistenti e ben poco riproducibili, nonché alle argomentazioni imbastite strada facendo per inquadrare di tutto un po’ in una cornice pseudorazionale. E se quelle teorie ad hoc vanno contro a saperi consolidati, dimostrati e funzionanti non c’è problema: ci si appella alla rivoluzionarietà dell’idea. Pur di salvare il proprio lavoro, questi scienziati butteranno nel cestino, più o meno inconsciamente, i dati che contraddicono le attese accogliendo solo quelli graditi, attribuiranno effetti del tutto accidentali a cause che non c'entrano niente, vedranno un segno certo in uno spettro fatto solo da rumore di fondo. Infine, per un insieme di motivi, riusciranno a convincere un certo numero di colleghi della bontà delle proprie convinzioni, alimentando così un micidiale autoinganno collettivo. Quella dei “Raggi N” è una storia esemplare davvero notevole.

Scienza patologica…e sovietica

La costruzione di una simile architettura priva di fondamenta ed eretta in totale buona fede, ha un che di patologico: non a caso il premio Nobel per la chimica Irving Langmuir la definì proprio così, scienza patologica, dedicandosi con passione a fare quel che oggi chiamiamo debunking, smascherare le bufale, le false scoperte.

La mente del ricercatore «contagiato», pur accettando a priori le regole fondamentali del metodo scientifico sperimentale, inconsapevolmente se ne allontana e comincia a interpretare i dati in base ai propri desideri. Il bello è che, a prima vista, l'indagine condotta ha una parvenza di ordinaria credibilità - cosa che di solito fa presa non solo sul grande pubblico complottaro, ma anche su vari addetti ai lavori che cadono vittime dell’esaltazione per, ciò che ritengono essere, una grande scoperta. Ma un’indagine obiettiva mostra subito che il fenomeno accade solo in una regione piuttosto limitata dello spaziotempo, cioè sotto gli occhi di chi brama vederlo. Nonostante ci siano prove più che sufficienti a dimostrare l'inconsistenza del tutto i ricercatori colpiti dal male si ostineranno a difendere le proprie teorie iperboliche, controbattendo alle critiche con congetture buttate lì seduta stante. Dopo un po’, nella scienza sana prevale lo scoramento e si riprende il largo abbandonando la fantasiosa scoperta al proprio destino. Ci penserà il tempo a sommergerla nell'oblio o farle toccare terra in altre epoche, regalando eventualmente alle teorie alla deriva una seconda opportunità. Personalmente, ne ho conosciuto uno…

Insomma sembra un po’ il contrappasso del debunking che, stando ad analisi recenti e affidabili, pare non serva a nulla. Il tentativo di smontare le bufale nella speranza che si arresti la diffusione di informazioni false online non funziona insomma. Ci sono evidenze scientifiche che hanno dimostrato chiaramente che questa pratica è utile soltanto per chi già è predisposto a cercare la versione smentita. Si predica ai convertiti.

Ma non attecchisce laddove dovrebbe farlo, e a peggiorare le cose causa un effetto di maggiore polarizzazione dovuto al fatto che chi si vede arrivare delle informazioni a smentita della sua tesi si arrocca sempre più su posizioni difensive reagendo con veemenza.

C’è poi anche ciò che amo definire scienza sovietica. Quanto accadeva nell'URSS decenni fa o dando ascolto a scienziati di comprovata fede politica, tipo Lysenko (si veda qui per la vicenda e la tragica fine di Vavilov), che prese una cantonata genetica clamorosa; o, al contrario, non ascoltando scienziati e teorie valide perché non in linea con la linea del partito.  Un po’ come la cosiddetta identity politics condiziona il pensiero politico qui potremmo parlare di identity science se non fosse che parlarne in tal senso sia un evidente paradosso.

Ciò nonostante, ci sono ancora dozzine di casi di false scoperte e pseudoscienza che continuano a riaffiorare.

Il blog Retraction Watch contiene un database di oltre 40.000 articoli scientifici caduti in disgrazia e ritirati e ritrattati per i più svariati motivi.

C'è inoltre una vergognosa top ten dei 10 articoli ritrattati, sbagliati, più citati. Articoli che dopo essere stati ritrattati e ritirati hanno ricevuto ancora più like, persino dalla comunità scientifica internazionale.

Ancora in lista all’ottavo posto, c'è il famigerato articolo di Andrew Wakefield che suggeriva un legame tra vaccino trivalente e autismo. Quel lavoro venne pubblicato nel 1998 e fu ritirato nel 2010. Le sue conclusioni sono state più volte smentite, la condotta di Wakefield giudicata scorretta e l'intera storia è stata raccontata allo sfinimento. Ciò nonostante, l'articolo continua a galleggiare sull'oblio, anche grazie ad alcuni scienziati forse superficiali, fosse distratti, forse chissà. Ma se loro per primi non si chinano a seppellire i cadaveri, né li riconoscono, non si capisce bene chi dovrebbe farlo.

Di clamorose cantonate prese da fior di scienziati ne è piena la storia, tra le più famose quella della «memoria dell’acqua» (si veda il paragrafo dedicato all’omeopatia in questo mio post) e quella della «fusione fredda» (qui).

Publish or perish

Ma non tutti gli abbagli sono spiegabili in termini di scienza patologica. Fatte salve le ipotesi di frode, si verificano talvolta errori significativi da parte degli scienziati, spesso attribuibili alla pressione di tempi ristretti in un contesto che normalmente richiederebbe pazienza, chiarezza mentale e una riflessione approfondita. Contrariamente a tutto questo, ci si trova immersi in un ambiente frenetico a causa della competitività sfrenata ed esasperata dell'ambiente accademico, con implicazioni anche internazionali, con la penuria di fondi puntata alla tempia e le incerte prospettive di carriera strette al collo. Per non parlare degli interessi industriali legati a molti programmi di ricerca che hanno resto il mondo accademico molto più restio alla condivisione di quanto fosse un tempo. Gli avanzamenti sono inoltre legati al numero di pubblicazioni scientifiche e al loro impatto, misurato in termini di numero di citazioni, ovvero quanto i colleghi hanno preso i tuoi lavori come riferimento, e col famigerato impact factor, un altro numerino aggiornato di anno in anno che quantifica il prestigio di ogni rivista. È chiaro che, se il motivo conduttore diventa publish or perish, «pubblica o muori», le debolezze umane possono saltar fuori, zone d'ombra incluse. Nella migliore delle ipotesi il ricercatore in ansia da prestazione (o da precariato) può essere spinto a pubblicare troppo e troppo presto i propri lavori, trascurando di svolgere i dovuti controlli. Così, succede di sorvolare su quel che appare un’inezia, un miserabile dato che non torna, senza coglierne tutto l'aspetto inquisitorio e approfondire. Altrove, in particolare in ambito medico biologico, la cantonata può arrivare da una inadeguata analisi statistica dei dati, che conduce a conclusioni gravemente errate.

Durante la pandemia da Covid-19 ad esempio, la tendenza a pubblicare rapidamente i risultati delle ricerche sul tema è aumentata parecchio e non sono mancate le ritrattazioni eccellenti, con annesse polemiche, critiche anche feroci da parte di improvvisati tuttologi e cali generalizzati della fiducia da parte dell’opinione pubblica, già soggetta ad un bombardamento continuo di fake news costruite a tavolino.

La ritrattazione avviene quando un articolo viene rimosso dall'archivio della rivista su cui è stato pubblicato, e sostituito con una nota editoriale in cui si spiegano le ragioni del dietro-front.

In genere si tratta di ricerche viziate da gravi errori plagio e frodi accertate o sospette. Il ritiro dell'articolo può essere richiesto dall'autore stesso o da altri ricercatori perché non riescono a riprodurre i risultati del lavoro incriminato seguendone i protocolli. Occorre innanzitutto evitare che un articolo sbagliato funga da base per ulteriori studi, inquinando la letteratura di riferimento; questi dolorosi mea culpa sottolineano la natura auto correttiva e la vocazione alla trasparenza della scienza, i cui risultati ricadono idealmente sulle vite di tutti e ne diventano patrimonio ed eredità.

Peer review
La scienza è, soprattutto oggi, una grande impresa collettiva, e da ciò derivano la sua forza e la capacità di isolare gli errori: lo strumento collettivo utilizzato, in cui ogni ricercatore diventa giudice dei colleghi e da essi viene giudicato si chiama peer review, revisione tra pari. È Il sistema di controllo adottato dalla maggior parte delle riviste scientifiche ed elimina la spazzatura macroscopica. La pratica della peer review venne introdotta nel 1665 col numero inaugurale della rivista «Phylosophical Transactions» della «Royal Society for Improving Natural Knowledge», la prima istituzione scientifica della storia degna di questo nome, citata brevemente come Royal Society.

Una procedura ben consolidata quindi, ma è davvero efficace?

Ovviamente ci sono storie davvero tristi. Un biologo e giornalista scientifico nel 2013 inventò di sana pianta un articolo sulle proprietà antitumorali di una sostanza estratta dai licheni. Infarcì l’articolo di errori così grossolani che anche uno studente delle superiori se ne sarebbe accorto, spedì l’articolo a 304 riviste open-access (ad accesso gratuito, ci sono poi quelle in abbonamento), inventandosi uno pseudonimo davvero improbabile e il nome dell’istituto di ricerca, localizzandolo, a caso, in Eritrea.

Ben 157 riviste pubblicarono quella spazzatura. I valutatori o avevano lavorato coi piedi, meglio dire non lavorato, o proprio non esistevano. Più della metà delle decisioni finali non avevano rapporti di approvazione.

In un altro caso la allora direttrice del British Medical Journal nel 1998 inviò a duecento revisori (referee) un articolo contenente, apposta, ben otto errori di vario tipo. In media gli esperti ne trovarono due, nessuno li scovò tutti, e per qualcuno l’articolo era perfetto.

Tornando alla domanda a monte va detto che l'obiettivo di fondo della procedura di peer review non è garantire la correttezza dei dati riportati facendo così emergere truffe e manipolazioni ma, piuttosto, assicurare la correttezza formale e metodologica del lavoro. Se un revisore ha dubbi sui risultati, può richiedere altri esperimenti. Tuttavia, spesso non è facile valutare la validità delle misure, quindi di solito i risultati vengono accettati.

La procedura pur avendo numerosi limiti tecnici riesce comunque abbastanza bene nel controllo della forma e del metodo del lavoro e nel caso sbagli, il punto di forza della peer review e ancora una volta la capacità di autocorreggersi. Può accadere che un articolo di buona qualità, rifiutato da una rivista prestigiosa, venga poi accettato altrove e venga ampiamente citato, riconoscendone l'effettivo valore. Inoltre, la peer review è solo il punto di partenza di un percorso in cui il tempo giocherà un ruolo fondamentale. Se in un certo lavoro c'è davvero del buono, altri verranno a replicarne i risultati, a costruire sulle conclusioni della scoperta, ritagliandole il posto che merita.

Nota: quanto guadagnano i revisori dalla loro attività? Zero. Operano a titolo gratuito; e ancora, riviste prestigiose in abbonamento, non sono per questo più autorevoli di quelle gratuite.

Concludo citando un caso recente, nato sull’onda del progresso e della potenza elaborativa, inarrestabile ed a crescita esponenziale, dei cosiddetti Large Language Models (LLM), strumenti di AI.

La possibilità offerta da questi di realizzare in modalità pressoché automatica lavori da sottoporre a pubblicazione e peer review è stata, già da qualche anno, oggetto di una levata di scudi da parte della comunità scientifica; ciò nonostante, non sono mancati episodi più o meno eclatanti di ricercatori rivelatisi alla fine non meno peggio di tanti ciarlatani. Ma qui le cose si invertono.

Ci sono ormai evidenze che l’AI sia utilizzata dai revisori, per automatizzare il loro lavoro, generando spesso risultati completamente errati. Ricordo che un LLM segue sempre la stessa metodologia, sia che fornisca risposte corrette che sbagliate (sulla pagina Facebook di Walter Quattrociocchi ci sono numerose informazioni utili).

Ed ecco che non è l'autore della pubblicazione da sottoporre a review che sta barando, ma chi dovrebbe leggerlo, allora il primo non fa che difendersi: questa scelta è stata difesa, con razionalità, sostenendo che i prompt nascosti rappresentano una contromisura contro i revisori pigri che usano l’AI. Secondo il professore, in assenza di regole univoche sull’integrazione dell’AI nel processo di peer review, e sapendo che molte riviste vietano esplicitamente l’uso dell’intelligenza artificiale per valutare i lavori, l’aver inserito dei prompt leggibili solo dalle AI rappresenta un modo per poter controllare questa pratica e smascherarla dove presente.

Ad ogni modo, e lo affermo in maniera asettica, appare probabile che in un futuro non proprio lontano, il ruolo dell’AI nella revisione delle pubblicazioni scientifiche sarà preponderante. La capacità di assorbimento della necessaria letteratura che qualsiasi LLM potrà offrire, e spesso già offre, supera di diversi ordini di grandezza le potenzialità di chiunque, con buona pace di Borges e della sua biblioteca.

Spiccioli di matematica

[NdA] In questo paragrafo non sono stato preciso, me lo hanno fatto notare e ho corretto qui] 

Fin dalle scuola media abbiamo imparato che un teorema matematico va dimostrato. Insomma non può arrivare un Pitagora qualunque e affermare che «In ogni triangolo rettangolo, l’area del quadrato costruito sull’ipotenusa è uguale alla somma delle aree dei quadrati costruiti sui cateti». Tutti i triangoli rettangoli? Pitagora non avrebbe mai averli potuti disegnare e misurare tutti visto che sono infiniti. Ma veniamo al punto, dando per assodato che ci sono diverse dimostrazioni del famoso teorema.

In ambito scientifico, la dimostrazione matematica è lo strumento più infallibile e potente che si ha per produrre conoscenza. È Verità con la V. Un enunciato di cui viene data dimostrazione matematica vale in qualunque tempo e in qualunque angolo dell’Universo. Un teorema dimostrato è per sempre, altro che diamanti (che tra l’altro non lo sono trattandosi della fase instabile del carbonio…ma non divaghiamo).

Una dimostrazione inizia da una serie di assiomi, asserzioni vere perché evidenti a chiunque (tipo quelle di Euclide e dei suoi fondamenti). Si prosegue poi con logica inoppugnabile passo dopo passo alla necessaria validità della conclusione, che è poi l’enunciato stesso del teorema. Solidità dei blocchi di partenza e correttezza formale del ragionamento. Criteri così scrupolosi e condivisi non esistono in nessun altro campo di indagine.

Quando i matematici dimostrano usano uno strumento molto più affidabile di qualsiasi altra prova scientifica usata da chimici, fisici e via discorrendo, men che mai da medici o psicologi. Nel loro procedere questi ultimi non usano strumenti logici impeccabili ma si affidano ad osservazioni ed esperimenti, che è comunque la base del metodo scientifico fin dal suo ideatore, Galileo Galilei. Studiano un fenomeno, formulano una certa ipotesi e la vagliano alla luce di un esperimento che ne esamina l’efficacia, sia nello spiegare il fenomeno sia nel suo saper predire l’esito di altri fenomeni. Esperimenti non necessariamente fisici, ma anche esclusivamente mentali, come quelli di Einstein. Quelli raccolti man mano sono solo indizi, mai certezze, che costituiranno le fondamenta di una teoria al massimo altamente probabile. Nonostante le tante e solide prove scientifiche a disposizione, concettualmente almeno, nulla che derivi da osservazione e percezione è mai inconfutabile né univoco. Ogni esperimento, per quanto condotto a regola d’arte, è comunque fallibile, parziale e diversamente interpretabile. E tutto ciò nonostante la rivoluzione della Meccanica Quantistica, che ci ha insegnato ad accettare ad esempio fenomeni assolutamente controintuitivi e al limite del paradosso, sui quali però, innegabilmente si basa il funzionamento di tantissima tecnologia.

L’intrinseca debolezza della prova scientifica è comunque il nutriente del progresso scientifico, dei cambiamenti di paradigma; ogni qual volta una teoria, fino ad allora ritenuta valida, per lo meno la più corretta, è stata sostituita da un’altra, con la consapevolezza che qualsiasi spiegazione o modello, anche se decisamente migliore del precedente, rimarranno comunque viziati da qualche elemento di incertezza.

La conoscenza che deriva dalla logica matematica, invece, è ben più assoluta e definitiva di quella di ogni altra disciplina. Perderemo le nostre città, l'ultima delle piramidi d'Egitto si sgretolerà a terra come accadde alle altre meraviglie del mondo antico, dimenticheremo storie, poemi e le opere d'arte verranno inghiottite nella marea dei secoli, ma le intuizioni di Euclide, l'algebra o il calcolo infinitesimale no, quelli ci accompagneranno anche su un altro pianeta.

Per evitare comunque interpretazioni scorrette sulla apparente mancanza di validità (fino a prova contraria) di una teoria scientifica, suggerisco di approfondire tra i miei post ogni qualvolta ho fatto, da profano, un po’ di filosofia della scienza, o quando ho citato e spiegato il falsificazionismo di Popper.

Conclusioni

Sulla base di una sorta di generico principio democratico si assiste spesso a dibattiti dove vengono messi a confronto scienziati con sedicenti esperti o comunque personaggi influenti. Ma dare a tutti lo stesso tempo per esporre opinioni diverse è una cosa che ha senso in un sistema politico bipartitico, ma non funziona nel caso della scienza, perché la scienza non è un’opinione: non è, appunto, democratica. Si basa invece sulle evidenze, e progredisce attraverso affermazioni che possono e debbono essere verificate sperimentalmente, mettendole a confronto con le osservazioni. Le ricerche sono poi, come abbiamo visto, soggette a una revisione critica da parte di una giuria di esperti scientifici. Le affermazioni che non vengono vagliate con questa procedura – o che sono state esaminate e sono state respinte – non possono dirsi scientifiche, e pertanto non meritano lo stesso tempo in un dibattito scientifico.

Un’ipotesi scientifica è come l’accusa di un pubblico ministero: è l’inizio di un processo che può essere molto lungo. La giuria deve decidere non sull’eleganza dell’accusa, ma sull’entità, la forza e la coerenza delle prove che la supportano. Giustamente si chiede che il pubblico ministero fornisca le prove – numerose, solide e coerenti – e che le prove resistano all’esame della giuria, che può prendersi tutto il tempo necessario per portarlo a termine.

Nella scienza avviene all’incirca la stessa cosa. Un’affermazione non viene accettata solo perché proviene da una persona intelligente, o perché un gruppo di persone ne discute, ma quando una giuria di revisori – in rappresentanza della comunità dei ricercatori – ha esaminato le evidenze a sostegno di quell’affermazione e ha concluso che sono sufficienti perché la si possa accettare.

Sappiamo anche che nella ricerca scientifica l'incertezza è costantemente presente, e se qualcuno ci dice che alcune cose sono incerte, tendiamo a pensare che la scienza sia incerta. È un errore. L’incertezza è sempre presente in ogni scienza, perché la scienza è un processo di continua scoperta: la scienza non si scrive, al massimo si riscrive. Gli scienziati non si fermano quando hanno trovato la spiegazione per qualcosa; cominciano subito a porsi nuove domande.

Il dubbio ha un’importanza cruciale per la scienza – quello che noi chiamiamo curiosità o scetticismo è ciò che spinge la scienza a progredire – ma nel contempo la rende vulnerabile alle rappresentazioni fuorvianti, in quanto è facile decontestualizzare le incertezze e creare l’impressione che ogni cosa sia ancora incerta. Molto negazionismo funziona così: non nega la scienza, non potrebbe perché non potrebbe dimostrarlo, ma usa la normale incertezza scientifica per minare la conoscenza scientifica.

E qui mi contraddico, senza se e senza ma!

Storie dal passato
Sperimentazione Clinica
Esemplare, in campo clinico ed epidemiologico, la storia della sperimentazione legata alla streptomicina, uno dei primi antibiotici derivati da muffe, ovvero da batteri, impiegato nel trattamento delSe qualcuno ci dice che alcune cose sono incerte, tendiamo a pensare che la scienza sia incerta. È un errore. L’incertezza è sempre presente in ogni scienza, perché la scienza è un processo di continua scoperta. Gli scienziati non si fermano quando hanno trovato la spiegazione per qualcosa; cominciano subito a porsi nuove domandela tubercolosi. Dopo averla estratta, verso la metà degli anni Quaranta del XX secolo, negli Stati Uniti si avviò la sperimentazione clinica che inizialmente sembrava fornire risultati mirabolanti. Ma la cosa non convinse l’epidemiologo inglese Bradford Hill che non accettava l’approccio americano se guariscono funziona, sennò amen, non abbiamo perso nulla. Hill voleva dei test specifici e progettò un metodo sperimentale a tavolino, inventando lo «Studio Controllato Randomizzato» (RCT). Lo studio si doveva basare quindi su due gruppi di pazienti, confrontando i risultati statistici di chi ha preso il farmaco e di chi no, un primo gruppo trattato ed un secondo, detto «di controllo» a cui veniva somministrato un placebo. La scelta dei pazienti da assegnare ai due gruppi deve essere assolutamente casuale e se è possibile né i pazienti né i medici devono sapere chi è trattato e con che cosa. Questo è il cosiddetto esperimento in «cieco», che può avere diversi livelli di mascheramento dove solo il paziente ignora o, in «doppio cieco», anche lo sperimentatore; per arrivare al «triplo cieco» dove anche chi analizza statisticamente i dati non sa da quale gruppo provengano evitando qualsiasi tipo di influenza. Gli RCT sono entrati nella ricerca clinica e vengono tutt'ora ritenuti, pur con i loro limiti, la forma più attendibile di evidenza scientifica con cui la medicina ha verificato e verifica regolarmente l’efficacia o meno di un certo farmaco. Ai tempi questo approccio suscitò varie obiezioni. Tra queste, il fatto che l’impressione soggettiva del medico, soprattutto se di lunga esperienza clinica, non fosse poi così meno affidabile della distaccata obiettività della statistica (…); che sarebbe come dire che un novello Commissario Maigret negasse le evidenze molecolari derivanti da un test del DNA che inchioda l’assassino. Inoltre, aspetto ben più importante, bisognava accettare in partenza l'ipotesi che, se alla fine dello studio il farmaco si fosse rivelato efficace, i pazienti casualmente assegnati al gruppo di controllo non ne avrebbero beneficiato, almeno non durante la sperimentazione, e magari qualcuno di loro sarebbe pure morto, mentre a posteriori lo si sarebbe potuto salvare. Ciononostante, il metodo venne accettato, forse grazie anche al fatto che, in quei tempi di magra post-bellica, non ci sarebbe stata abbastanza streptomicina per tutti gli ammalati; quindi, non darla a qualcuno era inevitabile seppur immorale. Se volete approfondire leggete questo intrigante e divertente libro.

Un Nobel sbagliato?
Si diceva all’inizio che capita che uno scienziato, anche di prim'ordine, si convinca erroneamente di aver osservato un nuovo fenomeno.

Il 10 dicembre 1938 l’Accademia delle Scienze di Stoccolma conferiva il premio Nobel a Enrico Fermi con la seguente motivazione: «Per l’identificazione di nuovi elementi radioattivi prodotti dal bombardamento di neutroni e per la scoperta, in relazione a questo studio, delle reazioni nucleari causate dai neutroni lenti». In quegli stessi giorni gli esperimenti di scienziati tedeschi di primordine capovolsero in maniera inoppugnabile le conclusioni del grande fisico italiano: «Non avete ingrossato il nucleo dell’uranio, ma l’avete spaccato in due». Addio ai fascistissimi Ausonio ed Esperio[1]!

Sbarcato sul suo americano, con le leggi razziali e il fascismo alle spalle, Fermi si affrettò a modificare la sua Nobel lecture, ammettendo l’errore e aggiungendo una nota di ritrattazione, il più grande della sua vita ebbe poi a dire, ma andò avanti, grazie comunque all’apertura, con la fissione nucleare, di nuovi campi di ricerca. Sbagliando s’impara, no?

---

[1] È una lunga storia che provo a riassumere in poche righe. Fermi, all’inizio degli anni Trenta del XX secolo, nel suo lavoro pionieristico sulla radioattività indotta da neutroni, era convinto di aver scoperto nuovi elementi chimici, che furono inizialmente chiamati ausonio (con numero atomico 93) ed esperio (94), oggi noti come nettunio e plutonio, scoperti nel 1940. Sebbene non abbia scoperto la fissione in sé (questo merito va principalmente a Otto Hahn, Lise Meitner e Fritz Strassmann), Fermi e il suo gruppo, i "Ragazzi di via Panisperna", furono i primi a realizzare sperimentalmente la fissione nucleare artificiale di un atomo di uranio, utilizzando neutroni lenti per bombardare il materiale.

Il ruolo dei modelli nel metodo scientifico

«sia data una mucca...» disse il professore tracciando un cerchio alla lavagna...

Breve introduzione storica

Tutto nasce dalla onnipresente necessità di dare una spiegazione logica ai fenomeni che, direttamente o indirettamente, hanno coinvolto l’umanità fin dai suoi albori, siano essi stati di tipo fisico, chimico, biologico o di qualsiasi altra natura. Nell'evoluzione del pensiero scientifico l'elemento culturale ha avuto una notevole importanza influenzando e talvolta determinando, il progredire delle conoscenze favorendo ora la pura applicazione tecnologica ora quella filosofica-speculativa.

Gli Egizi a loro modo avevano un certo grado di cultura scientifica ma con un grado di astrazione era pressoché nullo: la loro astronomia, la loro geometria e la loro aritmetica erano tutte in diretto rapporto con questioni pratiche della vita quotidiana, come per la determinazione dei calendari lunari solari atti a predire in un certo qual modo le inondazioni del Nilo.

Gran parte della scienza sviluppata dalle antiche civiltà mediterranee o asiatiche fu invece condizionata dal pensiero religioso e filosofico, come accadeva ai Greci, i quali, nonostante fossero stati forse più di ogni altra cultura liberi da preconcetti teologici, basavano comunque il pensiero scientifico sul cosiddetto filosofare. Si discorreva pertanto sugli atomi o sul vuoto, sulla realtà e l'apparenza, sulla sostanza degli elementi, senza tuttavia fare quasi mai riferimento all'analisi attenta e minuziosa dei fenomeni fisici e del modo con cui questi rispondevano ad esperienze progettate per avere conferma o meno delle congetture e delle teorie proposte, senza cioè prove sperimentali.

Finché col Rinascimento, e soprattutto con Galileo Galilei, arriva il punto di svolta, un metodo di approccio per la soluzione dei problemi in tre fasi da rispettare rigorosamente: ipotesi, dimostrazione e verifica sperimentale.

Ciò che dal XVII secolo in poi determinò più di ogni altra cosa l'impetuoso evolversi del pensiero scientifico fu il costante affinamento e la continua applicazione del metodo matematico. Per esempio, come già diceva prima di allora lo stesso Galileo, “il movimento dei corpi che cadono è governato da numeri” [1]. Cartesio, nel suo trattato “La géometrie” (1637) utilizza costantemente l'algebra simbolica come metodo numerico per risolvere problemi di natura geometrica, sviluppando una interpretazione geometrica dell'algebra.

Newton introdusse un diverso modello del modo di agire delle forze nell'Universo in cui si affermò l'ipotesi di «azione a distanza». Lo scienziato inglese, per risolvere il problema del moto dei pianeti e denunciare i principi della dinamica fu costretto ad inventare il calcolo infinitesimale[2]. È nota in tal senso la polemica sulla priorità della scoperta tra Leibnitz e Newton. Il modello del mondo di Newton decretò da un lato la morte delle teorie cartesiane, dall'altro il riconoscimento della validità del metodo galileiano tramite l'elaborazione eseguita da Keplero dei dati attentamente raccolti in anni di osservazioni da parte dell’astronomo Ticho Brahe. Si deve infine ad Eulero, uno dei più grandi matematici di tutti i tempi, il merito di aver presentato per primo la meccanica newtoniana[3] in forma analitica così come oggi la conosciamo.

Da allora in avanti, così come nella moderna scienza, ha rivestito e rivestono un ruolo sempre più determinante il concetto di modello. Qualcosa definibile, estremizzando, come una rappresentazione semplificata del sistema oggetto di studio, realizzata in modo che contenga tutti e soli quegli aspetti che si ritengono essenziali per la soluzione del problema posto.

I modelli sono quindi strumenti di studio che permettono di riprodurre il funzionamento di un sistema solo entro certi limiti talvolta assai ampi e talaltra più ristretti. Un esempio classico ci viene dalla meccanica relativistica di Einstein che racchiude come caso particolare la meccanica classica di Newton, valida questa soltanto per velocità dei corpi molto minori della velocità della luce.

L’astrazione unifica i medesimi concetti, può portare a spiegazioni esemplificabili con lo stesso modello: ad esempio, fenomeni naturali tra loro completamente diversi, il decadimento radioattivo, la scarica e la carica di un condensatore attraverso una resistenza e infine il riscaldamento o il raffreddamento di un corpo immerso in un fluido a temperatura costante, diversissimi e dalle cause altrettanto differenti, hanno tutti e tre comportamento analogo.

N_i+1=N_i – (1/T)N₁Dt (decadimento radioattivo)
V_i+1=V_i – (1/T)V₁Dt (scarica condensatore)
Θ_i+1=Θ_i – (1/T)Θ₁Dt (raffreddamento di un corpo)

Il ruolo dei modelli nella scienza

Nel film “Il volo della fenice”, sia nell’originale del 1965 che nel suo remake del 2004, si racconta di come, a seguito di una tempesta di sabbia, l’areo di una compagnia petrolifera, è costretto ad un atterraggio di emergenza in pieno deserto libico. Si salveranno perché uno dei passeggeri è un ingegnere aeronautico tedesco, che proporrà di smontare parte del relitto e rimontarlo intorno ad uno dei due motori, idea che, passati scherno e derisione, sarà l’unica speranza di sopravvivenza. Un'ulteriore sorpresa attende però i superstiti quando, parlando casualmente del suo lavoro di disegnatore, l’ingegnere tedesco rivela candidamente di essere un progettista di aeromodelli. Modelli di aerei.

Ma, se attribuito al mondo scientifico, a quello tecnologico, derivazione della scienza, cos’è un modello?

Una teoria scientifica, semplificando al massimo tutti i concetti, può essere vista come fosse una raccolta organizzata di affermazioni sul mondo, affermazioni che potrebbero essere vere; ma in alcune parti della scienza, sembra che le cose vadano diversamente, ed è proprio il caso della costruzione dei modelli (model building per gli anglosassoni) o anche modellizzazione.

C’è un esempio di modello scientifico, regolato da precise leggi matematiche, molto famoso, opera di due biologi (Maynard Smith e Price nel 1973): il cosiddetto modello falchi e colombe, tratto dalla biologia comportamentale.

Approfitto dell’esempio biologico per aprire una piccola parentesi.

Tra le tante poco felici uscite attribuite al nostro Zichichi, ci fu quella in cui affermò[4] che la teoria biologica dell’evoluzione non è scientifica, in quanto non è espressa da un’equazione matematica. Tra le tante critiche rivolte al lavoro di Darwin questa è una delle più disinformate, perché gli aspetti matematici dell’evoluzionismo esistono dal 1908, da quando Hardy e Weimberg, con la loro famosa legge, impostarono matematicamente le condizioni evolutive identificate empiricamente dai biologi.

Torniamo al nostro modello biologico[5] e che ha trovato applicazioni disparate, dalla politica all’economica.

Ipotizziamo una popolazione con solo due tipi di individui: i falchi e le colombe. A due a due questi individui si incontrano casualmente ed entrano in conflitto per le risorse. Quando un falco incontra una colomba, il falco vince la risorsa, senza danni per nessuno dei due. Quando ad incontrarsi sono due colombe, che vinca una o l’altra sarà un caso e di nuovo non ci sono danni. Ma quando un falco incontra un altro falco, la vittoria di uno dei due è ancora casuale ma il perdente viene danneggiato. Facciamo degli assunti per semplificare il modello. Consideriamo che nella popolazione opera la selezione naturale, a creare differenze nel successo riproduttivo come conseguenza del successo in queste interazioni e assumiamo sia che entrambi i comportamenti vengano trasmessi nella riproduzione e che questa sia asessuale (come nei batteri, ogni individuo ha un solo genitore).

Ebbene, nella misura in cui il costo del danno è maggiore del valore della risorsa in gioco, la popolazione tenderà a raggiungere una combinazione stabile di falchi e colombe. Ciascuna tipologia va relativamente bene quando è rara e male quando è comune.

Sembrerà strano ma questo stesso modello rappresenta il comportamento tipico nel tempo di popolazioni di prede e predatori, di egoisti ed altruisti, della distribuzione mendeliana degli alleli, e molto altro ancora.

Ma nella realtà nessuna popolazione si comporta così, con due tipologie di individui che agiscono nello stesso modo all'interno della propria, che si incontrano a coppie, e via discorrendo. I genetisti chiamano questa situazione panmissia: uno scenario ideale dove all'interno di una popolazione la scelta del partner è casuale, ossia non influenzata da fattori genetici, di aspetto, o comportamentali. Una popolazione panmittica è una popolazione dove tutti gli individui sono potenziali partner con la stessa probabilità, perciò tutte le ricombinazioni genetiche sono possibili. Però alcune popolazioni potrebbero tuttavia avvicinarsi a situazioni come questa e pare che essa ci permetta di ottenere una prospettiva sulle conseguenze derivanti dalla presenza di individui più o meno aggressivi in uno scenario biologico. Un modello, dare un’idea, renderla in pratica, estenderla complicandola o semplificandola.

In situazioni del genere la prima cosa che si fa è specificare una struttura, un'organizzazione, e vedere come si comporterà. I risultati servono a trarre conclusioni sul mondo reale. Utilizzare modelli del genere può dar l’idea di avere a che fare con un sistema immaginario comparabile con la realtà, che si avvicina al mondo reale in vari modi, ma è più semplice da comprendere. È questa combinazione tra vicinanza alla realtà e maggiore semplicità a renderlo adatto a fornire informazioni. E’ del tutto plausibile apprendere cose su un sistema reale imparandole da una versione più semplice, persino immaginaria. Esattamente quel che fa l’ingegnere aeronautico tedesco del film citato in apertura: modellizza progettando macchine volanti sulla carta i cui principi restano validi anche quando si passa da un aeromodello ad un vero aereo.

Modelliamo il modello…

Volendo modellare come funziona un modello (…) potremmo farlo per mezzo di uno schema analogo al seguente:

I modelli non rappresentano il mondo direttamente, ma lo fanno attraverso sistemi di destinazione. Sono parti della realtà che si studia, e devono essere scelti con attenzione e appropriatezza, specificando anche i criteri di valutazione per ridurre al minimo la frequenza e l'entità degli errori, soprattutto quando si utilizzano modelli per studiare i fenomeni in sistemi complessi del mondo reale.

Innanzi tutto descriviamo ed esploriamo un Sistema Modello per poi confrontarlo con il Sistema Bersaglio che stiamo cercando di capire. Ci sono esempi in molte scienze: ecosistemi con solo due o tre specie interagenti, agenti perfettamente razionali all'interno di mercati economici, reti neurali in cui i neuroni vengono influenzati solo da poche connessioni sinaptiche. E questa è la già citata costruzione di modelli (model building) o modellizzazione, laddove la parola modello viene utilizzata in molti modi sia nella scienza che nella filosofia. A volte è usata anche quasi come sinonimo di teoria, parlando di modello scientifico soprattutto quando si ha a che fare con una teoria di cui non si è sicuri. Fa parte del lavoro scientifico: innanzi tutto capire un sistema modello e in secondo luogo provare a confrontarlo con un bersaglio del mondo reale.

Non tutta la scienza funziona così. Per quanto riguarda la biologia, che ricordo essere una scienza con la S, le cui teorie sono basate spesso su concetti anziché su formule matematiche, rimane difficilmente trattarla come le altre discipline.

E la prima cosa che viene in mente a tale proposito è appunto biologica: Charles Darwin e il suo “L’origine delle specie”. Qui non troviamo alcun tentativo di passare per un sistema semplificato. Darwin prova invece a descrivere direttamente che cosa succede e presenta delle evidenze a favore della sua posizione, addirittura dedicando un intero capitolo ai tentativi di confutazione che avrebbe certamente subito, fornendo in anticipo la risposta.

Anche Dmitrij Mendeleev, che sviluppò la prima versione della tavola periodica degli elementi, ebbe un approccio completamente diverso dalla modellizzazione, lontanissimo da quanto fatto da Maynard Smith e Price sviluppando il modello falchi e colombe, ed è infine diverso da quello che si fa quando si prova a descrivere un pendolo che non è influenzato dall'attrito e così via.

Semplificare, ma quanto?

La deliberata semplificazione è comune nella scienza. A volte pare che si inizi con dal mondo reale, immaginando di togliere alcune complicazioni: l’idealizzazione. In altri casi, pare che si costruisca uno scenario fittizio o ipotetico partendo da zero e, una volta che lo si è compreso, lo si confronta con il mondo reale.

La filosofia osserva con perplessità il confronto tra sistemi immaginari e reali. E tanto per complicarci la vita una delle posizioni sulla modellizzazione scientifica sostiene che tutto il lavoro reale è svolto dalla matematica mentre il resto è solo un racconto colorito. In effetti, tutte le chiacchiere fatte prima sul modello falchi e colombe si riassumono in termini matematici. Ma non abbiamo risolto granché, resta una domanda difficile: in che modo le strutture matematiche stesse si collegano al mondo naturale? Ma nonostante questo aiutano parecchio.

I modelli matematici astratti sono tentativi di rispecchiare qualche aspetto delle relazioni di dipendenza esistenti tra le varie parti di un sistema reale. Un modello matematico tratterà una variabile come una funzione di altre variabili, che a loro volta sono funzioni di altre variabili ancora e così via. In un modello matematico, si può costruire una rete di relazioni di dipendenza e il risultato si può confrontare con le relazioni di dipendenza di un sistema bersaglio nel mondo reale.

D'altra parte, non tutti i modelli sono matematici. E, ripensando all’ingegnere tedesco, sembra esserci anche una stretta analogia tra i modelli scritti e i modelli costruiti realmente. Ci sono modelli in scala costruiti minuziosamente di aree geografiche, di ponti, di grattacieli, modelli che vengono usati per prevedere le conseguenze dei cambiamenti che si possono operare o che possono accadere naturalmente in varie parti del mondo. Costruendo una versione più semplice e più piccola del sistema che vogliamo capire, studiamo il caso più semplice e poi esportiamo alcune conclusioni, con cautela, con delle precisazioni nei rapporti con il sistema reale.

Il modo di interpretare la costruzione dei modelli scientifici in alcuni casi fa costruire un sistema più semplice, in altri lo si immagina soltanto, rigorosamente.

Gemelli digitali

Un caso molto interessante è dato dai modelli informatici. Da un alto sono collocabili tra i modelli matematici o immaginari e quelli costruiti fisicamente. La moderna scienza informatica è arrivata a definire ormai per moltissimi aspetti del mondo reale il suo cosiddetto digital twin, il “gemello digitale”. Ovviamente affermare che “la popolazione che sto studiando sta dentro un computer” non ha senso. Ciò che accade davvero è che le simulazioni informatiche sono un genere speciale di modelli matematici che servono a specificare, modellandolo, un insieme di dipendenze procedurali o algoritmiche e poi affermare che queste sono simili a qualche relazione che vale nel mondo reale. Un altro modo possibile di intendere le modellizzazioni informatiche si avvale di scenari immaginari, e da questo punto di vista l’aiuto che offre la capacità di calcolo di un computer all’immaginazione scientifica è straordinario. La nostra abilità di specificare dei sistemi e delle organizzazioni interessanti supera la nostra capacità di capire che cosa fare se sono reali. Il computer, con le sue operazioni precise e regolari, ci aiuta in questo compito.

Quale che sia il modo in cui risolviamo questi problemi, pare che in questo tipo di scienza la verità svolga un ruolo diverso dal normale. Un modello di per sé non è né vero né falso. Un modello è una struttura che si può confrontare con altre cose, incluse quelle del mondo reale. Dietro un modello ci sono sempre ipotesi teoriche. Tali ipotesi vengono espresse con il linguaggio e confrontano il sistema con il mondo reale generando affermazioni che possono essere vere o false.

Interpretazioni

Un buon modello è accurato, e l’accuratezza è una caratteristica collegata alla verità anche se, ovviamente, l’accuratezza può avere più gradi di valore, la verità no (sui gradi ne ho scritto a proposito del concetto di consenso scientifico). Anche i modelli, matematici e non, hanno una flessibilità di utilizzo importante per il lavoro scientifico. Diverse persone possono usare lo stesso modello interpretandolo in modi diversi. Qualcuno potrebbe usare il modello come dispositivo per la previsione, come qualcosa che restituisce un output inserendovi degli specifici input, e non ha importanza che il funzionamento interno del modello e quello del sistema bersaglio siano connessi. Qualcun altro potrebbe trattare lo stesso modello come un'immagine della struttura causale interna al sistema che si sta studiando.

Ma dato un mondo reale in cui vale l’enunciato “Se X, allora Y” e considerando le semplificazioni che si applicano ai modelli a questo collegato, come è possibile inserire in un modello un enunciato tipo “Se approssimativamente X, allora approssimativamente Y”? Se il lato X del condizionale, l'antecedente, descrive una situazione che non vale mai nella realtà, come può l'asserto condizionale esserci utile, pur essendo vero? Parte della risposta sta sicuramente nell'idea di approssimazione. Spesso, anche se non ci sono delle configurazioni che si adattano esattamente all'antecedente, ci sono delle situazioni che lo approssimano. Questo schema di inferenza non è deduttivamente valido: può decisamente non funzionare. Ma a volte, con l'aiuto di altre informazioni, possiamo essere in grado di compiere questa mossa. Possiamo quindi apprendere dal modello qualcosa di importanza pratica. Dal punto di vista empirico, un modello scientifico semplificato si può considerare come uno strumento che genera molti condizionali, molti enunciati “se allora” che sono però simili alla natura in modo utile.

Conclusione

I modelli scientifici possono quindi avere aspetti molteplici: possono essere una ricostruzione rappresentativa della realtà, un insieme di concetti o la matematica necessaria a descrivere un fenomeno non osservabile o difficile da osservare direttamente. L’importante è che siano coerenti con le osservazioni e le spiegazioni che forniamo allo scopo di comprendere. Ed anche il loro scopo è molteplice. Possono essere insiemi di oggetti,

Anche lo scopo della modellazione scientifica è molteplice. Alcuni, come il modello tridimensionale a doppia elica del DNA si usano per visualizzare un oggetto o un sistema, spesso ricavati da dati sperimentali. Altri modelli hanno lo scopo di descrivere un comportamento o un fenomeno astratto o ipotetico. Alcuni modelli possono servire ad avere delle previsioni di comportamento, come quelli meteorologici, o possono fornire dati di proiezione degli esiti delle epidemie: si inseriscono dati in ingresso ricavati da osservazioni passate e si effettuano analisi matematiche di queste informazioni per prevedere e, possibilmente, prevenire futuri, ipotetici eventi di simili fenomeni. Un modello di questo tipo, predittivo, ha soprattutto lo scopo di rispondere a domande del tipo “cosa accadrebbe se…”. Si tratta comunque ancora una volta di semplificazioni della realtà perché nessun singolo modello predittivo può tenere conto di tutte le variabili che possono influenzare un risultato. Gli scienziati devono quindi formulare ipotesi sui fattori che possono compromettere l'affidabilità di un modello predittivo e portare a conclusioni errate pur considerando, che la ricerca scientifica attuale è in grado di utilizzare modellazioni di sistemi estremamente complessi quali i cosiddetti sistemi caotici di cui ho scritto tempo fa.

I limiti della modellazione scientifica consistono nel fatto che i modelli generalmente non sono rappresentazioni complete eppure, nella loro estremizzazione, tornano utili ad avere determinati gradi di comprensione dei fenomeni e rappresentazione sempre più accurata. Si pensi ai numerosi modelli atomici che hanno popolato la storia della fisica, da quello di Dalton a quello di Bohr: nessuno di questi rappresenta nemmeno lontanamente la realtà di un atomo, eppure hanno consentito alla ricerca in questo settore di progredire fino a raggiungere gli attuali livelli di conoscenza, né più né meno come il modello di un’automobile nella galleria del vento, contribuisce a migliorarne gli aspetti aerodinamici e le prestazioni.

 

Infine, per dirla con Schopenhauer, «'Il mondo è una mia rappresentazione': ecco una verità valida per ogni essere vivente e pensante, benché l'uomo soltanto possa averne coscienza astratta e riflessa. E quando l'uomo abbia di fatto tale coscienza, lo spirito filosofico è entrato in lui. Allora, egli sa con certezza di non conoscere né il sole né la terra, ma soltanto un occhio che vede un sole, e una mano che sente il contatto d'una terra; egli sa che il mondo circostante non esiste se non come rappresentazione, cioè sempre e soltanto in relazione con un altro essere, con il percipiente, con lui medesimo.» (Arthur Schopenhauer, “Il mondo come volontà e rappresentazione”. 1819)

E, con Paul G. Falkowski, «Possiamo definire la scienza come l'arte di trovare modelli ricorrenti in natura. 
La loro individuazione presuppone attente osservazioni, ovviamente condizionate dai nostri sensi. Da animali visivi basiamo la nostra percezione del mondo su quel che vediamo. E ciò che vediamo è a sua volta legato agli strumenti che abbiamo a disposizione: quindi la storia della scienza è anche la storia delle invenzioni che modificano la nostra percezione delle cose. Tuttavia, paradossalmente, l'invenzione di nuovi strumenti è vincolata a ciò che vediamo. Se non vediamo qualcosa tendiamo a ignorarla.»

Per approfondire rimando a questo ottimo post.

Nota bibliografica: Peter Godfrey-Smith. “Teoria e realtà. Introduzione alla filosofia della scienza.”

 

---

[1] Discorsi e dimostrazioni matematiche intorno a due nuove scienze, 1638.
[2] Philosophiae naturalis principia mathematica, 1687
[3] https://it.wikipedia.org/wiki/Eulero, sezione Opere.
[4] Da “Perché io credo in colui che ha fatto il mondo”. 1999
[5] La ricerca in Google di “modello falchi e colombe” darà innumerevoli risultati negli ambiti più disparati.