Bilimde baskın bir görüş, evreni yapılandıran matematiksel bir gerçeğin olduğudur. Bilim insanının işinin bu matematiksel ilişkileri deşifre etmek olduğu varsayılır: bir kez anlaşıldığında, matematiksel modellere çevrilebilirler. Ortaya çıkan “silikon gerçekliğini” bir bilgisayarda çalıştırmak, bize dünyanın nasıl çalıştığına dair faydalı bilgiler sağlayabilir.
Bilim sırları açığa çıkarmaya devam ettiğinden, modeller büyümeye devam ediyor. Çevremizdeki dünyayı daha iyi yansıtmak için keşifleri ve yeni bulunan mekanizmaları bütünleştirirler. Pek çok bilim adamı, daha ayrıntılı modellerin gerçeğe daha yakın oldukları için daha keskin tahminler ve daha iyi tahminler ürettiğini varsayar . Ancak Science Advances’te yayınlanan yeni araştırmamız, bunların tam tersi bir etkiye sahip olabileceğini öne sürüyor.
“Daha fazla ayrıntı daha iyidir” varsayımı, disiplinler arası alanları keser. Etkileri çok büyük. Üniversiteler, gitgide daha büyük modelleri çalıştırmak istedikleri için giderek daha güçlü bilgisayarlara sahip oluyorlar ve bu da artan miktarda bilgi işlem gücü gerektiriyor. Son zamanlarda, Avrupa Komisyonu , mevcut sosyal ve ekolojik zorlukları daha iyi ele almayı umarak, “dijital ikiz” olarak adlandırılan Dünya’nın (insanlarla birlikte) çok ayrıntılı bir simülasyonunu oluşturmak için 8 milyar Euro (6.9 milyar £) yatırım yaptı .
En son araştırmamızda, daha doğru tahminler ve tahminler üretmek için araçlar olarak her zamankinden daha karmaşık modellerin peşinde koşmanın işe yaramayacağını gösteriyoruz. İstatistiksel teoriye ve matematiksel deneylere dayanarak, farklı konfigürasyonlara sahip yüz binlerce modeli çalıştırdık ve tahminlerinin ne kadar belirsiz olduğunu ölçtük.
Daha karmaşık modellerin daha belirsiz tahminler üretme eğiliminde olduğunu keşfettik. Bunun nedeni, yeni parametreler ve mekanizmaların eklenmesidir. Yeni bir parametrenin, örneğin sakızın bir hastalığın yayılması üzerindeki etkisinin ölçülmesi gerekir ve bu nedenle ölçüm hatalarına ve belirsizliğe tabidir. Modelciler aynı fenomeni matematiksel olarak tanımlamak için farklı denklemler de kullanabilirler.
Bu yeni eklemeler ve bunlarla ilişkili belirsizlikler modele entegre edildiğinde, halihazırda var olan belirsizliklerin üzerine yığılırlar. Ve belirsizlikler, her model yükseltmesiyle genişlemeye devam eder ve modelin kendisi gerçeğe daha sadık hale gelse bile, yolun her adımında model çıktısını daha bulanık hale getirir.
Bu, çıktılarının doğruluğunu kontrol etmek için uygun doğrulama veya eğitim verilerine sahip olmayan tüm modelleri etkiler. Bu, küresel iklim değişikliği, hidroloji (su akışı), gıda üretimi ve epidemiyoloji modellerinin yanı sıra gelecekteki etkileri öngören tüm modelleri içerir.
Bulanık sonuçlar
2009’da mühendisler, ABD genelinde griple ilgili doktor ziyaretlerinin oranını tahmin etmek için Google Grip Trendleri adlı bir algoritma oluşturdu. İnsanların Google’a yazdığı 50 milyon sorguyu temel almasına rağmen, model 2009 domuz gribi salgınını tahmin edemedi. Mühendisler daha sonra artık çalışmayan modeli daha da karmaşık hale getirdiler. Ama yine de o kadar doğru değildi. Alman psikolog Gerd Gigerenzer tarafından yürütülen araştırma , 2011-13 yıllarında doktor ziyaretlerini sürekli olarak abarttığını, bazı durumlarda %50’den fazla olduğunu gösterdi.
Gigerenzer, çok daha basit bir modelin daha iyi sonuçlar üretebileceğini keşfetti. Modeli haftalık grip oranlarını yalnızca ufacık bir veriye dayanarak tahmin ediyordu: önceki hafta kaç kişinin GP’sini gördüğünü.
Başka bir örnek, suyun nasıl ve nerede hareket ettiğini ve depolandığını izleyen küresel hidrolojik modellerdir. 1960’larda “buharlaşma-terleme süreçlerine” (bitkilerle kaplı bir araziden buharlaşabilen ve buharlaşabilen su miktarı) dayalı olarak basit bir şekilde başladılar ve kısa sürede küresel ölçekte evsel, endüstriyel ve tarımsal su kullanımlarını dikkate alarak genişlediler. Bu modeller için bir sonraki adım, her saat her kilometre için Dünya’daki su taleplerini simüle etmektir.
Ve yine de, bu ekstra detayın onları daha da karmaşık hale getirip getirmeyeceğini merak ediyor. Sekiz küresel hidrolojik model tarafından üretilen sulamada kullanılan su miktarının tahminlerinin sadece tek bir parametre ile hesaplanabileceğini gösterdik – sulanan alanın büyüklüğü.
İleriye dönük yollar
Daha fazla detayın bir modeli daha da kötüleştirebileceği gerçeği şimdiye kadar neden gözden kaçırıldı? Birçok modelleyici, modellerini, araştırmacılara modeldeki belirsizliklerin nihai tahmini nasıl etkilediğini söyleyen yöntemler olan belirsizlik ve duyarlılık analizine sunmaz. Birçoğu, çıktıdaki belirsizlikten en çok hangi unsurların sorumlu olduğunu çözmeden, detay eklemeye devam ediyor.
Modelcilerin her zamankinden daha büyük modeller geliştirmekle ilgilenmesi endişe vericidir – aslında, tüm kariyer karmaşık modeller üzerine kuruludur. Bunun nedeni, tahrif edilmelerinin daha zor olmasıdır: karmaşıklıkları dışarıdakileri korkutur ve modelin içinde neler olup bittiğini anlamayı zorlaştırır.
Ancak çareler var. Modellerin, bunun uğruna giderek daha fazla büyümemesini sağlamanızı öneririz. Bilim adamları bir belirsizlik ve duyarlılık analizi yapsalar bile, tahminleri o kadar belirsiz olma riskiyle karşı karşıyadır ki, bilim ve politika oluşturma için işe yaramaz hale gelirler. Tahmini tamamen bulanık olan modelleri çalıştırmak için hesaplamaya çok para yatırmak pek mantıklı değil.
Bunun yerine modelciler, modele her ayrıntı eklenmesiyle belirsizliğin nasıl genişlediğini düşünmeli ve tahmindeki model ayrıntı düzeyi ile belirsizlik arasındaki en iyi dengeyi bulmalıdır.
Bu ödünleşimi bulmak için, makalemizde tanımladığımız, bu parametrelerin birbirleriyle nasıl etkileşime girdiğini hesaba katarak nihai çıktıya belirsizlik ekleyen parametrelerin sayısının bir ölçüsü olan “etkili boyutlar” kavramı kullanılabilir. .
Modelciler, her yükseltmeden sonra bir modelin etkin boyutlarını hesaplayarak, belirsizlikteki artışın modeli politikaya uygun hale getirip getirmediğini veya tam tersine, modelin çıktısını işe yaramaz hale getirecek kadar belirsiz hale getirip getirmediğini değerlendirebilir. Bu şeffaflığı artırır ve bilim adamlarının bilime ve topluma daha iyi hizmet eden modeller tasarlamasına yardımcı olur .
Bazı modelciler, model ayrıntılarının eklenmesinin daha doğru tahminlere yol açabileceğini hala iddia edebilirler . Artık ispat yükü onlara aittir.