MODELLI, ANCORA

In tempi ormai lontani mi ricordo una riunione di gruppo di lavoro in cui si iniziò a parlare di modelli per un processo chimico dallo scale up particolarmente rognoso. Quello che oggi si chiamerebbe il Team Leader ad un certo punto disse: "Ok, ma queste due-tre settimane di lavoro sul modello produrranno grafici e tabelle o forniranno soluzioni?"

(si parlava di Design Of Experiments, o DOE che dir si voglia, https://ilchimicoscettico.blogspot.com/2018/04/duro-o-morbido-dove-non-si-parla-di.html).

Furono prodotte soluzioni, all'epoca.

I modelli a cui ho lavorato negli anni sono sempre stati descrittivi ed avevano due caratteristiche: dati sperimentali ne delimitavano il perimetro di definizione e l'influenza dei parametri considerati veniva pesata, sempre a partire dai dati sperimentali.

La scelta dei parametri da osservare, in questo campo, era vitale: una scelta inopportuna poteva portare ad un'elaborata dimostrazione dell'ovvio, con una scelta intelligente si potevano avere sorprese, e scoprire che parametri creduti importanti in realtà non avevano alcun impatto. Nella scelta era di primaria importanza la capacità di osservazione dell'esperimento, un qualcosa di difficilmente schematizzabile (e quindi difficilmente schematizzabile da un algoritmo).

Per farla facile, i punti chiave erano

1) dati solidi

2) efficiente analisi dei dati

3) Nessuna estrapolazione: non ti avventuri nello spazio oltre i dati disponibili.

L'enfasi era quindi sul potere descrittivo, e nessuno pensava al potere predittivo (inteso come il potere di prevedere risultati nel citato spazio al di fuori dei dati disponibili, perché con un set limitato di dati sperimentali la previsione di quel che succedeva nello spazio preso in esame era mediamente eccellente). Quindi il fatto che le previsioni siano sopravvalutate per me è sempre stato piuttosto scontato (https://ilchimicoscettico.blogspot.com/2020/05/sopravvalutare-le-predizioni.html).

Quindi arriviamo a COVID19 in Italia e modelli. Tutti si sono concentrati sulle predizioni, ma quanto a potere descrittivo?

Dati solidi non ce n'erano, loro analisi non se ne sono viste ed è stato fatto un numero impressionante di assunzioni ("assumiamo che questo parametro sia importante", "assumiamo che il valore di questo parametro sia x").

Tirate le vostre conclusioni.

Il modellista "puro" dei nostri tempi presta mediamente poca attenzione ai dati, al processo che li genera, alla loro qualità. E il suo ruolo non prevede capacità di osservazione del fenomeno: quella è roba da sperimentali. Ma se si parla di scienze galileiane il dato e le modalità impiegate nell'ottenerlo sono il cardine del processo.