Contatti

Quando un modello errato porta alla risposta giusta

, di Andrea Costa
Gli scienziati utilizzano abitualmente modelli semplificati della realtà perché i calcoli reali sarebbero impossibili da eseguire. Una nuova ricerca indaga su quando questa scommessa paga e quando invece no

Supponiamo di voler capire come si sia evoluto l’Universo dopo il Big Bang. In linea di principio, si dovrebbe costruire un modello matematico che tenga conto di ogni processo fisico rilevante, di ogni interazione e di ogni fonte di incertezza. In pratica, quel modello sarebbe talmente complesso che la sua elaborazione richiederebbe un tempo incredibilmente lungo, oppure supererebbe semplicemente la potenza di calcolo attualmente disponibile.

Di fronte a questo problema, gli scienziati adottano un approccio più pragmatico. Utilizzano consapevolmente un modello errato. Non completamente sbagliato, ovviamente, ma più semplice. Una versione della realtà che ignora parte della sua complessità in cambio della possibilità di ottenere una risposta.

Da decenni questo è uno dei segreti di Pulcinella della scienza. I ricercatori in campi che spaziano dall’astronomia all’imaging medico e alle scienze climatiche si affidano abitualmente a modelli statistici semplificati perché quelli esatti sono troppo difficili da utilizzare. Ma se il modello è errato, perché qualcuno dovrebbe fidarsi della risposta?

Un nuovo studio pubblicato su Bernoulli affronta proprio questa questione nel contesto di sistemi fisici viziati da errori di misura. Botond Szabó (Dipartimento di Scienze delle Decisioni e BIDSA, Università Bocconi), insieme a Geerten Koers e Aad van der Vaart della Delft University of Technology, ha sviluppato un quadro matematico che spiega quando una classe di tali modelli semplificati rimane affidabile e, cosa altrettanto importante, quali sono i loro limiti.

Essere in errore non equivale a essere fuorvianti

A prima vista, la conclusione sembra quasi paradossale: un modello statistico può rappresentare in modo errato la realtà e tuttavia individuare la risposta corretta. Com’è possibile?

Immaginate di provare a tracciare il percorso da A a B. Una mappa autostradale tralascia migliaia di dettagli: edifici, fiumi, strade secondarie e semafori. In questo senso, è “sbagliata”. Eppure, se il vostro unico obiettivo è guidare da una città all’altra, quei dettagli mancanti non hanno quasi alcuna importanza.

Un modello scientifico funziona più o meno allo stesso modo. Spesso i ricercatori non hanno bisogno di riprodurre ogni aspetto della realtà. Devono solo conservare le informazioni rilevanti per la domanda a cui stanno cercando di rispondere. La sfida sta nel capire quali semplificazioni siano innocue e quali invece alterino la risposta stessa. Questo è il problema oggetto dello studio.

Anziché analizzare una specifica approssimazione, gli autori sviluppano un quadro matematico generale che indica agli scienziati quando un’ampia classe di modelli statistici semplificati porta comunque a conclusioni affidabili, anche se i modelli stessi sono imperfetti.

Il risultato presenta una svolta importante. Il modello semplificato spesso riesce a trovare la risposta giusta. Ciò che potrebbe non essere del tutto corretto è il modo in cui alcuni scienziati dovrebbero valutare tale risposta. In altre parole, il pericolo maggiore non è necessariamente giungere a una conclusione errata, bensì diventare troppo sicuri (o non abbastanza sicuri) che la conclusione sia corretta. Questa distinzione è al centro dell’articolo.

Un enigma ispirato all’universo

La ricerca è partita da un autentico problema scientifico. I cosmologi studiano la debole radiazione residua del Big Bang (la radiazione cosmica di fondo) per stimare le proprietà fondamentali dell’Universo, tra cui la quantità di materia oscura, la quantità di energia oscura e la costante di Hubble, che misura la velocità di espansione dell’Universo.

Tali osservazioni sono collegate alla fisica sottostante attraverso catene di processi straordinariamente complesse. Analizzarle con precisione è spesso irrealistico, pertanto i ricercatori si affidano invece a modelli statistici semplificati. A volte, tuttavia, semplificazioni diverse producono stime diverse.

Ciò solleva una domanda scomoda. Gli scienziati stanno osservando prove di una nuova fisica, oppure stanno semplicemente osservando le conseguenze dell’utilizzo di diverse approssimazioni statistiche? Come scrivono gli autori,

«Comprendere le proprietà teoriche di approcci gerarchici specificati in modo errato è fondamentale per determinare se questi intervalli di confidenza non sovrapposti derivino dall’uso di modelli diversi o da un errore statistico.»

L’articolo non risolve il dibattito sull’espansione dell’Universo. Ciò che fornisce è un modo per distinguere le discrepanze che derivano dalla natura da quelle che derivano dalla matematica utilizzata per osservarla.

Come dimostrare che la scorciatoia funziona

Il merito degli autori non sta nell’aver trovato un’approssimazione migliore, bensì nell’aver dimostrato qualcosa di più generale. Hanno sviluppato un teorema matematico applicabile a un’intera famiglia di modelli statistici complessi, del tipo utilizzato ogni volta che le osservazioni vengono generate attraverso diversi livelli nascosti, dai processi biologici latenti alle equazioni fisiche che descrivono i sistemi quantistici o l’evoluzione del calore.

Una volta messo a punto il quadro teorico, lo hanno testato su esempi sempre più complessi. Hanno iniziato con un problema matematico volutamente semplice prima di affrontare l’equazione di Schrödinger, uno dei capisaldi della meccanica quantistica, per poi passare a equazioni più generali utilizzate per descrivere sistemi fisici in evoluzione. Questi sono proprio i tipi di problemi in cui i calcoli esatti diventano rapidamente impraticabili.

I ricercatori hanno inoltre verificato se la loro teoria reggesse nella pratica. Utilizzando set di dati simulati che andavano da 50 a 1.250 osservazioni, hanno scoperto che i metodi semplificati si comportavano esattamente come previsto dalla matematica. Man mano che diventavano disponibili più dati, le stime convergevano rapidamente verso la risposta corretta.

Forse altrettanto importante è stato il notevole risparmio in termini di risorse computazionali. In un esempio, l’approccio semplificato ha richiesto una frazione del tempo necessario al modello statistico completo, evitando al contempo le difficoltà numeriche che spesso rendono i calcoli esatti proibitivi in termini di risorse.

Perché questo va oltre la semplice statistica

L’articolo è, essenzialmente, un lavoro di statistica matematica, ma il suo significato va ben oltre. La scienza è sempre più plasmata da una semplice realtà: i nostri modelli stanno diventando più dettagliati più rapidamente di quanto la nostra capacità di calcolarli con esattezza riesca a stare al passo. In molti campi, l’approssimazione non è più una comodità, ma una necessità. Ciò rende la fiducia una delle risorse più preziose della scienza.

I ricercatori devono sapere non solo se una scorciatoia è più veloce, ma anche se modifica la conclusione scientifica. Questo studio offre una risposta rassicurante. A volte, la strategia scientifica più intelligente non è quella di costruire un modello perfetto del mondo, bensì di costruirne uno più semplice e di comprendere, con precisione matematica, perché tale semplificazione riesca comunque a cogliere la verità.

Botond Szabo

BOTOND TIBOR SZABO

Università Bocconi
Dipartimento di Scienze delle Decisioni
Professore Ordinario