bilimsel tahminlere yol açabilir
Bilimde hakim olan görüş, evreni yapılandıran matematiksel bir gerçeğin olduğu yönündedir. Bilim insanının işinin bu matematiksel ilişkileri deşifre etmek olduğu varsayılır: bunlar bir kez anlaşıldıktan sonra matematiksel modellere dönüştürülebilir. Ortaya çıkan “silikon gerçekliğini” bir bilgisayarda çalıştırmak, bize dünyanın nasıl çalıştığına dair yararlı içgörüler sağlayabilir.
Bilim sırları ifşa etmeye devam ettiği için modeller büyümeye devam ediyor. Çevremizdeki dünyayı daha iyi yansıtmak için keşifleri ve yeni bulunan mekanizmaları entegre ederler. Birçok 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, disiplin alanlarını aşar. Sonuçlar çok büyük. Üniversiteler giderek daha güçlü bilgisayarlara sahip oluyorlar çünkü gittikçe artan miktarda bilgi işlem gücü gerektiren daha büyük modelleri çalıştırmak istiyorlar. Son zamanlarda, Avrupa Komisyonu , mevcut sosyal ve ekolojik zorlukları daha iyi ele almayı umarak, “dijital ikiz” olarak adlandırılan , Dünya’nın (insanlarla) çok ayrıntılı bir simülasyonunu oluşturmak için 8 milyar Euro (6,9 milyar £) yatırım yaptı .
En son araştırmamızda, daha doğru tahminler ve öngörüler üretmek için araçlar olarak her zamankinden daha karmaşık modellerin peşinde koşmanın işe yaramayacağını gösterdik. İstatistiksel teori 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 parametrelerin ve mekanizmaların eklenmesidir. Sakızın bir hastalığın yayılması üzerindeki etkisi gibi yeni bir parametrenin ölçülmesi gerekir ve bu nedenle ölçüm hatalarına ve belirsizliğe tabidir. Modelciler, aynı olguyu matematiksel olarak açıklamak için farklı denklemler de kullanabilirler.
Bu yeni eklemeler ve bunlara ilişkin belirsizlikler modele entegre edildikten sonra, halihazırda var olan belirsizliklerin üstüne yığılırlar. Belirsizlikler her model yükseltmesiyle genişlemeye devam ederek, 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 benzeri epidemiyoloji modellerinin yanı sıra gelecekteki etkileri tahmin eden 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. Model, insanların Google’a yazdığı 50 milyon sorguya dayanmasına rağmen, 2009 domuz gribi salgınını tahmin edemedi. Mühendisler daha sonra artık çalışmayan modeli daha da karmaşık hale getirdiler. Ama yine de tam olarak doğru değildi. Alman psikolog Gerd Gigerenzer liderliğindeki araştırma, 2011-13’teki doktor ziyaretlerini sürekli olarak fazla tahmin ettiğini, bazı durumlarda %50’den fazla olduğunu gösterdi.
Gigerenzer, çok daha basit bir modelin daha iyi sonuçlar verebileceğini keşfetti. Modeli, haftalık grip oranlarını yalnızca ufacık bir veriye dayanarak tahmin ediyordu: önceki hafta GP’lerini kaç kişi görmüştü.
Başka bir örnek, suyun nasıl ve nerede hareket ettiğini ve depolandığını izleyen küresel hidrolojik modellerdir. 1960’larda basit bir şekilde “buharlaşma-terleme süreçlerine” (bitkilerle kaplı bir araziden buharlaşabilen ve sızabilen su miktarı) dayalı olarak başladılar ve kısa sürede küresel ölçekte evsel, endüstriyel ve tarımsal su kullanımlarını dikkate alarak genişlediler. Bu modeller için bir sonraki adım, her saat başı her kilometre için Dünya üzerindeki su talebini simüle etmektir.
Ve yine de, bu ekstra detayın onları daha da karmaşık hale getirip getirmeyeceği merak ediliyor. Sekiz küresel hidrolojik model tarafından üretilen sulamada kullanılan su miktarı tahminlerinin yalnızca tek bir parametreyle hesaplanabileceğini gösterdik – sulanan alanın kapsamı .
İleriye giden yollar
Daha fazla detayın bir modeli daha kötü hale getirebileceği gerçeği şimdiye kadar neden göz ardı edildi? Birçok modelleyici, modellerini, araştırmacılara modeldeki belirsizliklerin nihai tahmini nasıl etkilediğini anlatan yöntemler olan belirsizlik ve duyarlılık analizine tabi tutmaz. Birçoğu, modellerindeki hangi öğelerin çıktıdaki belirsizlikten en çok sorumlu olduğunu çözmeden ayrıntılar eklemeye devam ediyor.
Modelciler daha büyük modeller geliştirmekle ilgilendikleri için endişe vericidir – aslında, tüm kariyerler karmaşık modeller üzerine inşa edilmiştir. Bunun nedeni, tahrif edilmelerinin daha zor olmasıdır: Karmaşıklıkları, dışarıdan bakanların gözünü korkutur ve modelin içinde neler olup bittiğini anlamayı zorlaştırır.
Ancak çareler var. Sırf bunun için modellerin durmadan büyümemesini sağlamanızı öneriyoruz. Bilim adamları bir belirsizlik ve duyarlılık analizi gerçekleştirseler bile, tahminleri bilim ve politika oluşturma için yararsız hale gelecek kadar belirsiz olma riski taşıyor. Tahmini tamamen belirsiz olan modelleri çalıştırmak için hesaplamaya çok fazla para yatırmak pek mantıklı değil.
Modelciler bunun yerine, modele her ayrıntı eklenmesiyle belirsizliğin nasıl genişlediğini düşünmeli ve model ayrıntı düzeyi ile tahmindeki belirsizlik arasındaki en iyi dengeyi bulmalıdır.
Bu değiş tokuşu 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. .
Modelleyiciler, her yükseltmeden sonra bir modelin etkili boyutlarını hesaplayarak, belirsizlikteki artışın modeli hala politika için uygun hale getirip getirmediğini veya aksine, modelin çıktısını işe yaramaz olacak kadar belirsiz hale getirip getirmediğini değerlendirebilir. Bu, şeffaflığı artırır ve bilim insanlarının bilime ve topluma daha iyi hizmet eden modeller tasarlamasına yardımcı olur .
Bazı modelleyiciler, model detayının eklenmesinin daha doğru tahminlere yol açabileceğini hâlâ tartışabilir . Artık ispat yükü onlara aittir.