Quando si tratta di previsioni, la politica fallisce più della scienza

Quello che a prima vista sembra un esercizio di caccia al click da parte di opinionisti o di polemiche politiche è il sintomo di una frattura tra politica per la scienza e politica. "Gli esperti - delle cui opinioni non tengo quasi più conto - non mi sembra che vivano nel mondo reale", ha detto di recente il consigliere federale Ueli Maurer, mentre Alain Berset ha affermato a gennaio: "Non possiamo lavorare con le previsioni".

A quanto pare, alcune persone non vedono alcun valore aggiunto nelle previsioni scientificamente valide. Perché? Sono davvero inutili? Qualcuno considererebbe inutile la previsione che questo inverno sarà seguito da un'estate?

Come vengono fatte le previsioni

Che si tratti di cambiamenti climatici, di previsioni meteorologiche o della valutazione di una pandemia, le previsioni scientifiche si basano quasi sempre su quattro elementi, indipendentemente dalla specializzazione: in primo luogo su un modello, in secondo luogo sui dati utilizzati per stimare i parametri sconosciuti, in terzo luogo sulle ipotesi dei cosiddetti scenari e in quarto luogo sulle conoscenze degli esperti. L'importanza di questi quattro elementi dipende fortemente dalla domanda che viene posta.

Il modello descrive la nostra comprensione delle dinamiche di un particolare sistema. La complessità dei diversi sistemi varia. La meccanica celeste determina le stagioni in modo così preciso che l'incertezza nelle previsioni è trascurabile. Molto più difficili sono i sistemi biologici, per i quali non è possibile scrivere semplicemente un'equazione, o i sistemi con comportamento caotico come il tempo atmosferico. Alcuni processi complessi sono al di là della nostra comprensione o delle nostre capacità di calcolo per essere modellati direttamente e vengono quindi descritti statisticamente o approssimativamente.

Modelli: Validi quanto la loro base di dati

In secondo luogo, un modello ha bisogno di dati per la calibrazione e la verifica. ? qui che i modelli climatici differiscono da quelli epidemiologici. Mentre i dati e le correlazioni cruciali nella ricerca sul clima sono stati determinati sistematicamente per decenni, le varianti mutevoli della Sars-CoV-2 hanno fatto sì che i dati fossero limitati o non rappresentativi e che le variabili cruciali dipendessero dal cambiamento delle strategie di analisi o dai progressi del trattamento.

In terzo luogo, quando le persone prendono decisioni, anche queste devono essere incorporate nelle previsioni. Le previsioni, cioè le previsioni sullo sviluppo del mondo reale, diventano quindi proiezioni o scenari "what-if" in gergo tecnico. Tra gli esempi si possono citare lo sviluppo epidemiologico previsto per un certo mix di misure o, nel caso del clima, il riscaldamento globale per un certo andamento delle emissioni di CO₂-emissioni. Se lo scenario peggiore non si realizza, spesso non è il modello a essere sbagliato, ma sono state adottate misure per evitarlo.

La natura di queste due incertezze è completamente diversa: lo scenario è una nostra scelta e quindi, in ultima analisi, una questione politica. Non è detto che si realizzi, ma ci aiuta a capire il sistema e a evidenziarne la vulnerabilità. L'incertezza per un particolare scenario, invece, riflette la comprensione incompleta del comportamento del sistema o i dati limitati. Ridurla è il compito della scienza.

I modelli sono approssimazioni della realtà

Infine, la conoscenza degli esperti è necessaria per stimare l'incertezza delle previsioni dovuta alle semplificazioni del modello e agli errori dei dati. ? importante contestualizzare e comunicare le semplificazioni del modello e gli errori dei dati. Un modello non è mai esattamente corretto; è e rimane un modello e può al massimo essere un riflesso più o meno preciso della realtà. Nello spirito dell'affermazione dello statistico britannico George Box "Tutti i modelli sono sbagliati - ma alcuni sono utili", la questione non è se un modello sia corretto, perché ogni modello è una semplificazione della realtà e quindi sbagliato in senso stretto. Il fattore decisivo è se il modello è adatto a rispondere a una domanda specifica.

Le previsioni di Omikron erano davvero sbagliate?

Questo ci riporta alla previsione dell'onda Omikron.⁴ L'andamento del numero di casi a gennaio è stato ben previsto, quindi il modello era adeguato. I ricoveri, invece, sono rimasti inferiori rispetto al caso più ottimistico. Poiché questi si verificano con un certo ritardo, era impossibile prevederli dai dati svizzeri. ? stato ovvio affidarsi ai risultati di laboratorio e di altri Paesi, che però non rispecchiano pienamente la situazione svizzera. Oltre agli aspetti medici, come la minore virulenza e il fatto che un maggior numero di persone guarite o vaccinate sono infette e mostrano un'immunità di base e quindi corsi meno gravi, possono entrare in gioco anche aspetti comportamentali difficili da quantificare: Ad esempio, se i gruppi a rischio si comportano in modo più cauto, anche se non è prescritto. Gli esperti forniranno una valutazione epidemiologica conclusiva.

Tuttavia, una cosa è chiara: le proiezioni non sono intenzionalmente distorte dalla scienza. Esse riflettono la situazione attuale dei dati e lo stato delle conoscenze, nella misura in cui queste possono essere rappresentate quantitativamente. Quando sono disponibili nuove scoperte, le proiezioni vengono adeguate.

Ma: le previsioni possono fare più male che bene se sono sistematicamente sbagliate o se sottovalutano le incertezze. Nel caso della Sars-CoV-2, sono state abbastanza buone per tutta la durata della pandemia, dati i dati spesso scarsi disponibili.⁵ Più a lungo si lavora con i modelli, più è possibile determinare con precisione l'incertezza e utilizzare i risultati per la valutazione del rischio. Nella ricerca sul clima, cento anni di dati di misurazione e cinquanta di modellizzazione hanno dimostrato in modo impressionante l'affidabilità dei modelli.⁶ Inoltre, abbiamo molta esperienza con le previsioni meteorologiche estreme e con il modo in cui la società prende decisioni in base ad esse. O quando avvertire e come.

Quasi tutte le decisioni si basano su previsioni

Non è possibile prendere decisioni senza previsioni. Anche la sensazione istintiva che nulla cambierà rispetto a oggi o l'ipotesi che il problema scomparirà magicamente domani è in definitiva una previsione. Semplicemente una senza modelli, scenari, dati e conoscenze specialistiche - onestamente, preferireste affrontare una pandemia che ha già fatto circa sei milioni di vittime senza una previsione professionale?

La questione più rilevante è piuttosto se noi conpuò prendere una decisione migliore con le previsioni quantitative che senza? La risposta è quasi sempre affermativa. Se le previsioni sono scientificamente valide, forniscono un buon orientamento. La grande sfida, a prescindere dalla specializzazione, è calcolare sistematicamente l'incertezza e l'affidabilità. Ignorare la conoscenza aggiuntiva che le previsioni generano dimostra soprattutto che le previsioni non rientrano nella propria visione del mondo.

Occorre più dialogo e fiducia

Le previsioni combinano tutte le nostre conoscenze su un sistema. Raramente sono perfette, ma stanno diventando sempre più precise. Tuttavia, per quanto buone siano, le previsioni sono di scarsa utilità se non le si comprende, se non si è in grado di gestire le incertezze o se non si è pronti a reagire ad esse. ? necessario un maggiore dialogo e fiducia tra politica, società, media e ricerca per quanto riguarda le crisi future.

Questo articolo di Reto Knutti è apparso per la prima volta come Pagina esternaTesto normale a Higgs.