fbpx Per un'etica dei numeri e dei modelli | Scienza in rete

Per un'etica dei numeri e dei modelli

Primary tabs

Tempio di Horo, Idfu, Assuan, Egitto (foto di Luca Carra).

Tempo di lettura: 3 mins

I modelli servono? Dipende. Covid-19 ci ha fatto toccare con mano l'importanza di elaborare modelli quantitativi per cercare di fornire scenari ai decisori. I primi modelli - a partire dai più famosi di Neil Ferguson dell'Imperial College - hanno avuto la funzione di allertare l'opinione pubblica e i politici sulla gravità della situazione e a spingere verso risposte decise come il lockdown, ma certamente partivano da dati molto parziali e, secondo i critici, hanno prodotto scenari eccessivamente pessimistici. Con l'avanzare della pandemia i modelli si sono via via raffinati. Quello che è mancato, in questo come in altri casi, è una chiara esplicitazione delle incertezze in gioco e una discussione che coinvolgesse mondo della ricerca, politica e società.

Questo ha spinto 22 scienziati di diversa estrazione a scrivere un manifesto per il buon uso dei modelli, pubblicato con grande evidenza su Nature il 24 giugno ("Five ways to ensure that models serve society: a manifesto"). Il documento sviluppa 5 punti considerati fondamentali per far sì che i modelli non ingannino e siano davvero utili alla società:

  1. attenzione alle ipotesi (Mind the assumptions)
  2. attenzione a strafare (Mind the hubris)
  3. attenzione a come si inquadrano i problemi (Mind the framing)
  4. attenzione alle conseguenze (Mind the consequences)
  5. attenzione alle incognite (Mind the unknowns)

Il manifesto è un invito a considerare i modelli come processi sociali, che devono controllare complessità e incertezze, e soprattutto che devono nascere da un patto chiaro fra chi richiede i modelli (in genere i policy maker, che dovrebbero esplicitare motivi, preferenze e finalità) e i ricercatori. I modelli dunque sono il frutto di negoziazioni alle quali le parti sociali dovrebbero partecipare attivamente e con la consapevolezza delle incertezze, del carattere condizionale e degli aspetti ancora sconosciuti che rendono questa attività ben diversa da una sfera di cristallo per leggere il futuro.

Succede invece che i modelli vengano spesso utilizzati dai decisori politici per scaricare la propria responsabilità sulla mera evidenza dei numeri, concepiti come verità assolute e indiscutibili, in un contesto di scarsa trasparenza e partecipazione.

Abbiamo discusso dei limiti e dell'utilità dei modelli con quattro autori italiani che si sono fatti promotori del manifesto. Ne emerge un quadro affascinante anche se non conclusivo su molti aspetti inerenti questa attività: dal fascino insidioso dei numeri all'etica della quantificazione, dai modelli come metafore morali alla crisi della scienza che li produce. (l.c.)

Salta ai singoli capitoli

 


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.