COVID-19 pandemija savršeno prikazuje kako se naučni rad mijenja kada se sudare pitanja nužnosti, uloga, vrijednosti i neizvjesnosti – unutar ‘post-normalnog’ režima.
Još dugo prije pandemije koronavirusa statističari su raspravljali o prevenciji zloupotreba poput p-hackinga, pogotovo kad imaju utjecaj na politike. Sada je, s političarima koji svoje politike predstavljaju kao diktirane ‘naukom’, u centru pažnje kompjutersko modeliranje. Ipak, ne postoji suštinski aspekt ove pandemije za koji bilo koji istraživač trenutno može ponuditi precizne, pouzdane brojke. Poznate nepoznanice uključuju rasprostranjenost i smrtnost i stope viralne reprodukcije unutar populacija. Postoji nekoliko procjena broja asimptomatičnih infekcija i one su krajnje varijabilne. Još manje znamo o sezonalnosti zaraze i o tome kako funkcionira imunitet, da ne spominjemo učinak intervencija društvenog distanciranja u različitim kompleksnim društvima.
Matematički modeli proizvode iznimno nejasne brojke predviđenih budućih infekcija, hospitalizacija i smrti u različitim scenarijima. Umjesto da koriste modele kako bi informirali svoje razumijevanje, politički rivali često se njima razmahuju u želji da pomognu neku unaprijed određenu agendu. Kako bi se pobrinuli da predviđanja ne postanu dopuna političkim svrhama, dizajneri modela, donosioci odluka i građani trebaju uspostaviti nove društvene norme. Dizajnerima modela ne smije biti dopušteno da projiciraju više sigurnosti nego što to njihovi modeli zaslužuju, a političarima ne smije biti dozvoljeno da proizvoljno prebacuju odgovornost na modele.
Ovo je važno jer modeli, kad se koriste pravilno, mnogo doprinose društvenom dobru: možda su najbolje poznati oni koji se koriste za prognoziranje vremena. To su modeli brušeni testiranjem milijuna predviđanja u stvarnom vremenu. Baš kao i sredstva komuniciranja ovih rezultata s različitim korisnicima. Od digitalnog sistema prenošenja vremenskih prilika na moru za prekokeanska plovila do prognoza na svaki sat vremena prikupljenih na weather.com. Izletnici, direktori aviokompanija i ribari podjednako razumiju, i da su rezultati modeliranja fundamentalno nesigurni, i kako predviđanja pretvoriti u odluke.
Ovdje predstavljamo manifest za najbolje prakse odgovornog matematičkog modeliranja. Mnoge grupe prije nas su opisale najbolje načine primjene uvida modela u politike, uključujući politike bolesti. Mi sažimamo 5 jednostavnih principa pomaganja društvu da zahtjeva kvalitet modeliranja koji mu je potreban.
Imati na umu pretpostavke
Utvrditi neizvjesnost i osjetljivost. Modeli se često uvode iz nekih drugih primjena, ignorirajući to da pretpostavke koje su razumne u jednoj situaciji mogu postati nonsens u drugoj. Modeli koji funkcioniraju za civilni nuklearni rizik možda neće adekvatno utvrditi seizmički rizik. Druga greška dešava se kad modeli zahtijevaju unos vrijednosti za koje nema pouzdanih informacija. Na primjer, postoji model korišten u Velikoj Britaniji za vođenje politika transporta koji ovisi o procjeni broja putnika koji će putovati u svakom vozilu tri decenije u budućnost.
Jedan način ublažavanja ovih problema je izvođenje analiza globalne neizvjesnosti i osjetljivosti. U praksi to znači dopuštati da sve ono što je neizvjesno – varijable, matematički odnosi i uslovi limita – simultano variraju dok izvedba modela daje svoj raspon predviđanja. Ovo često otkriva da je neizvjesnost u predviđanjima supstancijalno veća nego li je to inicijalno utvrđeno. Na primjer, naša analiza sugerira da procjene koliko će zemlje biti navodnjeno za buduće usjeve variraju više nego peterostruko kad postojeći modeli ispravno integriraju neizvjesnosti o stopama rasta populacije u budućnosti, širenja navodnjavanih područja i matematičkoj vezi između to dvoje.
Međutim, analize globalne neizvjesnosti i osjetljivosti uglavnom nisu obavljene. Svako ko traži uvid iz modela treba zahtijevati da se takve analize provedu i da rezultati istih budu adekvatno opisani i učinjeni pristupačnima.
Imati na umu oholost
Kompleksnost može biti neprijatelj relevantnosti. Većina dizajnera modela je svjesno da nema trgovanja između korisnosti modela i širine koju pokušava da obuhvati. No mnogi su zavedeni idejom dodavanja složenosti u pokušaju da uhvate stvarnost još preciznije. Kako dizajneri modela uključuju više fenomena, model može bolje pristajati podacima, ali s cijenom. Njegova predviđanja obično postaju manje precizna. Kako se dodaje još parametara, neizvjesnost raste (kaskadni efekt neizvjesnosti) i greška se može povećati do tačke u kojoj predviđanja postaju beskorisna.
Složenost modela nije uvijek indikator toga koliko dobro obuhvaća bitne značajke. U slučaju HIV infekcije, jednostavan model koji se fokusira na promiskuitet pokazao se pouzdanijim nego više posvećen model baziran na frekventnosti seksualne aktivnosti. Otkriće postojanja ‘superširećih događaja’ i ‘superširećih’ ljudi s kovidom-19 slično pokazuje kako neočekivana značajka transmisije može iznenaditi analitičara.
Jedan ekstreman primjer ekscesa složenosti je model korišten od strane Ministarstva energetike SAD-a za evaluaciju rizika odlaganja radioaktivnog otpada na repozitorij planine Yucca. Zvao se Utvrđivanje potpune performanse sistema, sastojao se od 286 pod-modela s hiljadu parametara. Regulatori su mu dali zadatak da predvidi ‘milijun godina’ sigurnosti. Jedna ključna varijabla – vrijeme potrebno vodi da iscuri u podzemni nivo repozitorija – bio je neizvjestan za tri komande jačine, čineći veličinu modela nevažnom.
Kompleksnost se prečesto uzima kao svrha sama sebi. Umjesto toga, cilj mora biti pronalazak optimalnog balansa s greškom.
I još k tomu, ljudi trenirani za izgradnju modela često nisu obučeni ili plaćeni za takve analize. Dok se inžinjera zove ako se most sruši, drugi modeli su pretežito razvijani u velikim timovima i koriste takve kompleksne povratne petlje da niko ne može biti smatran odgovornim ako se predviđanja ispostave katastrofalno pogrešnim.
Imati na umu okvir
Ujednačiti svrhu i kontekst. Rezultati iz modela će barem djelomice reflektirati interese, disciplinarne orijentacije i pristranosti programera. Nijedan model ne može služiti svakoj svrsi.
Dizajneri modela znaju da će izbor alata utjecati i da čak može odrediti ishod analize, tako da tehnika nikad nije neutralna. Na primjer, Genesis – model obalne erozije bio je korišten od strane korpusa inžinjera američke vojske kako bi podržao utvrđivanje troškova i koristi za projekte očuvanja plaža. Model troška i koristi nije mogao realistično predvidjeti mehanizme erodiranja obale od valova ili utjecaj obnavljanja plaža ljudskom intervencijom. Moglo ga se lako izmanipulirati da poveća dokaze koji bi određenim projektima obalnog inžinjeringa bili korisni. Pravednije utvrđivanje uzelo bi u obzir i to kako ekstremne oluje dominiraju u procesima erozije.
Zajednički pristupi utvrđivanja kvaliteta trebaju biti upotpunjeni zajedničkom posvećenošću transparentnosti. Primjeri termina koji obećavaju neospornu preciznost uključuju: trošak-korist, očekivana korisnost, teorije odluke, utvrđivanje životnog ciklusa, usluge ekosustava i politike zasnovane na dokazima. Ipak, svi pretpostavljaju set vrijednosti o onome šta je zapravo važno – održivost za neke, proizvodnost ili profitabilnost za druge. Dizajneri modela ne trebaju kriti normativne vrijednosti svojih izbora.Uzmimo u razmatranje vrijednost statističkog života, slobodno definiranog kao trošak izbjegavanja smrti. Već je kontroverzno podešavati kompenzaciju za, primjerice, žrtve avionskih nesreća. Iako bi moglo imati mjesto pri biranju najboljih politika za javno zdravstvo, moglo bi proizvesti upitnu pojavnost strogosti i tako zamaskirati političke odluke kao tehničke.
Najbolji način da modeli ne skrivaju svoje pretpostavke, uključujući političke sklonosti, jest set društvenih normi. One bi trebale pozabaviti se načinima proizvodnje modela, utvrditi njegove neizvjesnosti i komunicirati rezultate. Međunarodne smjernice za ovo su sastavljene za niz disciplina. Zahtijevaju da procesi uključe zainteresirane strane, da prilagode višestruke perspektive i promoviraju transparentnosti, ponovljivost i analizu osjetljivosti i neizvjenosti. Kad god je model korišten za novu primjenu sa novim zainteresiranim stranama, mora biti ovjeren i potvrđen iznova.
Postojeće smjernice za dizajniranje modela za zarazne bolesti odražavaju ova pitanja, ali nisu naširoko prihvaćene. Pojednostavljene, verzije modela u običnom jeziku mogu biti krucijalne. Kad model više nije crna kutija, oni koji ga koriste moraju reagirati da utvrde pojedinačne parametre i odnose između njih. Ovo čini mogućim komunicirati mapiranje različitih okvira i pretpostavki u različite zaključke, prije nego u jednu, pojednostavlljenu interpretaciju pretjerano složenog modela. Ili rečeno žargonski: kvalitativni opisi višestrukih racionalnih setova pretpostavki mogu biti važni pri unaprijeđivanju uvida donositeljima odluka kao kod dostavljanja kvantitativnih rezultata.Primjeri modela koji su se držali ovih smjernica mogu biti pronađeni u prognozama rizika od poplava i u upravljanju ribarnicama. Uključuju uvide zainteresiranih strana i intuicije o unosima i željenim rezultatima.
Imati na umu posljedice
Kvantificiranja se mogu obiti o glavu. Pretjerana usmjerenost ka proizvodnji brojeva može disciplinu odgurnuti od toga da je tačna ugrubo do toga da je precizno pogrešna. Nerazlično korištenje statističkih testova može biti zamijenjeno ispravnim sudom. Pomažući da učine da finansijski riskantni proizvode izgledaju sigurno, modeli su doprinijeli iskakanju globalne ekonomije s kolosijeka 2007-8.
Jednom kad broj uzme centralnu ulogu, s uvijenim narativom, druga moguća objašnjenja i procjene mogu nestati iz vida. Ovo može dovesti do samodopadnosti i do politizacije kvantifikacije, dok su ostale opcije sklonjene u stranu. U slučaju covida-19, niz problema od dostupnosti bolničkih kreveta za intenzivnu njegu do zapošljavanja i društvenih sloboda simulltano su u igri, čak iako ne mogu biti jednostavno izračunati i potom uključeni u model.spurious odluka doprinosi lažnom osjećaju sigurnosti.
Ako dizajneri modela kažu Velikoj Britaniji da će svjedočiti 510 000 smrti ako nisu preduzeti nikakvi koraci da se ublaži pandemija, neki mogu zamisliti pouzdanost dviju značajnih brojki. Umjesto toga, čak i analiza limitirane neizvjesnosti rađena od strane dizajnera – zasnovana na samo jednom parametru – otkriva opseg od 410 000 do 550 000 smrti. Na sličan način SZO predviđa 190 000 smrti u Africi. Ovaj broj korespondira sa spekulativnim scenarijem u kojem je deset neizvjesnih unosa vjerojanosti uvećano za proizvoljnih 10% – kao da su uistinu podjednako neizvjesne – bez teoretskog ili empirijskog osnova za takav izbor. Iako su misaoni eksperimenti korisni, ne bi se trebali koristiti kao predviđanja.
Nejasnost oko neizvjesnosti čini štetu povjerenju. Poruka iz polja sociologije kvantifikacije je da je povjerenje ključna stvar da bi brojevi bili korisni. Puna objašnjenja su krucijalna.
Imati na umu nepoznanice
Priznati neznanje. Većinu historije zapadne filozofije, samosvijest ignorancije je smatrana vrlinom, vrijedan predmet intelektualnog zanimanja – onoga što je Nikola Kuzanski, filozof iz 15. stoljeća, nazvao naučenim neznanjem ili docta ignorantia. Čak i danas, komuniciranje onoga što nije poznato je važno barem koliko komuniciranje onoga što jeste. Ipak, modeli mogu neznanje prikriti.Ne priznati to može artificijelno limitirati opcije politika i otvoriti vrata neželjenim iznenađenjima. Uzmimo, na primjer, ona koja su zadesila šefove vlada kada su odgovorni ekonomisti priznati da njihovi modeli – po dizajnu – nisu mogli predvidjeti posljednju recesiju. Još gore, zanemarivanje neizvjesnosti može ponuditi političarima šansu da odbiju odgovornost. Eksperti trebaju imati hrabrosti da odgovore da ‘nema brojčanog odgovora na vaša pitanja‘ kao što je uradio američki državni epidemiolog Anthony Fauci kad je bio ispitivan od strane političara.
Pitanja, ne odgovori
Matematički modeli su odličan način da se istraže pitanja. Također su i opasan način dokazivanja odgovora. Tražiti od modela sigurnost ili konsensuz je više znak teškoća donošenja kontroverznih odluka nego što je rješenje i može prizvati ritualističko korištenje kvantifikacije.
Pretpostavke i ograničenja modela moraju biti ocijenjivani otvoreno i iskreno. Proces i etika su bitni koliko i intelektualno umijeće. Slijedi, prema našem shvaćanju, da dobro modeliranje ne može biti obavljeno samo od samih dizajnera modela. To je društvena aktivnost. Francuski pokret stataktivista pokazao je kako se protiv brojeva može boriti brojevima, kao u kvantificiranju siromaštva i nejednakosti.
Oblik društvenog aktivizma u odnosu između modela i društva ponudio je američki inžinjer i poduzetnik Tomas Pueyo. On nije epidemiolog, ali piše o covid-19 modelima i pojašnjava jednostavnim jezikom implikacije neizvjesnosti za opcije politika.
Ne pozivamo na kraj kvantifikacije, niti na apolitične modele, nego za puno i iskreno otkrivanje. Slijeđenje ovih pet tačaka pomoći će očuvanju matematičkog modeliranja kao vrijednog alata. Svaka doprinosi sveobuhvatnom cilju prikazivanja snaga i limita rezultata modela. Ignoriranje ove petorke model predviđanja pretvara u trojanskog konja za neizrečene interese i vrijednosti. Modelirati odgovorno.