Modellbasert vitenskap i krise?

Christian Skaug

For naturvitenskapene er datamaskinens inntog det viktigste som har skjedd i de siste femti årene. Stadig større utbredelse av datamaskiner med økende regnekraft, har bidratt til store fremskritt i de fleste vitenskaper hvor kvantitative metoder er av interesse.

Ved hjelp av teoretiske modeller kan man med stor pålitelighet beregne med datamaskinens hjelp hvordan en rekke typer konstruksjoner eller nye industriprodukter vil oppføre seg under betingelser som det ville være vanskelig eller svært ressurskrevende å gjenskape i et laboratorium; genetiske sekvenser kan identifiseres; enorme mengder statistiske data av alle slag kan tolkes på sekunder. Man tar neppe munnen for full hvis man sier at datamaskinberegninger mer enn noe annet har bidratt til eksplosjonen av vitenskapelig produksjon siden den annen verdenskrig, og at deler av denne har bidratt til å forbedre menneskenes liv.

Men har all denne suksessen vært med å skape en illusjon om vitenskapelig ufeilbarlighet?

Vitenskapen var en gang stort sett beskjeftiget med å innhente observasjoner, systematisere disse og oppdage mulige lovmessigheter. Ut fra en hypotese om lovmessighet kunne man så foreta prediksjoner, som styrket hypotesen hvis de gikk i oppfyllelse, enten i naturen eller i laboratoriet. De fysiske lovene med sin matematiske perfeksjon viste seg spesielt velegnet til å gjøre gode prediksjoner, og fysikken kom etterhvert til å bli et slags ideal for andre vitenskaper.

Med datamaskinens utbredelse ble det dermed mye mer vanlig å foreta prediksjoner basert på modellberegninger, også på andre fagfelter enn de rent fysiske (herunder astronomi, kjemi etc.). Snarere enn å trekke slutninger fra et observasjonsmateriale, startet man altså med en teori og regnet videre på denne. Selve beregningene og resultatene av disse begynte således å leve sitt eget liv, uten nødvendigvis å bli sjekket mot naturens/virkelighetens fasit.

Kan det hende at denne formen for vitenskapelig basert spekulasjon ufortjent får større troverdighet takket være den tradisjonelle vitenskapens velfortjent høye pålitelighet?

Den som selv gjør vitenskapelige modellberegninger er oppmerksom på at resultatet av disse skal fortolkes med den kritiske sansen i behold, og at det kan føre svært galt avsted dersom teoriene man putter inn i datamaskinen ikke holder. I bransjen omtaler man gjerne fenomenet som «garbage in, garbage out»: Det hjelper ikke om resultatene er funnet med verdens raskeste datamaskin og presentert av høyt utdannede personer med flotte figurer på glanset papir, dersom antagelsene som lå til grunn for beregningen ikke holder vann. Men offentligheten ser det neppe i samme grad.

Så hvor har det gått galt?

Kvantitative modeller fra flere vitenskapelige disipliner har i de senere årene gitt opphav til dårlige prediksjoner. Dette omfatter, men er ikke begrenset til, økonomi/finans, klimaforskning og medisin, eller rettere sagt epidemiologi.

For å ta det siste først: Det er knapt mulig å åpne en avis uten å finne såkalt helsestoff hvor man blir gjort oppmerksom på hva slags ernæring, adferd eller medikamenter som er sunnhetsfremmende eller skadelig. Og gjentar man øvelsen noe senere, er sjansen tilstede for at man blir fortalt det stikk motsatte av det man først leste. Svært ofte skyldes dette at vitenskapelige arbeider innen fagfeltet epidemiologi er basert på kliniske data, snarere enn data hentet fra et tilfeldig/representativt utvalg av befolkingen. Man rasker altså sammen de opplysninger som måtte foreligge i forbindelse med noens legers praksis eller på sykehus, og bearbeider disse statistisk. Da hjelper det lite om dataene kvernes matematisk etter alle kunstens regler, så lenge den grunnleggende forutsetningen om tilfeldighet er brutt: Sjansen er stor for at resultatet er galt.

For å teste de hypotesene som kan leses ut av kliniske data, burde man innhente data fra et tilstrekkelig stort antall tilfeldige personer. Siden dette er langt mer ressurskrevende, gjøres det mye sjeldnere. Men de ganger det gjøres, skjer det ikke sjelden at resultater som har fått mye oppmerksomhet i offentligheten blir falsifisert. En tidligere redaktør for den prestisjetunge British Medical Journal gikk så langt som å si at 90% av det som kommer på trykk i tidsskriftet han ledet, er søppel.

I kvantitativ finans fortsetter mange stadig å gjøre vitenskapelig arbeid under antagelser om lovmessigheter som ikke eksisterer, av og til basert på den ofte feilaktige forutsetning at finansielle data kan modelleres med normalfordelingen, altså gausskurven, hvilket gav katastrofale resultater i den tidligere omtalte LTCM-saken. Og selv bevæpnet med all verdens metoder er det fortsatt uhyre vanskelig å gjøre sikre prediksjoner for eksempelvis oljeprisen. Finanskrisen var det likeledes kun et lite mindretall av økonomer som forutså.

Endelig har ingen av de sofistikerte klimamodellene noen særlig suksess å vise til når det gjelder å forutse temperaturutviklingen på noen års sikt. Lignende eksempler foreligger også i andre disipliner.

Ikke noe av dette ville vært alvorlig dersom vitenskapsfolkene det gjelder drev en smule selvransakelse og forkastet modeller og fremgangsmåter som man vet er gale eller uegnede. Men her er det at de ideelle krav til vitenskapelig redelighet kommer i konflikt med de menneskelige skavanker: Forskningen er en stor industri som sysselsetter mange personer, og den som skriver mye og tildeles mange forskningsmidler, nyter høy prestisje.

Når man så med datamaskinens hjelp kan opprettholde eller øke en produksjon som, uten at det nødvendigvis er gode grunner til det, teller på den forskningspolitiske kjøttvekten, krever det stor integritet og tykk hud å avstå fra anseelse og karrierehopp ved å la være å produsere ting, maskinmessig og under et innarbeidet paradigme, som man innerst inne vet er av minimal verdi eller med stor sannsynlighet feil. Og fristelsen blir stor til å nedtone forbehold og selvkritikk til fordel for en lekker, sensasjonsartet og tilsynelatende skråsikker presentasjon av forskningen.

Om det blir for mye av dette, risikerer man at det oppstår en ekstremt uheldig, allmenn mistillit til vitenskapelig arbeid som også rammer de seriøse i bransjen.




Om du ikke følger Document på sosiale media kan du følge oss på e-post.

Donere engangsbeløp?Kan du forplikte deg til fast betaling?

Penger kan også doneres til kontonummer 15030249981. Du kan også støtte oss ved å kjøpe bøker eller varer.

Leserkommentarer på Document er gjenstand for moderering, som ikke skjer kontinuerlig og under enhver omstendighet ikke om natten. Vi ønsker en respektfull tone uten personangrep, sleivete språk eller flammende retorikk. Vis særlig nøkternhet når temaet er følsomt. Begrenset redigering av skjemmende detaljer kan finne sted. Skriv til debatt@document.no dersom du ikke forstår hvorfor en kommentar uteblir. Se her for nybegynnerhjelp.