La revista científica Nature, una de les més prestigiades, publicava el dia 25 de juny passat un article en què es qüestiona la validesa com a referència dels models matemàtics en un cas com la pandèmia de la covid. El document el lidera Andrea Saltelli (de la Universitat de Bergen, Noruega, i també professor de la UOC). I entre la vintena de signants hi ha un deixeble de Saltelli, el manresà Arnald Puy, també de la Universitat de Bergen, però actualment als Estats Units a la Universitat de Princeton (Nova Jersey), amb una beca Marie Curie postdoctoral. Va especialitzar-se en l'estudi dels sistemes agraris intensius, concretament les zones d'irrigació, i aquí apareixen dos conceptes: models matemàtics i l'anàlisi de la incertesa.

Un total de 22 investigadors de 22 universitats i centres de recerca d'arreu (entre d'altres, Princeton University, University of Oxford, Imperial College London, CNRS, University of Bergen i University of Leiden) han publicat un article (https://www.nature.com/ articles/d41586-020-01812-9) després de veure que els models matemàtics esdevenien referència a l'hora de prendre decisions governamentals de diferents països.

La tesi dels investigadors és que «els polítics i organitzacions governamentals han recorregut als models científics per dissenyar la gestió de la pandèmia i justificar les polítiques dutes a terme. Els números produïts pels models són atractius per la seva aparença neutra i científica, així com pel seu caràcter pretesament asèptic. No obstant això, són el resultat de nombroses decisions preses durant el disseny del model, un procés de selecció en el qual s'escullen quins aspectes (i quins no) seran formalitzats en equacions matemàtiques, com es caracteritzaran els diferents paràmetres o quins límits tindrà el model». I assenyalen, també, que «aquestes decisions tenen un component de subjectivitat no negligible: qualsevol algoritme que modela un fenomen particular pot ser conceptualitzat i escrit de múltiples formes, i si no es té en compte aquesta multiplicitat, s'elimina de forma artificial la incertesa que inevitablement existeix darrere de qualsevol fenomen complex, com és la difusió d'un virus». La conclusió, que «els models esdevenen llavors falsos instruments de predicció, boles de vidre amb les quals es visualitza, de forma espúria, un futur diàfan i plenament previsible».

Com sorgeix aquest article?

Som un grup heterogeni d'investigadors que treballem en els nostres projectes i que ens hem posat d'acord per fer un article conjunt. El grup està format per historiadors, arqueòlegs, filòsofs, gent que fa models matemàtics, epidemiòlegs... i el que tots compartim és la idea que els models matemàtics no serveixen tant per preveure, sinó per mapejar una mica què és el que se sap de les coses. Tots treballem amb la idea que la realitat és molt incerta i que, per tant, els models que s'han de realitzar han de tenir en compte aquesta incertesa.

Els models matemàtics que es fan servir habitualment no són fiables?

Amb la covid hi ha hagut un ball de xifres molt important. Els models han anat donat una sèrie de guies, que a la llarga s'han revelat molt fràgils, condició que és molt habitual en situacions complexes. Hi ha molts elements que hi participen, molts que mantenen relacions entre si, i hi ha coses que són opaques. En aquest context d'opacitat i d'incertesa els models matemàtics s'han d'utilitzar d'una forma molt particular. No poden ser utilitzats com una bola de vidre que et permet veure el futur ni com a elements que et permeten guiar les polítiques que s'han de dur a terme. Són instruments que et permeten mapejar per dir què és el que se sap i què és el que no se sap.

No s'havien d'haver utilitzat els models matemàtics?

En el cas de la covid s'han definit estratègies basades en models matemàtics. Per exemple, l'estratègia que ha seguit el Regne Unit. Els anglesos inicialment van deixar que la població es contagiés perquè es basaven en models matemàtics. El cas d'Anglaterra és un exemple de com els models matemàtics es poden usar pels governants. Nosaltres diem que en aquests contextos utilitzar els models matemàtics com a boles de vidre és molt perillós. Si els models tenen unes assumpcions que són fràgils, totes les polítiques que es facin a partir d'aquest model poden tenir conseqüències molt greus. Un altre exemple el vam tenir amb les vaques boges. Aleshores es va fer una previsió de mortaldat en la població per sobre de la realitat, o també en el cas de la pesta porcina, que va fer que matessin moltíssims caps de bestiar seguint el model. Van entendre que el model matemàtic preveia el futur amb certa seguretat.

I quina solució aporten en el seu article publicat al Nature?

Vam intentar proposar una sèrie de guies per fer que els models matemàtics siguin transparents, honestos, que tinguin en compte la incertesa i que ens serveixin per saber què hem de fer en casos com els de la covid. El nostre comentari, de fet, és un manifest. Un recull de pensaments i principis per fer que els models matemàtics no siguin utilitzats de forma acrítica per tapar interessos polítics, per exemple. Transparents, que tinguin en compte incerteses, que tinguin en compte el context en el qual s'utilitza... Donem eines perquè els que treballin en models puguin fer eines socialment útils i que no tinguin conseqüències catastròfiques.

En el cas de la covid hi havia models diferents, hi ha hagut solucions diferents?

Nosaltres no diem si el model està bé o malament, diem que és molt arriscat utilitzar models com a elements de predicció del futur. I si en un context de complexitat com és la covid es volen utilitzar, el que s'ha de fer és seguir una sèries de passos perquè siguin transparents. No diem quins models són bons o no. Està fora del nostre abast. Només posem en dubte la forma d'utilitzar-los.

En l'article donen una sèrie de recomanacions. Com ara?

Una de les primeres és que qualsevol model ha de ser sotmès a una anàlisi d'incertesa i de sensibilitat. Quan tu fas un model concret tradueixes en fórmules matemàtiques una sèrie de paràmetres que creus que són importants per definir el fenomen. L'has parametritzat. Normalment, a la realitat és molt difícil descriure una cosa determinada amb un número concret, perquè la realitat és incerta, o no tenim suficient informació o en som ignorants. L'anàlisi d'incertesa el que fa és donar graus de probabilitat a cadascun dels paràmetres i el model no t'atorga, per exemple, un número de morts, sinó que es fa una distribució de possibles resultats. També proposem fer una anàlisi de sensibilitat, per veure, de tots els paràmetres que has utilitzat en el teu model, quin et transmet la màxima incertesa. Això et permet saber cap on cal focalitzar l'esforç científic.

La referència dels models matemàtics ha fet que els governants no prenguessin bones decisions en la covid?

S'ha d'intentar eliminar l'arrogància del model matemàtic. Defensem que no podem partir de la idea que tot pot ser descrit en un model matemàtic. Com més elements poses en un model i més el compliques, més incerteses hi ha. Si un model molt complex et dona una solució espúriament precisa, quan hi apliquem els criteris d'incertesa i els de sensibilitat el resultat final serà molt diferent. Si no es fa així, les polítiques poden donar com a segura una cosa que no ho és.