Существующие модели математического анализа и прогнозирования, которые помогают определить политические решения в той или иной ситуации (например, распространение новой пандемии или же будущее количество оросительной воды) могут быть слишком сложными и давать «неправильные» ответы, показывает новое исследование.
Эксперты используют все более подробные модели для лучшего прогнозирования явлений или получения более точной информации в ряде ключевых областей, таких как экологические/климатические науки, гидрология и эпидемиология.
Однако погоня за сложными моделями в качестве инструментов для получения более точных прогнозов может не дать результата, так как сложные модели, как правило, дают более неопределенные оценки.
Исследователи из университетов Бирмингема, Принстона, Рединга, Барселоны и Бергена опубликовали свои выводы, которые показывают, что расширение моделей с добавлением новых деталей ограничивает полезность предсказаний в качестве инструментов для обоснования политических решений в реальном мире.
По мере того как наука продолжает раскрывать секреты, модели продолжают модернизироваться, интегрируя новые обстоятельства, чтобы лучше отражать мир вокруг нас. Предполагается, что более подробные модели дают лучшие прогнозы, потому что они лучше соответствуют реальности.
Но все же постоянное стремление к созданию сложных моделей может не дать результатов, к которым стремятся учение, потому что добавление новых параметров вносит новые неопределенности в модель. Эти новые неопределенности нагромождаются поверх неопределенностей, уже существующих на каждом этапе модернизации модели, что делает выводы модели более нечеткими.
Такая тенденция к все более нечетким прогнозам влияет на все глобальные модели, которые ориентированы на изменение климата, гидрологию, производство продуктов питания и эпидемиологию, а также на модели, прогнозирующие оценки в будущем, независимо от научной области.
Ученые рекомендуют пересмотреть стремления к созданию слишком подробных математических моделей в качестве средства получения более четких оценок.
Также они предлагают разработчикам моделей рассчитать ее эффективные размеры (количество влиятельных параметров и их взаимодействие высшего порядка), прежде чем усложнять модель. Это позволяет проверить, как добавление сложности модели влияет на неопределенность в выводе. Как разработчики моделей, так и политики извлекают выгоду из понимания любой неопределенности, возникающей при модернизации модели с помощью новых механизмов.
Моделисты, как правило, не подвергают свои модели анализу неопределенности и чувствительности, но продолжают добавлять детали.
Чрезмерная сложность мешает как ученым, так и общественности задуматься о правильности предположений моделей, часто весьма сомнительных. Например, глобальные гидрологические модели предполагают, что орошение оптимизирует производство сельскохозяйственных культур и использование воды, что противоречит практике традиционных ирригаторов.