Sperimentare il non sperimentabile: il senso della simulazione (SCIENZA) ~ di Alessandro Giuliani - TeclaXXI

 

SCIENZA

 

Alessandro Giuliani

 

Sperimentare il non sperimentabile: il senso della simulazione

 

          immagine moderna de La Locandiera generata da Canva JS©2026

        Fino a qualche decennio fa la scienza custodiva al suo interno una linea di confine tutto sommato abbastanza pacifica tra ‘scienze osservazionali’ e ‘scienze sperimentali’. Le prime, di cui l’esempio più nobile per antichità e profondità di pensiero era l’astronomia, si dedicavano allo studio di fenomeni che non potevano essere manipolati a piacere e quindi forzati dalla volontà dello sperimentatore in situazioni da lui ritenute più favorevoli allo svelamento del senso delle regolarità osservate e di eventuali nessi causali.

        Le seconde invece, tra cui la fisica, la chimica e, se pur con varie limitazioni, la biologia, erano aperte all’azione dello sperimentatore, che poteva costruire in laboratorio piccoli mondi altamente controllati e manipolabili nei quali, secondo le parole di Francis Bacon ‘torturare la natura per farle confessare i suoi segreti’ (Francis Bacon, Novum Organum Scientiarium, 1620).

        Se il confine era sicuramente ben delineato nelle scienze della natura (era ovvio che nessuno potesse riaggiustare il sistema solare per fornire nuove condizioni al contorno per la gravitazione universale, là dove una beuta e un fornello per eseguire esperimenti chimici erano di facile reperimento) non si può dire altrettanto di quei campi in cui la scienza portava con sé pesanti implicazioni politiche. Il loro ambiguo rapporto con il potere portò in questo ultimo secolo a orribili e sanguinari esperimenti di economia, sociologia e antropologia sociale di cui tutti abbiamo sentito parlare, dalle economie di piano sovietiche fino alle sterilizzazioni di massa a fini eugenetici (ancora in auge in Svezia fino agli anni Settanta del secolo scorso) e stermini su base etnica e razziale. 

    Lo statuto ambiguo di certe scienze come l’economia è evidente in questi tempi di tragico fallimento di sofisticati modelli che hanno di fatto smesso di funzionare (vedi la crisi del 2008, l’accumulo di potere finanziario che non trova sbocchi nell’economia reale, la decadenza economica del cosiddetto Occidente con un aumento spaventoso del divario tra pochi ricchissimi e una maggioranza di persone sempre più povere).

        Questi modelli economici, che hanno generato l’illusione, sostenuta da premi Nobel, le cui teorie risultano controverse, che l’economia fosse una scienza simile alla fisica classica, è alla base dei continui riferimenti a ‘piloti automatici’ che renderebbero la democrazia inutile quanto un referendum per l’abrogazione della legge di gravità. Varrebbe la pena approfondire il tentativo di rinascita di questo modo di pensare sostituendo la matematica con le cosiddette Intelligenze Artificiali, ma il discorso ci porterebbe troppo in là.

        Torniamo allora al confine tra osservazionale e sperimentale che negli ultimi due-tre decenni ha smesso di essere pacifico ed è diventato una terra di conquista senza legge.

        La simulazione numerica ha occupato questa terra di confine, definendo un ambito inusitato, fino a pochi decenni addietro e considerato una contraddizione in termini: quello dell’esperimento matematico, la simulazione propriamente detta. Essa consente di trasformare le nostre ipotesi in formalismo matematico, ma la complessità del sistema in studio non  permette di conoscere a priori i suoi esiti, costringendoci a ‘sperimentare’ attraverso il software per controllare ‘cosa succederebbe se..’ in maniera non dissimile da quanto avviene con gli esperimenti nel mondo reale.

        Interi campi scientifici sono stati rivoluzionati da questa dissoluzione del confine, un esempio clamoroso è il ruolo che la dinamica molecolare simulata di proteine e altre macromolecole ha avuto sullo sviluppo della biochimica e della biologia molecolare.

        Il merito (o la colpa, a seconda dei casi) di tutto questo è in larga parte da imputare alla diffusione di sistemi di calcolo automatico a buon mercato e molto potenti, insomma all’informatica distribuita. Anche se già nel XIX secolo Lord Kelvin affermava “If you cannot model it, you cannot understand it” così sottolineando l’esigenza generale, se non di una sperimentazione, per lo meno di una qualche metafora meccanicistica di qualsiasi fenomeno, egli aveva in mente qualcosa di molto diverso dagli odierni software di simulazione.

        La traduzione di un sistema di pensiero, di una determinata teoria sul mondo in un software può in qualche modo essere paragonato alla messa in scena di uno spettacolo teatrale in cui un drammaturgo sperimenta nel mondo simulato del palcoscenico le conseguenze di una certa situazione di base (una donna sola che si destreggia tra vari pretendenti come nella Locandiera) o di un moto dell’anima (la gelosia di Otello, la brama di potere di lady Macbeth). Allo stesso modo noi trasformiamo delle ipotesi sul mondo in vincoli tra le variabili di un modello matematico, dove le variabili sono gli elementi che noi decidiamo essere rilevanti per il fenomeno in esame. A questo punto andiamo in scena, e lì, a partire da una determinata situazione iniziale, attraverso l’applicazione del modello matematico scelto, facciamo evolvere il sistema fino al suo risultato naturale.

        Come nel teatro, questo stato finale fornirà degli insegnamenti allo spettatore, questi insegnamenti, in ambito scientifico, saranno tanto più convincenti quanto più l’esito della simulazione sarà realistico, ricorderà cioè degli esiti effettivamente osservati in situazioni analoghe nel mondo reale.        

        La simulazione è quindi un’operazione di retorica tenendo a mente che la retorica non implica necessariamente l’inganno, al contrario, la retorica di per sé è un’arte nobilissima, che diventa deprecabile solo quando la usiamo con fini perversi per ingannare il prossimo. Dunque, la simulazione non è altro che uno strumento per risultare convincenti (soprattutto verso sé stessi) riguardo alla plausibilità delle nostre ipotesi. Come nella retorica, esistono diversi stili di simulazione numerica, la scelta dello stile è guidata innanzitutto dalla qualità e definizione dei dati a disposizione, per cui il metodo tradizionale basato su equazioni differenziali è da preferire nel caso ci si trovi di fronte a leggi fisiche assodate che governano il sistema in studio, mentre un modello robusto ma poco definito in termini di vincoli funzionali come le reti neurali è da preferire in campi non coperti da leggi affidabili e/o largamente influenzati dal contesto, come la relazione tra struttura e attività biologica di molecole organiche.

        Il punto di caduta delle simulazioni, che occupano la terra di mezzo tra teoria ed esperimento, è però sempre la verifica nel mondo reale e qui si ripresenta l’inesorabile divisione tra scienze della natura e dell’agire umano che, in queste ultime, trasforma spesso le simulazioni in  ‘profezie che si auto-avverano’ per il condizionamento esercitato da modelli circonfusi di un’aura di scientificità sugli agenti coinvolti nel fenomeno in studio che, in maniera quasi sempre involontaria, vi si conformano.

        Gli esempi di questi ‘circoli viziosi’ sono innumerevoli, si pensi ad esempio all’epidemia di giovani affetti da ADHD (deficit dell’attenzione) che la possibilità di dare un nome altisonante ai propri problemi cristallizza in una modalità di comportamento pre-ordinata là dove la molteplicità di termini pre-scientifici come pigrizia, disaffezione allo studio, mancanza di pazienza, impliciti nel concetto di ADHD, permetteva loro una maggiore libertà di scelta e di superamento delle difficoltà.

        Il problema è a mio parere derivante dall’esagerata considerazione verso modelli che si presentano con il marchio di ‘scienza dura’ da parte di studiosi operanti in campi di indagine per secoli legati all’intuito e al Pascaliano ‘esprit de finesse’ (che poi non è per nulla inferiore all’esprit de geometrie’ dei modelli quantitativi).

        Nelle scienze naturali, una molto più lunga tradizione di interazione tra ‘matematica’ e ‘intuizione’ ha (almeno fino ad ora) vaccinato gli scienziati nei confronti dell’idolatria delle simulazioni consentendo una loro integrazione all’interno della cassetta degli attrezzi a disposizione e un loro proficuo uso per raffinare e chiarire le relazioni tra teoria ed esperimento. Purtroppo, la fortezza delle scienze della natura sta subendo uno spietato assedio da parte di chi vuole sostituire la realtà con modelli astratti. Speriamo che resista.

______________________________________

ALESSANDRO GIULIANI

BIONOTA  Alessandro Giuliani vive a Roma, è sposato e padre di due figlie. Attualmente è Dirigente di Ricerca presso l’Istituto Superiore di Sanità.

È stato visiting professor all’Università Keio di Tokio, all’Istituto Indiano di Tecnologia (IIT) a Trivandrum (Kerala), all’Università di Chicago (USA) e all’Università di Tomsk (Federazione Russa).

Lavora da circa quaranta anni alla costruzione di modelli fisico-matematici di sistemi biologici complessi con particolare riguardo allo studio della struttura delle molecole proteiche, alla previsione di ‘transizioni di fase’ nell’espressione genica e alle relazioni tra struttura chimica e attività biologica. Ha contribuito, insieme a Joseph Zbilut e Charles Webber dell’Università di Chicago allo sviluppo dell’Analisi Quantitative delle Ricorrenze (RQA), attualmente diventata un metodo standard per l’analisi non-lineare delle serie temporali.  

È autore di 489 pubblicazioni scientifiche su riviste internazionali ‘peer-review’ e di 10 libri di divulgazione.