U medijima, među političarima, na društvenim mrežama u nizu zapadnih zemalja, znanost je izložena kritikama da u koronakrizi ne isporučuje rezultate koji se očekuju s obzirom na njezinu zadaću i privilegiranu poziciju u zajednici. Građani, međutim, još izražavaju povjerenje da će znanost proraditi. Što je pandemija pokazala o mogućnostima znanstvene metode i znanstvenika da opravdaju svoj ugled…

Piše: Željko Ivanković

Feyerabend bi likovao. Znanstvenici kao da su jedva dočekali da se pred koronavirusom isprse svojom proklamiranim snagom i superiornošću. Međutim, nekoliko mjeseci poslije, provode se ankete o promjeni povjerenja u znanost, a društvene mreže i mediji širom svijeta puni su kritika. Kao da su došli do izražaja slabosti i ograničenja znanstvenog pristupa o kojima je austrijsko-američki filozof pisao cijelu drugu polovicu dvadesetog stoljeća, upravo u doba ustoličavanja znanosti na vrh društvene hijerarhije (i jednog od prioriteta javne potrošnje). Mjesto znanosti u društvu je visoko, moć zamjetna. Ispada, međutim, da za rezultate koje je zajednica očekivala od znanosti nisu dovoljna ni računalna unapređenja u modeliranju, ni machine learning, ni big data kojima su zaraza ogledna prilika, ni više nego ikad u povijesti istraživača, instituta, organizacija, sveučilišta koji su se bacili na zadatak.

Hiperprodukcija

Prema časopisu Nature, potkraj siječnja bilo je već pedesetak studija u vezi novim koronavirusom. No u pet mjeseci ove godine nakupilo se samo u Americi već skoro 20 tisuća znanstvenih radova o različitim aspektima iste teme, piše New York Times u specijalnom prilogu pripremljenom prvih dana lipnja, u kojem se u seriji članaka nastoji rekapitulirati što se dosad u tim studijama saznalo. Nažalost, značajno ispod očekivanja (i nade).

Početni model efekata zaraze koronavirusom izgleda jednostavan (FiveThirtyEight). Problem je što se kućice ne mogu popuniti nijednim pouzdanim podatkom

Čak i omjer inficiranih, temeljni podatak svih modela, još ni približno nije utvrđen ni u Americi, zemlji s najviše slučajeva pozitivnih testiranih i najviše mrtvih, čiji broj i dalje postojano raste. (Broj pozitivnih slučajeva i omjer inficiranih u populaciji treba razlikovati.) Slabo se zna širi li se virus samo zrakom ili i preko površina (glatkih ili hrapavih?) kao i o čuvenom faktoru reprodukcije R, koji određuje brzinu širenja, kojim su se prvih mjeseci bavili svi, a sad je kao postojana nepoznanica pao u drugi plan.

Posebni su misteriji famozni nulti pacijent i izbijanje pandemije. Prema posljednjim računalnim simulacijama – nisu povezani! Bilo je zaraženih već lani i prije izbijanja epidemije, i ne samo u Kini. Dobili bi simptome, razboljeli bi se, ozdravili i – tu bi priči bio kraj. A onda, odjednom – epidemija?!

Formalno, virus je identificiran 7. siječnja ove godine u Kini. U početku, strahovalo se da se radi o “oživljavanju” SARS-a, virusa koji je izazvao zarazu 2002., no prevladao je zaključak da je riječ o inačici kojoj je zato međunarodni komitet za taksonomiju virusa 11. veljače dao službeni naziv SARS-CoV-2. Ipak, već do ožujka identificirano je širom svijeta 1388 varijanti virusa, piše New York Times, što otežava, ne samo pronalaženje/kreiranje cjepiva, nego i testiranje – koliko toga “prođe ispod radara”.

Potencijalni konačni model, ne samo što je kompleksan, nego je i ispunjen nepoznanicama, povratnim spregama i koječime što onemogućava pouzdanu konstrukciju

Ako, dakle, izmiču osnovni podaci, gdje je virus kad je, i uopće koji je, logično je što se ne zna ni zašto neki zaraženi nemaju simptoma, kako i kad šire virus, zašto i koga bolest zahvaća snažnije, koga slabije… Ni koliko traje imunitet nakon ozdravljenja.

Važno je, piše New York Times, istražiti “ulogu djece u širenju virusa”, ali o tome se još samo nagađa: djeca ne obolijevaju toliko koliko odrasli, ali je pitanje je li to samo zato što lakše podnose virus ili su na njega manje prijemčiva. K tome, bilo je i nekoliko desetaka žrtava među djecom, uglavnom onom sasvim malom, ne starijom. Javnost je dosad saznala da se kod bilježenja umrlih neizbježno arbitrarno određuje tko je preminuo od koronavirusa a tko s koronavirusom. Zato su usporedbe broja mrtvih u pojedinim zemljama vrlo nepouzdane. Slično je i s prikupljanjem svih ostalih podataka – istraživači su prisiljeni donositi arbitrarne odluke što će bilježiti, što znači da su propusti vrlo vjerojatni.

Ne postoji jedna stopa smrtnosti od koronavirusa

Iako nema šanse da ni bilo koji znanstvenik, a kamoli laik, ima pouzdan uvid u cjelinu dosad objavljenih istraživanja i saznanja o virusu i pandemiji, zahvaljujući medijima koji posljednjih mjeseci kao da ni o čemu drugome nisu ni pisali, javnost može početi razaznavati – kako radi znanost, s kojim se preprekama suočava, i kako ih svladava. Koliko se na nju ima smisla osloniti.

Feyerabend

Paul Feyerabend, anarhistički pristup znanosti – sve prolazi!

I tu je sad opet Paul Feyerabend. Zašto bi jedan od najpoznatijih filozofa znanosti dvadesetog stoljeća likovao nad time što su u prethodnih šest mjeseci znanost i znanstvenici, svi ti instituti i sveučilišta, unatoč desetcima tisuća studija i istraživanja, identificirali više onoga što ne znaju nego što znaju? Feyerabend je bio (rođen 1924., umro 1994.) osebujna priroda, donekle i provokator, ali na čije podbadanje nije bilo moguće tek lakonski odmahnuti rukom. U Beču je studirao i fiziku, celebrity znanost dvadesetog stoljeća. U svojem najslavnijem djelu “Against Method: Outline of an Anarchistic Theory of Knowledge”, na originalnom je materijalu, uz puno citata, dokazivao da se Galileo u raspravi s Crkvom poslužio zavaravanjem i propagandom.

Dakako, nije on ni ravnozemljaš, ni lunatik, u kakve se prirodoznanstvenici znaju odmetnuti. Ako se Feyerabendova analiza znanosti može svesti na jedan zaključak, otprilike bi glasio da se previše povjerenja ulaže u znanstvenu metodu, koja je inherentno spoznajno ograničena i nije obavezno superiorna drugim metodama spoznaje. Njegov je često diskutirani primjer tradicionalna kineska medicina, koja nije znanstvena, a zajednica joj se ipak vraća i u određenim se okolnostima primjenjuje.

Odličan primjer “neumjerenog oslonca na znanost”, iznad granice njezinih mogućnosti, američki je predsjednik Donald Trump, koji je na prvu pojavu zaraze farmaceutskim kompanijama dao zadatak da hitno proizvedu cjepivo. Početkom lipnja Bijela je kuća selekcionirala pet kompanija u partnerstvo s kojima su već uložene milijarde dolara, a koje su najbliže proizvodnji cjepiva. Do kraja lipnja trebalo je odrediti jednu, čiji je rad najizgledniji, a glavni epidemiologist Bijele kuće Anthony Fauci izrazio je “očekivanje da do početka 2021. bude proizvedeno nekoliko stotina milijuna doza”. Za sve to vrijeme, sva sila data analysta konstruirala je epidemiološke modele koji su trebali upravljati političkom akcijom.

S druge strane, Daleki istok, koji doduše s tom vrstom zaraza ima više iskustva, nije se oslonio samo na “racionalnu metodu”, nego više na “kolektivnu akciju” (koja sigurno u nekim zemljama nije demokratska, ali u drugima jest). Južna je Koreja masovno testirala i pratila zaražene, Kina je uvela brutalnu karantenu Wuhana i hitno gradila bolnice, Japan je zatvorio škole, reducirao dnevne migracije, izolirao starije i intenzivirao nošenje maski. Prije nego što je znanost imala prilike ponuditi ikakva rješenja, bilo cjepivo ili modele širenja zaraze, svaka je zemlja primjenjivala rješenja u skladu s raspoloživim mogućnostima i svojom tradicijom, koja su građani uopće mogli prihvaćati i slijedili.

Povjerenje u znanost

Na Zapadu, i među građanima je povjerenje u znanost postojano visoko. Internetska stranica FiveThirtyEight, koju je osnovao i još uređuje Nate Silver, slavni matematičar, statističar, analitičar i prognostičar, potkraj je svibnja prenijela ispitivanje koje je proveo Pew Research Centre, prema kojem povjerenje u znanost među građanima Sjedinjenih Država postojano raste već od sedamdesetih godina prošlog stoljeća, i nije oslabilo ni u vrijeme koronakrize, premda su – piše u članku Most Americans Haven’t Stopped Trusting Scientists – znanstveni rezultati ispod očekivanja (i nade) te premda su znanstvenici i znanost u medijima, na mrežama, među političarima, predmet sve snažnije kritike.

Udar javnosti na znanstvenike značajnim je dijelom uslijedio zbog lockdown preporuke i njezinih posljedica, drugim dijelom zbog eksperimentiranja s imunitetom krda (i njegovih posljedica, recimo u Ujedinjenom Kraljevstvu). U svakom slučaju, udar na znanost u javnosti i na socijalnim mrežama u vrijeme pandemije nije lokalna specifičnost, nego očito svjetska pojava, vrlo vjerojatno uzrokovana i godinama razvijanim očekivanjima od znanosti da “riješi stvar”.

Ipak, podatak da među ispitanicima anketa povjerenje u znanost ne pada kako se očekivalo nije čudan. Znanost je u sedlu, i ako je se izbaci iz njezine pozicije, to izaziva rizik potpune dezorganizacije. Iracionalno bi bilo ne priznati joj dosadašnja postignuća. Svijet koji znanost monopolizira funkcionira do neke granice, a Feyerabend je i kritiziran zbog zagovora anarhije (njegov je slogan – Anything Goes).

No to nije jedini rizik postavljanja pitanja o njezinim postignućima – znanost ima svoje siledžije zaštitnike, svoje kerbere, anđele pakla, koji se naroguše na svaki znak nedovoljnog poštovanja, a kamoli neposluha. Kad sam prije nekoliko godina u vrijeme zamaha “Skeptika u pubu” samo ironično digao obrve na neku budalastu opasku Richarda Dawkinsa o gravitaciji, na Facebooku su znanstvenici i njihovi vjerni ministranti pokrenuli mobing do krvi, a onda su još tagom pozivali druge da se uključe u ritualno orgijastičko kamenovanje. (Zato se u ovom članku više oslanjam na “autoritete” nego što sam sklon upustiti se u “vlastito mišljenje” – Hrabar sam, al neću izazivati zlo!) Iako je to suprotno njezinoj prirodi, povjerenje u znanost je obaveza, u javnosti, u institucijama, u školama.

Nate Silver

Nate Silver – Zašto je nemoguće konstruirati model pandemije koronavirusa

Prema mojem skromnom sudu, web-stranica FiveThirtyEight, koronazarazu prati možda najbolje na svijetu. Nakon Silverova uspjeha u predviđanju rezultata u vodećim američkim sportovima te na izborima, stranicu je prvo kupio New York Times, zatim preuzeo ESPN, te napokon ABC News. Nate Silver objavio je odličnu knjigu “The Signal and the Noise: Why So Many Predictions Fail-but Some Don’t”, u kojoj je na brojnim slučajevima demonstrirao svoju metodu. Ona se, pojednostavljeno, debelo temelji na Bayesovom teoremu, omiljenom oruđu u “strojnom učenju”.

Već u ožujku, čim se nakupilo dovoljno podataka da je omogućena smislena obrada, stranica FiveThirtyEight objavila je nekolicinu članaka koji dobro ilustriraju granice znanstvene metode u slučaju koronavirusa. Prvi, pod naslovom “Why It’s So Freaking Hard To Make A Good COVID-19 Model”, nekoliko dana poslije dopunio je sam Silver člankom “Coronavirus Case Counts Are Meaningless”. Zaključci iz tih članaka, da je dobro modeliranje koronavirusa gotovo nemoguće, a da su brojevi o slučajevima zaraze besmisleni, donekle su potvrđeni u članku “Where The Latest COVID-19 Models Think We’re Headed – And Why They Disagree”, objavljenom posljednjeg dana svibnja, u kojem su prikazani modeli devet prominentnih američkih sveučilišta.

Kao što se moglo pretpostaviti, već u svakom pojedinom modelu raspon prognoze broja umrlih u Sjedinjenim Državama u lipnju je ogroman: primjerice, sveučilište Columbia prognozira broj umrlih 27. lipnja između 122 tisuće i 186 tisuće. Vjerojatno da će pogoditi, ali zar je to ta znanstvena preciznost? Mogu li s takvim rasponima uopće promašiti? To je mogao zaključiti bilo tko s ceste.

Prokletstvo

Spomenuti članak “Why It’s So Freaking Hard To Make A Good COVID-19 Model”, odnosno zašto je prokleto teško načiniti dobar model ove pandemije, počinje konstatacijom da prema količini podataka koja je prikupljena na prvi pogled to ne bi smio biti problem. U knjizi “Big Data” iz 2013. godine, Viktora Mayer-Schönbergera i Kennetha Cukiera, nova se tehnologija obrade velikih količina podataka predstavlja kao revolucija u odnosu na dotadašnju znanost koja analizira uzorke. Za big data metodu/tehnologiju, pišu Mayer-Schönberger i Cukier, kvaliteta je podataka sekundarna (u uzorku se podaci uvijek pripremaju) – važno je da ih je puno. A Sveti gral znanosti, otkrivanje uzroka i mehanizama, tu tehnologiju uopće i ne zanima, pišu dvojica autora. Izgleda, međutim, da velika količina podataka o pandemiji ipak nije dovoljna da se omogući pouzdano zaključivanje kako virus radi. Zašto?

Na početku članka konstruiran je jednostavni zdravorazumski model. Onda je ustanovljeno da su, unatoč golemoj količini podataka, ulazne varijable potpune nepoznanice. Kako bi se problemu doskočilo, u drugom su koraku dodane nove varijable, koje se potencijalno lakše mogu saznati i iz njih izračunati ove osnovne, no onda je konstatirano još jedno more nepoznanica. Onda je u nekoliko koraka konstruiran model koji, ne samo da je kompleksan, ne samo da faktori povratno utječu jedan na drugi, nego mnoge od njih nije moguće ni ustanoviti, barem ne u kratko vrijeme. Taj, potencijalno “konačni model”, uz osnovne varijable kao što su stopa smrtnosti, stopa zaraženosti, ranjivost populacije i brzina širenja virusa, ovisi i o bolničkom sustavu, broju respiratora, i kreveta u intenzivnoj njezi, broju testova, ponavljanju testova, imunitetu, demografskim karakteristikama populacije, trajanju infekcije, trajanju infekcije bez znakova zaraznosti, trajanju bolesti, broju kontakata, vrsti mjera izolacije i samoizolacije…

Tri razine

Stupanj zaraze, osnovna sastavnica svakog modela, još je nepoznanica

Prikupljanje mnogih od podataka “konačnog modela” zahtijeva višestruko dugotrajno ispitivanje i prebrojavanje, za nekolicinu njih potrebno je pri izboru metode prikupljanja zažmiriti na jedno oko (arbitrarnost izbora metode) i nadati se najboljemu, do mnogih se ne može gotovo uopće doći, neke se može naivno prikupiti, a da to uopće nisu ti, očekivani podaci nego neki drugi… Ispada da konstrukcija koliko-toliko pouzdanog modela Covid-19 pandemije može trajati duže nego pronalazak cjepiva.

Uglavnom, znanost se u pandemiji suočila s tri razine problema. Prvi je krajnja, suštinska, strukturna nepouzdanost podataka i neizbježna arbitrarnost pri njihovu prikupljanju. Drugi je problem što iz takvih podataka slijede potpuno nepouzdane analize, koje ne uspijeva ispraviti ni big data, unatoč tome što svojom glavnom prednošću predstavlja obradu “prljavih” podataka. Feyerabend takve analize uspoređuje s astrologijom. Treći je problem nemogućnost da se iz takvih podataka i takvih analiza konstruira uvjerljiva teorija (model). Još gore, moguće je konstruirati bezbroj tumačenja i teorija.

Tako je i u ranim grafovima tržišnog data analysta Tomasa Pueya, čiji su članci na Mediumu pročitani četrdesetak milijuna puta (podijelio ih je i slavni Steven Pinker) svatko vidio što je htio i iz njih izvodio strategije koje su mu odgovarale, jedni lockdown, drugi imunitet krda. Pueyo je stekao kratkotrajnu slavu, a njegovi su grafovi već u ropotarnici povijesti. Upravo je zbog svega toga FiveThirtyEight odustao od svojeg modela, koje u drugim slučajevima redovito proizvodi.

Problem

Dobri znanstvenici, naravno, znaju da će minimalno pouzdana slika izroniti tek nakon pandemije. No zasad, znanost je otkrila više što ne zna nego što zna. I tu počinje problem. Sastoji se u neusklađenosti ograničenja znanstvene metode i pozicije znanosti u društvenoj hijerarhiji. Očituje se u dva fenomena koja svi mogu zapaziti – da znanstvenici pogađaju ishode, kao u kladionici, i drugi, da dogmatski ističu nešto što je znanost “dokazala”, a zanemaruju sve ono što je otkrila da ne zna. Ne radi se, dakle, o tome da se znanosti i znanstvenicima zamjera što nešto nisu otkrili, nego u skrivanju neznanja, a kojim stječu poziciju u društvu i opravdavaju nade koje su u njih uložene (i novac).

Umjesto apstraktne rasprave, evo ilustracije. Uzmimo primjer pušača, koji se, uostalom, spominje u članku o nemoći konstrukcije suvislog modela. Čini se da su pušači izloženi većem riziku obolijevanja i podlijeganja virusu. Vrlo je vjerojatno da su uzrok tome oslabljena pluća, no možda je problem i to što pušači češće dodiruju lice (a pretpostavljalo se da se virus tako unosi u tijelo), ili je stvar u tome da se više druže, više jedni druge zapuhuju – sve logična i vidljiva objašnjenja. Postoji, međutim, mogućnost i da se radi o tome da su pušači češće muškarci, a muškarci su češće žrtve. Je li stvar u biologiji, ili ponovno u socijalnim karakteristikama muškaraca?

Loši, a uspješni znanstvenici

Loši znanstvenici zasut će vas uz ova pitanja serijom radova/istraživanja (najčešće selekcioniranom), koja “dokazuju” upravo ono što oni tvrde. Na toj točki znanost zahtijeva da joj se neupitno vjeruje. Naravno, loši znanstvenici mogu biti uspješni: loši su po tome što su skloni dogmi, što je protivno pretpostavljenoj prirodi znanosti, a ipak, čak možda upravo zato, uspješni u znanstvenoj hijerarhiji.

To je taj paradoks i Feyerabendov prijezir je tu uvjerljiv. Vrijedni znanstveni zaključci u osnovi su kolektivno postignuće, ali oni znanstvenici koji dobiju negativne rezultate, krenu slijepim ulicama, u hijerarhiji stoje lošije nego oni koji na njihov račun nabodu pozitivnu korelaciju. To je razlog skepse prema znanstvenoj hijerarhiji. Znanstvenik koji inzistira samo na pozitivnim tvrdnjama, otkrićima i dosezima, a previđa nepoznanice, loš je znanstvenik, ali tako stječe moć upravljanja.

Svi su modeli pogrešni

Nasuprot teroru znanstvenih “istina” kojima loši znanstvenici zasipaju javnost, diktiraju strategije suočavanja s virusom i zauzimaju svoju poziciju u hijerarhiji, FiveThirtyEight piše: Svi su modeli pogrešni! To, naravno, ne znači da su bezvrijedni; radi se o tome da ih se vremenom čini što manje pogrešnima. Ključna je ovdje riječ “vremenom”.

Atraktivni graf Čekić i ples, koji je konstruirao Silicon Valley poduzetnik Tomas Pueyo pomalo pada u zaborav

Postoji nekolicina objektivnih (znanstvenih) ograničenja zašto je početni model neizbježno krivi, i to uglavnom jako krivi, zašto su prvi rezultati ispitivanja nepouzdani. Jednim se ispitivanjem, primjerice, ne može nedvojbeno ustanoviti u kojoj je fazi pandemije ispitivanje provedeno, zbog čega je svaki zaključak analogan pokušaju da se smjer odredi na temelju jedne točke. FiveThirtyEight podsjeća na superspreaders events, događaje na kojima se zarazio ogroman broj ljudi – pretpostavlja se da je to bila neka nogometna utakmica u Bergamu, 538 spominje jednu znanstvenu konferenciju, a u Hrvatskoj je poznato ono okupljanje oko povratnika iz bolnice na Braču na kojem se zarazilo 37 ljudi. Jedno, pa čak ni samo nekoliko ispitivanja penetracije virusa u populaciji, ni kraće vrijeme kontinuiranog testiranja, bilo da se testiraju samo simptomatični, ili svi koji se jave, ne daju dovoljno podataka za zaključke. Ne čudi što se praktički istodobno pojavljuju teorije prema kojima je virus među nama (u pojedinim dijelovima svijeta) već odavno, iz prošle godine, kao i tvrdnje da se u nekim dijelovima Amerike raširio nakon i unatoč prekidu letova iz Kine, i da je došao iz Europe.

Pogađanje ishoda

Ne postoji jedan stupanj ubojitosti virusa (fatality rate), piše FiveThirtyEight. U zajednici u kojoj je više dijabetičara i manje mladih, stupanj ubojitosti drukčiji je nego u zajednici u kojoj je više domaćica. Demografija zajednice i “demografija virusa” razlikuju se, a to što su u različitim skupinama različite zaraznost i ubojitost virusa također je prepreka izvođenju zaključaka iz malog broja ispitivanja.

Znanstvenici koji su se upustili u tobožnje prognoziranje razvoja zaraze i broja umrlih, ustvari su ishode pogađali kao na ruletu, bez znanstvenog temelja. Uz prethodno spomenutu selekciju samo pozitivnih tvrdnji i njihovo predstavljanje kao neupitnih istina (znanost je dokazala!) drugo je iznevjeravanje prirode znanosti, te pogađanje ishoda, ponovno radi zauzimanja pozicije u hijerarhiji.

Čista i očigledna zloupotreba ograničenja znanstvene metode: pogađa se (nagađa se), jer se ne može znati, s predumišljajem i sviješću da se ne može znati! Onda, kad se promaši, a najčešće se promaši, pokušava se prešutjeti ili se izvlače opravdanja da su naknadno pristigli novi podaci. I tu je kvaka.

Znanost i religija

Ovo, dakle, nije bio članak o tome je li bolji lockdown, ili imunitet krda, je li koronavirus “malo jača gripa” ili kuga 21. stoljeća. Stvar je u tome da se bolji pristup zarazi (još) ne može ustanoviti. Niti se ovdje raspravlja o cjenkanju i moraliziranju sa žrtvama: video koji je 538 objavio pod naslovom “Staying Home Saves Lives. Could It Also Protect The Economy?” podsjeća da ekonomisti ustvari neprestano procjenjuju novčani ekvivalent ljudskog života – kad se u javnim politikama kalkuliraju troškovi i benefiti sanitarnih uvjeta, sigurnosti hrane, mjera zaštite, zagađenja i slično.

Snježana Prijić Samaržija – moralni kriteriji prosuđivanja znanosti

Dakle, kad se lockdown zagovara tvrdnjom da “ljudski život nema cijenu”, onda taj argument u slučaju političara ne drži (ponavljam, da ne zagovaram ni lockdown ni brzi imunitet krda, samo prikazujem ograničenost argumenata tih dviju strana i mnogih drugih koji su se u pandemiji javili).

Ne radi se, dakle, o moraliziranju nad žrtvama, nego o dobrom ukusu. Nije problem u inherentnim ograničenjima znanosti (i tehnologije), nego o prigrabljenom monopolu i štetnoj aroganciji. Nastojanje znanstvenika da u vrijeme pandemije demonstriraju moć, da se natječu koji je pogodio, svjedoči o moralnoj deformaciji koja se dogodila tijekom medijske promocije znanstvenika u status estradnih zvijezda i uspona na socijalni pijedestal. Trenutak je izbora – hoće li znanost iskoristiti pandemiju da demonstrira nedodirljivost i neupitnost, što ustvari znači preuzimanje religijskih obrazaca.

Odvjetnici uvijek iznova pokazuju da eksperti ne znaju o čemu govore, piše Feyerabend u članku “The Myth of Science” iz 1975. godine, u kojem nastoji pokazati da znanstvenici nisu obdareni nikakvim specijalnim moćima, a da mjesto znanosti u društvu treba biti “skromnije”. Pozicija eksperata u demokraciji istraživački je fokus rektorice Riječkog sveučilišta Snježane Prijić Samaržije. Zaključak njezine knjige “Democracy and Truth” ovdje se ukratko može svesti na preporuku da se, uz dužno poštovanje prema njihovim stručnim dosezima, znanost i znanstvenici počnu ocjenjivati prema moralnim kriterijima, prema tome koliko su savjesni, odgovorni, koliko poštuju drukčije mišljenje. Upravo zato što društvo od znanosti toliko očekuje, kao što pokazuje suočavanje s koronakrizom.


Faktor reprodukcije R, povratni efekti, cirkularnost

Famozni faktor reprodukcije R (broj osoba koje zaražena osoba zarazi), pri početku je pandemije u javnosti figurirao kao neki stručni termin kojim znanstvenici suvereno vladaju, čija vrijednost nije precizno poznata, ali je samo pitanje trenutka da se približno ustanovi, te da se iz njega, zajedno s ostalim pokazateljima, konstruira model prema kojem će se moći planirati buduće aktivnosti, ne samo što se tiče suzbijanja pandemije, nego i u društvu, u ekonomiji itd.

Dakako, faktor reprodukcije koronavirusa nije konstatiran jer – ne postoji, objašnjava FiveThirtyEight. Banalan je zaključak da je R različit u sredinama s različitim običajima (Mediteran vs Baltik). Faktor reprodukcije ovisi i o tome koliko traje zaraznost pojedine osobe. Dodatni je problem zaraznost bez simptoma, mogućnost da prenošenje zaraze kod različitih osoba nije ista, da različiti sojevi virusa imaju različitu ubojitost i zaraznost. Faktor se reprodukcije, dakle, ne može naprosto ustanoviti iz dva ispitivanja brzine širenja zaraze. Premalo je jednadžbi s previše nepoznanica.

No ono što je najvažnije, to su povratni efekti: faktor reprodukcije R, koji se nekako sve manje spominje, ovisi i o “povratnim efektima”: mijenja se u ovisnosti razvoja situacije, u ovisnosti o aktivnostima koje se poduzmu (lockdown) ili o psihološkim efektima informacija ili propagande. Mehanizam vrijedi prikazati zato što je sličan problemima u drugim znanostima, recimo ekonomiji.

Problem s faktorom reprodukcije R analogan je s idejom o brzini širenja novca: u kvantitativnoj teoriji novca pretpostavlja se da cijene ovise o količini novca u optjecaju. S više novca, cijene će biti više. Naravno, ako novac brže kola, onda će utjecaj na cijene biti isti kao da ga ima više. Jedino, ne može se ustanoviti koliko brzo novac kola, ni koliko ga ima, nego se obratno, može tek nakon što se ustanovi promjena razine cijena i količina novca pokušati izračunati brzina kolanja novca. Projekcija budućeg kretanja cijena na temelju tako ustanovljene brzine kolanja i pretpostavljene količine novca, zanemaruje povratne efekte – povećanje ili smanjenje brzine kolanja novca zbog toga što građani ili monetarne vlasti reagiraju na rast ili pad cijena.

Jednako tako, faktor reprodukcije mijenja se u vremenu, ali ne samo iz epidemioloških razloga, na čemu se temelji model imuniteta krda, koji pretpostavlja postupni pad faktora reprodukcije kako se više ljudi zarazi, nego i iz psiholoških razloga – ljudi se prestanu družiti (pa se ponovno počnu družiti, pa opet prestanu), kao i iz političkih razloga – jednostavno se ljudima onemogući da se druže (lockdown). Cirkularnost s kojom se suočava znanstvena metoda u pandemiji karakteristična je i za druge znanosti. To je još jedan od razloga zašto je “prokleto teško konstruirati model epidemije koronavirusa” koji bi se učinkovito i pouzdano primijenio u njezinu suzbijanju, piše FiveThirtyEight.

Podijeli:

 

Vezane objave