Mi ha colpito la lettura di un articolo e di un libro sui cosiddetti Big Data, cioè la gestione di enormi masse di dati. Sono turbato dall’idea, da loro propugnata, che questa nuova tecnologia possa stravolgere il concetto stesso di scienza. Propongono il passaggio dalla scienza attuale, dedicata al perché, a una scienza centrata sul cosa. Dedicherò il prossimo post alla loro inquietante pretesa, in questo voglio fare il punto sul concetto attuale di scienza. Non essendo né un epistemologo né uno storico, conto sulle correzioni e integrazioni dei lettori.
Davvero la scienza attuale è dedicata a fornire dei perché? Direi piuttosto che si limita a cercare dei come. È semmai la “filosofia naturale”, quella che precede Roger Bacon, Galileo Galilei, Isaac Newton, che si chiede il perché dei fenomeni, anche se poi pare accontentarsi dell’autorità di Aristotele o di atti di fede.
Il Dialogo sopra i due massimi sistemi di Galileo lo testimonia bene. L’avvento di modelli matematici preferisce dare una descrizione piuttosto che una ragione. Pensiamo, per esempio, alla legge di gravitazione di Newton: dati due pezzi di materia, fra di loro c’è una forza (gravitazionale) proporzionale al prodotto delle loro masse e inversamente proporzionale al quadrato della loro distanza. Certo, c’è l’importantissima novità che la gravità dipende dalla presenza di materia; c’è la scandalosa novità di un’azione a distanza. Soprattutto abbiamo una descrizione accurata di come questa forza funzioni. Ma perché la materia crea questa forza? Newton non ce lo dice. Occorrerà attendere la relatività generale: la materia produce gravità perché distorce lo spazio-tempo. Già, ma abbiamo solo spostato il problema! Infatti anche Einstein non pretende di dirci perché la materia lo faccia ma solo come, in un modo estremamente preciso.
Fatemi chiamare “galileiana” l’impostazione moderna, contrapposta a quella “rinascimentale”. Lo scienziato galileiano vince sul piano pragmatico: le sue leggi sono più semplici, le sue previsioni sono più accurate di quelle del filosofo rinascimentale. Tuttavia quest’ultimo non ne è persuaso: il laboratorio del collega galileiano gli appare lontano dall’osservazione diretta, le sue leggi fisiche contrastano con l’esperienza comune, i suoi esperimenti sembrano una violenza sulla natura. Manca un perché, anche se il come produce risultati formidabili, fino alle rivoluzioni industriali e al nostro mondo tecnologico, nel bene e nel male.
Raccomando caldamente di vedere una meravigliosa intervista a Richard Feynman, premio Nobel per la Fisica (in inglese con didascalie in italiano). L’intervistatore chiede perché due calamite si comportino come fanno, lo domanda in modo “rinascimentale”: qual è il feeling fra di loro? Feynman esita, l’intervistatore s’indispettisce: non è una domanda ragionevole? È un’eccellente domanda, risponde Feynman, ma che cosa significa perché? Feynman riprenderà (in modo esemplare) la questione delle calamite, ma si sofferma proprio sull’esistenza di molti (infiniti?) livelli di spiegazione. La zia Minny è all’ospedale. Perché? Perché è scivolata sul ghiaccio e si è rotta un’anca. Per molti è una spiegazione soddisfacente. Ma ci si potrebbe chiedere: perché si scivola sul ghiaccio? Si apre una matrioska di spiegazioni che portano ad altre domande, altre spiegazioni, fino al comportamento delle molecole d’acqua e della gravità.
La nostra scienza non dà dei perché definitivi, non è il suo obiettivo. Semmai, ha la pretesa di darci dei modelli di come funzionano le cose; ci dà comunque una forma di conoscenza, anche se non è quella che avrebbe voluto il filosofo rinascimentale. L’artigliere galileiano non solo colpisce meglio il bersaglio, ha anche un’idea di come questo avviene e sinceramente se ne frega se non ha la conoscenza profonda della palla di cannone che vorrebbe il filosofo rinascimentale.
Butto lì un’allegoria. Cosa significa conoscere una città? Ovviamente un modo è girare per le sue strade, sperimentare odori, suoni, colori. Un altro modo è conoscerne una mappa dettagliata. Da rinascimentale, preferisco la prima forma di conoscenza, ma se volessi da galileiano pianificare dei percorsi o progettare un piano urbanistico preferirei la mappa. Gli scienziati dei Big Data vogliono andare oltre: né una conoscenza diretta, né un modello descrittivo; a loro interessano correlazioni anche senza un rapporto di causa-effetto. A loro non interessa né perché né come; a loro interessa cosa. Ne parlo nel prossimo post.
[continua…]