Modeller ve Toplum: Bir Manifesto Hikayesi

Salgın politikaları, tahminlerin nasıl şeffaf ve mütevazı olunması gerektiğini vurgular. Ancak COVID-19 salgını, tüm dünyada normalleşme süreciyle birlikte yönetimlerde aciliyet, riskler, değerler ve belirsizlikler eksenine giren bilimin işleyişinin nasıl değiştiğini göstermiştir. Koronavirüs pandemisinden önce istatistikçiler, özellikle politikayı etkileyebilecek yanlış uygulamaların nasıl önleneceğini tartışıyordu. Şimdi ise bilgisayar modellemeleri ile dikkat çeken politikacıların politikaları, bilim tarafından dikte edildiği gibi sunuluyor. Yine de araştırmacıların kesin ve güvenilir veriler sunabildiğine şüpheyle bakılmaktadır. Çünkü bilinen bilinmeyenler; popülasyonlardaki virüsün yaygınlığını, ölümcüllüğünü ve üreme oranlarını içerir ve asemptomatik enfeksiyonların sayısı hakkında çok az tahmin vardır ki, bunlar oldukça değişkendir. Enfeksiyonların mevsimselliği ile bağışıklığın nasıl çalıştığı hakkında ise çok daha az şey biliyoruz ve çeşitli, karmaşık toplumlarda sosyal mesafeli müdahalelerin etkisinden hiç bahsetmiyoruz.

Matematiksel modeller, çeşitli senaryolarda gelecekteki enfeksiyonları, hastaneye yatışları ve ölümleri tahmin eden oldukça belirsiz sayılar üretir. Tahminlerin siyasi bir amaca yardımcı olmamasını sağlamak için modelciler, karar vericiler ve vatandaşların sosyal normlar oluşturmaları gerekir. Bu önemlidir, çünkü uygun şekilde kullanıldığında modeller topluma son derece iyi hizmet eder: belki de en iyi bilinenleri hava tahmininde kullanılanlardır. Bu modeller, milyonlarca tahmin test edilerek geliştirilmiştir. Toplumun modellemeden ihtiyaç duyduğu kaliteyi talep etmesine yardımcı olmak için beş basit ilkede bütünleşen bir manifesto örneği; matematiksel modelleme uygulamalarında, aşağıdaki gibi sunulabilir:

Belirsizliğe Dikkat Edin

Belirsizliği ve duyarlılığı değerlendirin. Modeller genellikle başka uygulamalardan içe aktarılır ve makul olan ama saçma varsayımlar modelde göz ardı edilir. Örneğin nükleer risk için çalışan modeller sismik riski yeterince değerlendirmeyebilir. Ayrıca modellerde güvenilir olmayan bilgiler de değerlendirmeye alınabilir. Örneğin, üç yıl boyunca her arabada seyahat edecek yolcu sayısı için bir tahmin yapılabilir fakat Birleşik Krallık’ta yolcu taşıma politikasını yönlendiren bir model yoktur.

Bu sorunları azaltmanın bir yolu küresel belirsizlik ve duyarlılık analizleri yapmaktır. Pratikte, modelin çalışmalarından elde edilen tahminler üretildikçe, bu durumda belirsiz olan her şeyin de -değişkenler, matematiksel ilişkiler ve sınır koşulları- aynı anda değişmesine izin vermek anlamına gelir. Örneğin gelecekteki ürünler için ne kadar arazinin sulanacağına dair tahminlerde, gelecekteki nüfus büyüme oranlarına sulamanın yayılmasına ilişkin belirsizlikler entegre edildiğinde, mevcut modellerin; alanlar ve matematiksel ilişki bakımından beş kattan fazla değiştiği gösterilmektedir. Bu yüzden, küresel belirsizlik ve duyarlılık analizleri genellikle yapılmamaktadır. Kişilerin farkındalığı görmesi için herhangi bir modele yönelen herkes, bu tür analizlerin yapılmasını talep etmeli, sonuçları yeterince açıklanmalı ve erişilebilir kılınmalıdır.

Karmaşıklığa Dikkat Edin

Karmaşıklık, ilginin düşmanı olduğunu bilin. Çoğu modelci, bir modelin kullanışlılığı ile yakalamaya çalıştığı genişlik arasında geçirgenlik olduğunun farkındadır. Ancak birçoğu, gerçeği daha doğru bir şekilde yakalamak için modele karmaşıklık ekleme fikrini onaylıyor. Örneğin bir modelci bir modele daha fazla olgu ekledikçe, o modelin eğitim verileri uygun olabilir, ancak elde edilen tahminler genellikle daha az doğru olur. Daha fazla parametre eklendiğinde, belirsizlik artar ve hata, vaziyet tahminlerin işe yaramayacağı noktaya kadar ulaşabilir.

Bir modelin karmaşıklığı, her zaman önemli özellikleri iyi yakaladığının göstergesi değildir. Karmaşıklığın en uç örneklerinden biri, Yucca Dağı veri havuzundaki radyoaktif atıkların bertaraf riskini değerlendirmek için ABD Enerji Bakanlığı tarafından kullanılan bir modeldir. Toplam sistem performansı değerlendirmesi olarak adlandırılan bu sistem, binlerce parametreli 286 alt modelden oluşuyordu. Modeli hazırlayanlar bunu “bir milyon yıl” boyunca güvenli sonuç vereceğini öngörmekteydi. Oysa tek bir anahtar değişken -yeraltı depo seviyesine kadar süzülmesini için su için gereken zaman- modelin boyutunu belirsizleştirdi. Sonuçta karmaşıklık, genellikle kendi içinde hatalı optimum dengeyi bulmak için bir amaç olarak görülmelidir.

Çerçeveye Dikkat Edin

Amacı ve bağlamı eşleştirin. Modellerden elde edilen sonuçlar en azından kısmen geliştiricilerin çıkarlarını, yönelimlerini ve önyargılarını yansıtacaktır. Hiçbir model her amaca hizmet edemez. Modelciler, araç seçiminin analizin sonucunu etkileyeceğini biliyorlar. Örneğin kıyı erozyonunun GENESIS modeli, ABD Ordusu Mühendisler Birliği tarafından, plaj koruma projeleri için maliyet-fayda değerlendirmelerini desteklemek amacıyla kullanılmıştır. Maliyet-fayda modeli, dalgalarla plaj erozyonu mekanizmalarını ve insan müdahalesi ile plaj bütünlüğünün etkin kullanımını gerçekçi bir şekilde tahmin edememiştir. Bunun sebebi bazı mühendislerin, projelerinin yararlı olacağına dair kanıtları kolayca manipüle etmeleriydi. Oysa daha adil bir değerlendirme yapılsaydı, erozyon süreçlerinde aşırı fırtına olaylarının baskın olduğu düşünülecekti.

Kaliteyi değerlendirmek için yaklaşımlara, şeffaflığa yönelik ortak bir bağlılık eşlik etmelidir. Tartışmasız kesinlik vaat eden terimlere örnek olarak şunlar verilebilir: maliyet-fayda, beklenen fayda, karar teorisi, yaşam döngüsü değerlendirmesi, ekosistem hizmetleri ve kanıta dayalı politika. Bu terimlerin yanında önemli olan bir dizi değer de varsayılabilir -sürdürülebilirlik, verimlilik veya karlılık. Bu yüzden modelciler seçimlerinin normatif değerlerini gizlememelidir. Modellerin politik eğilimler de dahil olmak üzere varsayımlarını gizlemesini önlemenin en iyi yolu bir dizi sosyal normdur. Bunlar bir modelin nasıl üretileceğini, belirsizliğinin nasıl değerlendirileceğini ve sonuçların nasıl iletileceğini kapsamalıdır. Bunun için uluslararası yönergeler hazırlanmıştır. Bir model yeni paydaşlarla yeni bir uygulama için kullanıldığında, yeniden doğrulanmalıdır. Zira bulaşıcı hastalık modellemesi için mevcut yönergeler bu endişeleri yansıtmaktadır. Modelin sadeleştirilmiş, basit dil sürümleri çok önemli olabilir. Bir model uygulamaya alındığında, onu kullananlar ayrı parametreleri ve aralarındaki ilişkileri değerlendirmek için tepki verebilmelidir.

Sonuçlara Dikkat Edin

Niceleme geri tepebilir. Sayı üretmeye aşırı saygı duymak, bir disiplini kabaca doğru olmaktan tam olarak yanlış olmaya doğru itebilir. İstatistiksel testlerin ayrım gözetmeyen kullanımı, sağlam yargıların yerini alabilir. Riskli finansal ürünlerin güvenli görünmesine yardımcı olarak modeller, 2007-2008’de küresel ekonominin rayından çıkmasına katkıda bulunmuştu. Bir sayı, net bir anlatımla merkezde sahne aldığında, diğer olası açıklamalar ve tahminler gözden kaybolur. Bu durum, diğer seçenekleri marjinalleştirdiği için niceliğin siyasallaşmasına sebep olur.

COVID-19 durumunda, modelciler Birleşik Krallık’ta salgını hafifletmek için herhangi bir adım atılmazsa 510.000 ölümlü vakanın görüleceğini söylediklerinde, sadece bir parametreye dayanan modellerde yürütülen sınırlı analiz bile 410.000-550.000 ölümlü vaka aralığını ortaya koymaktaydı. Benzer şekilde, Dünya Sağlık Örgütü Afrika için 190.000’e kadar ölümlü vakayı tahmin ederken, on adet belirsiz girdi olasılığının teorik veya ampirik bir temel olmaksızın sayıyı %10 keyfi olarak artırdığı, spekülatif bir senaryoya karşılık gelir. Düşünce deneyleri yararlı olmasına rağmen, bunlar tahmin olarak ele alınmamalıdır. Belirsizlik konusundaki opaklık güveni zedeler. Sayıların yararlı olabilmesi için güvenin çok önemli olduğu bilinmelidir.

Bilinmeyenlere Dikkat Edin

Cehaleti kabul edin. Batı felsefesi tarihinin çoğunda, cehaletin öz farkındalığı, entelektüel arayışın değerli nesnesi olan bir erdem olarak kabul edilirdi -on beşinci yüzyıl filozofu Nicholas’ın öğrenilmiş cehalet veya doktora cehaleti. Bugün bile, bilinmeyenleri iletmek en azından bilineni iletmek kadar önemlidir. Yine de modeller cehaleti gizleyebilir.

Bunu kabul etmemek, politika seçeneklerini yapay olarak sınırlayabilir ve istenmeyen sürprizlere kapı açabilir. Örneğin ABD hükümet epidemiyoloğu Anthony Fauci’nin bir politikacı tarafından incelenirken yaptığı gibi, “sorunuzun cevabı yok” diye cevap verme cesaretine sahip olunmalıdır.

Cevaplanmayan Sorular

Matematiksel modeller soruları keşfetmenin harika bir yoludur. Aynı zamanda cevap vermenin tehlikeli bir yoludur. Modellerden kesinlik veya fikir birliği istemek, tartışmalı karar vermede bir tercih noktasıdır. Modellerin varsayımları ve sınırlamaları açık ve dürüst bir şekilde değerlendirilmelidir. Süreç ve etik değerler, entelektüel yetenek kadar önemlidir. İyi modellemenin sadece modelciler tarafından yapılamayacağı anlaşılmalıdır: bu bir sosyal faaliyettir. Statactivistes Fransız hareketi, yoksulluk ve eşitsizliklerin miktarının ölçülmesi gibi örnekler; sayıların sayılarla nasıl savaşabileceğini göstermiştir. ABD merkezli mühendis-girişimci Tomás Pueyo, modeller ve toplum arasındaki ilişki üzerine bir tür toplumsal aktivizm sunmaktadır. Bir epidemiyolog değildir, ancak COVID-19 modelleri hakkında yazmaktadır ve düz dilde politika seçeneklerindeki belirsizliklerin etkilerini açıklamaktadır.

Bu beş noktayı takip etmek, matematiksel modellemeyi değerli bir araç olarak korumaya yardımcı olacaktır. Her biri, model çıktılarının güçlü yönlerini ve sınırlarını belirleme konusundaki genel hedefe katkıda bulunur. Bunları görmezden gelmek; model tahminlerini Truva atı haline getirir. Modelleme, sorumluluk bilinci gerektirir.

Hazırlayan: Taner Güler

İleri Okuma:

Nature 582, 482-484 (2020)

Kaynaklar:

• Mayo, D. G. Statistical Inference as Severe Testing (Cambridge Univ. Press, 2018).
• Devlin, H. & Boseley, S. ‘Scientists criticise UK government’s ‘following the science’ claim’ (The Guardian, 23 April 2020).
• Stirling, A. ‘How politics closes down uncertainty’. Available at https://go.nature.com/3kjvutz.
• Behrend, M. R. et al. PLoS Negl. Trop. Dis. 14, e0008033 (2020).
• Kay, J. A. & King, M. A. Radical Uncertainty: Decision-making Beyond the Numbers (W. W. Norton & Company, 2020).
• Puy, A., Lo Piano, S. & Saltelli, A. Geophys. Res. Lett. 47, e2020GL087360 (2020).
• Sarewitz, D., Pielke, R. A. & Byerly, R. Prediction: Science, Decision Making, and the Future of Nature (Island Press, 2000).
• Porter, T. M. Trust in Numbers: The Pursuit of Objectivity in Science and Public Life (Princeton Univ. Press, 1996).
• Ferguson, N. M. et al. Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare demand (Imperial College London, 2020).
• Espeland, W. N. & Stevens, M. L. Eur. J. Sociol. 49, 401–436 (2008).
• Bruno, I., Didier, E. & Vitale, T. Partecipazione e Conflitto 7, 198–220 (2014).