ADAM RUTHERFORD: Ve skutečnosti mluvíme o vědeckých modelech téměř o každém jednotlivém programu. Posluchač Jim Hay napsal a položil tuto velmi jednoduchou otázku: Zajímalo by mě, jestli byste mohl vysvětlit, co je to model? Tento termín se ve vědeckých programech BBC používá tak často, že jsem ho nechal proklouznout kolem mě, ale faktem je, že nevím, co to znamená přesně, když vědec říká, že vytvořili model. Nedávno jsem získal moderní, velmi velkou učebnici fyziky na úrovni A a všiml jsem si, že v indexu se neobjevuje ani model, ani modelování.

Děkuji, Jime, protože je to hodná připomínka, že věda může být technická, a musíte nám říct, když mluvíme žargon. Na nejzákladnější úrovni je model způsob, jak brát data a měření ze skutečného světa a simulovat, co se stane, když s nimi budeme hrát: kolik srážek, tok řek, takové věci. Je to způsob, jak zjednodušit chaos fyzického světa v počítači, abychom se mohli pokusit předpovědět, co se může stát ve skutečném světě. Simulace můžete spustit tisíckrát, každá s velmi jemnými změnami, abyste zjistili, co se stane.

Když se Jim zeptal na tuto otázku, uvědomili jsme si, že většinu týdnů mluvíme o nějaké nové vědě, která tímto způsobem využívá modely. Za posledních čtrnáct dní jsme měli vývoj DNA starodávných farmářů, roztavili jsme antarktické ledové příkrovy a dnes máme v Cumbrii modelování povodní Nicka Reynarda. Požádali jsme tedy několik našich hostů, aby nám řekli, co mají na mysli, když používají vědecké modely. Andrew Ponson a Carole Haswell mi řekli, jaké modely jsou pro astrofyziky.

ANDREW PONSON: Řekl bych, že model je soubor nápadů, které máme kolem toho, jak funguje nějaký specifický aspekt přírody. A normálně, když tomu říkáme model, pravděpodobně myslíme, že je to na určité úrovni nezávazné. Nesnažíme se tedy tvrdit, že jsme shrnuli vše o tom, jak ta konkrétní věc funguje.

ADAM RUTHERFORD: Co by byla teorie nebo zákon?

ANDREW PONSON: Přesně! Snažíme se budit určitý dojem, že jsme ještě neshromáždili všechno o tomto konkrétním aspektu přírody, ale máme nějakou pracovní sadu nápadů, které používáme k vytváření testů, které pak můžeme jít a porovnat s realitou.

ADAM RUTHERFORD: A z praktického hlediska, jako astronom, Carol, jak modelujete věci?

CAROLE HASWELL: Byl jsem vlastně docela starý jako vědec, když jsem přečtěte si něco, co jeden z mých kolegů napsal v jednom z našich kurzů fyziky, a on napsal, že podstatou toho, že je fyzik, je vědět, jaké aproximace udělat. A tak kdykoli se snažíme něčemu porozumět, musíte dráždit, jaké jsou důležité věci, které to ovlivňují. Protože nemůžete doufat, že vytvoříte repliku celého vesmíru, protože byste k tomu potřebovali celý vesmír a ničím byste tím nezískali. Co tedy musíte udělat, je zjistit, jaké jsou opravdu důležité klíčové věci, které byste si možná mohli napsat na nějakou jednoduchou matematiku a pracovat s nimi a vytvářet nějaké postřehy.

Takže jde o tento druh matematické definice podstaty věcí, s nimiž pak můžete ztělesnit počítačový kód. Takže můžete dát systém jednoduchých rovnic nebo snad docela složitých rovnic do počítačového programu a poté můžete program nastavit tak, aby sledoval souhru různých faktorů, které jste dráždili jako důležité. Například pokud jste se pokoušeli pochopit, jak se pohybují planety ve sluneční soustavě, pak byste museli uvést matematický popis gravitace, a pak byste mohli nastavit chod sluneční soustavy a sledovat pohyb věcí. A nebudete muset popisovat celou autonomní fyziku, která vám dává strukturu každé jednotlivé planety. Pro váš model sluneční soustavy můžete mít poměrně jednoduchý popis gravitace, a to by stačilo na to, na co se snažíte podívat.

ADAM RUTHERFORD: Je to tedy způsob zapojení více pozorování a poté předpovědi o tom, co se stane na základě toho, co jsme již viděli?

CAROLE HASWELL: No, je to způsob, jak pomocí toho, co jste pozorovali, zjistit, co je podle vás nejdůležitější věci, které řídí chování. A pak nastavit něco, co zapouzdří to, co považujete za důležité, abyste zjistili, zda to skutečně reprodukuje to, co pozorujete.

ADAM RUTHERFORD: Tyto typy modelů se používají ve všech oblastech vědy. Zde je vědec ochrany přírody RSPB Paul Donald o tom, jak mu simulace mohou pomoci porozumět chování ptáků.

PAUL DONALD: Model je pro mě vzorec, který mi pomáhá vysvětlit variace v něčem, co mě zajímá. dám vám příklad.Řekněme, že se zajímám o konkrétní druh ptáků, řekněme například skylarky, a jdu ven a sbírám údaje o počtu skylarků v řekněme stovce polí v jižní Anglii. A určitě bych zjistil, že počet skylarků se mezi různými poli liší. Některá pole budou mít velmi málo ptáků, možná vůbec žádné; na jiných polích může být spousta ptáků. Zajímalo by mě tedy, proč některá pole mají v sobě více skřivanů než jiná, a proto bych se na to podíval pomocí modelu.

Takže, co bych udělal, když jsem byl venku sbírat své počty skylarks, je, že bych také změřil celou řadu dalších věcí, o kterých si myslím, že by mohly vysvětlit rozdíly v počtu skylarků. Shromažďoval bych tedy například údaje o tom, jaký typ plodiny byl v terénu, protože je zcela možné, že se mu líbí určité druhy plodin než ostatním. Shromáždil bych údaje o velikosti pole. Mohl bych sbírat údaje o krytu živého plotu, počtu stromů v okolí, všemožných věcech, které by to mohly vysvětlit.

To, co by model udělal, je, že by mi umožnilo identifikovat, kdo z těch předpovídá skylark čísla a která ne. Takže pokud to nastavíme takto. Uvidíte, že zde máme tento první sloupec. Toto je můj sloupec počtů skylarků. Pro každé pole mám počet a poté pro každé pole mám hodnotu velikosti pole. Mám to, co byla plodina, jaká byla plodina v předchozím roce, typ půdy, řada živých plotů a tak a tak a tak a tak. Takže to, co teď chci udělat, je, že to chci dát do modelu, do softwaru a požádat o identifikaci, který z těchto prediktorů nebo vysvětlujících proměnných, jak jim říkáme, nejlépe vysvětlí variaci mých čísel.

Takže pokud klikneme na toto tlačítko, které ho odešle do programu, a dáme mu pár sekund na spuštění – tady to je. Takže model běžel, a když ho otevřu, dobře, takže to, co mi to tady ukazuje, je zde, můžete vidět, že mi to ukazuje, že velikost pole má pozitivní vliv na nebeské počty. Čím větší je velikost pole, tím více skylarků je. A také mi to ukazuje, že ve skutečnosti existuje druh plodiny. Ukazuje mi to, že jarní obiloviny zde mají více skřivanů než zimní obiloviny, a že tento účinek je navíc k účinku typu plodiny. A jsou zde i různé další sloupce se všemi ostatními daty. Co tedy mohu udělat, je, že nyní mohu tento model vylepšit, a to mi dá velmi dobrou představu o tom, proč se počet skylarků, to, co mě zajímá, liší mezi různými poli.

Takže skutečná dovednost je svým způsobem s těmito věcmi ve výkladu. Tento model tedy ukazuje, že pro proměnné, které jsem do něj vložil, některé z nich významně předpovídají nebeské počty a jiné ne, ale nemohou předpovídat věci, které jsem nezadal. Co když, například Nejdůležitější věcí, která určuje čísla Skylarků, není žádná z věcí, které jsem měřil? Možná je to něco jiného. Možná je to počasí nebo sklon pole nebo půdní typ, nebo něco takového. Něco, co jsem vůbec neměřil. Model je tedy v zásadě špatný, protože jsem neměřil tu věc, která je nejdůležitějším činitelem počtu obyvatel Skylarku. Stále se může stát, že věci, které jsem změřil, částečně určují ohromující čísla, ale skutečná věc, kterou jsem vůbec neměřil. V ekologii tedy existuje jakási standardní věc, která říká, že všechny modely jsou špatné, ale některé z nich jsou užitečné.

Toto je jediná metoda, takže pokud mě zajímá jen jedna věc, vztah mezi například čísla a velikost pole, mohl bych je jednoduše vykreslit a zjistit, jestli se velikost pole zvětšuje, čísla se zvětšují. Ale můžete to udělat jen pro jednu věc najednou. Nemohu se dívat na všechny tyto různé proměnné současně, a to mi model umožňuje. A je to naprosto základní nástroj v ekologii a ochraně přírody, je tento způsob analýzy dat.

Modelování nikdy ve skutečnosti neuspěje. Pokud víte, co dělá matematický vzorec, je svým způsobem neomylný. Selže, pokud neměříte správné věci nebo je interpretujete špatně. Mohu vám dát příklad. Řekněme, že můj model zde na obrazovce ukazuje, že ve větších polích získáte více skylarků. Možná tedy odejdu a řeknu OK, odpovědí na tento problém úpadku skylarků je, že musíme všechna naše pole zvětšit, ale co když si vyberou pouze velká pole, ne proto, že jsou velká, ale protože vidí přicházející predátory například z dálky. Není to tedy velikost pole, na které ptáci reagují? Je to, jak dobře vidí dravce, a to je důležitá věc, která určuje čísla.

Může se tedy stát, že byste pro skylarky mohli udělat více, možná tím, že snížíte hranice polí, takže pole vypadají větší pro ptáky.Takže musíte být velmi opatrní, jak interpretujete výstupy těchto modelů.

ADAM RUTHERFORD: Paul Donald. To je tedy důležité: všechny modely se mýlí. Jsou to simulace, ale některé jsou velmi užitečné. Zpět k povodním v Cumbrii, které simuloval hydrolog Nick Reynard. Nicku, jak nám modelování pomáhá porozumět těmto extrémním povětrnostním událostem?

NICK REYNARD: Dobře, takže v ideálním případě bychom samozřejmě měli data absolutně všude, abychom pochopili, co se děje v říčním systému a se srážkami po celou dobu všude. To nemůžeme mít, není to praktické a je to příliš drahé, takže musíme být schopni zaplnit mezery. A k tomu používáme modely. Vyplňujeme tedy mezery v prostoru a v čase zpracováním toho, jak se srážky pohybují krajinou do řek a nakonec do moří, a modely jsou pouze počítačové simulace toho, jak se tato voda pohybuje, abychom mohli skutečně pochopit, kde vysoké a nízké toky se vyskytují kdekoli v kraji nebo dokonce v celé Evropě nebo na celém světě. To je to, k čemu používáme modely, a to nám právě teď pomáhá pochopit, co dělá hydrologie, jaké jsou toky, ale také nám to umožňuje používat tyto modely k předpovědi a předpovědi, jaké toky mohou v budoucnu vypadat.

ADAM RUTHERFORD: Nick Reynard z Centra ekologie a hydrologie.