ADAM RUTHERFORD: Itse asiassa puhumme tieteen malleista melkein jokaisesta ohjelmasta. Kuuntelija Jim Hay kirjoitti ja kysyi tämän hyvin yksinkertaisen kysymyksen: Voisitko selittää, mikä malli on? Termiä käytetään niin usein BBC: n tiedeohjelmissa, että annoin sen liukua ohitseni, mutta tosiasia on, etten tiedä, mitä se tarkalleen tarkoittaa, kun tiedemies sanoo, että he tekivät mallin. Olen äskettäin hankkinut modernin, erittäin suuren, A-tason fysiikan oppikirjan, ja huomaan, että hakemistossa ei ole mallia eikä mallintamista.
Kiitos Jim, koska se on kelvollinen muistutus siitä, että tiede voi olla teknistä, ja sinun on kerrottava meille, kun puhumme ammattikieltä. Joka tapauksessa alkeellisimmalla tasolla malli on tapa ottaa tietoja ja mittauksia reaalimaailmasta ja simuloida, mitä tapahtuu, kun heilutamme heidän kanssaan: kuinka paljon sateita, jokien virtaus, tällainen asia. Se on tapa yksinkertaistaa fyysisen maailman kaaosta tietokoneessa, jotta voimme yrittää ennustaa, mitä todellisessa maailmassa voi tapahtua. Voit suorittaa simulaatioita tuhansia kertoja, joista jokaisella on hyvin hienovarainen muutos nähdäksesi, mitä tapahtuu.
Kun Jim esitti tämän kysymyksen, huomasimme, että useimpien viikkojen aikana puhumme uudesta tiedeestä, joka käyttää malleja tällä tavalla. Viimeisen kahden viikon aikana meillä oli muinaisten maanviljelijöiden DNA: n kehitys, meillä oli sulaa Etelämantereen jääpeitteitä, ja tänään saimme Nick Reynardin mallintamaan tulvia Cumbriassa. Joten olemme pyytäneet muutamia vieraitamme kertomaan meille, mitä he tarkoittavat käyttäessään tieteellisiä malleja. Andrew Ponson ja Carole Haswell kertoivat minulle, mitkä mallit ovat astrofyysikoille.
ANDREW PONSON: Sanoisin, että malli on joukko ideoita, joita meillä on siitä, miten jotkin luonnon erityispiirteet toimivat. Ja normaalisti, kun kutsumme sitä malliksi, tarkoitamme todennäköisesti sitä, että se on alustava jollain tasolla. Joten emme yritä väittää, että olemme tiivistäneet kaiken asian toiminnasta.
ADAM RUTHERFORD: Mikä olisi teoria tai laki?
ANDREW PONSON: Aivan! Yritämme antaa jonkinlaisen vaikutelman siitä, että emme ole vielä pakanneet kaikkea kyseiseen luonnon osa-alueeseen, mutta meillä on joitain toimivia ideoita, joita käytämme luomaan testejä, joita voimme sitten verrata todellisuuteen.
ADAM RUTHERFORD: Ja käytännöllisestä näkökulmasta, kuinka tähtitieteilijänä Carol, kuinka mallinnat asioita?
CAROLE HASWELL: Olin oikeastaan melko vanha tutkijana, kun luki jotain, jonka eräs kollegani oli kirjoittanut yhdelle fysiikkakurssistamme, ja hän kirjoitti fyysikkona olemisen olevan tietää, mitkä likiarvot tehdään. Joten aina, kun pyrimme ymmärtämään jotain, sinun on kiusattava, mitkä ovat tärkeät asiat, jotka vaikuttavat tähän. Koska et voi toivoa luoda kopiota koko maailmankaikkeudesta, koska tarvitset sen tekemiseen koko maailmankaikkeuden, etkä tuoisi mitään tekemällä. Joten sinun on tehtävä selvittämällä, mitkä ovat todella tärkeitä avainkysymyksiä, joihin voit ehkä kirjoittaa yksinkertaisen matematiikan, työskennellä ja luoda oivalluksia.
Joten kyseessä on tällainen matalallinen kuvaus. niiden asioiden olemuksesta, joiden avulla voit sitten ilmentää tietokonekoodia. Joten voit laittaa yksinkertaisten yhtälöiden tai ehkä melko monimutkaisten yhtälöiden järjestelmän tietokoneohjelmaan ja sitten asettaa ohjelman menemään katsomaan niiden tärkeiden tekijöiden vuorovaikutusta, jotka olet kiusannut. Joten jos esimerkiksi yritit ymmärtää, kuinka aurinkokunnan planeetat liikkuvat, sinun on kirjoitettava matemaattinen kuvaus painovoimasta ja sitten voit asettaa aurinkokuntasi menemään ja katsomaan asioita liikkeessä. Ja sinun ei tarvitse kuvata kaikkea autonomista fysiikkaa, joka antaa sinulle jokaisen yksittäisen planeetan rakenteen. Aurinkokuntamallissasi voisi olla melko yksinkertainen painovoiman kuvaus, ja se riittää siihen, mitä yrität tarkastella.
ADAM RUTHERFORD: Joten se on tapa liittää useita havaintojen tekeminen ja sitten ennustaminen tapahtumalle sen perusteella, mitä olemme jo nähneet?
CAROLE HASWELL: No, se on tapa käyttää havaitsemiasi selvittämään tärkein asioita, jotka ohjaavat käyttäytymistä. Ja sitten perustamalla jotain, joka kerää mielestäsi tärkeän, nähdäksesi, toistuuko se todellakin havainnoimasi.
ADAM RUTHERFORD: Tämän tyyppisiä malleja käytetään kaikilla tieteenaloilla. Tässä on RSPB: n luonnonsuojelutieteilijä Paul Donald siitä, kuinka simulaatiot voivat auttaa häntä ymmärtämään lintujen käyttäytymistä.
PAUL DONALD: Minulle malli on kaava, joka auttaa minua selittämään muunnelmia kiinnostavista asioista. Anna minun antaa anna sinulle esimerkki.Oletetaan, että olen kiinnostunut tietystä lintulajista, sanotaan esimerkiksi pilvenpiirtäjiä, ja menen ulos ja kerään tietoja kattoikkojen lukumäärästä, sanotaan, sadasta pellosta eri puolilla Etelä-Englantia. Ja mitä varmasti löytäisin, on se, että kattoikkunoiden määrä vaihtelee eri kenttien välillä. Joillakin pelloilla on hyvin vähän lintuja, ehkä ei ollenkaan; muilla kentillä voi olla paljon lintuja. Joten olen kiinnostunut tietämään, miksi joillakin kentillä on enemmän pilvenpiirtäjiä kuin toisilla, ja käytän mallia tarkastellakseni sitä.
Joten mitä tekisin, kun olin keräämässä laskelmiani kattoaukkoja, mitattaisin myös kokonaisen kuorman muita asioita, jotka mielestäni voisivat mahdollisesti selittää kattoikkunoiden lukumäärän vaihtelun. Joten keräsin tietoja esimerkiksi siitä, mikä sadon tyyppi pellolla oli, koska on täysin mahdollista, että he pitävät tietyistä viljelylajeista kuin toiset. Keräsin tietoja kentän koosta. Voisin kerätä tietoja hedge-peitteestä, lähellä olevien puiden lukumäärästä, kaikenlaisista asioista, jotka voisivat selittää sen.
Malli tekisi sen, että sen avulla voisin tunnistaa, mitkä niistä ennustavat kattoikkunaa numerot ja mitkä eivät. Joten jos asetamme sen näin. Tämä ensimmäinen sarake on täällä. Tämä on sarakkeeni skylark laskee. Jokaisesta kentästä olen saanut laskennan ja sitten jokaisen kentän osalta kentän koon arvon. Sain mitä sato oli, mikä sato oli edellisenä vuonna, maaperän tyyppi, pensasaitarivi ja niin ja niin ja niin ja niin. Joten mitä haluan tehdä nyt, haluan laittaa tämän malliin, ohjelmistoon ja pyytää sitä tunnistamaan, mitkä näistä ennustajista tai selittävistä muuttujista, kuten me kutsumme niitä, selittävät parhaiten muunnelmia kattoikkunumerollani.
Joten jos napsautamme vain tätä painiketta, joka lähettää sen ohjelmalle, ja annamme sille muutaman sekunnin ajaa – siinä se on. Joten malli on käynyt, ja jos avaan mallin, okei, niin mitä tässä minulle näytetään, näet täällä, että se osoittaa minulle, että kentän koolla on positiivinen vaikutus kattoikkunan numeroihin. Mitä suurempi kentän koko, sitä enemmän kattoikkuja on. Ja se osoittaa myös minulle, että siellä on tosiasiallisesti satotyyppi. Se osoittaa minulle, että täällä kevätviljoissa on enemmän pilvenpiirtäjiä kuin täällä talviviljoissa, ja että tämä vaikutus täydentää satotyypin vaikutusta. Ja siellä on useita muita sarakkeita sekä kaikki muut tiedot. Joten voin tehdä, että voin tarkentaa tätä mallia nyt, ja se antaa minulle erittäin hyvän käsityksen siitä, miksi kattoikkunoiden lukumäärä, asia, josta olen kiinnostunut, vaihtelee eri aloilla.
Joten todellinen taito, tavallaan, näiden asioiden kanssa on tulkinnassa. Joten tämä malli osoittaa, että muutamille, jotka olen laittanut siihen, jotkut heistä ennustavat merkittävästi skylark-numeroita ja toiset eivät, mutta se ei voi ennustaa asioita, joita en ole laatinut. Entä jos esimerkiksi , kaikkein tärkein asia kattoikkunan numeroiden määrittämisessä ei ole mitkään mitatut asiat? Ehkä se on jotain muuta. Ehkä se on sää, pellon kaltevuus tai maaperän tyyppi tai jotain tällaista. Jotain mitä en ole mitannut lainkaan. Joten malli on pohjimmiltaan väärä, koska en ole mitannut asiaa, joka on tärkein taivaan asukkaiden lukumäärän ajuri. Voi silti olla, että mittaamani asiat määräävät osittain kattoikkunan numerot, mutta todellinen taustalla oleva asia, jota en ehkä ole mitannut ollenkaan. Joten ekologiassa on eräänlainen tavallinen asia, joka sanoo, että kaikki mallit ovat vääriä, mutta jotkut niistä ovat hyödyllisiä.
Tämä on ainoa menetelmä, joten jos minua kiinnosti vain yksi asia, suhde Esimerkiksi parkkipaikan numerot ja pellon koko voisin yksinkertaisesti piirtää ne ja nähdä, jos pellon koon kasvaessa kattoikkunan numerot kasvavat. Mutta voit tehdä sen vain yhdestä asiasta kerrallaan. En voi tarkastella kaikkia näitä eri muuttujia samanaikaisesti, ja mallin avulla se on mahdollista. Ja se on ehdottoman perustyökalu ekologiassa ja luonnonsuojelu on tällainen tapa analysoida tietoja.
Mallinnus ei todellakaan onnistu siinä mielessä. Jos tiedät mitä matemaattinen kaava tekee, se on tietyllä tavalla erehtymätön. Se epäonnistuu, jos et mittaa oikeita asioita tai jos tulkitset ne väärin. Voin antaa sinulle esimerkin. Oletetaan, että mallini näytöllä näyttää, että saat enemmän kattoikkuja suurilla pelloilla. Joten voisin mennä pois ja sanoa OK, vastaus tähän taivaanrantojen vähenemisen ongelmaan on, että meidän on tehtävä kaikki pellomme suuremmiksi, mutta entä jos he valitsevat vain suuret pellot, ei siksi, että ne ovat suuria, vaan koska he näkevät saalistajia tulemassa esimerkiksi kaukana. Joten se ei ole pellon koko, johon linnut reagoivat? Se, kuinka hyvin he näkevät saalistajat, ja se on tärkeä asia, joka määrää luvut.
Joten voi hyvinkin olla, että voisit todella tehdä enemmän kattoikkunoiden hyväksi ehkä poistamalla kentän rajoja, jolloin kentät näyttävät suuremmilta. linnuille.Joten sinun on oltava hyvin varovainen tulkitessasi näiden mallien tuloksia.
ADAM RUTHERFORD: Paul Donald siellä. Joten tämä on tärkeää: kaikki mallit ovat vääriä. Ne ovat simulaatioita, mutta jotkut niistä ovat erittäin hyödyllisiä. Palaa Cumbrian tulviin, joita hydrologi Nick Reynard on simuloinut. Nick, kuinka mallinnus auttaa meitä ymmärtämään näitä äärimmäisiä sääilmiöitä?
NICK REYNARD: OK, ihannetapauksessa tietysti meillä olisi tietoa ehdottomasti kaikkialla, joten ymmärrämme mitä jokijärjestelmässä tapahtuu ja sateiden kanssa kaikkialla. Meillä ei voi olla sitä, se ei ole käytännöllistä ja se on liian kallista, joten meidän on kyettävä täyttämään aukot. Ja käytämme malleja siihen. Joten täytämme aukot avaruudessa ja ajassa selvittämällä kuinka sateet liikkuvat maiseman läpi jokiin ja lopulta mereen, ja mallit ovat vain tietokonesimulaatioita veden liikkumisesta, jotta voimme todella ymmärtää korkeita ja matalia virtauksia esiintyy kaikkialla läänissä tai jopa Euroopassa tai ympäri maailmaa. Joten me käytämme malleja, ja se auttaa meitä ymmärtämään juuri nyt, mitä hydrologia tekee, mitkä ovat virtaukset, mutta se antaa meille myös mahdollisuuden käyttää näitä malleja ennustamaan ja ennustamaan, mitä virtaukset voivat olla tulevaisuudessa.
ADAM RUTHERFORD: Nick Reynard ekologian ja hydrologian keskuksesta.
