ADAM RUTHERFORD: Faktisk snakker vi om modeller innen vitenskap stort sett hvert eneste program. Lytteren Jim Hay skrev inn og spurte dette veldig enkle spørsmålet: Jeg lurer på om du kunne forklare hva en modell er? Begrepet brukes så ofte på BBCs vitenskapsprogrammer at jeg bare lar det gli forbi meg, men faktum er at jeg ikke vet hva det betyr nøyaktig når en forsker sier at de laget en modell. Jeg har nylig anskaffet meg en moderne, veldig stor A-nivå lærebok om fysikk, og jeg bemerker at verken modell eller modellering vises i indeksen.

Vel, takk Jim fordi det er en verdig påminnelse om at vitenskap kan være teknisk, og du må fortelle oss når vi snakker sjargong. Uansett, på det mest grunnleggende nivået, er en modell en måte å ta data og målinger fra den virkelige verden og simulere hva som skjer når vi fikler med dem: hvor mye nedbør, strømmen av elver, den typen ting. Det er en måte å forenkle kaoset i den fysiske verden på en datamaskin slik at vi kan prøve å forutsi hva som kan skje i den virkelige verden. Du kan kjøre simuleringer tusenvis av ganger, hver med svært subtile endringer for å se hva som skjer.

Da Jim stilte dette spørsmålet, innså vi at de fleste uker snakker vi om noen ny vitenskap som bruker modeller på denne måten. I løpet av de siste to ukene hadde vi utviklingen av DNA fra gamle bønder, vi hadde smeltingen av de antarktiske isarkene, og i dag har vi Nick Reynard modelleringsflom i Cumbria. Så vi har bedt noen av gjestene våre om å fortelle oss hva de mener når de bruker vitenskapelige modeller. Andrew Ponson og Carole Haswell fortalte meg hvilke modeller som er for astrofysikere.

ANDREW PONSON: Jeg vil si at en modell er et sett med ideer vi har rundt hvordan et bestemt aspekt av naturen fungerer. Og normalt når vi kaller det en modell, mener vi sannsynligvis at den er foreløpig på et eller annet nivå. Så vi prøver ikke å gjøre krav på at vi har oppsummert alt om hvordan den aktuelle tingen fungerer.

ADAM RUTHERFORD: Hva vil være en teori eller en lov?

ANDREW PONSON: Akkurat! Vi prøver å gi et inntrykk av at vi ennå ikke har pakket alt om det spesielle aspektet av naturen, men vi har noen fungerende ideer som vi bruker for å lage tester som vi deretter kan gå og sammenligne med virkeligheten.

ADAM RUTHERFORD: Og fra et praktisk synspunkt, som astronom, Carol, hvordan modellerer du ting?

CAROLE HASWELL: Jeg var faktisk ganske gammel som forsker da jeg lese noe som en av kollegene mine hadde skrevet på et av fysikkursene våre, og han skrev essensen av å være fysiker er å vite hvilke tilnærminger som skal gjøres. Og så når vi prøver å forstå noe, må du plage ut hva som er viktigst som påvirker dette. Fordi du umulig kan håpe på å lage en kopi av hele universet fordi du trenger hele universet for å gjøre det, og du vil ikke tjene noe på å gjøre det. Så det du trenger å gjøre er å finne ut hva som er de viktigste viktige tingene som du kanskje kan skrive ned litt enkel matematikk, og jobbe med og generere litt innsikt.

Så det er denne typen avskåret matematisk beskrivelse av essensen av ting som du deretter kan legemliggjøre en datakode med. Så du kan sette systemet med enkle ligninger eller kanskje ganske komplekse ligninger i et dataprogram, og du kan deretter sette programmet til å gå for å se samspillet mellom de forskjellige faktorene du har ertet ut som viktige. Så hvis du for eksempel prøvde å forstå hvordan planetene i solsystemet beveger seg, ville du trenge å legge inn en matematisk beskrivelse av tyngdekraften, og så kunne du sette solsystemet i gang og se ting bevege seg. Og du trenger ikke å beskrive all den autonome fysikken som gir deg strukturen til hver enkelt planet. For din modell av solsystemet kan du ha en ganske enkel beskrivelse av tyngdekraften, og det ville være tilstrekkelig for det du prøver å se på.

ADAM RUTHERFORD: Så det er en måte å koble til flere observasjoner, og deretter komme med spådommer om hva som vil skje basert på det vi allerede har sett?

CAROLE HASWELL: Vel, det er en måte å bruke det du har observert for å finne ut hva du synes er det viktigste ting som styrer oppførselen. Og deretter sette opp noe som innkapsler det du synes er viktig, for å se om det faktisk gjengir det du observerer.

ADAM RUTHERFORD: Denne typen modeller brukes på alle felt innen vitenskapen. Her er RSPB bevaringsforsker Paul Donald om hvordan simuleringer kan hjelpe ham med å forstå fuglens atferd.

PAUL DONALD: For meg er en modell en formel som hjelper meg å forklare variasjon i noe jeg er interessert i. Så la meg gi deg et eksempel.La oss si at jeg er interessert i en bestemt fugleart, la oss si himmelmarker, for eksempel, og jeg går ut og samler inn data om antall himmelmarker i, la oss si, hundre felt over Sør-England. Og det jeg absolutt vil finne er at antall himmelmerker varierer mellom forskjellige felt. Noen felt vil ha svært få fugler, kanskje ingen i det hele tatt; andre felt kan ha mange fugler. Så jeg er interessert i å vite hvorfor noen felt har mer vinduer enn andre, og jeg vil bruke en modell for å se på det.

Så hva jeg ville gjort mens jeg var ute og samlet inn antall skylarks, er at jeg også vil måle en hel masse andre ting som jeg tror muligens kan forklare variasjonen i skylark-antall. Så jeg vil samle inn data om for eksempel ting som hvilken avlingstype som var i feltet, fordi det er fullt mulig at de liker visse avlingstyper enn andre. Jeg ville samlet inn data om størrelsen på feltet. Jeg kan samle inn data om hekkdekslet, antall trær i nærheten, alle slags ting som muligens kan forklare det.

Hva modellen ville gjort er at den ville tillate meg å identifisere hvem av disse som forutsier takvindu tall og hvilke som ikke gjør det. Så hvis vi setter det opp slik. Du ser at vi har denne første kolonnen her. Dette er min kolonnetall. For hvert felt har jeg fått en telling, og deretter for hvert felt har jeg en verdi av feltets størrelse. Jeg har fått hva avlingen var, hva avlingen var året før, jordtype, hekkrekke og så og så og så og så. Så det jeg vil gjøre nå er at jeg ønsker å sette dette inn i en modell, i programvaren, og be om å identifisere hvilke av disse prediktorene eller forklaringsvariablene, som vi kaller dem, forklarer best variasjon i mine taknumre.

Så hvis vi bare klikker på denne knappen her som sender den til programmet, og gir den et par sekunder å kjøre – der er den. Så modellen har kjørt, og hvis jeg åpner modellen, ok, så det som viser meg her er at du kan se her at den viser meg at feltstørrelse har en positiv innflytelse på himmelen. Jo større feltstørrelse, jo flere himmelmarker er det. Og det viser meg også at det faktisk er en avlingstype der. Det viser meg at vårblandinger her har mer takvinduer enn vinterblandinger her, og at den effekten er i tillegg til effekten av avlingstypen. Og det er også forskjellige andre kolonner med alle andre data. Så det jeg kan gjøre er at jeg kan avgrense denne modellen nå, og det vil gi meg en veldig god ide om hvorfor det er at antall himmelmerker, det jeg er interessert i, varierer mellom forskjellige felt.

Så den virkelige ferdigheten på en måte med disse tingene ligger i tolkningen. Så hva denne modellen viser er at for variablene jeg har lagt inn i det, forutsier noen av dem markant tall og andre ikke, men det kan ikke forutsi ting jeg ikke har lagt inn. Hva om for eksempel , det viktigste å bestemme takvinduer er ingen av de tingene jeg har målt? Kanskje det er noe annet. Kanskje det er vær eller helling av marken eller jordtypen, eller noe sånt. Noe jeg ikke har målt i det hele tatt. Så modellen er i det vesentlige feil fordi jeg ikke har målt det som er den viktigste driveren til antall vinduer. Det kan fortsatt være at de tingene jeg har målt delvis er bestemmende for skylark-tall, men den virkelige underliggende tingen har jeg kanskje ikke målt i det hele tatt. Så det er en slags standard ting i økologi som sier at alle modeller er feil, men noen av dem er nyttige.

Dette er den eneste metoden egentlig, hvis jeg bare var interessert i en ting, forholdet mellom takvinduer og feltstørrelse, for eksempel, kunne jeg rett og slett plotte dem ut og se, hvis feltstørrelsen blir større, øker takvinduet. Men du kan bare gjøre det for en ting om gangen. Jeg kan ikke se på alle disse forskjellige variablene samtidig, og det er det modellen lar meg gjøre. Og det er et helt grunnleggende verktøy i økologi og bevaring, denne typen måte å analysere data på.

Modellering mislykkes egentlig ikke i den forstand at. Hvis du vet hva den matematiske formelen gjør, er den ufeilbarlig på en måte. Det mislykkes hvis du ikke måler de riktige tingene, eller hvis du tolker dem på feil måte. Jeg kan gi deg et eksempel. La oss si hva modellen min her på skjermen viser, er at du får flere takvinduer i store felt. Så jeg kan gå bort og si OK, svaret på dette problemet med nedgang i takvinduer er at vi trenger å gjøre alle våre felt større, men hva om de bare velger store felt, ikke fordi de er store, men fordi de kan se rovdyr komme langt fra for eksempel. Så det er ikke størrelsen på åkeren fuglene reagerer på? Det er hvor godt de kan se rovdyr, og det er den viktige tingen som bestemmer tallene.

Så det kan godt være at du faktisk kan gjøre mer for himmelmerker ved å kanskje ta ned feltgrensene, slik at feltene ser større ut for fuglene.Så du må være veldig forsiktig med hvordan du tolker utdataene fra disse modellene.

ADAM RUTHERFORD: Paul Donald der. Så dette er viktig: alle modeller er feil. De er simuleringer, men noen er veldig nyttige. Tilbake til flommene i Cumbria, som hydrolog Nick Reynard har simulert. Nick, hvordan hjelper modellering oss med å forstå disse ekstreme værhendelsene?

NICK REYNARD: OK, så ideelt sett ville vi selvfølgelig ha data overalt, så vi ville forstå hva som foregikk i elvesystemet og med nedbøren hele tiden overalt. Vi kan ikke ha det, det er ikke praktisk og det er for dyrt, så vi må kunne fylle hullene. Og vi bruker modeller for å gjøre det. Så vi fyller hullene i rommet og i tid ved å finne ut hvordan nedbøren beveger seg gjennom landskapet i elvene og til slutt ut i havene, og modellene er bare datasimuleringer av hvordan vannet beveger seg slik at vi faktisk kan forstå hvor høye og lave strømmer forekommer hvor som helst over fylket eller til og med over hele Europa eller over hele kloden. Så det er det vi bruker modeller til, og det hjelper oss å forstå akkurat nå hvordan hydrologien gjør, hvordan strømningene er, men det lar oss også bruke disse modellene til å forutsi og forutsi hvordan strømmen kan være i fremtiden.

ADAM RUTHERFORD: Nick Reynard fra Center of Ecology and Hydrology.