Vetenskapsteori i pandemins tid

Vetenskapsteori är intressant och svårt. Den handlar om vad vi kan veta, när och hur. Låt oss se på två olika exempel.

1. Anders och Kalle skall springa ett maraton. Anders lunkar på, medan Kalle spurtar. Åskådarna ropar åt Anders att han kommer att förlora, att han måste ändra strategi och att han inte förstår bättre. De ojar sig och dömer ut Anders. Efter 38 km segnar Kalle ned, utmattad och helt slut – han kan inte slutföra loppet. Anders joggar förbi in i mål och vinner.
2. En dator skall spela go mot en av världens duktigaste mänskliga spelare. Det trettiosjunde draget den väljer har ingen sett tidigare, och experter dömer helt ut det. Varefter spelet utvecklar sig visar det sig dock att det draget var avgörande för datorns epokgörande vinst. Komplexiteten i spelet gjorde det dock omöjligt för de mänskliga spelarna att se.

I det första fallet berodde missbedömningarna på att man såg på fel tidsutsnitt. I det andra fallet berodde de på att man underskattade komplexiteten i spelet och överskattade det egna siktdjupet. Den rationella, vetenskapliga hållningen i båda fallen hade varit att forma tentativa, svaga uppfattningar och hela tiden uppdatera dem. Att söka mer kunskap, inte avkunna säkra omdömen om någondera partens strategi.

Det är tämligen uppenbart.

Den som dömer ut Anders och den go-spelande datorn gör det på basis av ett jämförelsematerial. När det gäller tid kan ett sådant material ha ett värde. En mer erfaren maratonlöpare hade kunnat säga tidigt att Kalles strategi nog inte skulle ha fungerat. En erfaren go-spelare kunde emellertid inte säga något meningsfullt om den go-spelande datorn, eftersom hela erfarenhetsmaterialet visade sig vara irrelevant. Ingen hade någonsin sett ett parti som det som utspelade sig mellan datorn och den mänskliga mästaren. Och det fanns mycket få partier som spelats mellan den här typen av AI och människor alls.

Det tillhör vetenskapsteorins grunder att närma sig det man studerar med avseende på både tidsdimension och komplexitet, och även att vara försiktig med jämförelsematerial – särskilt för händelser som är rätt unika.

Expertis spelar roll. Den som är duktig på löpsteg kan säkert bedöma Anders och Kalles löpsteg och förklara att det ena är bättre än det andra i vissa omständigheter. Den som kan programmera datorer kan förklara hur en ny maskininlärningsmodell närmar sig go. Den som kan spela go kan bedöma de flesta drag, men inte helt nya partier i helt ny stil som spelas mellan maskin och människa – men då kan denne kanske förklara, efter spelet, varför alla hade fel.

Expertis är också förledande. Experten är särskilt sårbar för apofeni; det kognitiva felsteg som består i att man finner ett mönster i det man betraktar ur den egna fataburen och förstår världen igenom det, fast inget sådant mönster egentligen finns. Den verkligt skicklige experten med en sund grund i vetenskapsteori vet om denna risk och är särskilt försiktig med att uttala sig om nya och unika fenomen utifrån den ryggsäck av mönster som han eller hon har med sig.

En expert utan vetenskapsteoretisk grund är dock värre än ingen expert alls. Han eller hon förväxlar snabbt de egna modellerna av tidigare fenomen med den enda sanna, den enda möjliga, uppfattningen av helt nya fenomen. Världen framstår som förklarad genom den samling fallstudier och modeller som lärts in, och osäkerheten ges inget utrymme – inte ens vid händelser som bär tydliga tecken av att vara unika.

Våra framsteg inom maskininlärning och artificiell intelligens har lärt oss intressanta saker om schack och go. Det har visat sig att den samlade mänskliga kunskapen, de samlade mänskliga modellerna, ofta utgjorde bara ett lokalt maximum i lösningslandskapet. Vår spelstil var en möjlig lösning på problemet hur man spelade schack, men inte den bästa lösningen. Datorn hittade en bättre lösning.

Vetenskapsteorin ger vid handen att det inte är osannolikt att det är så med all mänsklig kunskap. All mänsklig kunskap – även i epidemiologi, virologi och folkhälsa – utgör förmodligen lokala maxima i ett stort kunskapslandskap.

Det är inte problematiskt, så länge som vi inte förväxlar den kunskap vi uppnått med den enda rätta kunskapen om det vi studerar. Det krävs också att vi inte underskattar komplexiteten i nya fenomen, samt att vi respekterar att deras tidsutdräkt kanske inte låter oss säga något intelligent om dem på ett tag.

Vetenskapens utmaning är att komma bort från den kunskap som vi samlat på oss, att sträva efter att falsifiera den. Att försöka förstå nya fenomen som nya och lära oss av dem. Allt annat är normalvetenskap: en rent social praktik som bara syftar till att skydda expertens egen ställning och eget mandat. Den expert som sitter fast i normalvetenskapen vet bäst. Han eller hon har modeller för allt och ser inget nytt eller unikt. Forskningen rymmer ingen osäkerhet. De egna citeringarna skall maximeras. De egna anslagen säkras. Nyfikenhet och öppenhet har ingen roll i normalvetenskapens nollsummespel – och till slut blir den ett statusskådespel.

*

Den som ställs inför ett i grunden nytt fenomen – som en ny smitta – måste först lägga fast en vetenskapsteoretisk strategi. En klok sådan utgår från att vi måste försöka veta mer, ta reda på så mycket vi kan. De åtgärder vi väljer bör alltså syfta till att generera mer kunskap. Sådan är vetenskapen. Den beskriver först fakta, söker kunskap, letar detaljer, uppmärksammar det avvikande.

Den väntar med modellerna.

Det sägs ofta att vi inte behöver hobbyepidemiologer. Det är riktigt. Det kanske mer uppseendeväckande är att vi inte behöver normalvetenskapens epidemiologer heller just nu. Vi behöver duktiga forskare, med en rejäl grund i vetenskapsteori och fyllda av nyfikenhet och en dos ödmjukhet. Inte modellnasare och baksätesförare.

Utbildningen i vetenskapsteori tycks i många år ha varit eftersatt i naturvetenskaperna. Grunderna i epistemologi sitter inte som de ska, och modeller förväxlas hela tiden med verkligheten i upprörda ordalag, även från ämneskunniga.

*

Den pandemi vi nu genomlever är svår att bedöma i små tidsutsnitt, och kanske först kan utvärderas om 4-5 år, och då i ett brett perspektiv. Det är inte lättja eller slapphänthet att påpeka det. Det är ett vetenskapsteoretiskt antagande om det fenomen som vi försöker studera. Det beskriver det kunskapsobjekt som vi har tillgängligt.

Inte heller är den pandemi vi bekämpar enkel. Komplexiteten sträcker sig från viruset självt till dess intrikata roll i det patogeniska nätverk som vi alla lever i. Det handlar om kulturella kontexter, ekonomiska faktorer och sociologiska effekter.

Gå tillbaka till våra exempel. För att rätt förstå de vetenskapliga utmaningarna som vi står inför i pandemin måste vi slå samman dem. Vi försöker bedöma ett lopp mellan Anders och Kalle där de ska springa en sträcka vi inte känner till samtidigt som de skall spela go mot ett antal olika datorer, som spelar i en helt annan del av spelrummet än den som utforskats av mänskliga spelare. Vilken strategi är den rätta? Vem kommer att vinna? Anders? Kalle? Datorerna? I vilken dimension vinner man ens? Hur utvärderar man ett enskilt drag?

Det är inte enkelt.

Till sist, låt oss inte förväxla känslan av att det som sker är fruktansvärt med någon sorts vetenskapsteoretiskt veto. Ingen förnekar att pandemin är fruktansvärd, men att titta på vad Anders gör under de första 40 minuterna i detta nya lopp och jämföra med Kalle eller datorerna är meningslöst — inte för att vi inte vill att det skall vara meningsfullt, utan för att vår kunskap har gränser. Meningslösheten är inte ett val – den är en konsekvens av tid och komplexitet; vi har inte haft tillräckligt tid för att förstå ett djupt komplext fenomen.

Förhoppningsvis kan något litet göras för att återupprätta vetenskapsteorin i svenska forskningsutbildningar efter detta. Det behövs nog, och pandemin ger gott om exempel på intressanta vetenskapsteoretiska avvägningar, som kommer långt före några eventuella epidemiologiska insikter.