Om att fatta politiska beslut på vetenskaplig grund

Hur fattar man beslut vid en pandemi som den vi nu genomgår? Det finns flera olika modeller, och mycket av den offentliga debatt som nu rasar om detta handlar egentligen om vilken beslutsmodell som är den rätta. Ur ett rent beslutsteoretiskt perspektiv är det intressant att gå igenom de olika modellerna och försöka förstå dem mer på djupet.

I en debattartikel 20/3 I SvD skriver två professorer om att de anser att Sverige måste ändra strategi i pandemibekämpningen, och nyckelmeningen i debattartikeln lyder:

”Sveriges beslut måste vila på vetenskaplig grund, och den bästa vetenskapliga grunden just nu är rapporten från Imperial College som säger att strategin måste vara att försöka få ner reproduktionstalet under 1.”

Se SvD 2020-03-20 ”Ändra Sveriges Strategi: Pandemin Måste Stoppas” https://www.svd.se/andra-sveriges-strategi–epidemin-maste-stoppas

Jag vet inte om de har rätt eller inte, men debattartikeln ger tydligt uttryck för en beslutsmodell som förtjänar att belysas närmare – och den kan uttryckas enkelt.

(i) Politiska beslut om en pandemi måste fattas huvudsakligen på epidemiologisk vetenskaplig grund.

Författarna pekar ut en enda vetenskaplig grund som beslutet måste fattas på, och menar att denna bör vara vägledande vid beslutet till exklusion av alla andra – också vetenskapliga – grunder. Ekonomi, juridik, matematik, statistik, psykologi och sociologi skall alla exkluderas vid beslutsfattandet och besluten som fattas måste baseras på endast på epidemiologisk vetenskap och de för tillfället bästa modeller som finns inom denna vetenskap. Vi kan kalla denna modell för monovetenskapliga.

Kerstin Hessius skrev dagen innan, 19/3, i samma tidning att vi behöver en tidpunkt då vi återgår till det normala.

 De smittskyddsåtgärder man vidtagit hittills är säkert väl motiverade utifrån att få kontroll över läget och utbilda allmänheten så att risken för överfulla sjukhus begränsas.

Men konsekvenserna för världsekonomin är å andra sidan på väg att bli helt okontrollerbara

Se SvD 2020-03-19 ””Ge en tidpunkt för när livet blir normalt” https://www.svd.se/ge-en-tidpunkt-for-nar-livet-blir-normalt

Kerstin Hessius lyfter in andra vetenskapliga grunder, nämligen den ekonomiska analysen – och delvis en socialpsykologisk analys – av de kostnader som de beslut som fattas på epidemiologisk grund har. Hennes beslutsmodell är mångvetenskaplig.

(ii) Politiska beslut om en pandemi måste fattas på bredast möjliga vetenskapliga grund.

Båda parter fordrar att besluten fattas på vetenskaplig grund, men i det senare fallet fordrar Hessius att vi väger samman den vetenskapliga evidensen från flera olika fält för att fatta ett politisk beslut på basis av denna viktning.

Till dessa två perspektiv kan man foga ett tredje – som lyser med sin frånvaro just nu, men som nog kommer att bli vanligare (det finns stråk av denna modell hos Hessius) och det är att beslut som dessa också innefattar etiska och moraliska ställningstaganden. Denna modell är nog egentligen den som vi borde kalla politisk. Den grundläggande frågan i all politik är ju inte vad som är vetenskapligt korrekt, utan i stället denna: hur vill vi leva tillsammans? Vad pandemin lyft fram är att underförstått måste den frågan läsas: hur vill vi leva och dö tillsammans? Döden är lika politisk som livet, men det har vi försökt sopa under mattan under ganska lång tid — och lyckats väl med, eftersom medellivslängden hela tiden ökat.

I komplexa, adaptiva system kan osäkerheten endast reduceras till risk till begränsad del. Det går inte att förutsäga med någon exakthet hur beslut spelar ut över tid. I det läget får man välja om man är monovetenskapliga eller mångvetenskaplig, om beslut skall fattas på en enskild vetenskaps grund eller på den sammanvägda evidensen från flera olika vetenskaper. Ytterst måste dessa beslut kanske – efter som deras osäkerhetshalt är så hög – fattas utifrån moralisk grund.

Slutligen, några invändningar som det kan vara värt att granska närmare.

”I tider av kris måste politiken underordna sig vetenskapen och koncentrera sig på den vetenskap som kan mest om just den aktuella krisen.”

– Det är en fullt möjlig åsikt, men den är i sig inte vetenskaplig. Den baseras på hypotesen att de politiska besluten blir bättre för alla om man gör detta. Det finns ingen forskning eller evidens som visar att samhällen långsiktigt ser bättre utfall för att de låter sina politiska beslut dikteras av en delmängd av den vetenskapliga kunskapen.

”Det finns en tid för diskussioner och en tid för handling, och just nu är det dags att hålla tyst och göra som experterna säger.”

– Det är också en fullt möjlig åsikt, som uttrycker hypotesen att samhällen far illa av en öppen diskussion om de grunder för beslut som politiiken väljer mellan, och att man bör utse experter för att fatta dessa beslut. I förlängningen innebär denna hypotes att demokratin bör suspenderas i kris. Det ter sig osannolikt att det skulle hjälpa långsiktigt, men evidens saknas åt endera hållet. Och att säga att auktoritära stater lyckats bättre och att det visar att det stämmer är att inta ett alldeles för kort perspektiv: kostnaderna för en auktoritär metod kommer att utkrävas med råge vid nästa kris då samhället har lärt sig att repressionen kommer.

”Epidemiologi är en riktig vetenskap, det är ingen av de andra du nämner.”

— Det påstående både överskattar epidemiologin och underskattar alla de andra vetenskaperna på samma gång.

”Är inte detta bara en variant på klimatförnekandet? Måste vi nu dras också med Coronaförnekare?”

— Klimatvetenskapen är redan tvär- och mångvetenskaplig – ekonomiska perspektiv finns och ges utrymme, samtidigt som man också ser till matematik, statistik, juridik och andra evidensbaser. Det är alldeles för lätt att påstå att ifrågasättande är förnekande. Den som förnekade att vi hade en Coronapandemi skulle med rätta fördömas för att helt sakna vetenskaplig grund för sitt påstående.

Vad är då rätt? Allt annat lika säger nog beslutsforskningen att beslut blir bättre av en mångfald av olika perspektiv – se exempelvis evidensen i Scott Pages utmärkta bok The Difference – och därför skulle jag vikta beslutsfattandet mot det mångvetenskapliga, och notera att osäkerheten i besluten gör att en stor del av grunden måste förbli värderingsstyrd.

Om att förutsäga en pandemi med vänner som verktyg

I den här föreläsningen presenterar professor Lauren Ancel Meyers olika modeller för att förstå och förutsäga pandemier. Antag att du har ett nätverk och vill förutsäga hur en sjukdom rör sig genom det – och du inte har full kännedom om nätverket – det är inte helt kartlagt. Då måste du välja någon delmängd av noderna för att modellera nätverket. Hur väljer du då?

Professor Meyers börjar med att föreslå två olika modeller: en är slumpmässig – ta ett antal noder på chans, och den andra är att ta de noder som verkar har högst centralitet, dvs är kopplade till flesta andra noder. Båda dessa metoder fungerar, men den första ger nästan ingen förutsägelsekapacitet utan låter dig bara spåra epidemin. Den andra är knepig om du inte har insikt i vilka noder som är centrala.

Det visar sig att det då finns en annan metod som är så användbar att den rimligen också har applikationer långt utanför medicinsk epidemologi och den består i följande mycket enkla steg.

  1. Ta ett antal noder i nätverket slumpmässigt och kontakta dem.
  2. Be dem att utse en person i nätverket att spåra
  3. Spåra dessa i stället för att spår de slumpmässigt utvalda första noderna.

Metoden bygger på den enkla insikten att den första person folk kommer på kommer ha högre centralitet än dem själva. Det betyder att man kommer åt centralitet bakvägen. så att säga-

Denna modell gav i den studie professor Meyers nämner två veckors varning för epidemins spridning.

En gissning är att man kan använda detta för att förutsäga även andra saker, och då kanske med ännu längre ledtider. Ta ett slumpmässigt utval av ditt nätverk, be dem välja en person och spåra dennes val i kläder, flygskam, politiska åsikter, diet…kan det fungera? Kanske. Att komma åt centralitet på detta sätt är ganska intressant. Om man arbetar med åsiktsbildning borde man be alla man talar med att ge ett förslag på någon annan man borde tala med — och spåra centralitet på detta sätt. Förmodligen får man mer genomslag om man mejlar de som man samlar ihop på detta sätt i vissa fall (skillnaden mellan den som har tid att träffa dig och den de säger att du kanske borde ha träffat).

Läs mer om modellens möjligheter och begränsningar här.

Modeller av framtidens arbetsmarknad

En hel del av de framtidsdiskussioner som vi deltar i handlar om framtidens arbetsmarknad. De är absolut centrala för hur vi utvecklas som samhälle, och just därför är det intressant att försöka locka fram de mentala modeller som ligger bakom de olika synsätten som vi råkar på. I det följande tänkte jag gå igenom dessa i sina idealtypiska former – och därför blir de också litet förenklade – men jag tänkte att det kan ha ett visst egenvärde att försöka visa hur olika de mentala modellerna i diskussionen faktiskt är.

Den första modellen, den kanske vanligaste, ser ut såhär: det finns människor som har jobb. Nu kommer maskiner som kommer att ta dessa jobb. I framtiden kommer det alltså inte att finnas jobb kvar åt människor. I en bild:

Screenshot 2019-10-16 at 12.20.18

Frågan blir då – automatiskt – vad ska människorna göra nu när robotarna tagit jobben? Där finns det två olika modeller också – en i vilken det kommer nya jobb som människorna kan göra:

Screenshot 2019-10-16 at 12.23.17

I denna modell är allt frid och fröjd. Nu arbetar människorna igen, och det stora problemet är hur man kan se till att de lär sig de nya jobben. Ofta tror vi att dessa nya jobb kommer att vara mer komplicerade, och frågeställningen ser ut ungefär såhär, förenklat: förut behövde vi en massa bagare, men nu kan maskiner baka bröd. nu behöver vi läkare istället och alla bagare kan inte bli läkare, så hur ska vi lösa det? Den som håller fast vid den här modellen måste lösa ett omfattande omställningsproblem där hela kompetenskorgar – jobb – måste bytas mot nya, förmodat mer avancerade och komplicerade jobb.

Den andra möjligheten är förstås att det inte kommer några nya jobb. Det här var vad som oroade bland annat Keynes:

Screenshot 2019-10-16 at 12.27.54.png

Vad gör vi nu? Dessa människor som inte har ett jobb – och Keynes trodde att de skulle förvandlas till en sorts avdankade aristokrater som spelade bridge och hade affärer – måst vi ju ta hand om. Nu blir problemet ett rent försörjningsproblem: hur försörjer vi en växande skara arbetslösa människor?

Sedan finns de de som har en mer högupplöst syn på problemet. De menar att jobb är fel analysenhet: vi måste istället konstatera att jobb består av olika arbetsuppgifter – och vissa av arbetsuppgifterna kan automatiseras, andra kan det inte. I framtiden delar vi alltså arbetsuppgifter med robotarna:

Screenshot 2019-10-16 at 12.34.31

Möjligen kan detta också låta oss hitta på nya arbetsuppgifter som vi inte gjorde tidigare alls. Här finns ett omställningsproblem, men framförallt ett innovationsproblem – hur använder vi den nu tillgängliggjorda mänskliga förmågan på bästa möjliga sätt? 

Det finns en variation på detta tema, som förekommer exempelvis i en del av schackmästaren Garry Kasparovs skrifter, och det är att vi kommer att smälta samman med robotarna, eftersom en människa och en maskin alltid slår en maskin. Vi kommer att bli kentaurer, eller cyborgs, och helt enkelt bli mycket bättre på det vi gör:

Screenshot 2019-10-16 at 12.39.58.png

Skillnaderna mellan IV och V kan tyckas små, och har egentligen mest att göra med hur man organiserar arbetsplatsen, men de är ändå intressanta att fundera kring. Om vi smälter samman alltmer med tekniken blir distinktionen mellan människa och maskin allt mindre intressant — frågan om robotarna kommer att ta ditt jobb, blir enkel att besvara: nej, men du kommer att bli en robot, också. Det intressanta med denna modell är den antagna uppdelningen mellan maskinautomation och mänsklig verksamhet blir mycket mindre intressant att fundera kring. I stället blir det möjligt att fråga vad vi kan göra nu, och vilka typer av kompetenser som behövs för att smälta samman med en robot. I schack, menar Kasparov, är det inte de bästa enskilda spelarna som blir de bästa cyborgspelarna, utan andra kvaliteter – som en expertis på maskinens svagheter – blir viktiga kärnkompetenser. I IV blir människor bättre på sånt bara människor kan, och uppdelningen mellan människa och maskin är strikt. I V måste människor utveckla en viss kompetens som handlar om just maskinen och sammansmältningen blir målet.

Sedan finns de de som menar att föreställningen om ”jobb” är dömd att förlora i betydelse. För dem handlar framtiden om att organisera arbetsuppgifter och koordinera dem så att de blir till arbete som ger sådan avkastning att man kan leva på dem, och detta kommer man att göra med olika typer av intelligenta verktyg:

Screenshot 2019-10-16 at 12.47.52.png

I modell VI kan vi komplicera bilden ytterligare. I stället för den 1:1 relation som idag finns mellan arbetstagare och arbetsgivare, kan man tänka sig att en cyborg specialiserar sig på att göra en viss typ av arbetsuppgifter åt en stora mängd olika arbertsgivare. Då uppstår ett koordinationsproblem förstås, just det problem som ett jobb löser: hur kan man få stabilitet och förutsägbarhet i ekonomin om man lever i den s.k. gigekonomin? Här kan vi tänka oss en mängd olika svar, men ett exempel skulle vara att man litar till en tjänst som kombinerar arbetsuppgifter, arbetsgivare och schemaläggning på ett sådant sätt att du får förutsägbarhet och den arbetsbörda som du är bekväm med. Ett jobb går från att vara en statisk uppsättning arbetsuppgifter till att vara en dynamisk uppsättning arbetsuppgifter och relationer som lastbalanseras på samma sätt som exempelvis Internettrafik eller liknande. Här blir problemet att skapa den typen av tekniska, sociala och ekonomiska institutioner som kan bära atomiseringen av de klassiska jobben och bereda vägen för dynamiska jobb (djobb…?) istället. 

Olika modeller betyder alltså olika utmaningar och politiska problem, men också helt olika möjligheter och öppningar för en helt annat effektivitet i ekonomin.

*

Alla dessa modeller har det gemensamt att de gör antaganden om tillgången på arbetsuppgifter. Det är intressant att notera, eftersom det snuddar vid en fråga som jag diskuterat tidigare – och det är frågan om hur mycket arbete det finns. Jag tror fortfarande att mängden arbete är oändlig, men det är fullt möjligt att ha en avvikande åsikt. Jag tror också att den växande komplexiteten innebär att vi faktiskt måste utveckla automatiseringen och olika intelligenta verktyg så snabbt som möjligt, för att lösa de alltmer pressande problem vi ställs inför.