Professoriblogissa otetaan kantaa yliopistojen ja tutkimuslaitosten ajankohtaisiin asioihin.

24.3.2020

Kuinka ennustaa tulevaa?

Nelisen viikkoa sitten laadimme puolisoni kanssa ennustuksen koronavirustilanteesta. Piti päättää, mennäkö vai eikö mennä Ateenaan maaliskuun kahdeksi ensimmäiseksi viikoksi. Puolisoni on muusikon koulutuksen saanut kirjailija ja minä olen teoreettisen fysiikan koulutuksen saanut ympäristö- ja ydinjätetutkija. Päädyimme laskelmissamme samaan tulokseen emmekä lähteneet matkaan. Siihen kannusti sekin, että toisella oli pientä lämpöilyä. Menetimme lentolippujen hinnan ja hiukan muita kuluja, eli emme mitään kovin oleellista, kun työrauhakin tuntui jo ennalta menetetyltä. Voittosarakkeeseen voidaan merkitä ainakin mielenrauhan säilyminen, kun ei tarvinnut seurata koronan etenemistä vieraissa oloissa ja kieliympäristössä. Luultavasti vältimme myös jumittumisen Münchenin lentokentälle mennessä tai viimeistään palatessa ja monta muuta hankaluutta.

Teimme valintaamme tavalla, jota voidaan kutsua mallinnukseksi. Mallimme perustui varmaan tieteelliseen tietoon viruksista ja epävarmaan tietoon koronaviruksen leviämisestä ja vaarallisuudesta. Mallimme sisälsi myös uumoiluja matkan aikana odotettavista ja hyvin moninaisista muutoksista. Päädyimme samaan tilannearvioon huolimatta eroista koulutuksessamme ja työurassamme. Oma kokemukseni monimutkaisten systeemien malleista on se, että ensimmäisen arvion voi rakentaa melko vähäisen tiedon ja matematiikan varaan. Esimerkiksi ilmastonmuutoksen karkein arvio vaatii vain tieteellisen mallin mustan kappaleen lämpösäteilylle ja kasvavan hiilidioksidipitoisuuden vaikutuksesta siihen. Oman alani, ydinjätteiden loppusijoituksen, turvallisuusanalyysin ”lyhyen” version tein kolmekymmentä vuotta sitten yliopistokurssin tentissä kolmessa tunnissa. Kukin meistä voi arvioida koronaviruksen leviämistä melko helposti taulukkolaskennan avulla – Excel on korvannut tupakka-askin kannen. Karkeimman arvion tarkentaminen vaatiikin sitten yleensä paljon resursseja, monen tieteenalan soveltamista ja kunnon matemaattisen mallin laatimista.

Tiedän kokemuksesta koko urani malleja laatineena, että moni maallikko ja lähes yhtä moni tutkija pitää omaa päättelyään jollain tapaa selkeämpänä ja parempana kuin matemaattista mallinnusta. Mutta tarkempi analyysi paljastaa, että kaikilla keskusteluun osallistujilla on oma (matemaattinen) mallinsa: maallikon arvauskin on tavallaan malli. Se voi osua oikeaankin, ja ammattimallintajan tarkka analyysi saattaa olla joskus jopa huono. Isojen ongelmien aikana, kuten pandemia tai ilmastonmuutos, kun ei vielä ole olemassa koko tapahtuman kattavaa mittausdataa, on tarpeellista, että keskusteluun voivat osallistua kaikki maallikoista alansa huippututkijaan. Jotain voi jäädä ammattilaisilta huomaamatta ja vaikkei jäisikään, osallistuminen edistää toimenpiteiden hyväksymistä. Sekä ilmastonmuutoksen että pandemian torjunnassa ihmiskunta voi ja sen pitäisi muuttaa toimintaansa tehtyjen ennusteiden takia. Muuttuneessa tilanteessa alkuperäinen ennuste ei kuitenkaan enää pidä paikkaansa: emme voineet joutua ulkomaiseen karanteeniin kesken matkamme, jota ei koskaan tehty.

Tieteeseen pohjautuva ja tulevaisuutta ennustamaan kykenevä mallinnus nojaa useaan erilaiseen osaamiseen. Tiede on tapa tiedonhankintaan, ei niinkään joukko faktoja tai maailmankatsomus. Tieteellisen tiedonhankinnan eri vaiheissa tietämyksen varmuus vaihtelee alustavasta arvauksesta täyteen varmuuteen. Parhaiten luotamme tieteellisiin teorioihin kuten fysiikan ja kemian termodynamiikkaan tai biologian DNA-pohjaiseen tietämykseen. Teorioiden lisäksi meillä on paljon erilaista kokeellista tietoa, joka voidaan usein esittää (fenomenologisina) malleina: kuinka paljon ruokasuolaa voi liueta veteen (etätyöläinen voi tehdä kokeen kotona, mutta suosittelen aloittamaan vain desillä vettä) tai kuinka pitkä aika kuluu virustartunnasta oireisiin. Monimutkaisista ilmiöistä saadaan usein vain tilastollista dataa, joka on osin varsin luotettavaa, vaikkei tiedetä syy-seuraussuhteita. Tällainen data on monesti epäluotettavaa ja hajanaista, mutta usein kuitenkin parasta ja jopa ainoaa käytettävissä olevaa. Tähän asti on kaikki melko hyvin, mutta vaikeudet alkavat, kun malliin tarvitaan asioita, joista tiedämme, ettemme niitä tiedä, esim. millaista mikrobitoimintaa on ydinjätteiden loppusijoitustilassa tuhannen vuoden päästä. Sitten on vielä koko joukko asioita, joiden olemassaolostakaan ei ole tietoa. Tässä tilanteessa otetaan avuksi skenaariot, jotka eivät ole ennusteita tulevaisuudesta, vaan joilla yritetään selvittää mahdollisia tulevia tapahtumaketjuja. Skenaarioista voidaan johtaa erilaisia laskentatapauksia, joissa usein pyritään hiukan yliarvioimaan seuraamukset, joita verrataan vaatimuksiin: maapallo saa lämmetä vain kaksi astetta, ydinjätteiden loppusijoitustilasta saa vapautua vain tietty määrä radionuklideja tai virusepidemia ei saa romahduttaa terveydenhoitojärjestelmää. Jos aikaa on käytettävissä paljon (ydinjätteet) tai joitakin vuosia (ilmastonmuutos), voidaan skenaarioiden taustaolettamuksia selvittää tarkemmin ennen kuin ryhdytään todella toimeen. Jos aikaa on vähän (virusepidemia), toimia pitää käynnistää välittömästi ja samalla arvioida toimien kustannus saavutettuun hyötyyn nähden. Rajallisten resurssien maailmassa kustannus ei voi olla miten suuri tahansa, ja jossain vaiheessa isoilla kustannuksilla saavutetaan vain pieni hyöty.

Kun edellä kuvatut osaamistasot yhdistetään numeeriseen matemaattiseen malliin, malli tuottaa lukuarvoja mitattavista asioista. Kun sitten verrataan mallin tuloksia mittauksiin, päästään parantamaan mallia. Jos mallin tulokset poikkeavat selvästi mitatuista, voidaan päästä käsiksi jopa noihin meille tuntemattomiin asioihin ja kehittää niihin uusia mittaustapoja. Matemaattinen malli on siten parhaimmillaan sillä tavalla läpinäkyvä, että sitä voidaan analysoida, ymmärtää ja tehdä paremmaksi. Siinä mielessä se voittaa niin maallikon mielipiteen kuin jopa kokeneen asiantuntijan arvion.

Mallin lopullinen testi on sen vertaaminen kokeisiin ja mittauksiin, mutta keskellä pandemiaa tai ilmastonmuutosta näin voidaan tehdä vain osittain. Malleja voi ymmärtää vain, jos ymmärtää että niiden luonteeseen kuuluu epävarmuus.

Matemaattisten mallien epävarmuudesta huolimatta luotan niihin enemmän kuin useimpiin muihin arvioihin. Olemme nyt siinä onnellisessa tilanteessa, että tieteellistä tietoa ja käytännön osaamista on käytettävissä pandemiasta selviytymiseen, ilmastonmuutoksen torjuntaan ja ydinjätteiden turvalliseen loppusijoitukseen.

Luottakaamme siis viranomaisten ja tutkijoiden tilannearvioihin ja niistä seuraaviin koveneviin rajoituksiin. Lopullisen analyysin voi tehdä vasta tilanteen mentyä ohi. Vasta silloin selviää valintojen hyvyys ja oikea-aikaisuus. Kriisin jälkeen voidaan arvioida miltä vältyttiin ja miltä olisi voitu välttyä. Juuri nyt kriisin keskellä on viisainta luottaa viranomaisten malleihin, koska heillä on käytössään laajin tietopohja ja pitkäaikainen kokemus. Kritisoinnin vapaus meille jää, mutta siinä toimessa maallikon on hyvä ymmärtää oman osaamisensa rajat ja omien malliensa suuret epävarmuudet.

Eero Puolanne 24.03.2020
Kiitos tästä puheenvuorosta: se jäsensi korona-asiaa ja mallinnusta muutoinkin luultavasti suurelle osalle professorikuntaa, minä siinä ymmärtämättömien eturivissä. Mietin vain sitä, miten mallit ottavat huomioon ei-yhteismitallisia asioita tai seikkoja, joita ei ole mielekästä muuttaa numeroiksi, miten niitä arvotetaan näissä matemaattisissa malleissa?

Petter Portin 24.03.2020
Olipa erityisen tarpeellinen ja pätevä kirjoitus.

Markus Olin 24.03.2020
Kiitos kommentista, Eero. Omalla alallani (ydintekniikka) ennen numeerisen mallin laadintaa tehdään konseptuaalisia malleja, joissa voidaan tutkia kaikenlaisia ilmiöitä ja niiden mukaan ottamista varsinaiseen laskentamalliin. Mutta vielä sitä ennen laaditaan skenaarioita, joilla pyritään kattamaan koko mahdollisten tulevaisuuden kehitysten kirjo. Tässä voidaan tukena käyttää numeerisia malleja tai sitten vaan kuvailla kehitysketjuja. Skenaariot tuottavat laskentatapauksia, jotka nekin ensin konseptoidaan. Usein laskentatapauksissa vaihdellaan sitten parametrien arvoja ja muuta sellaista. Skenaarioiden laatimisesta käydään vilkasta tieteellistä keskustelua. Linkissä kalvosarja syksyisestä seminaaristamme: http://kyt2022.vtt.fi/omt_seminar/6_Introduction%20to%20SYSMET%20project_Koivisto.pdf.