Contenuti del libro
Informazioni
ti porta in un viaggio affascinante per scoprire come i modelli matematici ci aiutano a descrivere un sacco di cose diverse. Non solo la fisica, ma anche la crescita delle popolazioni (pensiamo a Malthus con la crescita esponenziale o Verhulst con la crescita logistica e le loro equazioni differenziali), le dinamiche tra prede e predatori con le equazioni di Lotka-Volterra, o persino le strategie umane con la teoria dei giochi. Il libro esplora come gli stessi schemi matematici (l’isomorfismo delle leggi) funzionano in ambiti lontanissimi, dalla biologia all’economia. Si parte dalla visione classica di un mondo totalmente prevedibile (il determinismo classico di Newton e Laplace) per arrivare alla crisi della scienza classica e capire che i modelli sono solo rappresentazioni delle nostre idee sulla realtà, non la realtà stessa. Vedremo come la matematizzazione di campi come la biologia e l’economia sia più complicata, soprattutto quando c’è di mezzo il comportamento umano, mostrando i limiti della matematica nel catturare tutta questa complessità. È un libro che ti fa pensare a quanto sia potente la matematica, ma anche a dove finisce il suo dominio.Riassunto Breve
La matematica descrive la variazione di fenomeni come la crescita di una popolazione nel tempo. I dati statistici sono un punto di partenza, ma la loro rappresentazione grafica richiede giustificazioni basate sulla conoscenza del fenomeno. Un primo modello per la crescita è quello esponenziale, basato sull’idea che il tasso di crescita sia costante e proporzionale alla popolazione. L’equazione N'(t) = kN(t) porta a una crescita illimitata, che funziona bene all’inizio ma non nel lungo periodo, perché il tasso di crescita non resta costante. Per superare questo limite, si usa il modello logistico, che considera fattori limitanti. L’equazione N'(t) = (k – hN(t))N(t) descrive una crescita che rallenta e tende a un valore massimo, la popolazione limite k/h. Questo modello si adatta meglio ai dati reali, anche se i fattori limitanti possono cambiare. Le stesse equazioni matematiche descrivono fenomeni diversi: la crescita esponenziale si applica a tumori o decadimento radioattivo, la logistica alla diffusione di innovazioni. Questa capacità di uno schema matematico di descrivere cose diverse si chiama isomorfismo. Altri modelli matematici descrivono le dinamiche tra specie, come il modello di Lotka-Volterra per prede e predatori, che prevede fluttuazioni periodiche e si applica anche all’economia per i cicli basati sul conflitto. La teoria dei giochi analizza le interazioni strategiche, cercando strategie ottimali come l’equilibrio di Nash, ma incontra difficoltà nel rappresentare il comportamento umano complesso, come mostrato dal dilemma del prigioniero. Storicamente, la matematica è passata dall’essere uno strumento pratico al linguaggio della natura, un’idea forte con Galileo e Newton, portando al determinismo classico: conoscere lo stato iniziale permette di prevedere tutto. La meccanica di Newton, con la legge f = ma, è centrale in questa visione. Tuttavia, il determinismo classico ha limiti pratici per sistemi complessi e teorici con la scienza moderna. La scienza si sposta sulla costruzione di modelli matematici, che sono rappresentazioni di idee e conoscenze, non copie esatte della realtà, troppo complessa. I modelli si valutano per la loro efficacia e semplicità. Applicare la matematica a campi non fisici come biologia ed economia è più difficile, mancano leggi universali e la verifica è complessa, specialmente dove c’è il comportamento umano e la libera scelta. Nonostante l’uso dei calcolatori, la matematica non può sostituire la creazione concettuale umana o gestire l’infinito come la mente umana. La credenza che “il mondo è matematico” è superata; la matematica è uno strumento potente ma con limiti, specialmente di fronte alla specificità umana e alla coscienza.Riassunto Lungo
1. Modelli Matematici per la Crescita e Altri Fenomeni
Capire come crescono le cose, come il numero di persone nel tempo, ci porta a usare la matematica. I numeri che raccogliamo (i dati) sono un inizio, anche se a volte non sono completi o precisi. Mettere questi numeri su un grafico, magari con barre, aiuta a vedere come cambiano le cose. Unire i punti sul grafico con una linea ci dà un’idea continua, ma per farlo bene dobbiamo sapere come funziona davvero il fenomeno, perché linee diverse possono farci pensare cose diverse. La matematica ci offre gli strumenti per cercare regole precise che descrivano questi cambiamenti.Il primo modello: Crescita Esponenziale
Un primo modo semplice per pensare alla crescita di una popolazione viene da un’idea di Thomas Malthus. Lui pensava che, senza limiti, la crescita fosse sempre più veloce, proporzionale a quante persone ci sono già. Questo si traduce in un’equazione matematica che porta a una formula specifica, chiamata legge di crescita esponenziale. Questa formula dice che il numero di individui aumenta sempre più velocemente, senza mai fermarsi. Prevede una crescita illimitata nel tempo.Provando a usare questa idea per dati reali, come la popolazione degli Stati Uniti tra il 1790 e il 1950, all’inizio funziona abbastanza bene. Ma guardando sul lungo periodo, il modello esponenziale prevede numeri di persone molto più alti di quelli reali, in modo del tutto non credibile. Questo ci dice che l’idea di base non funziona per sempre. Il ritmo con cui la popolazione aumenta in realtà non rimane lo stesso nel tempo, ma cambia.
Un modello migliore: Crescita Logistica
Per superare il problema della crescita infinita, è stato proposto un modello più elaborato, chiamato legge di crescita logistica, da studiosi come Verhulst. L’idea principale qui è che il ritmo di crescita rallenta man mano che la popolazione diventa più grande, come se ci fossero dei limiti naturali. Anche questo si traduce in un’equazione matematica specifica. La soluzione di questa equazione descrive una crescita che all’inizio è veloce, poi rallenta. Si avvicina a un numero massimo, una specie di limite che la popolazione non supera.Questo modello logistico si adatta meglio ai dati reali rispetto al modello semplice, per esempio per popolazioni di microrganismi o insetti, e in parte anche per le persone. Però, anche qui ci possono essere differenze tra il numero massimo previsto dal modello e quello che si osserva nella realtà. Questo può succedere perché i fattori che limitano la crescita (come cibo, spazio, ecc.) non sono fissi. Possono cambiare nel tempo, magari per via di scoperte tecnologiche. Oppure per cambiamenti nell’ambiente.
Le stesse regole per cose diverse
È interessante notare che le stesse regole matematiche usate per capire come crescono le popolazioni possono descrivere fenomeni completamente diversi. L’idea semplice della crescita esponenziale, per esempio, funziona per descrivere come crescono i tumori all’inizio. Funziona anche per come diminuiscono le sostanze radioattive nel tempo, un principio usato per datare reperti antichi. O ancora, come cala la quantità di un farmaco nel sangue dopo che lo si prende. L’idea più complessa della crescita logistica, invece, può descrivere bene come si diffonde una nuova idea o una tecnologia in un gruppo di persone.Questa capacità della matematica di usare la stessa struttura per descrivere regolarità che si vedono in ambiti molto diversi è una delle sue grandi forze. È come se la matematica avesse un linguaggio universale per i cambiamenti. Dimostra come riesca a trovare schemi comuni nel modo in cui avvengono le cose nella realtà. Anche quando i fenomeni sembrano non avere nulla in comune tra loro. Questo ci fa capire quanto sia potente la matematica per descrivere il mondo che ci circonda.
Se i modelli matematici mostrano limiti evidenti nell’aderire alla realtà complessa, non si rischia di sopravvalutare la loro capacità di descrivere un “linguaggio universale” dei fenomeni?
Il capitolo illustra come i modelli matematici, pur utili, incontrino difficoltà nel rappresentare pienamente la realtà, specialmente quando i fattori che influenzano i fenomeni cambiano nel tempo. Questo pone un interrogativo sulla pretesa della matematica di offrire un linguaggio universale per descrivere il mondo, se i modelli derivati non riescono a catturare la sua intrinseca complessità e dinamicità. Per approfondire questa critica e comprendere i limiti intrinseci della modellizzazione, è utile esplorare la filosofia della scienza, che analizza la natura e la validità delle teorie scientifiche, e la scienza della complessità, che studia sistemi non lineari e imprevedibili. Autori come Karl Popper o pensatori nell’ambito della teoria dei sistemi complessi possono fornire prospettive critiche fondamentali.2. Schemi matematici e la natura dei conflitti
La diffusione di innovazioni segue un modello matematico che descrive come il numero di adottanti cresce nel tempo. Questo processo di crescita è influenzato da chi ha già adottato l’innovazione e da chi invece non l’ha ancora fatto. L’equazione logistica cattura questa dinamica, rappresentandola con una curva a S che mostra una crescita inizialmente lenta, poi rapida, e infine di nuovo lenta man mano che la saturazione si avvicina. Includere fattori esterni, come l’impatto della pubblicità o altre influenze, permette di modificare l’equazione, migliorando così la sua capacità di accordarsi con i dati reali, come si è visto studiando la diffusione di pratiche agricole o l’adozione di nuove tecnologie industriali.Modelli per le dinamiche di popolazione e i cicli economici
Un altro modello matematico, descritto dalle equazioni di Lotka-Volterra, si occupa delle dinamiche che si instaurano tra popolazioni di prede e predatori. Questo modello matematico prevede fluttuazioni periodiche nel numero degli individui di entrambe le specie coinvolte. L’introduzione di un fattore esterno, come ad esempio l’attività di pesca, può alterare queste dinamiche, portando a un aumento della media delle prede e a una diminuzione di quella dei predatori; tuttavia, una pesca eccessiva rischia di condurre all’estinzione delle prede stesse. Questo modello trova applicazioni non solo in ambito biologico, ma anche in economia, dove può descrivere i cicli economici che derivano dal conflitto tra lavoratori e capitalisti, e persino in elettronica, dimostrando come lo stesso schema matematico possa illuminare fenomeni molto diversi tra loro. Questa capacità dei modelli matematici di essere validi in contesti apparentemente lontani è un chiaro esempio di isomorfismo.La teoria dei giochi e l’analisi delle strategie
La teoria dei giochi offre uno strumento per analizzare le interazioni strategiche che avvengono tra individui o tra gruppi. Giochi che vanno dai più semplici, come il Tris, ai più complessi, come gli scacchi, possono essere rappresentati attraverso strutture come gli alberi di gioco o le forme strategiche. L’obiettivo è individuare le strategie che risultano ottimali per i partecipanti. Concetti importanti come il minimax e l’equilibrio di Nash emergono per descrivere i comportamenti che si considerano razionali in situazioni caratterizzate da conflitto. Il celebre dilemma del prigioniero serve a illustrare le sfide che si incontrano nel definire cosa sia la razionalità e nel valutare l’efficacia di questi modelli nel prevedere il modo in cui le persone agiscono.L’evoluzione storica dell’uso della matematica nella scienza
Guardando alla storia, si osserva come l’uso della matematica per descrivere la natura abbia subito una trasformazione significativa. In origine, l’applicazione della matematica era prevalentemente pratica e non implicava l’idea che la natura stessa fosse governata da leggi matematiche intrinseche. Fu con Galileo che la matematica iniziò a essere considerata il vero linguaggio con cui la natura si esprime, richiedendo agli studiosi di astrarre dalle imperfezioni del mondo materiale per scoprire le leggi fondamentali che lo regolano. Newton portò avanti questa visione in modo potente, sviluppando il calcolo infinitesimale e riuscendo a unificare la fisica terrestre e quella celeste sotto un unico quadro matematico. L’estensione dell’applicazione della matematica a campi non fisici, come la biologia o l’economia, ha poi sollevato nuove e complesse questioni riguardo alla validazione empirica dei modelli e all’interpretazione dei risultati che essi producono.L’entusiasmo per l’isomorfismo matematico non rischia forse di farci dimenticare le profonde differenze qualitative tra la dinamica di prede e predatori e le interazioni umane, economiche o sociali?
Il capitolo illustra con efficacia la potenza dei modelli matematici e la loro sorprendente applicabilità in ambiti diversi, ma la rapidità con cui si passa dalla biologia all’economia o ai conflitti sociali potrebbe indurre a sottovalutare le specificità uniche dei sistemi umani. Applicare modelli nati per descrivere interazioni biologiche o fisiche a contesti sociali ed economici, dove entrano in gioco fattori come cultura, istituzioni, decisioni non puramente razionali e strutture di potere complesse, richiede un’attenzione critica che il capitolo sembra solo sfiorare. Per approfondire questa tematica e comprendere i limiti di tali trasposizioni, sarebbe utile esplorare discipline come la sociologia, l’economia comportamentale e la filosofia della scienza, confrontandosi con autori che hanno analizzato criticamente la modellizzazione dei sistemi sociali, come Kahneman per la razionalità limitata o Polanyi per la critica alla riduzione dell’economia a leggi universali.3. Modelli Matematici: Descrivere Idee, Non Solo Realtà
Le leggi fondamentali del moto sono stabilite dalla meccanica di Newton. La seconda legge spiega che la forza applicata a un corpo ne cambia la quantità di moto in modo proporzionale, e questo si esprime con l’equazione f = ma. Questa è una delle prime equazioni differenziali che si studiano, e risolverla permette di capire dove andrà un corpo se si conoscono le forze che agiscono su di esso. La legge di gravitazione universale, invece, descrive come i corpi si attraggono, unendo così la fisica che riguarda la Terra e quella che riguarda il cielo.Dal Determinismo Classico ai Suoi Limiti
Da queste leggi di Newton nasce l’idea del determinismo classico: se si conoscono la posizione e la velocità di un sistema in un dato momento, insieme alle forze che agiscono, si può prevedere con certezza tutto ciò che accadrà in futuro e tutto ciò che è accaduto nel passato. Questa visione ha portato al programma meccanicista, che voleva spiegare tutti i fenomeni naturali come semplici movimenti di particelle, descritti da sistemi di equazioni. Pierre Simon Laplace era un grande sostenitore di questa idea, convinto che un’intelligenza capace di conoscere tutto avrebbe potuto prevedere ogni cosa.La Crisi della Scienza Classica e il Nuovo Approccio
Questo modo di vedere le cose ha però incontrato dei limiti. Spiegare tutte le forze in sistemi molto complessi è difficile, e risolvere le equazioni per molti corpi contemporaneamente è quasi sempre impossibile in modo esatto. All’inizio del Novecento, la scienza classica è entrata in crisi con l’arrivo della relatività e della meccanica quantistica. Queste nuove teorie hanno messo in discussione concetti fondamentali come lo spazio e il tempo assoluti, l’idea di continuità e il determinismo a livello piccolissimo, quello delle particelle.L’Era dei Modelli Matematici
Si è passati così da un modo di pensare basato sull’analogia meccanica a uno basato sull’analogia matematica. La scienza moderna si concentra sulla creazione di modelli matematici. Un modello matematico non è una copia esatta della realtà, ma una descrizione formale che rappresenta le idee e le conoscenze che abbiamo su un certo fenomeno. La realtà è troppo complicata per essere descritta in modo completo e unico, quindi costruire un modello significa fare delle scelte e delle ipotesi basate su quello che osserviamo e su quello che pensiamo.Valutare i Modelli e le Nuove Sfide
I modelli non vengono giudicati in base a una verità assoluta, ma sulla loro capacità di funzionare bene e di essere utili per descrivere i fenomeni in un determinato ambito. Devono anche essere abbastanza semplici. Usare la matematica in campi diversi dalla fisica, come la biologia o l’economia, è una cosa più recente e presenta maggiori difficoltà. In questi settori, spesso mancano leggi universali come quelle che si trovano in fisica, e verificare le teorie con esperimenti è complicato o non possibile, basandosi più su dati raccolti nel tempo o su analisi statistiche.[/membership]Se i modelli matematici descrivono le “idee” che abbiamo sulla realtà, e non la realtà stessa, cosa ci garantisce che non siano solo utili finzioni?
Il capitolo introduce l’importante distinzione tra modelli come descrizioni della realtà e modelli come rappresentazioni delle nostre idee su di essa, ma non approfondisce le implicazioni filosofiche di questa visione. Questa prospettiva solleva interrogativi cruciali sullo statuto di verità dei modelli scientifici. Per esplorare a fondo questa tematica e capire come la scienza possa comunque aspirare a una conoscenza del mondo pur lavorando con modelli che sono “costruzioni”, è fondamentale addentrarsi nel campo della filosofia della scienza e dell’epistemologia. Autori come Karl Popper o Thomas Kuhn offrono prospettive diverse sulla natura della conoscenza scientifica e sul ruolo dei modelli e delle teorie.4. I confini mutevoli del dominio matematico
Tra il 1920 e il 1940, i metodi matematici iniziano a essere usati sempre più spesso in campi diversi dalla fisica, come la biologia, l’economia e le scienze sociali. Questo accade in un periodo in cui le vecchie idee scientifiche basate sul “riduzionismo classico” non bastano più. Si inizia a preferire l’uso di modelli per capire la realtà.Matematica in Biologia ed Economia
In biologia, i primi tentativi fatti da studiosi come Volterra prendono spunto dalla meccanica. Anche se i modelli diventano più complessi in seguito, l’idea di base legata alla meccanica rimane presente. In economia, von Neumann critica l’approccio che imitava la meccanica, usato da studiosi come Walras e Pareto. Propone l’uso di una “nuova matematica”, come la teoria dei giochi, per analizzare meglio i fenomeni economici. Tuttavia, quando la matematica viene applicata all’economia in modo più esteso, come nei lavori di Arrow-Debreu, si reintroducono concetti simili a quelli meccanici, come l’idea di “equilibrio”. Questo mostra i limiti della matematica nel prevedere le crisi economiche o nel garantire che il mercato si sistemi da solo.La Matematica: Specchio della Realtà o Strumento?
Un tempo, nella scienza classica, si credeva fermamente che “il mondo fosse matematico”. Si pensava che ci fosse una corrispondenza diretta e perfetta tra i fenomeni naturali e le equazioni matematiche che li descrivevano. La fisica più recente ha messo in discussione questa idea. Ha mostrato che la matematica è uno strumento molto efficace per analizzare la realtà, ma non è l’unica rappresentazione possibile. La sua grande efficacia in fisica deriva dal fatto che è nata e si è sviluppata studiando proprio i fenomeni fisici, come nel caso del calcolo infinitesimale.I Limiti della Matematica e la Specificità Umana
Applicare la matematica in campi dove entrano in gioco fattori umani, come la libera scelta, presenta grandi difficoltà. I metodi che cercano di prevedere tutto in modo certo (deterministici) o che si basano solo sulla probabilità non riescono a descrivere bene quanto è complesso il comportamento delle persone. L’uso dei computer è fondamentale per fare calcoli complessi e verificare i modelli matematici creati. Però, i computer non possono sostituire la capacità umana di creare nuove idee o di pensare all’infinito. La mente umana è profondamente diversa dalle macchine. Ha la capacità di immaginare e gestire concetti infiniti e possiede una consapevolezza che le macchine non hanno. Riconoscere questi limiti della matematica e capire cosa rende unico l’essere umano richiede un approccio che tenga conto anche degli aspetti umanistici.Affermare che la mente umana possa “pensare all’infinito” e possieda una “consapevolezza” negata alle macchine non semplifica eccessivamente un dibattito ancora aperto?
Il capitolo solleva un punto cruciale sui limiti della matematica nell’affrontare la complessità del comportamento umano e sulla distinzione tra mente umana e macchine. Tuttavia, la caratterizzazione della mente umana come capace di “pensare all’infinito” e dotata di una “consapevolezza” assente nelle macchine tocca temi, come la natura della coscienza e il potenziale dell’intelligenza artificiale, che sono oggetto di dibattito filosofico e scientifico estremamente acceso e lontano da un consenso univoco. Per approfondire queste tematiche e comprendere le diverse sfaccettature del rapporto tra mente, calcolo e coscienza, sarebbe utile esplorare la Filosofia della Mente, la Scienza Cognitiva e gli studi sull’Intelligenza Artificiale. Autori come Alan Turing, John Searle, Daniel Dennett e Marvin Minsky offrono prospettive fondamentali e spesso contrastanti su questi argomenti.Abbiamo riassunto il possibile
Se vuoi saperne di più, devi leggere il libro originale
Compra il libro[sc name=”1″][/sc] [sc name=”2″][/sc] [sc name=”3″][/sc] [sc name=”4″][/sc] [sc name=”5″][/sc] [sc name=”6″][/sc] [sc name=”7″][/sc] [sc name=”8″][/sc] [sc name=”9″][/sc] [sc name=”10″][/sc]
