Prendere decisioni difficili con l’aiuto della scienza

Gestire l’incertezza, alimentare l’ottimismo

1. Come muoversi tra due decisioni contrastanti
2. Perché diffidare delle promesse dei fondi di investimento
3. Come fidarsi (o meno) della bilancia del bagno
4. Che cosa vuol dire al di là di ogni ragionevole dubbio
5. Perché la lotta alla povertà (o altro) non dipende dai fondi per i viaggi spaziali (o altro)

1. Come muoversi tra due decisioni contrastanti

C’è una tensione fra i dati che raccogliamo e le decisioni concrete che dobbiamo prendere. Ecco qualche esempio.

• Devo arrivare in aeroporto in anticipo per essere sicuro di non perdere il volo, o devo arrivare subito prima della partenza per evitare di sprecare tempo nella sala d’attesa dell’aeroporto?
• È meglio che sia permissivo a proposito della vita sociale di mia figlia adolescente, facendo sì che senta di godere della mia fiducia e che possa sviluppare la propria autonomia? O è meglio che sia restrittivo, riducendo al minimo la probabilità che finisca nei guai?
• Dobbiamo imporre un tetto per gli affitti, per aiutare le persone più povere a rimanere nelle loro abitazioni quando i prezzi degli immobili salgono, o è meglio lasciare che i prezzi salgano per incentivare i costruttori a realizzare nuove abitazioni?
• Dobbiamo lasciare che i rifugiati di guerra si insedino nel nostro paese, per offrire loro sicurezza e benessere? Oppure dobbiamo bandirli perché c’è il rischio che alcuni di loro siano terroristi o criminali?

Uno dei modi in cui la scienza può migliorare la nostra capacità di risoluzione dei problemi è quello di fare astrazione (temporaneamente) dai dettagli specifici di un problema, così che possiamo concentrarci sulle caratteristiche generali comuni a molti problemi. Possiamo allora generalizzare la tabella delle decisioni tra due alternative.

Una matrice di decisione generalizzata

In questa tabella, dobbiamo prendere una decisione in base alla nostra migliore valutazione della presenza o assenza di un certo segnale nel mondo. Questo segnale può essere qualsiasi stato dicotomico: innocenza/colpa in una causa, avere/non avere diritto all’assistenza pubblica, comune temporale/tornado, tumore sì/no, e così via. Se decidiamo che il segnale è presente, la nostra decisione è un positivo; se decidiamo che è assente, è un negativo. Questo crea quattro tipi generali di esiti: se non è presente alcun segnale, possiamo dire assente e avere ragione (un vero negativo) o dire presente, sbagliando (un falso positivo). Se il segnale è presente, possiamo dire assente e sbagliare (un falso negativo) o dire presente e avere ragione (un vero positivo). La tensione fra falsi negativi e falsi positivi può essere vista anche come tensione tra peccati di omissione e peccati d’opera.

Leggi anche: 9 libri che rendono la scienza curiosa e interessante

Una conseguenza immediata della tabella è che non ha senso etichettare le nostre decisioni come semplicemente accurate o non accurate, perché esistono due modi diversi d’essere accurati e due modi diversi di essere non accurati. In campi come la medicina (dove il segnale può essere cancro) e la valutazione scolastica (dove il segnale può essere una risposta corretta in un test), c’è stato uno spostamento dall’indicazione di tassi di accuratezza generali (cioè la percentuale di decisioni corrette, rispetto al totale) verso criteri più informativi in merito a quell’accuratezza – sensibilità (la percentuale di volte in cui diciamo presente quando il segnale è realmente presente) e specificità (la percentuale di volte in cui diciamo assente quando il segnale è realmente assente).

Qualsiasi test il cui scopo sia aiutarci a fare previsioni (che sia un test di screening per il cancro o un esame di abilitazione professionale) deve avere un’elevata sensibilità ma anche un’elevata specificità. Notate che è possibile massimizzare la sensibilità dicendo sempre Il segnale è presente; per esempio, se diciamo sempre che un tumore è maligno, non trascureremo mai un cancro. Così facendo, però, probabilmente riduciamo il livello di specificità: sostanzialmente definiamo canceroso qualsiasi tumore e la diagnosi diventa priva di senso. Un test con una soglia utile deve trovare un punto di equilibrio fra questi criteri diagnostici.

Torna all’inizio.

2. Perché diffidare delle promesse dei fondi di investimento

Se vogliamo investire in azioni, da comuni piccoli investitori, ci rendiamo presto conto che esistono molte aziende fra i cui collaboratori c’è un esperto di portafogli azionari che organizza un fondo comune e vuole vendervi una quota di quel fondo. Per convincerci, ci dirà che il suo fondo ha battuto il mercato negli ultimi cinque anni e che ha previsto correttamente l’andamento del mercato molte volte. Potremmo investire in quel particolare fondo comune, pensando che il suo responsabile sia più bravo di altri gestori di fondi. Il grafico della prossima figura mostra la performance dei principali fondi comuni per un periodo di cinque anni dal 2013 al 2017. I fondi sono classificati in base all’abilità del relativo responsabile sul mercato azionario. Si può vedere che qualcuno ha fatto il 4 percento meglio della media, molti sono stati vicini alla media, e qualcuno ha fatto circa il 10 percento peggio della media. Potremmo essere tentati di credere che i gestori di portafogli con le migliori performance passate siano realmente più abili o più competenti di quelli con le performance peggiori.

Andamento dei fondi comuni rispetto alla media del mercato.

Che cosa succede se si misura la performance di quelle stesse persone nei cinque anni successivi, fra il 2018 e il 2022? Si scopre che sono quasi completamente casuali, come si vede dal grafico della figura che segue. La performance in un periodo di cinque anni non ha praticamente alcuna correlazione con quella nei cinque anni successivi. Per un periodo di cinque anni, alcune persone sono state davvero abili con l’analisi economica e con le sensazioni viscerali; per qualche motivo, quelle stesse sensazioni viscerali e quella stessa analisi tendenzialmente non hanno funzionato nei cinque anni successivi. Quello che vediamo è che, se si studia un numero sufficiente di responsabili di fondi, alla fine si trova qualcuno che sembra avere scelto tutti i titoli azionari giusti, ma sarà solo l’effetto di vedere schemi in rumore casuale, con una grande quantità di rumore in mezzo al quale cercare. La cosa interessante è che quelle persone non fingono intenzionalmente: sono davvero molto sicure di avere condotto uno studio molto attento e di avere effettivamente stabilito la performance di quelle diverse aziende, non lanciato semplicemente delle monetine. Pensano di essere serie studiose dell’economia e dei fondamentali delle buone pratiche aziendale. Eppure, a quanto pare, l’andamento è essenzialmente casuale.

Performance degli stessi fondi, ordinati come nella figura precedente, nei cinque anni successivi (dal 2018 al 2022).

Ci possono essere piccole eccezioni, responsabili di fondi che quasi sempre fanno meglio della media nel tempo (o che fanno sempre peggio), ma dobbiamo prendere tutto questo come un avvertimento. La maggior parte delle persone probabilmente non è consapevole di quanti fondi siano in circolazione in ogni dato momento, così che qualche fondo sarà in grado (grazie alla fortuna, non per abilità) di fare ogni genere di affermazioni grandiose in qualsiasi momento. In ogni distribuzione casuale di performance di fondi, alcuni faranno meglio e alcuni faranno peggio. (Questo è il motivo principale per cui spesso si consiglia di aderire a un grande fondo indicizzato e non sprecare denaro pagando le commissioni del responsabile di un fondo).

Torna all’inizio.

3. Come fidarsi (o meno) della bilancia del bagno

Per comprendere questi termini, iniziamo con un altro esempio concreto che illustra come si presentino nella vita quotidiana quei due diversi tipi di incertezza. Supponiamo che il medico ci abbia consigliato di perdere tre chili, per motivi di salute. Subito dopo, partiamo per un viaggio di lavoro e in ogni hotel in cui soggiorniamo controlliamo il nostro peso. Ogni giorno ci troviamo in un hotel diverso e nella nostra stanza troviamo una bilancia diversa. La prima volta che ci pesiamo ci diciamo: Oh, è curioso. Sembra che pesi un chilo meno di quello che pensavo. Magari la bilancia non è ben tarata. Poi arriviamo alla destinazione successiva, proviamo la bilancia che troviamo in bagno e diciamo: Oh, guarda. Questa dice che peso un chilo più di quello che pensavo. Cominciamo a sospettare che gli hotel non si preoccupino di tarare bene le bilance che si trovano nei bagni. Viaggiamo per un mese, visitiamo molti hotel e utilizziamo molte bilance diverse, e immaginiamo che, facendo una media di tutte le misurazioni, probabilmente avremo un’idea sensata del nostro peso, perché la probabilità che tutte le bilance siano tarate male nello stesso modo ci sembra molto scarsa.

Quando torniamo a casa, utilizziamo la bilancia che abbiamo nel nostro bagno. Quello che non sappiamo è che quella bilancia non dà il peso reale: indica sempre tre chili in meno di quello che dovrebbe. Magari all’inizio pensiamo che il nostro peso sia più basso perché siamo disidratati dopo il volo, ma dopo un mese in cui ci pesiamo ogni giorno con quella bilancia, vediamo sempre che pesiamo tre chili in meno rispetto al peso medio che avevamo in viaggio. In effetti, non importa quante volte ci pesiamo con questa bilancia; ci congratuliamo sempre per la nostra costanza nel mantenere quei tre chili in meno. Ovviamente, è esattamente il tipo di situazione che gli scienziati vogliono evitare, inventando costantemente modi per riconoscerla: non riusciremo a stabilire se ci troviamo o meno in una situazione in cui otteniamo un bellissimo risultato riproducibile (cioè, ci siamo pesati molte volte e abbiamo ottenuto sempre lo stesso valore), ma è tre chili meno di quello vero.

Qui gli scienziati hanno iniziato a distinguere (e a etichettare) i due tipi di incertezza. L’incertezza statistica è quella che dipende dalle sorgenti di rumore a causa delle quali le nostre misurazioni si disperdono a caso intorno al valore corretto, alcune più elevate e altre inferiori, come i diversi pesi indicati dalle bilance degli hotel. Quando c’è solo incertezza statistica, possiamo sempre arrivare più vicino alla risposta vera facendo la media di un numero di misurazioni sempre più grande. L’incertezza sistematica, invece, è quella dovuta a sorgenti di rumore che deviano ogni misurazione in un’unica direzione, per eccesso o per difetto, come nel caso della bilancia di casa che dà sempre un peso inferiore di tre chili. Non importa quante misurazioni effettuiamo, se c’è un’incertezza sistematica; la media non ci porterà più vicino alla risposta vera, ma ci porterà verso un risultato distorto.

La cosa interessante, a proposito di questi due tipi di incertezza, è che, una volta che si è consapevoli della differenza, diventa chiaro che, per avere una buona misurazione (cioè con un segnale chiaro, non troppo confuso in mezzo al rumore), servono strategie diverse per affrontarle. Se le nostre misure continuano a variare in modo casuale ogni volta che le ripetiamo (magari la nostra mano trema un po’ mentre cercate di tenere fermo il metro), dovremo effettuare molte altre misurazioni, in modo da ridurre quel rumore statistico facendo una media (oppure dovremo trovare qualcuno con la mano più ferma, che ci permetta di ottenere risultati più coerenti). Se sospettiamo l’esistenza di un’incertezza sistematica, invece, il problema è molto più difficile; gran parte degli sforzi di uno scienziato è centrata sui modi per affrontarla.

Torna all’inizio.

4. Che cosa vuol dire al di là di ogni ragionevole dubbio

In un mondo pieno di rumore e incertezza, inevitabilmente commetteremo errori. Spesso ci preoccupa più un tipo di errore dell’altro. Se rimpiangeremmo maggiormente un falso negativo (non vorremmo trascurare un tumore maligno), possiamo fissare il nostro standard (o la soglia di decisione) molto in basso – un bias per Segnale presente. Se ci dispiacerebbe di più un falso positivo (odieremmo spaventare qualcuno che in realtà non ha un cancro), possiamo fissare uno standard (o una soglia di decisione) abbastanza alto – un bias per Segnale assente.

Nella tradizione della common law dei Paesi anglosassoni, ai giurati viene data l’istruzione di rispettare l’onere della prova in un modo che tende a prevenire la possibilità di condannare persone innocenti; secondo una famosa massima del giurista inglese sir William Blackstone, è meglio assolvere dieci persone colpevoli che condannarne una innocente. Ai giurati, quindi, viene data normalmente l’istruzione di votare per la non colpevolezza dell’imputato, a meno che non siano certi, al di là di ogni ragionevole dubbio, della sua colpevolezza.

A qualcuno può sembrare un atteggiamento troppo tollerante nei confronti del crimine, ma ci sono buoni motivi per questa impostazione. Innanzitutto, le cause penali mettono un singolo cittadino di fronte a tutto il potere dell’ufficio del pubblico ministero, che in genere ha molte più risorse di quelle che può avere l’imputato. In secondo luogo, in molti casi (per esempio, tutte le volte che è noto che il crimine sia avvenuto, ma non chi l’abbia commesso), c’è un’asimmetria logica che favorisce un forte bias contro la condanna: se condanniamo una persona innocente, è probabile che al contempo lasciamo in libertà il vero colpevole.

Purtroppo, l’espressione al di là di ogni ragionevole dubbio è notoriamente vaga. Il giudice non ci dice se i nostri dubbi sono ragionevoli o meno. I giurati devono stabilirlo da soli. In un’indagine sui giudici federali, circa un terzo di loro ha dichiarato che dubbio ragionevole significa essere sicuri al 95 percento, un terzo ha detto il 99 percento, un terzo ha dato altri numeri. Uno di noi (Rob) ha cercato di stimare le soglie che i giurati considerano effettivamente, e sembra che cadano ben al di sotto del 95 percento.

Purtroppo, lo spazio di manovra creato da questa vaghezza lascia aperta la porta al pregiudizio dei giurati. Lo abbiamo dimostrato proponendo ai nostri studenti un caso legale ipotetico da giudicare. A metà di loro è stata fornita una descrizione scritta di un caso penale che comprendeva queste informazioni fondamentali: L’imputato, un ventunenne studente dell’Università della California, è stato accusato di avere commesso un’aggressione nel parcheggio di un bar della zona; all’altra metà è stato detto che l’imputato era un ventunenne disoccupato abitante a Berkeley. Abbiamo chiesto a entrambi i gruppi quale fosse secondo loro la probabilità che l’imputato avesse commesso il crimine. Gli studenti a cui era stato detto che l’imputato era un disoccupato di Berkeley era più probabile che lo considerassero colpevole, disponendo delle stesse prove fornite all’altro gruppo. In sostanza, erano più disposti a concedere il beneficio del dubbio a un collega studente.

Coerentemente con questa interpretazione, quando abbiamo chiesto agli studenti di valutare quanto sarebbe stato grave condannare una persona innocente o assolvere una persona colpevole, gli studenti che pensavano che l’imputato fosse un disoccupato residente a Berkeley temevano maggiormente di condannare erroneamente un altro studente che non di condannare erroneamente un disoccupato. Questo tipo di bias è stato individuato anche in altri studi, in cui gli standard dei giurati erano influenzati dall’etnia dell’imputato, dal suo aspetto fisico e da altri tratti, anche se non esisteva alcun collegamento logico fra quelle caratteristiche e la natura del crimine.

Torna all’inizio.

5. Perché la lotta alla povertà (o altro) non dipende dai fondi per i viaggi spaziali (o altro)

Lo spirito si può fare quotidiano con cui uno scienziato (spesso) affronta un nuovo problema ha una conseguenza pratica molto diversa quando si applica a problemi di risorse condivise. Molti conflitti sociali nascono dalla scarsità percepita: persone o gruppi differenti vogliono attingere a una risorsa, e non sembra che ce ne sia a sufficienza perché tutti ottengano quello che vogliono. (A volte si parla di giochi a somma zero, perché quello che ottengo io tu lo perdi, e viceversa.) Per esempio, dato che le risorse idriche sono limitate, dovrebbero andare prima all’agricoltura, o allo sviluppo urbano? Una centrale inquinante, alimentata a carbone, che genera elettricità per tutta la città, dovrebbe essere collocata più vicino a un quartiere o a un altro? Queste decisioni possono sembrare inevitabili fonti di conflitto fra persone benintenzionate che hanno idee filosofiche fortemente divergenti sui principi in base ai quali dovremmo costruire le nostre società, e, ovviamente, i conflitti possono far emergere il peggio delle nostre naturali tendenze competitive a conquistare la fetta più grande possibile della torta, o a sconfiggere i nostri avversari.

Si noti però che abbiamo parlato di scarsità percepita. L’idea che una risorsa sia scarsa di solito si basa su qualche assunto di fondo che potrebbe essere falso; una mancanza di immaginazione. Ed è qui che l’atteggiamento possibilista che accompagna l’ottimismo scientifico può essere utile.

Analizzare in modo critico la realtà, prendere decisioni valide e risolvere i problemi – individualmente e collettivamente – utilizzando i trucchi del mestiere degli scienziati.

Ciò che la costanza dell’ottimismo scientifico può portare come contributo è la possibilità alternativa di ingrandire quella torta, in modo da non essere costretti a prendere decisioni per cui ciò che una persona guadagna l’altra perde. Oggi la popolazione mondiale è enormemente (quattro volte) maggiore di quel che era 100 anni fa, ma la percentuale delle persone che vivono in povertà estrema è scesa dal 60 percento circa a meno del 10 percento. Questo significa che il numero assoluto di persone che vivono in povertà estrema è diminuito, anche se sul pianeta ora ci sono circa sei miliardi di persone in più. Chiaramente, la diminuzione della povertà estrema non è stata principalmente conseguenza dell’aver tolto risorse a un gruppo per darle ad altri, ma di un drastico aumento nella produzione di risorse. Ora ci preoccupa il gruppo che vive ancora in povertà, e ci preoccupano gli effetti sull’ambiente della crescita globale della produzione. Avremo ancora bisogno di tutte le nostre capacità di risoluzione iterativa dei problemi, insieme con lo spirito scientifico del si può fare.

Un altro esempio interessante di soluzioni che fanno crescere la torta si può vedere negli sforzi per ridurre le emissioni di anidride carbonica causate dalla produzione e dal consumo di energia. In anni recenti, sono state sviluppate nuove tecnologie energetiche (eolico, solare, geotermico, idroelettrico) che producono meno gas serra e sono state migliorate quelle esistenti, tanto che alcuni esperti sono convinti che queste tecnologie oggi siano più economiche e sicure delle vecchie fonti di energia che emettono più gas serra. Se è così, le lotte politiche per chi può usare queste o quelle tecnologie energetiche diventano ingiustificate. Anche se le persone non sono tutte ugualmente preoccupate per i gas serra, se non produrli costa meno, nessuno dovrebbe avere qualcosa a che ridire.

La storia della scienza è tanto ricca di questi casi di superamento di ostacoli che può fornirci un modo diverso di impostare una negoziazione difficile, la possibilità di fare felici tutte le parti interessate. È particolarmente importante rendersene conto, in un mondo saturo di media che spesso sembra abbiano nel loro business plan di spaventarci con tutto quello che nel mondo va, o potrebbe andare storto. La reazione naturale è piegarsi su se stessi e cercare di proteggere tutto quello che si ha, in genere rendendo estremamente difficile, se non impossibile, trovare le soluzioni che fanno crescere la torta e soddisfano tutti. L’ottimismo scientifico come antidoto culturale al catastrofismo dei media offre un punto di partenza diverso.

Torna all’inizio.

Questo articolo richiama contenuti da Trovare il senso in un mondo senza senso.

Immagine di apertura originale di Javier Allegue Barros su Unsplash.