5,8 (IV)

Hasta ahora hemos visto los problemas que conlleva reducir las cosas a cifras pero ¿por qué querríamos hacer tal cosa, en cualquier caso? Una respuesta plausible es que con los números se pueden crear modelos.

IV.

Un modelo es una simplificación de la realidad, un mundo imaginario que nos ayuda a entender el real mediante la eliminación de lo superfluo, dejándonos únicamente con lo esencial. Según Scott Page, los modelos nos permiten entender mejor el mundo mediante la organización de la información; nos dotan de marcos para hacer predicciones más precisas, para formular las mejores estrategias y el diseño de mejores políticas.

En este contexto los modelos son abstracciones que pueden representarse matemáticamente. Es posible utilizar funciones para conocer el estado del modelo (que debería representar el estado de la realidad), o para saber cómo están relacionados diferentes aspectos de la realidad (por ejemplo, cómo afecta el paro al consumo). Es gracias al entendimiento proporcionado por un modelo que podemos hacer predicciones.

Probablemente sea la física la ciencia que mayor partido le ha sacado a los modelos. Esta disciplina hace un uso intensivo de los mismos y sus éxitos son indudables. Desde hace tiempo se intenta extender dicho proceder a las ciencias humanas, aplicando la física a las ciencias sociales y a la economía. La idea que subyace es que los fenómenos sociales complejos son tan regulares y susceptibles de previsión como una órbita planetaria.

Pero incluso la física ha visto cómo sus modelos no siempre dan cuenta de la realidad. El modelo de gravitación de Newton, por ejemplo, aunque correcto y útil en lo general, no podía explicar la precesión del perihelio de Mercurio. 

En ocasiones los modelos son demasiado simples. Para quien no lo conozca, he aquí el chiste de la vaca esférica mencionado en la tercera parte:

Un ingeniero, un matemático y un físico llegan de visita a una granja y el granjero les pide que midan el volumen de una de sus vacas.
El ingeniero llena de agua un depósito, mete a la vaca dentro, mide el volumen de agua desplazado y da la respuesta.
El matemático construye un modelo parametrizable en base a la altura del bovino y distancia desde la cabeza a la cola, hace un programa en C++ y lo presenta al granjero como solución general con la que puede averiguar el volumen de todas las vacas que quiera con un error de sólo 5%.
El físico inicia su razonamiento así: “supongamos que la vaca es esférica…”.

La gracia del chiste es que los físicos a menudo reducen el problema a la forma más simple que se pueda imaginar con el fin de hacer los cálculos más factibles, a pesar de que esta simplificación puede obstaculizar la aplicación del modelo a la realidad.

Bajo mi punto de vista, los logros actuales de los modelos socioeconómicos distan mucho de los de las ciencias naturales. Creo que parte del problema radica, como hace entrever el chiste, en la simplificación del modelo. Pero también pienso que se debe a lo que hemos visto hasta ahora: qué se mide y cómo. Las ciencias sociales no cuentan con definiciones tan precisas como las de segundo para medir conceptos como calidad, riesgo, felicidad o satisfacción.

Así pues, los modelos deben manejarse con cautela. Como explica Marcos Pérez:

«Llega un momento en cualquier proceso de abstracción en el que perdemos el contacto con la realidad, y pasamos a manipular puras abstracciones. Esto no tiene por qué ser malo en sí mismo, si recordamos que estamos simplificando los elementos de dicha realidad. El problema llega cuando nos enamoramos de dichas abstracciones y las conclusiones a las que nos llevan las confundimos con la propia realidad que intentan describir.»

Es importante no perder la perspectiva sobre lo que un modelo está dejando fuera. Puede ocurrir que no estemos teniendo en cuenta factores importantes porque no son fáciles de medir o hemos creído -incorrectamente- que no eran relevantes. No todo lo que es importante se puede contar, y no todo lo que se puede contar cuenta. Tomar decisiones o hacer predicciones basadas en arquetipos incorrectos es como centrarse en la parte nítida de una fotografía borrosa. No podemos olvidarnos del conjunto y centrarnos solo en la parte que vemos bien; de lo contrario lo que se estará manejando es una caricatura deletérea.

Charles Babbage dijo: «Los errores debidos al uso de datos inadecuados son menos graves que los debidos a no usar ninguna clase de datos». ¿Es mejor, pues, usar un modelo incorrecto que ningún modelo en absoluto? Nassim Taleb opina que no:

«Such models induce fragilities and bring harm. We're better off with no model than with a defective model, something people understand intuitively, but they tend to forget when they don’t have “skin in the game.” If you are a passenger on a plane and the pilot tells you he has a faulty map, you get off the plane; you don’t stay and say“well, there is nothing better.”»

Un modelo económico o social incorrecto puede hacer mucho daño a las personas, como de hecho ha ocurrido con la crisis financiera empezada en 2007. Las funciones de estado de los modelos usados por Moody's, Standard & Poor's y Fitch devolvían una "triple A" que era asumida acríticamente. Y así nos ha ido.