News revolution

Laddove anche i database e le metodologie raffinate in decenni dal centro per la prevenzione delle malattie del governo americano avevano fallito, Google aveva avuto successo, riuscendo a seguire il diffondersi della malattia quasi in tempo reale. Il punto, in questo contesto, è che la procedura di Google era completamente priva di teoria. I tecnici che l’hanno elaborata non avevano alcuna conoscenza medica né nozioni specifiche circa la diffusione delle malattie. Non hanno consultato un singolo referto medico. Avevano però una enorme quantità di dati tratti dalle ricerche su Google.
Incrociando tutti gli utenti che chiedevano al motore di ricerca informazioni legate all’influenza, ai suoi sintomi, ai farmaci indicati per curarla e alle farmacie vicine a casa dove acquistarli, i tecnici di Mountain View hanno creato una fedele mappa in real time della diffusione dell’influenza. Il progetto “Google Flu Trends” dimostrava contemporaneamente l’abilità tecnologica dei suoi creatori e – soprattutto – l’inutilità delle teorie specifiche intorno a un tema dato, in questo caso l’influenza. La quantità di dati (meglio: la loro qualità “big”) a disposizione di Google ha compensato l’assenza di una teoria specifica: una grandiosa vittoria della volpe.

E’ in virtù di questa tendenza verso il modello “theory-free” che Silver e gli arguti volpacchiotti del suo team possono occuparsi con autorevolezza di elezioni, home run, matrimoni gay, crediti d’imposta, Obamacare, crimine nelle periferie di Chicago e di qualunque altro fenomeno osservabile anche senza conoscere contenuti e metodi propri dei vari ambiti. Semplicemente perché contenuti e metodi propri non esistono più, sono superati da una über-teoria finalmente libera da tutte le teorie. Problema: quattro anni dopo la pubblicazione su Nature, la stessa rivista ha constatato che dopo diversi inverni di mappature perfette delle epidemie influenzali, “Google Flu Trends” aveva fallito. I tecnici riuscivano a riconoscere pattern di ricerca attorno alla tematica dell’influenza, ma non erano più in grado di ricavare da questi l’effettiva diffusione della malattia. Cos’era successo? Per qualche ragione avevano smarrito lungo la via la distinzione fra la correlazione e la causalità. Potevano tracciare correttamente tutti gli utenti che digitavano su Google certe parole chiave, ma questo non significava che gli utenti in questione fossero effettivamente ammalati; ma le ricerche dei non ammalati, si potrebbe obiettare, tendono a non essere numericamente rilevanti rispetto alle ricerche di chi effettivamente vuole sapere gli orari d’apertura della farmacia più vicina perché ha l’influenza (sono rumori, non segnali, nel linguaggio silveriano). Eppure “Google Flu Trends” aveva perso la bussola, non riusciva più a seguire l’epidemia. L’esempio non dimostra che le volpi di Google sistematicamente sbagliano, ma che la prima e più illustre vittima della scienza dei “big data” è il nesso di causalità. Galileo e gli scienziati moderni avevano dato una grandiosa rasoiata alla causalità aristotelicamente intesa; Google e le volpi postmoderne si propongono di dare una grandiosa rasoiata alla causalità modernisticamente intesa. Quando si ha a che fare con i “big data” la correlazione diventa in qualche modo un nesso sufficiente per conoscere il mondo “così com’è”. Viktor Mayer-Schönberger e Kenneth Cukier, grandi teorici dei “big data”, lo dicono con chiarezza: “La causalità non va scartata, ma è stata buttata giù dal suo piedistallo di fonte primaria di significato”. Il riccio, rintanato nel suo ottuso monismo, ha le ore contate.

Torniamo a Silver e al “data journalism”. L’altro lato dell’ambizione alla conoscenza del mondo così com’è è, ovviamente, il profondo disprezzo per le rappresentazioni filosoficamente orientate o ispirate a una concezione del mondo. Si tratta di conoscenza impura, rappresentazione inautentica propinata per scopi reconditi che tendenzialmente hanno a che fare con il potere. I più sordidi fra i propalatori di pregiudizi siffatti sono i “pundits”, i cosiddetti esperti, gli opinionisti, i columnist, le “talking heads” che prevedono il prossimo crollo dei mercati o la prossima ondata di antieuropeismo alle amministrative e se poi non succede pazienza, pochi se ne cureranno e si passerà tutti alla prossima previsione sbagliata. Silver ha spiegato al New York Magazine che “un sacco di opinionisti hanno un quoziente intellettivo molto alto, ma non hanno nessuna disciplina nel modo in cui guardano il mondo, e questo genera un sacco di stronzate”. Un sacco di stronzate è l’inevitabile risultato prodotto da sedicenti maître à penser che “non accettano la complessità nel loro pensiero. Da prove molto deboli tirano conclusioni enormi. Sono ironicamente prevedibili di settimana in settimana”. I “pundits”, ricci per vocazione, tendono a sbagliare previsioni.

Il sito pundittracker.com tiene conto delle previsioni fatte dagli esperti e dà loro un voto a seconda delle performance: Nouriel Roubini, per fare un esempio, ha uno score sotto il 50 per cento: investireste i vostri soldi sui suggerimenti di uno che c’azzecca la metà delle volte? Il cialtronismo degli esperti di politica alla prova dei fatti era già stato dimostrato dallo psicologo Philip Tetlock in un libro fondamentale per capire l’arte in cui si esercita Silver: “Expert Political Judgment: How good is it? How can we know?”. Con che metodo ha stabilito che gli esperti sbagliano? Ha fatto i conti. Per vent’anni ha tracciato ipotesi e previsioni su tutti gli ambiti della vita politica, li ha messi a confronto con ipotesi e previsioni fatti da perfetti sconosciuti, uomini della strada, ricavandone un’evidenza more geometrico demonstrata: i primi non sono più affidabili dei secondi nella comprensione e previsione dei fenomeni. A morte gli esperti, dunque. Questa è la conseguenza più ovvia dello iato insanabile fra volpi e ricci, fra conoscenza pura e impura, fra dati “theory-free” e wishful thinking imbevuto di ideologia e potere.

Rimangono tuttavia aperte drammatiche domande intorno ai nessi, alla natura della causalità nell’epoca dei “big data”, sulla possibilità effettiva di liberarsi da ogni pregiudizio per far emergere i puri fatti e sui giudizi di valore che in qualche modo resistono alla reductio ad datum. A pochi giorni dal lancio del sito, Silver è rimasto invischiato in una polemica con Paul Krugman, che è uomo di numeri abituato a giustificare con i dati le proprie affermazioni – con rigore nell’ambito accademico, un filo meno in veste di columnist – che contestava non una previsione specifica, ma lo stesso impianto metodologico di FiveThirtyEight: “Non puoi essere una volpe efficace soltanto lasciando che i dati parlino da soli, perché non succede mai. Puoi usare i dati per informare la tua analisi, puoi lasciare che i dati falsifichino la tua ipotesi, ma i dati non sono mai i sostituti del pensiero. Se pensi che i dati parlino da soli, stai implicitamente teorizzando, il che è una pessima idea (perché non puoi mettere alla prova le tue ipotesi se non sai che stai facendo delle ipotesi)”. L’osservazione è cruciale, ma è la risposta di Silver a essere ancora più significativa, perché non poteva che opporre un’argomentazione numerica e lasciare che i dati parlassero da soli. Con una semplice tabella ha spiegato che Krugman ha menzionato nel suo blog Silver o ThirtyFiveEight in tutto 33 volte. Quando quello di Silver era un blog indipendente o era incastonato nel sito del New York Times il premio Nobel tendeva a citarlo in modo positivo, mentre da quando è passato sotto l’etichetta di Espn le menzioni krugmaniane sono stabilmente negative. In queste osservazioni Silver scorge un pattern, lo esibisce e lascia che i dati parlino da soli. Ma cosa dicono i dati? Che Krugman ha preso ad attaccare il giovane “data journalist” semplicemente perché ha cambiato datore di lavoro. Non sarà che invece Krugman ha cambiato opinione perché qualcosa nel metodo di Silver è cambiato? O perché il manifesto ideologico non lo convince? O perché non ha digerito i peperoni? Dov’è la ricchezza di variabili della volpe in questa analisi? C’è una strana aria di monismo ideologico in questa risposta numericamente univoca e perentoria.

Leon Wieseltier, irriducibile umanista e nemico di ogni riduzionismo della conoscenza alla sua natura numerica, arriva a una conclusione analoga partendo dalla sponda dei giudizi di valore: “Molte delle questioni di cui dibattiamo non sono questioni di fatto ma questioni di valore. Non c’è una risposta numerica alla domanda se un uomo debba o meno sposare un altro uomo, o se lo stato debba aiutare i deboli, o se dobbiamo intervenire contro i genocidi. Quindi l’intimidazione tramite quantificazione di Silver e altri mullah dei dati deve essere contrastata. Viva i fatti! Abbasso il culto dei fatti!”. Il “culto dei fatti” è quello che, mettendo l’accento sull’aspetto ideologico, David Brooks chiama “datismo”, una forma di fiducia incondizionata nel potere dei nudi dati di spiegare e tendenzialmente prevedere qualunque fenomeno, dal campionato di baseball alla riforma fiscale. In fondo al cuore Nate Silver è un riccio.