Begrensninger av modeller i vitenskap

En modell er en beskrivelse av et naturlig fenomen som forskere kan bruke til å komme med spådommer. En god modell er både så nøyaktig som mulig og så enkel som mulig, noe som gjør den ikke bare kraftig, men også lett å forstå. Uansett hvor gode de er, vil modeller nesten alltid ha begrensninger.

De fleste modeller kan ikke innlemme alle detaljene i komplekse naturfenomener. For eksempel, når det måles avstander rundt jorden, er det praktisk å modellere jorden som en sfære, men dette gjør det ikke innlemme variasjoner i avstand på grunn av fjellkjeder, daler og andre topologiske trekk den reisende må kryss. Å innlemme disse tilleggsdetaljene vil gjøre modellen for kompleks for enkel bruk. Siden modeller må være enkle nok til at du kan bruke dem til å komme med spådommer, utelater de ofte noen av detaljene.

De fleste modeller inkluderer noen tilnærminger som en praktisk måte å beskrive noe som skjer i naturen. Disse tilnærmingene er ikke nøyaktige, så spådommer basert på dem har en tendens til å være litt forskjellige fra det du faktisk observerer - nær, men ikke smell. I kvantemekanikk er det for eksempel ingen eksakte løsninger på Schrodinger-ligningen for atomer fra helium og utover; eksakte løsninger finnes bare for hydrogen. Følgelig bruker fysikere tilnærminger for høyere elementer. Disse tilnærmingene er gode, men de er likevel tilnærminger.

Noen ganger kan en modell gjøres mer nøyaktig, men på bekostning av enkelhet. I tilfeller som disse kan den enklere modellen faktisk være overlegen, fordi den gir deg en måte å visualisere en prosess slik at du kan forstå den og komme med spådommer om den. I kjemi er for eksempel strukturformler og ball-and-stick-modeller urealistiske skildringer av molekyler; de ignorerer fullstendig hva kjemikere vet fra kvantemekanikken om naturens materie på subatomært nivå. Likevel er de enkle, enkle å tegne og tilbyr et vell av innsikt i molekylær struktur og egenskaper på en måte som er lett å visualisere og forstå. Følgelig fortsetter kjemikere å bruke både strukturformler og ball-and-stick-modeller.

Til syvende og sist er modellene utsatt for noen kompromisser. Du vil ha så mye prediktiv kraft som mulig. Samtidig vil du også at modellen skal være så enkel som mulig. Naturen er likegyldig det menneskelige behovet for enkelhet og forståelse, og mange naturlige fenomener er komplekse. Bare tenk for eksempel på kjeden av biokjemiske prosesser som bare finner sted for å videreformidle informasjon fra fotoreseptorene i øyet til hjernens visuelle hjernebark. Hvis du prøver å innlemme alt som faktisk skjer i en modell, blir den uhåndterlig og vanskelig å bruke. Til slutt vil du oppdage at du i noen grad stoler på tilnærminger og konseptuelle rammer som gjør en prosess enkel å visualisere, men ikke nødvendigvis gjenspeiler den virkelige naturen til virkeligheten.