Simulazioni ed esperimenti Temi filosofici dell’informatica 5 maggio 2008

1. Simulazioni ed esperimenti Temi filosofici dell’informatica 5 maggio 2008

2. Modelli: epistemologia • Parti significative di indagine scientifica sono svolte sui modelli piuttosto che sulla realtà • In particolare la ricerca scientifica si avvale oggi di simulazioni per studiare, ad esempio • La formazione e lo sviluppo di galassie • La dinamica dettagliata di reazioni ioniche • Aspetti del processo di evoluzione della vita • … • Ma che cos’è una simulazione e quale relazione ha con il concetto di modello?

3. Simulazioni e modelli intrattabili “A computer simulation is any-computer implemented method for exploring the properties of mathematical models where analytical methods are unavailable” [Humphreys 1991] • Le simulazioni sono generalmente usate in connessione con modelli dinamici • Lo scopo di una simulazione è di risolvere le equazioni di moto di un modello dinamico che rappresenta l’evoluzione temporale di un sistema target • Non c’è soluzione analitica alle equazioni che rappresentano l’evoluzione di un sistema • È possibile un processo di approssimazione per cui le equazioni differenziali sono trasformate in equazioni alle differenze • I valori di queste equazioni possono essere calcolati tramite un computer

4. Simulazione e modelli dinamici • Da una definizione iniziale di questo tipo “A computer simulation is any computer-implemented method for exploring the properties of mathematical models where analytic method are unavailable” [Humphreys 1991] • Si può ora parlare più in generale di simulazione quando è in gioco l’imitazione di un processo con un altro processo e di computer simulation se questa imitazione è portata avanti con un computer “A simulation imitates one process by another process” [Hartmann 1996] • Le simulazioni intese in questo senso possono essere utili anche quando sono presenti metodi analitici, ad esempio, allo scopo di visualizzare certi processi

5. Modelli computazionali e simulazioni • Una definizione più puntuale chiama in causa il concetto di modello computazionale e chiarisce la relazione fra simulazione e modello • Modello computazionale: meccanismo formale capace di manipolare stringhe di simboli (di computare funzioni) • Un modello computazionale completamente specificato definisce un programma inteso come una sequenza di operazioni • Computer simulation: processo risultante dall’esecuzione di un modello computazionale che rappresenta il comportamento di un sistema • Una computer simulation fornisce l’accesso al modello computazionale mediante la computazione del comportamento del sistema

6. Modelli computazionali e simulazioni • Per specificare meglio il concetto di simulazione e per chiarire la relazione fra simulazione e modello occorre chiamare in causa il concetto di modello computazionale • Modello computazionale: meccanismo formale capace di manipolare stringhe di simboli (di computare funzioni) • Un modello computazionale completamente specificato definisce un programma inteso come una sequenza di operazioni • Computer simulation: processo risultante dall’esecuzione di un modello computazionale che rappresenta il comportamento di un sistema • Una computer simulation fornisce l’accesso al modello computazionale mediante la computazione del comportamento del sistema

7. Un esempio di simulazione • Simulazione del comportamento di un sistema biologico mediante un programma • Pathway di trasduzione di un segnale simulato mediante un sistema multiagente • Da questo esempio: • Passaggio dalla fisica alla biologia • Definizione di simulazione • Relazione fra simulazioni e modelli • Nuova metodologia sperimentale

8. Pathway di trasduzione di un segnale • Processi cellulari relativi alla percezione, conversione e trasmissione di informazione proveniente dall’ambiente esterno • Arrivo di una molecola segnalatrice • Interazione fra la molecola e un recettore • Interazione fra il recettore e i componenti del pathway intracellulare • Cascata di interazioni proteiche all’interno della cellula • Arrivo del segnale ed elicitazione di una risposta funzionale

9. Simulazione del pathway MAPK [Querrec et al. 2003] • Simulazione del pathway MAPK (mitogen-activeted protein kinase) mediante un sistema multiagente • Processo fondamentale nella crescita cellulare e nel ciclo delle cellule • Livello di rappresentazione adottato • Ogni agente del sistema rappresenta una reazione biochimica • Ogni agente è un modello computazionale di una reazione • Gli agenti di questo sistema sono chiamati reattivi

10. Reazioni bio-chimiche • Ogni agente reattivo del sistema simula una delle reazioni biochimiche che si verificano durante tale processo • Percezione: lettura della concentrazione degli elementi che intervengono nella reazione • Decisione: calcolo della velocità di reazione e della quantità di ogni reagente • Azione: aggiornamento della concentrazione dei reagenti e dei prodotti

11. Capacità di intervento • La simulazione è una rappresentazione che permette di intervenire direttamente nella realtà • Le simulazioni sono modi di applicare modelli • Le simulazioni funzionano come un ponte dai modelli astratti ai contesti tecnologici • Nell’esempio [Querrec et al. 2003] • Il modello semplifica il dominio: le reazioni bio-chimiche sono rappresentate da agenti • La simulazione applica il modello: le reazioni bio-chimiche sono messe in atto dai processi di percezione, decisione e azione degli agenti reagenti

12. Capacità di resa • Il processo di rappresentazione in una simulazione è una forma di rendering [Morgan e Morrison 1999] • Non si tratta di un rispecchiamento passivo dei fenomeni • Ma di una resa attiva che astrae dalla reale natura dei sistema o lo traduce in un’altra forma • Nell’esempio [Querrec et al. 2003] • Reazioni bio-chimiche rese da agenti reattivi le cui azioni sono il risultato di un processo di percezione e di un successivo processo di decisione

13. Capacità di sperimentazione • La simulazione è un esperimento su un modello che rappresenta una semplificazione del fenomeno reale • Gli obiettivi della simulazione come sperimentazione • Predire il comportamento di sistemi complessi (per es. evoluzione di una determinata specie) • Investigaresistemi altrimenti inaccessibili (per es. studiare i buchi neri)

14. Simulazioni ed esperimenti “[Computer simulation] is a numerical technique for conducting experiments on a digital computer which involves certain types of mathematical and logical models that describes the behavior of systems over extended periods of time” [Naylor 1966] • La simulazione offre un nuovo strumento scientifico situato a metà fra teoria e metodi empirici • Simulazione come nuova metodologia • Simulazione come nuovo paradigma • La simulazione sostituisce un esperimento che non si può fare nella realtà

15. Esperimenti in silico • Gli esperimenti in silico sono esperimenti realizzati mediante un computer o mediante una computer simulation • Quali sono gli scopi di questi esperimenti? • Se il modello utilizzato per la simulazione è validato anche da un vero e proprio esperimento, la simulazione consente di fare esperimenti numerosi e accelerati • Se il modello è incompleto, la simulazione consente di testare le ipotesi e partecipa nella definizione del modello

16. Simulazioni in biologia • Il ruolo dei risultati delle simulazioni come contributi alla definizione del modello teorico è molto chiaro nella biologia • I sistemi investigati dalla biologia sono spesso complessi e mancano di una spiegazione teorica adeguata • In questo contesto il ruolo delle simulazione diventa anche quello di • Contribuire a definire il quadro teorico • Fornire ipotesi per la costruzione di conoscenza teorica (ruolo euristico)

17. Riconsiderare l’esempio [Querrec et al. 2003] • L’esempio della simulazione del pathway MAPK presenta numerosi vantaggi dal punto di vista sperimentale • Il modello può essere modificato aggiungendo o eliminando agenti che rappresentano reazioni (senza modificare l’intero modello) • Il modello può essere “disturbato”durante la simulazione • È possibile infatti intervenire sulla cascata del pathway MAPK durante la simulazione e questo si riflette sul comportamento della cellula simulata • Ogni agente può essere creato, distrutto o modificato durante la simulazione

18. Esperimenti in virtuo • Gli esperimenti in virtuo sono esperimenti realizzati come simulazioni basate su computer ma con • Possibilità di disturbare il modello in funzione • Possibilità di cambiare dinamicamente le condizioni • Possibilità di cancellare e aggiungere elementi durante la simulazione • Gli esperimenti in virtuo sono esperimenti potenti in quanto consentono di • Raccogliere informazione sul mondo • In alcuni casi sostituiscono esperimenti e osservazioni come fonti di dati sul mondo • Manipolare questa informazione anche quando ciò non è possibile nella realtà

19. Problemi aperti • Le simulazioni, oltre ai vantaggi di cui si è detto, presentano notevoli problematiche metodologiche • Qual è il significato epistemologico di esperimenti svolti non in laboratorio ma su un computer? • Qual è la relazione fra la simulazione come sperimentazione e gli esperimenti tradizionali? • Come si può avere fiducia nelle simulazioni • Quando non c’è una teoria che le governa (come per alcune applicazioni in biologia)? • Quando i dati sono difficili da ottenere?

20. Affidabilità e validazione • Per affrontare almeno alcuni dei problemi precedenti occorre un’epistemologia completa della simulazione • Inoltre, può essere utile ragionare in una prospettiva fallibilista: sostituire il concetto di verità con quello di affidabilità • Una simulazione è giudicata affidabile sulla base • Successo precedente delle tecniche per costruire il modello • Risultati che si accordano con dati già accettati, osservazioni, intuizioni • Predizioni di successo • Tutto ciò porta a una nuova metodologia sperimentale • Modellazione in virtuo: per scoprire nuovi risultati scientifici • Validazione in vitro: per confermare le nuove scoperte

21. Bibliografia • Hartmann, S. (1996), “The World as a Process: Simulations in the Natural and Social Sciences”, in R. Hegselmann et al. (eds.), Simulation and Modelling in the Social Sciences from the Philosophy of Science Point of View, Theory and Decision Library, Kluwer, Dordrecht, 77-100. • Hughes, R. I. G. (1999), “The Ising model, computer simulation, and universal physics”, in M. Morgan, M. Morrison (eds.), Models as Mediators, Cambridge University Press, Cambridge, UK. • Humphreys, P.: Computer simulations. In Fine, A., Forbes, M., Wessels, L., eds.: Proceedings of the 1990 Biennal Meeting of the Philosophy of Science Association, East Lansing, MI, USA (1991) 497-506 • Naylor, T.H.: Computer Simulation Techniques. John Wiley, New York, NY, USA (1966) • Querrec, G. et al. (2003), “Uses of Multiagents Systems for Simulation of MAPK Pathway”, Proceedings of the Third IEEE Symposium on Bioinformatics and Bioengineering (BIBE’03), Bethesda, MD, USA, 421-425. • Rohrlich, F. (1991), “Computer Simulation in the Physical Sciences”, Proceedings of the 1990 Biennial Meeting of the Philosophy of Science Association, Philosophy of Science Association East Lansing, Michigan, 507-518.