Zes jaar aan de TU-Delft. Welke studierichting je ook volgde, elke student begon met basiscolleges wiskunde, statistiek, modellen maken (en beoordelen) en natuurlijk programmeren in Fortran, Pascal of C. Niet gek dat 1/3 van de eerstejaars het niet haalde, je werd volledig in het diepe gegooid. Terwijl je deze vaardigheden moest verwerven, vonden de professoren fysica, biologie en chemie dat je al 'kundig' moest zijn. Een nare combinatie, kan ik je verzekeren.

'Fitten' en valideren
Complexere wiskunde aan de universiteit ging over matrix-rekenen, maar ook over ODE's (ordinary differential equation) en PDE's (partial differential equation) en Monte Carlo-simulatie. Wiskunde ging ook over zware statistiek - bijvoorbeeld hoe je twee modellen onderling statistisch moet vergelijken. En ook over de vraag hoe je op een correcte manier een data-set kan 'fitten' aan een model (en vervolgens bij voorkeur een tweede onafhankelijke dataset gebruikt voor validatie). Wat ik ook leerde aan de TU-Delft is 'vereenvoudigen', het gaat vaak immers om vooraf correct inschatten van de juiste lengte en tijdschalen van het fenomeen waar het om draait. Wie doet dit nu nog?

Aangekomen in Wageningen viel mij op dat er vooral erg veel aan data fitting werd gedaan. Een jonge fysica-professor zocht hulp bij het begeleiden van een promovendus, ik was beschikbaar en vond het leuk om met de nieuwste 3D-simulatie software olie-in-water systemen door te rekenen. We liepen voor, dat zeker, al schreef uiteindelijk een professor uit Amsterdam een artikel in Nature over het betreffende onderwerp. Een mooie tijd was het wel!

Ik schat dat minder dan 0,1% van de Nederlanders kundig genoeg is om complexe modellen te maken, te snappen, te beoordelen of die zelf te kunnen toepassen
Gebrek aan praktische vaardigheden
Inmiddels werk ik dik 25 jaar en heb tientallen ingenieurs in dienst (en in dienst genomen). Heel veel hiervan zijn als beta afgestudeerd aan een van de technische universiteiten. Wat mij opvalt is dat de meesten na hun studie prima eenvoudige modellen in excel kunnen maken maar eigenlijk niet praktisch vaardig zijn op het gebied van complexe wiskundige modellen. Ongeveer 13% van alle 15-75 jarigen heeft een Masteropleiding afgerond; hiervan heeft ongeveer 10% scholing gehad in het domein 'beta', leerde ik recent.

We praten dus over ongeveer 1% van de bevolking. Mijn ervaring is, dat 90% van deze 1% de beta-vaardigheden, geleerd aan een universiteit, niet meer actief toepast of 'onderhoudt'. Ik schat dat dus minder dan 0,1% van de Nederlanders kundig genoeg is om complexe modellen te maken, te snappen, te beoordelen of die zelf te kunnen toepassen. En om nog een extremer statement hieraan toe te voegen: de meeste modelleurs zijn communicatief niet sterk genoeg om de mitsen en maren netjes te delen met hun opdrachtgever. En daar wringt het wat mij betreft, ik kom er zo op terug.

Met modellen kun je spelen
“Ik houd van modellen en ik haat ze,” zeg ik daarom. Ik houd ervan omdat je ermee kunt spelen. Modellen kunnen je een idee geven van wat het weer gaat worden, of welke obstakels een bedrijf op zijn pad kan vinden. Maar een groot nadeel van het gebruik van modellen is dat onze bestuurders steeds minder goed weten wat alle beperkingen zijn van de gebruikte modellen. Ze laten de modellen regeren, zoals Pieter Omtzigt terecht heeft opgemerkt. En daarom haat ik ze, modellen zijn dan als de duivel.

Bestuurders laten de modellen regeren
Modellen en modelleren zijn vooral een zegen voor praktiserende ingenieurs die een machine of productielijn moeten ontwerpen, of een voor bank die risico's moet beoordelen. Modellen zijn al minder goed toepasbaar voor het ontwerpen van lekkere en gezonde voedselproducten. Neem voedselextrusie (HME) als voorbeeld. Ik noem het een art en geen wetenschap; geen modelleur heeft tot op de dag van vandaag een goed toepasbaar model gemaakt.

Maar de hittebelasting van een blik in een autoclaaf kunnen we prima voorspellen, en daarmee kunnen we ook goed inschatten of er voldoende clostridium botulinum-sporen worden geïnactiveerd. Zulke modellen worden echter altijd gebruikt door specialisten, en dezelfde specialisten weten dat the proof of the pudding is in the eating. Valideren in de praktijk dus blijft nodig.



Er speelt nog iets. De modellen die we gebruiken, worden opgesteld door enkele professionals, meestal in dienst van een overheidsorganisaties. Er is geen tegenmacht
Ondemocratisch gebruik van modellen
Zo gauw echter politici en beleidsambtenaren hun lot leggen in de handen van modelleurs, zonder te snappen wat de onzekerheid is of zonder te weten welke vereenvoudigingen het model maakt (dat gebeurt altijd!), wordt het dus tricky. Wij als samenleving leggen ons lot (voor covid, gezondheid, klimaat, stikstof) in handen van politici die gesteund worden door beleidsambtenaren die weer gesteund worden door een extreem kleine groep aan modelleurs en data-experts. In de praktijk lijkt het alsof politici de uitkomsten van een model blind volgen onder het mom van ‘de wetenschap heeft gesproken’. Ik ervaar dat als buitengewoon ondemocratisch; modellen en hun interpretatie zijn geen wetenschap maar het resultaat van keuzen en daar moet je het politiek over kunnen hebben. Dat is een taak voor de Tweede Kamer die niet blind kan wijzen naar ‘de wetenschap’ die gesproken zou hebben.

Er speelt nog iets. De modellen die we gebruiken, worden opgesteld door enkele professionals, meestal in dienst van een overheidsorganisaties. Er is geen tegenmacht. Het ontbreek aan een tweede (en derde of vierde) onafhankelijk team dat ook met een alternatief model (en data, en validatie) komt. Er is geen battle op inhoud dus. Alleen van het IPCC heb ik er weet van dat ze daar een tiental klimaatmodellen gebruiken. De essentiële wetenschappelijke battle vindt in het klimaatdomein dus wel plaats. Bij de stikstof-, gezondheid- en coviddossiers is er een gebrek aan competitie op inhoud.

Modellen creëren immers alleen maar een kunstmatige werkelijkheid, die beleidsmakers - via de kunde van de modelleurs - het idee geeft dat ze de werkelijkheid kunnen controleren
Droge depositie module zwakke wetenschap
Deze zomer heb ik me verdiept in OPS (ja, de wiskunde, inclusief FORTRAN 90 code) en specifiek in de droge depositie module, en ben tot de conclusie gekomen dat het zwakke wetenschap is. Gaan we op basis van zwakke wetenschap €25 miljard uitgeven om boeren uit te kopen en de samenleving vermoedelijk nog veel verder - en duurder - op de kop te zetten? Ik kan geen enkele zinnige reden verzinnen waarom dat de juiste weg is. Integendeel, er zijn alleen maar argumenten om safe-fail projecten te starten.

Modellen creëren immers alleen maar een kunstmatige werkelijkheid, die beleidsmakers - via de kunde van de modelleurs - het idee geeft dat ze de werkelijkheid kunnen controleren. Een laatste groot punt van kritiek. Als modellen eenmaal in gebruik zijn - of nog erger, een juridische status krijgen - is het nauwelijks nog mogelijk om ze uit te schakelen. Ook als er wetenschappelijke signalen zijn dat ze niet voldoen, blijven ze actief. Tientallen wetenschappers hebben hun carrière gebouwd op de ontwikkeling van modellen als OPS. Als een overheid besluit om een model tegen het licht te houden, zijn het vaak dezelfde experts die deze klus mogen klaren. Als de slager zijn eigen vlees keurt, staat de uitkomst eigenlijk al vast.

Modellen zijn de duivel in ons politieke systeem, zeg ik daarom.

In Wat is ...? gaan we met bekende en minder bekende mensen op zoek naar wat hen motiveert om te ontdekken of we elkaar van daaruit weer kunnen vinden. De introductie tot de modellenreeks vind je hier. Waarom we dit doen lees je in De ontdekking van de ander.
Dit artikel afdrukken