Henri Poincaré e i limiti della previsione : possiamo davvero conoscere il futuro ?

Dalla meccanica celeste alla teoria del caos, il lavoro del grande matematico francese ha mostrato che conoscere le leggi di un sistema non significa necessariamente poterne prevedere l’evoluzione

Una lezione diventata ancora più attuale nell’era degli algoritmi e dell’intelligenza artificiale

Se conoscessimo perfettamente le leggi della natura e disponessimo di una quantità sufficiente di informazioni, potremmo prevedere tutto ciò che accadrà ?Per molto tempo una delle grandi aspirazioni della scienza moderna è sembrata avvicinarsi proprio a questo ideale. Se l’universo obbedisce a leggi precise e se conosciamo le condizioni iniziali di un sistema, almeno in linea di principio dovrebbe essere possibile calcolarne l’evoluzione futura.

Henri Poincaré contribuì a mostrare quanto questa conclusione fosse problematica. Matematico, fisico e filosofo della scienza francese, nato nel 1854 e morto nel 1912, Poincaré lavorò su alcuni dei problemi più complessi della matematica e della fisica del suo tempo. I suoi studi sulla meccanica celeste anticiparono concetti che sarebbero diventati fondamentali per la moderna teoria dei sistemi dinamici e del caos.

La sua lezione conserva oggi una sorprendente attualità. Viviamo infatti in una società nella quale algoritmi e intelligenza artificiale cercano continuamente di prevedere comportamenti, preferenze, rischi, mercati, traffico, clima e numerosi altri fenomeni. Ma quanto è realmente prevedibile il futuro, anche quando conosciamo le regole che governano un sistema?

Il sogno di un universo completamente prevedibile

Alle origini della questione troviamo uno dei più potenti ideali della scienza moderna: il determinismo. La meccanica di Newton aveva mostrato che il movimento dei corpi poteva essere descritto attraverso leggi matematiche. Le orbite dei pianeti, la caduta degli oggetti e molti altri fenomeni apparentemente differenti potevano essere ricondotti a principi comuni.

Questa straordinaria capacità predittiva alimentò l’idea che l’intero universo potesse essere pensato come un gigantesco sistema governato da leggi precise. Pierre-Simon de Laplace formulò una delle immagini più celebri di questa concezione. Immaginò un’intelligenza capace di conoscere, in un determinato istante, tutte le forze della natura e la posizione di tutti i corpi che la compongono. Se tale intelligenza fosse stata abbastanza potente da elaborare tutti quei dati, nulla sarebbe rimasto incerto: passato e futuro sarebbero stati ugualmente presenti davanti ad essa.

È il celebre ideale associato al cosiddetto “demone di Laplace”. In questa prospettiva, l’incertezza dipenderebbe essenzialmente dalla nostra ignoranza. Non riusciamo a prevedere tutto perché non conosciamo abbastanza dati o non possediamo sufficiente capacità di calcolo. Poincaré avrebbe contribuito a rendere il problema molto più complesso.

Il problema dei tre corpi

Uno dei terreni decisivi fu la meccanica celeste. Prevedere il movimento di due corpi che interagiscono gravitazionalmente, come in un modello idealizzato di una stella e di un pianeta, può essere affrontato attraverso soluzioni matematiche ben definite. Ma che cosa accade quando introduciamo un terzo corpo?

Il cosiddetto problema dei tre corpi si rivelò enormemente più difficile. Alla fine dell’Ottocento Poincaré studiò una versione del problema nell’ambito di un concorso matematico promosso in occasione del sessantesimo compleanno del re Oscar II di Svezia e Norvegia. Le sue ricerche portarono alla luce una struttura dinamica molto più complessa di quanto ci si sarebbe potuti aspettare.

Poincaré comprese che in determinati sistemi piccolissime differenze nelle condizioni iniziali potevano produrre, nel tempo, evoluzioni profondamente differenti. Non significava che il sistema fosse privo di leggi. Al contrario: le leggi potevano essere perfettamente deterministiche. Eppure la previsione a lungo termine poteva diventare estremamente difficile.

Piccole cause, grandi conseguenze

Poincaré espresse questa intuizione in termini destinati a diventare quasi profetici. Una causa molto piccola, che sfugge alla nostra osservazione, può produrre un effetto considerevole che non possiamo ignorare. A quel punto siamo portati ad attribuire il risultato al caso.

Decenni più tardi questa idea sarebbe diventata uno dei fondamenti della teoria del caos. Il meteorologo Edward Lorenz avrebbe mostrato nel Novecento qualcosa di analogo studiando modelli atmosferici: minime variazioni nei dati iniziali potevano condurre a risultati molto diversi. Da qui sarebbe nata la celebre metafora dell'”effetto farfalla”.

Il punto fondamentale è facilmente fraintendibile. Caos non significa assenza di ordine o di leggi. Un sistema caotico può essere completamente deterministico. Il problema è che la sua evoluzione può dipendere in maniera così sensibile dalle condizioni iniziali da rendere impossibile una previsione precisa molto lontana nel tempo. Per prevedere perfettamente il futuro dovremmo quindi conoscere le condizioni iniziali con una precisione altrettanto perfetta. Ed è proprio qui che la previsione incontra un limite.

Determinismo e prevedibilità non sono la stessa cosa

Questa distinzione rappresenta forse una delle eredità filosoficamente più interessanti del lavoro di Poincaré. Tendiamo intuitivamente a pensare: se qualcosa ha una causa precisa, allora deve essere prevedibile. Ma non è necessariamente così.

Possiamo conoscere le equazioni che descrivono un sistema e tuttavia non riuscire a prevederne con precisione l’evoluzione a lungo termine. Il limite non deriva necessariamente dall’assenza di leggi, ma dalla complessità delle interazioni e dall’impossibilità pratica di misurare le condizioni iniziali con precisione infinita.

La conoscenza delle leggi non equivale quindi alla conoscenza completa del futuro. È una distinzione fondamentale anche per comprendere cosa significhi realmente fare scienza. Una teoria può descrivere perfettamente determinati meccanismi senza permetterci di prevedere ogni singolo evento che ne deriverà.

Dalla meccanica celeste agli algoritmi

Più di un secolo dopo, il problema assume una forma nuova. Gli algoritmi contemporanei elaborano quantità di dati che Poincaré non avrebbe potuto immaginare. Modelli statistici e sistemi di intelligenza artificiale possono individuare correlazioni, riconoscere regolarità e produrre previsioni con livelli di accuratezza impressionanti.

Prevediamo il traffico, la domanda di energia, alcuni rischi sanitari, le preferenze dei consumatori e l’andamento di numerosi processi industriali. Le previsioni meteorologiche sono enormemente migliorate grazie a osservazioni globali e capacità di calcolo sempre maggiori.

Ma l’aumento della potenza computazionale non elimina automaticamente i limiti messi in evidenza dallo studio dei sistemi complessi. Più dati significano spesso previsioni migliori. Non significano necessariamente previsioni perfette.

Un algoritmo può conoscere moltissimo del comportamento passato di una persona senza sapere con certezza quale decisione prenderà domani. Può stimare la probabilità che un evento accada, ma una probabilità non è una profezia. La distinzione diventa particolarmente importante quando le previsioni algoritmiche riguardano esseri umani.

Quando una previsione rischia di diventare un’etichetta

Se un sistema stabilisce che una persona presenta una determinata probabilità di acquistare un prodotto, abbandonare un servizio o cliccare su un contenuto, l’errore può avere conseguenze relativamente limitate. La questione cambia quando algoritmi predittivi vengono utilizzati in ambiti che riguardano opportunità, credito, assicurazioni, lavoro, sicurezza o altre decisioni importanti.

Una previsione statistica rischia allora di essere interpretata come una descrizione della persona. Ma prevedere una probabilità non significa conoscere un destino. I dati raccontano comportamenti precedenti e permettono di individuare regolarità. La persona, però, non coincide necessariamente con il proprio passato statistico. Può cambiare, apprendere, modificare intenzioni e reagire alle circostanze in modi non contenuti nei dati utilizzati dal modello.

Persino nei sistemi fisici deterministici Poincaré aveva mostrato quanto la previsione possa diventare problematica. Quanto maggiore deve essere allora la prudenza quando pretendiamo di prevedere sistemi biologici, sociali e umani immensamente complessi?

Più potenza di calcolo risolve tutto ?

Una possibile obiezione sembra immediata: Poincaré lavorava senza computer. Oggi possediamo supercomputer, satelliti, enormi database e intelligenza artificiale. Domani avremo capacità computazionali ancora superiori. Non potremmo semplicemente calcolare sempre meglio ?

Certamente possiamo farlo, e la storia della scienza dimostra che l’aumento della capacità di osservazione e di calcolo consente di ampliare enormemente l’orizzonte delle previsioni. Ma esiste una differenza tra migliorare una previsione ed eliminare completamente l’incertezza.

Se un sistema è estremamente sensibile alle condizioni iniziali, ogni minima imprecisione può amplificarsi nel tempo. Una misurazione più accurata sposta più avanti il limite della previsione affidabile, ma non necessariamente lo elimina.

Il progresso tecnologico può quindi estendere il nostro sguardo sul futuro senza trasformarci nel demone di Laplace. Un limite della conoscenza, non una sconfitta della ragione Riconoscere questi limiti non significa svalutare la scienza. È vero quasi il contrario.

Una delle caratteristiche più profonde della razionalità scientifica consiste proprio nella capacità di distinguere ciò che sappiamo, ciò che possiamo stimare e ciò che non siamo ancora in grado di prevedere. La scienza non diventa più debole quando riconosce l’incertezza. Diventa più rigorosa.

Poincaré contribuì inoltre a una riflessione più ampia sul ruolo delle ipotesi, dei modelli e delle convenzioni nella costruzione della conoscenza scientifica. Le teorie non sono semplicemente fotografie passive della realtà: utilizzano concetti e strutture matematiche attraverso cui cerchiamo di renderla intelligibile. Ciò non significa che tutto sia arbitrario. Significa piuttosto riconoscere la complessità del rapporto tra realtà, osservazione e rappresentazione.

Un universo regolato ma non completamente prevedibile

La lezione che possiamo ricavare da Poincaré conserva così una sorprendente forza nell’era degli algoritmi. Possiamo conoscere le leggi senza conoscere ogni futuro evento. Possiamo disporre di quantità immense di dati senza eliminare l’incertezza. Possiamo costruire modelli sempre più sofisticati senza trasformare la realtà in qualcosa di completamente trasparente al calcolo.

È una lezione scientifica, ma anche culturale. La capacità di prevedere conferisce potere. Sapere in anticipo che cosa potrebbe accadere permette di prevenire rischi, utilizzare meglio le risorse e prendere decisioni più consapevoli. Proprio per questo dobbiamo distinguere attentamente una previsione affidabile dalla pretesa di conoscere il futuro.

Henri Poincaré contribuì a incrinare l’immagine di un universo che, una volta conosciute le sue equazioni, sarebbe diventato interamente prevedibile. La natura può obbedire a leggi precise e continuare a sorprenderci. Nell’epoca dei big data e dell’intelligenza artificiale, questa consapevolezza diventa forse ancora più importante. Gli algoritmi possono aiutarci a individuare ciò che è probabile. Ma tra probabilità e certezza, tra modello e realtà, rimane uno spazio che nessuna promessa tecnologica dovrebbe farci dimenticare.

La domanda aperta da Poincaré continua allora ad accompagnarci: se conoscessimo perfettamente le leggi della natura, conosceremmo davvero anche tutto ciò che accadrà ?

Immagine opera di Eugène Pirou.