L'univers suit-il des modèles, ou est-ce que nous, les humains, les voyons simplement où que nous regardions ? Dans un nouveau document pour le Journal Australasien de Philosophie , Tyler Millhouse, boursier postdoctoral du programme SFI, propose un critère évaluant à quel point un modèle est susceptible d'être réel.

Le point de vue de Millhouse sur la question séculaire pourrait s'avérer être une heuristique précieuse pour les scientifiques étudiant des systèmes adaptatifs complexes, comme le cerveau, où les données de neuroimagerie sont interprétées comme présentant des modèles qui peuvent ou non correspondre à des processus cognitifs de niveau supérieur.

« Les humains en tant que chercheurs de modèles sont sur une gâchette, " Millhouse dit, "et nous pouvons être inclinés à lire des modèles dans un système où ils peuvent ne pas être réels." Il donne, comme exemple clairement fallacieux, les chercheurs lauréats du prix Ig-Nobel qui ont scanné le cerveau d'un saumon mort dans un appareil d'IRM et ont obtenu un signal corrélé avec la prise de perspective sociale. L'expérience sur le saumon a été conçue pour mettre en garde les neuroscientifiques contre la sur-interprétation des données, en voyant des modèles là où ils n'existent pas vraiment. Il existe également de nombreuses études de neuroimagerie qui montrent des preuves convaincantes que les modèles d'activité neuronale dans certaines régions du cerveau correspondent à des comportements de niveau supérieur, comme naviguer dans un paysage.

Le nouveau document avance un compte rendu de 1991 par le professeur externe SFI Daniel Dennett, qui a utilisé la « compressibilité » pour juger de la réalité d'un modèle. Tout comme les photographies très détaillées peuvent être compressées en fichiers JPEG qui capturent les caractéristiques essentielles de l'image originale, Dennett a défini des modèles réels en déterminant si des données scientifiques complexes peuvent être fidèlement représentées par des modèles scientifiques plus simples.

Pour Millhouse, La compressibilité seule n'est pas suffisante pour évaluer les modèles dans un ensemble de données complexe, car elle ne tient pas compte de l'interprétation que ces ensembles de données nécessitent souvent. Lorsque les scientifiques examinent les données de neuroimagerie, par exemple, ils utilisent les données pour créer une carte de l'activité cérébrale. Ce processus de cartographie implique une interprétation des mesures qui peut parfois lire des modèles dans les données là où aucun n'était présent, comme dans le cas du saumon mort. Millhouse soutient que plus l'interprétation requise est complexe, moins le modèle est susceptible d'être réel.

« Il s'agit de nous amener à réfléchir à la quantité de travail d'interprétation que nous effectuons, " Millhouse dit, "Et cela nous avertit également de réfléchir à la façon dont la théorisation scientifique fonctionne en général. Il est facile de trouver des raisons pour lesquelles votre théorie est correcte malgré les preuves du contraire. Ce travail suggère que la quantité de" lecture " que nous devons faire est de près connecté à ce que cela signifie pour le monde d'exposer vraiment un modèle."

"Really Real Patterns" est publié dans le Journal Australasien de Philosophie .