Tunne ja mallinnus päätösten pohjana
Lähetetty: 09.01.2010 13:16
[b]Tunne ja mallinnus päätösten pohjana[/b]
Perinteisesti ihmisillä on voimakas halu löytää asioille ja ilmiöille vain yksi selitys tai syyllinen, vaikka todellisuudessa lopputulos on usein monen eri tekijän summa. Aikoinaan tämä oli nopea ja tehokas tapa hoitaa asioita ja tehdä päätöksiä, koska primitiivisissä yhteisöissä tiedon määrä ja ihmisen vaikutusmahdollisuudet olivat hyvin rajallisia. Monimutkaisemmat asiat ihminen ratkaisee luonnostaan tunteen tai arvauksen avulla, koska ihmisen tietoinen järki ei pysty käsittelemään monen eri tekijän yhteisvaikutuksia muuten kuin alitajunnassa.
Nykyään tarvitaan kuitenkin myös tehokkaampia ja luotettavampia tapoja tehdä taloudellisia, teknisiä ja poliittisia päätöksiä, koska tiedon määrä kasvaa räjähdysmäisesti ja ihminen voi halutessaan tuhota koko planeetan. Mallinnus ja simulointi ovat avainsanoja, joiden avulla massiivisista tietomääristä voidaan etsiä riippuvuuksia ja testata eri tekijöiden ja päätösten vaikutusta lopputulokseen. Viime vuosituhannella ne kansat menestyivät, jotka osasivat takoa rautaa. Nyt meidän tulee osata takoa malleja, joiden avulla raakatieto jalostetaan uusiksi tuotteiksi.
Monia luonnonilmiöitä, sekä teknisiä että taloudellisia prosesseja osataan jo mallintaa varsin luotettavasti. Suurin ongelma kuitenkin on se, että päättäjät eivät osaa tulkita mallien antamia tuloksia oikein, koska he eivät ymmärrä mallinnuksen perusteita. Tästä johtuen mallien kuten tilastojenkin avulla voidaan harhaan johtavasti todistaa ihan mitä halutaan, jos kuulijat eivät ymmärrä tehtyjä oletuksia ja rajoituksia. Perusasiat eivät ole vaikeita, mutta ikävä kyllä näitä ei opeteta kouluissa.
[b]Mallien perusideat ja kalibrointi[/b]
Malli on aina vain todellisuuden likiarvo, kuten Mannerheim patsas. Se näyttää vain tietyn rajoitetun ja suppean osan koko totuudesta. Mallit ovat todellisuuden matemaattisia, toiminnallisia tai mekaanisia kuvia. Mallit voidaan jakaa karkeasti kahteen ryhmään: teoreettisiin ja empiirisiin malleihin.
Teoreettinen malli perustuu aiemmin selvitettyihin loogisiin syy- ja seuraussuhteisiin. Niiden avulla voidaan kuvata tarkasti rajoitettuja ja yksittäisiä ilmiöitä, kuten magneettikenttää tai painovoimaa. Empiirinen malli on teoreettisen mallin vastakohta, se perustuu kokeellisten mittausarvojen sovitukseen johonkin riittävän notkeaan matemaattiseen kaavaan, eli funktioon. Sovituksessa funktion vakioille etsitään sellaiset arvot, joiden avulla malli toimii. Näitä arvoja kutsutaan malliparametreiksi.
Monimutkaisten ilmiöiden mallinnuksessa käytetään yleensä semiempiirisiä malleja, joissa on yhdistetty teoreettisten ja empiiristen mallien etuja. Yleensä teoreettisen mallin etuna on laajempi soveltuvuusalue, mutta monimutkaisissa ilmiöissä teoria ei usein riitä tai se johtaa liian raskaaseen laskentaan. Empiirinen malli sen sijaan ottaa automaattisesti huomioon kaikki kokeellisiin lähtöarvoihin vaikuttaneet tekijät, mutta usein empiirinen malli toimii vain ja ainoastaan sille suppealle alueelle mille se on kalibroitu.
Tyypillisesti tällaisissa yhdistetyissä semiempiirisissä malleissa osa vaikuttavista tekijöistä kuvataan teoreettisesti ja lopuksi malli sovitetaan eli kalibroidaan kokeelliseen mittaustietoon malliparametrien avulla. Nykyiset ohjelmistot etsivät parhaat funktiot ja parametrit muutamassa sekunnissa.
Vaaka kalibroidaan kiertämällä säätöruuvia niin, että asteikko näyttää nollaa. Esimerkiksi monimutkaisista ilmastomalleista löytyy satoja tällaisia säätöruuveja, eli malliparametrejä. Tästä johtuen ei ole ihme jos kaikki ilmastomallit antavat samanlaisia tuloksia, kun ne on kalibroitu samalla tavalla.
Perinteisesti kuulijoita hämätään myös upeiden matemaattisten lausekkeiden avulla. Tällaiset kaavat eivät kuitenkaan lisää mallinnuksen luotettavuutta, jos niiden avulla kuvataan vain 10% vaikuttavista tekijöistä ja loput hoidetaan malliparametrien avulla. Lisäksi on hyvä tietää, että todellisuus on sitä helpompi sovittaa malleihin mitä monimutkaisempia kaavoja käytetään, vaikka amatööri usein kuvittelee juuri päin vastoin. Tosin hyötynä on, että vaikeiden kaavojen avulla kuulijoiden huomio voidaan haluttaessa ohjata epäolennaisiin asioihin ja kiusalliset kysymykset mallin rajoituksista voidaan näin minimoida
[b]Mallien testaus ja käyttö[/b]
Teollisuudessa mallien toiminta varmistetaan aina testauksella eli validoinnilla. Malli kalibroidaan ja testataan esimerkiksi tietylle lämpötila-alueelle. Lentokoneet voidaan suunnitella tietokoneella varsin luotettavasti, koska aerodynaamisissa malleissa virtaa vain ilmaa. Mutta heti kun malliin lisätään kemiallisia reaktioita, lämmönsiirtoa, pölyjä, seoksia ja sulia aineita, jne. malli mutkistuu dramaattisesti. Tällaiset mallit toimivat vain sillä suppealla alueella mille ne on viritetty ja kalibroitu, ja EHKÄ myös hiukan alueen ulkopuolella.
Teollisuudessa luotetaan vain tietylle kapealle alueelle kalibroituihin malleihin, koska totuus paljastuu viimeistään silloin kun mallin avulla suunniteltu uusi tehdas käynnistyy. Sen sijaan monella muulla alalla kuten ilmastotieteessä ja kosmologiassa syylliset ehtivät siirtyä eläkkeelle ennen kuin totuus selviää. Tällöin on helppo sokean itsevarmasti väittää, että semiempiiriset mallit toimivat satoja tai miljardeja vuosia testatun alueen ulkopuolella, vaikka mallit käsittelevät vielä monta astetta laajempia ja vaikeampia ilmiöitä mitä teollisuudessa mallinnetaan.
Tyypillisiä semiempiirisiä malleja käytetään mm. sääennusteiden laskennassa. Mallit kalibroidaan aina ennen laskentaa uusimman mittaustiedon avulla. Tästä johtuen ne eivät pysty ennustamaan säätä muutamaa päivää enempää, vaikka käytössä ovat maailman tehokkaimmat tietokoneet. Ilmastomallit ovat samaa sukua.
Mallien sisäisessä ohjelmakoodissa voi olla myös selviä virheitä, mallikoodarit ovat tuskin ratkaisevasti etevämpiä kuin Microsoftin käyttämät koodin kehittäjät. Mallien testaus on lähes ainoa tapa selvittää ja korjata nämä bugit, jos malleja ei voi testata käytettävälle alueelle niin malliin kannattaa aina suhtautua suurella varauksella.
Mallinnuksessa tärkeää on ymmärtää myös "roskaa sisään - roskaa ulos" periaate, eli malli ei voi koskaan olla lähtötietojaan luotettavampi, eikä malli voi todistaa omia oletuksiaan oikeiksi. Esimerkiksi maailmankaikkeuden rakennetta kuvaavissa kosmologisissa malleissa oletetaan, että punasiirtymä kuvaa taivaankappaleiden etääntymisnopeutta. Jos tämä yksi pieni perusoletus on väärä ja valo vain väsyy pitkällä matkalla, niin silloin mallin tulokset ovat täysin pielessä ja "Big Bang" muuttuu fiktioksi.
[b]Mallit mediassa[/b]
Mallinnusta käytetään nykyään monella eri alueella. Tästä johtuen niitä sivutaan mediassa mm. talouskehityksen, vaaliennusteiden ja verotuksen yhteydessä. Suurin osa uudesta teknologiastakin syntyy myös mallinnuksen pohjalta, vaikka sitä ei usein mainitakkaan. Uudet tehtaat perustuvat lähes aina prosessilaskentamalleihin. Itse asiassa tässä mallinnusvaiheessa viime kädessä määrätään kuinka tehokas ja ympäristöystävällinen uudesta tehtaasta tai teknologiasta tulee; jälkeenpäin näitä asioita on vaikeampi ja paljon kalliimpi muuttaa.
Ikävä kyllä lehdistö ja televisio keskittyy enemmän valokuvamallien fyysisten ominaisuuksien ja yksityiselämän taustojen selvittämiseen kuin hyvinvointimme taustalla olevien mallien arviointiin. Lisäksi mallien toimintaperiaatteita ei ymmärretä ja siksi päädytään moniin väärinkäsityksiin. Usein esimerkiksi annetaan ymmärtää, että jos jokin malli sopii koetuloksiin tai havaintoihin niin se todistaa havainnot ja johtopäätökset oikeiksi, asia ei kuitenkaan ole näin. Varsinkin jos mallissa on yksikin malliparametri, jonka avulla malli on sovitettu ja fitattu koetuloksiin niin malli tietysti sopii koetuloksiin.
Joskus jopa puhdas teoreettinenkin malli saattaa sisältää tällaisen piilossa olevan sovitusparametrin. Esimerkiksi virtausmalleissa jonkun faasin viskositeettiarvo saattaa olla vaikea mitata; siksi mallissa käytetään sellaista lukuarvoa, jonka avulla malli täsmää parhaiten todellisuuden kanssa. Tämä on täysin laillista ja tieteellistä toimintaa jos asia mainitaan raportissa, mutta aika usein asia jää mainitsematta.
Toinen tärkeä juttu, jota malleista puhuttaessa usein vaietaan on mallin pohjana olevat perusoletukset ja mallin rajoitukset, eli mille perustalle malli on rakennettu. Näistä harvemmin mediassa mainitaan mitään. Malleja on monia erillaisia aivan samoin kuin kulkuvälineitäkin löytyy polkupyörästä lentokoneeseen.
[b]Mallit ja ilmastonmuutos[/b]
Sinällään tämä tämä 'ilmastonmuutos hysteria' ei ole pelkästään huono asia. Maailma tarvitsee tällaisia ravisteluja välillä, jotka sysäävät teknologian kehitystä eteenpäin vähän samaan tapaan kuin sodat tekevät. Maailma tarvitsee myös halpaa ja puhdasta energiaa oli ilmastonmuutoksen syy mikä tahansa, koska energian voimalla kaikki toimii.
Ja kyllä sitä kehitysapuakin tarvitaan, mutta sitä pitäisi antaa oikealla nimellä ja lähinnä sen avulla pitäisi auttaa kehitysmaita auttamaan itseään, esimerkiksi koulutuksen avulla. Kioton sopimuksen tyyppinen kehitysapu johtaa sen sijaan väestönkasvuun ja sen myötä umpikujaan, jossa ympäristön laadulla ei elintilasta ja ruuasta kilpailtaessa ole enää mitään merkitystä.
Huolestuttavaa on jos ilmastonmuutoksen diagnoosi onkin väärä, koska silloin rahat ja resurssit suunnataan vääriin lääkkeisiin ja alkuperäinen tauti jää hoitamatta. Siinäkään ei oikein ole järkeä jos päästöjä vähennetään siirtämällä päästöt Kiinaan, koska samalla sinne menevät teollisuus, työpaikat ja elintaso. Monin verroin parempi vaihtoehto olisi korvamerkitä päästökaupan rahat suoraan oman maan puhtaan teknologian kehitykseen.
Ihmisen aiheuttamaa ilmaston lämpenemistä perustellaan ilmastomallien tulosten pohjalta. Tämä ei kuitenkaan voi olla pätevä peruste jos mallit on kalibroitu sellaisen lämpötilatiedon perusteella, jossa kaupunkilämpöä on aliarvioitu ja arvoja on suoranaisesti väärennetty CRU:n mission mukaisesti. Ilmastonmuutos on tieteellinen fakta, mutta muutoksen suunnasta on pientä epäselvyyttä. Tästä tosiasiasta lauloi virolainen ystävämme Georg Otsoni jo kauan sitten kappaleessaan "Muuttuuko ilmasto ja mihin suuntaan..."
[b]Yhteenveto[/b]
Mallinnuksen tarve kasvaa nopeasti monella eri alueella kun käytettävissä olevan tiedon määrä kasvaa. Mallinnus on työkalu, jonka avulla tiedosta jalostetaan uusia tuotteita ja suunnataan yhteiskuntamme kehitystä. Tästä johtuen mallinnuksen perusteet tulee ottaa koululaitoksen opetusohjelmaan siten, että näistä asioista tulee vähitellen olennainen osa suomalaista perussivistystä.
Nykyään mallinnuksen ja simuloinnin avulla perustellaan yhä moninaisempia poliittisia ja taloudellisia päätöksiä. Väärät diagnoosit johtavat aina vääriin lääkkeisiin, joiden kustannukset voivat olla tuhansia miljoonia euroja. Tästä johtuen totuutta etsivän lehdistön ja aikaansa seuraavan koulutusjärjestelmän velvollisuus on kertoa meille mistä mallinnuksessa on oikeastaan kysymys. Mallinnus on loistava työkalu vain ja ainoastaan silloin, jos nöyrästi ymmärrämme miten mallit toimivat ja mitkä ovat niiden oletukset ja rajoitukset.
Antti Roine, Ulvila 9.1.2010
Perinteisesti ihmisillä on voimakas halu löytää asioille ja ilmiöille vain yksi selitys tai syyllinen, vaikka todellisuudessa lopputulos on usein monen eri tekijän summa. Aikoinaan tämä oli nopea ja tehokas tapa hoitaa asioita ja tehdä päätöksiä, koska primitiivisissä yhteisöissä tiedon määrä ja ihmisen vaikutusmahdollisuudet olivat hyvin rajallisia. Monimutkaisemmat asiat ihminen ratkaisee luonnostaan tunteen tai arvauksen avulla, koska ihmisen tietoinen järki ei pysty käsittelemään monen eri tekijän yhteisvaikutuksia muuten kuin alitajunnassa.
Nykyään tarvitaan kuitenkin myös tehokkaampia ja luotettavampia tapoja tehdä taloudellisia, teknisiä ja poliittisia päätöksiä, koska tiedon määrä kasvaa räjähdysmäisesti ja ihminen voi halutessaan tuhota koko planeetan. Mallinnus ja simulointi ovat avainsanoja, joiden avulla massiivisista tietomääristä voidaan etsiä riippuvuuksia ja testata eri tekijöiden ja päätösten vaikutusta lopputulokseen. Viime vuosituhannella ne kansat menestyivät, jotka osasivat takoa rautaa. Nyt meidän tulee osata takoa malleja, joiden avulla raakatieto jalostetaan uusiksi tuotteiksi.
Monia luonnonilmiöitä, sekä teknisiä että taloudellisia prosesseja osataan jo mallintaa varsin luotettavasti. Suurin ongelma kuitenkin on se, että päättäjät eivät osaa tulkita mallien antamia tuloksia oikein, koska he eivät ymmärrä mallinnuksen perusteita. Tästä johtuen mallien kuten tilastojenkin avulla voidaan harhaan johtavasti todistaa ihan mitä halutaan, jos kuulijat eivät ymmärrä tehtyjä oletuksia ja rajoituksia. Perusasiat eivät ole vaikeita, mutta ikävä kyllä näitä ei opeteta kouluissa.
[b]Mallien perusideat ja kalibrointi[/b]
Malli on aina vain todellisuuden likiarvo, kuten Mannerheim patsas. Se näyttää vain tietyn rajoitetun ja suppean osan koko totuudesta. Mallit ovat todellisuuden matemaattisia, toiminnallisia tai mekaanisia kuvia. Mallit voidaan jakaa karkeasti kahteen ryhmään: teoreettisiin ja empiirisiin malleihin.
Teoreettinen malli perustuu aiemmin selvitettyihin loogisiin syy- ja seuraussuhteisiin. Niiden avulla voidaan kuvata tarkasti rajoitettuja ja yksittäisiä ilmiöitä, kuten magneettikenttää tai painovoimaa. Empiirinen malli on teoreettisen mallin vastakohta, se perustuu kokeellisten mittausarvojen sovitukseen johonkin riittävän notkeaan matemaattiseen kaavaan, eli funktioon. Sovituksessa funktion vakioille etsitään sellaiset arvot, joiden avulla malli toimii. Näitä arvoja kutsutaan malliparametreiksi.
Monimutkaisten ilmiöiden mallinnuksessa käytetään yleensä semiempiirisiä malleja, joissa on yhdistetty teoreettisten ja empiiristen mallien etuja. Yleensä teoreettisen mallin etuna on laajempi soveltuvuusalue, mutta monimutkaisissa ilmiöissä teoria ei usein riitä tai se johtaa liian raskaaseen laskentaan. Empiirinen malli sen sijaan ottaa automaattisesti huomioon kaikki kokeellisiin lähtöarvoihin vaikuttaneet tekijät, mutta usein empiirinen malli toimii vain ja ainoastaan sille suppealle alueelle mille se on kalibroitu.
Tyypillisesti tällaisissa yhdistetyissä semiempiirisissä malleissa osa vaikuttavista tekijöistä kuvataan teoreettisesti ja lopuksi malli sovitetaan eli kalibroidaan kokeelliseen mittaustietoon malliparametrien avulla. Nykyiset ohjelmistot etsivät parhaat funktiot ja parametrit muutamassa sekunnissa.
Vaaka kalibroidaan kiertämällä säätöruuvia niin, että asteikko näyttää nollaa. Esimerkiksi monimutkaisista ilmastomalleista löytyy satoja tällaisia säätöruuveja, eli malliparametrejä. Tästä johtuen ei ole ihme jos kaikki ilmastomallit antavat samanlaisia tuloksia, kun ne on kalibroitu samalla tavalla.
Perinteisesti kuulijoita hämätään myös upeiden matemaattisten lausekkeiden avulla. Tällaiset kaavat eivät kuitenkaan lisää mallinnuksen luotettavuutta, jos niiden avulla kuvataan vain 10% vaikuttavista tekijöistä ja loput hoidetaan malliparametrien avulla. Lisäksi on hyvä tietää, että todellisuus on sitä helpompi sovittaa malleihin mitä monimutkaisempia kaavoja käytetään, vaikka amatööri usein kuvittelee juuri päin vastoin. Tosin hyötynä on, että vaikeiden kaavojen avulla kuulijoiden huomio voidaan haluttaessa ohjata epäolennaisiin asioihin ja kiusalliset kysymykset mallin rajoituksista voidaan näin minimoida
[b]Mallien testaus ja käyttö[/b]
Teollisuudessa mallien toiminta varmistetaan aina testauksella eli validoinnilla. Malli kalibroidaan ja testataan esimerkiksi tietylle lämpötila-alueelle. Lentokoneet voidaan suunnitella tietokoneella varsin luotettavasti, koska aerodynaamisissa malleissa virtaa vain ilmaa. Mutta heti kun malliin lisätään kemiallisia reaktioita, lämmönsiirtoa, pölyjä, seoksia ja sulia aineita, jne. malli mutkistuu dramaattisesti. Tällaiset mallit toimivat vain sillä suppealla alueella mille ne on viritetty ja kalibroitu, ja EHKÄ myös hiukan alueen ulkopuolella.
Teollisuudessa luotetaan vain tietylle kapealle alueelle kalibroituihin malleihin, koska totuus paljastuu viimeistään silloin kun mallin avulla suunniteltu uusi tehdas käynnistyy. Sen sijaan monella muulla alalla kuten ilmastotieteessä ja kosmologiassa syylliset ehtivät siirtyä eläkkeelle ennen kuin totuus selviää. Tällöin on helppo sokean itsevarmasti väittää, että semiempiiriset mallit toimivat satoja tai miljardeja vuosia testatun alueen ulkopuolella, vaikka mallit käsittelevät vielä monta astetta laajempia ja vaikeampia ilmiöitä mitä teollisuudessa mallinnetaan.
Tyypillisiä semiempiirisiä malleja käytetään mm. sääennusteiden laskennassa. Mallit kalibroidaan aina ennen laskentaa uusimman mittaustiedon avulla. Tästä johtuen ne eivät pysty ennustamaan säätä muutamaa päivää enempää, vaikka käytössä ovat maailman tehokkaimmat tietokoneet. Ilmastomallit ovat samaa sukua.
Mallien sisäisessä ohjelmakoodissa voi olla myös selviä virheitä, mallikoodarit ovat tuskin ratkaisevasti etevämpiä kuin Microsoftin käyttämät koodin kehittäjät. Mallien testaus on lähes ainoa tapa selvittää ja korjata nämä bugit, jos malleja ei voi testata käytettävälle alueelle niin malliin kannattaa aina suhtautua suurella varauksella.
Mallinnuksessa tärkeää on ymmärtää myös "roskaa sisään - roskaa ulos" periaate, eli malli ei voi koskaan olla lähtötietojaan luotettavampi, eikä malli voi todistaa omia oletuksiaan oikeiksi. Esimerkiksi maailmankaikkeuden rakennetta kuvaavissa kosmologisissa malleissa oletetaan, että punasiirtymä kuvaa taivaankappaleiden etääntymisnopeutta. Jos tämä yksi pieni perusoletus on väärä ja valo vain väsyy pitkällä matkalla, niin silloin mallin tulokset ovat täysin pielessä ja "Big Bang" muuttuu fiktioksi.
[b]Mallit mediassa[/b]
Mallinnusta käytetään nykyään monella eri alueella. Tästä johtuen niitä sivutaan mediassa mm. talouskehityksen, vaaliennusteiden ja verotuksen yhteydessä. Suurin osa uudesta teknologiastakin syntyy myös mallinnuksen pohjalta, vaikka sitä ei usein mainitakkaan. Uudet tehtaat perustuvat lähes aina prosessilaskentamalleihin. Itse asiassa tässä mallinnusvaiheessa viime kädessä määrätään kuinka tehokas ja ympäristöystävällinen uudesta tehtaasta tai teknologiasta tulee; jälkeenpäin näitä asioita on vaikeampi ja paljon kalliimpi muuttaa.
Ikävä kyllä lehdistö ja televisio keskittyy enemmän valokuvamallien fyysisten ominaisuuksien ja yksityiselämän taustojen selvittämiseen kuin hyvinvointimme taustalla olevien mallien arviointiin. Lisäksi mallien toimintaperiaatteita ei ymmärretä ja siksi päädytään moniin väärinkäsityksiin. Usein esimerkiksi annetaan ymmärtää, että jos jokin malli sopii koetuloksiin tai havaintoihin niin se todistaa havainnot ja johtopäätökset oikeiksi, asia ei kuitenkaan ole näin. Varsinkin jos mallissa on yksikin malliparametri, jonka avulla malli on sovitettu ja fitattu koetuloksiin niin malli tietysti sopii koetuloksiin.
Joskus jopa puhdas teoreettinenkin malli saattaa sisältää tällaisen piilossa olevan sovitusparametrin. Esimerkiksi virtausmalleissa jonkun faasin viskositeettiarvo saattaa olla vaikea mitata; siksi mallissa käytetään sellaista lukuarvoa, jonka avulla malli täsmää parhaiten todellisuuden kanssa. Tämä on täysin laillista ja tieteellistä toimintaa jos asia mainitaan raportissa, mutta aika usein asia jää mainitsematta.
Toinen tärkeä juttu, jota malleista puhuttaessa usein vaietaan on mallin pohjana olevat perusoletukset ja mallin rajoitukset, eli mille perustalle malli on rakennettu. Näistä harvemmin mediassa mainitaan mitään. Malleja on monia erillaisia aivan samoin kuin kulkuvälineitäkin löytyy polkupyörästä lentokoneeseen.
[b]Mallit ja ilmastonmuutos[/b]
Sinällään tämä tämä 'ilmastonmuutos hysteria' ei ole pelkästään huono asia. Maailma tarvitsee tällaisia ravisteluja välillä, jotka sysäävät teknologian kehitystä eteenpäin vähän samaan tapaan kuin sodat tekevät. Maailma tarvitsee myös halpaa ja puhdasta energiaa oli ilmastonmuutoksen syy mikä tahansa, koska energian voimalla kaikki toimii.
Ja kyllä sitä kehitysapuakin tarvitaan, mutta sitä pitäisi antaa oikealla nimellä ja lähinnä sen avulla pitäisi auttaa kehitysmaita auttamaan itseään, esimerkiksi koulutuksen avulla. Kioton sopimuksen tyyppinen kehitysapu johtaa sen sijaan väestönkasvuun ja sen myötä umpikujaan, jossa ympäristön laadulla ei elintilasta ja ruuasta kilpailtaessa ole enää mitään merkitystä.
Huolestuttavaa on jos ilmastonmuutoksen diagnoosi onkin väärä, koska silloin rahat ja resurssit suunnataan vääriin lääkkeisiin ja alkuperäinen tauti jää hoitamatta. Siinäkään ei oikein ole järkeä jos päästöjä vähennetään siirtämällä päästöt Kiinaan, koska samalla sinne menevät teollisuus, työpaikat ja elintaso. Monin verroin parempi vaihtoehto olisi korvamerkitä päästökaupan rahat suoraan oman maan puhtaan teknologian kehitykseen.
Ihmisen aiheuttamaa ilmaston lämpenemistä perustellaan ilmastomallien tulosten pohjalta. Tämä ei kuitenkaan voi olla pätevä peruste jos mallit on kalibroitu sellaisen lämpötilatiedon perusteella, jossa kaupunkilämpöä on aliarvioitu ja arvoja on suoranaisesti väärennetty CRU:n mission mukaisesti. Ilmastonmuutos on tieteellinen fakta, mutta muutoksen suunnasta on pientä epäselvyyttä. Tästä tosiasiasta lauloi virolainen ystävämme Georg Otsoni jo kauan sitten kappaleessaan "Muuttuuko ilmasto ja mihin suuntaan..."
[b]Yhteenveto[/b]
Mallinnuksen tarve kasvaa nopeasti monella eri alueella kun käytettävissä olevan tiedon määrä kasvaa. Mallinnus on työkalu, jonka avulla tiedosta jalostetaan uusia tuotteita ja suunnataan yhteiskuntamme kehitystä. Tästä johtuen mallinnuksen perusteet tulee ottaa koululaitoksen opetusohjelmaan siten, että näistä asioista tulee vähitellen olennainen osa suomalaista perussivistystä.
Nykyään mallinnuksen ja simuloinnin avulla perustellaan yhä moninaisempia poliittisia ja taloudellisia päätöksiä. Väärät diagnoosit johtavat aina vääriin lääkkeisiin, joiden kustannukset voivat olla tuhansia miljoonia euroja. Tästä johtuen totuutta etsivän lehdistön ja aikaansa seuraavan koulutusjärjestelmän velvollisuus on kertoa meille mistä mallinnuksessa on oikeastaan kysymys. Mallinnus on loistava työkalu vain ja ainoastaan silloin, jos nöyrästi ymmärrämme miten mallit toimivat ja mitkä ovat niiden oletukset ja rajoitukset.
Antti Roine, Ulvila 9.1.2010