"Lacks modelling or fMRI..."
von Vinzenz Schönfelder, 10. März 2008, 23:51
... heißt es forsch, wenn junge Forscherinnen durchaus interessante Arbeiten in Nature zu veröffentlichen wünschen. Kein Scherz, sondern Tatsache – das müssen sie mir glauben. Leider! Denn nicht überall da ist "Wissenschaft" drin, wo "mathematisches Modell" drauf steht.
Eine Zugfahrt, die ist lustig, die lässt Zeit... Auf dem Rückweg vom Bloggertreffen bleibt trotz ICE-Sprinter viel Raum neue Gedanken in den Computer zu hacken. Andernfalls güldete ich ohnehin als Außenseiter: Um mich herum sitzen drei Passagiere - auf den Tischen ebenso viele Rechner. Ich will das nicht bewerten, bin stattdessen froh, dass die Bahn noch fährt. Ich hoffe Sie freuen sich mit mir, nach dem Lesen dieses Posts.
Es bleibt noch etwas zu sagen im Anschluss an den letzten kritischen Eintrag: Der neuerliche Umgang mit mathematischen Modellen fiel unter den Tisch. Das Thema klingt trocken, ist trocken, ich geb mein Bestes!
Mathematische Modelle sind – seit Galileo Galilei – in der Physik, der Chemie und immer mehr auch der Biologie kaum mehr wegzudenken. Sie helfen uns quantitative Beobachtungen nach strengen Regeln zu erfassen und beschreiben. Selbstverständlich fanden sie auch Eingang in die Neurowissenschaften, etwa in Form der Hodgkin-Huxley-Gleichungen, die die Aktivität von Nervenzellen, die Entstehung von Aktionspotentialen beschreiben. Hodgkin, Huxley und Eccles wurden Im Jahre 1963 für ihre Arbeit nach Stockholm geladen, das Nobel-Kommitee wird gute Gründe gehabt haben, darin gute Wissenschaft zu sehen. Doch seit einiger Zeit finden immer mehr nichts-sagende mathematische Neuro-Modelle Verbreitung.
Was genau meint das freche "nichts-sagend"? Frage: Welche Voraussetzungen erfüllt ein gutes Modell? Ganz einfach: Es muss experimentelle Beobachtungen erklären. Je mehr davon und je genauer, umso besser. Ein Modell, das ein einziges Experiment erklärt, hat weniger Wert, als ein anderes, dass neben dem ersten Versuch zusätzlich den Ausgang eines zweiten erklärt. Auch verliert es an Wert, wenn es anderen Beobachtungen widerspricht.
Wer aufrichtig an guten Modellen arbeitet, verbringt die meiste Zeit auf der Suche nach Tatsachen, die ihnen widersprechen. Selten trifft er dabei den glücklichen Fall, dass sich keine Widersprüche finden lassen. Und selbst dann noch kommt ihm oft genug jemand in die Quere, der zuvor ein noch allgemein gültigeres Modell erdachte. Deswegen ist Wissenschaft ein so langsamer, mühsamer Prozess und findet eher selten im Hobbykeller statt.
Wir alle haben unsere Theorien, machen uns Modelle von der Welt. Gelegentlich finden sich – durchaus nicht uninteressante – Theorien in hiesigen Blogkommentaren. Doch seien Sie, liebe Kommentatoren, sich bewusst, dass diese solang nicht in Konkurrenz zur Wissenschaft treten, solang Sie nicht dieser strengen Methode folgen und Ihr eigenes Modell in Frage zu stellen suchen.
Beobachtungen erklären zu können ist aber noch längst nicht alles: Ein Modell erlangt seinen wahren Wert erst, indem es uns Neues verrät: bislang unbekannte Tatsachen oder Zusammenhänge. Wenn es nur auf andere Art beschreibt, was vorher schon klar war – was haben wir gewonnen? Und hier liegt der Hund begraben!
Komplexe Systeme wie das Gehirn verleiten viele Forscher zur Konstruktion ebenso komplexer Modellen, mit einer Unzahl an Parametern. Die Folge: Nahezu beliebige experimentelle Beobachtungen lassen sich damit erklären. Ich kann das Modell praktisch nicht widerlegen, denn jeder Widerspruch lässt sich ausgleichen: Ich verstelle die Parameterschrauben genau so, dass wieder alles wunderbar passt. Wegen seiner variablen Konstruktion bleibt es in seinen Vorhersagen im besten Fallen vage oder sagt mir einfach nicht mehr, als ich ihm zuvor schon verraten hab. Welchen Wert hat es dann, im Sinne von wissenschaftlichem Erkenntnisgewinn? Keinen Cent.
Merke: Modellierung ist nicht gleich Wissenschaft. Je komplizierter ein Modell, desto mehr Misstrauen bringen Sie ihm entgegen! Auch umgekehrt lassen sich viele bemerkenswerte und im wissenschaftlichen Sinne wichtigen Beobachtungen nicht in mathematische Formeln pressen. Nature hat das wohl vergessen, geblendet von all den schillernden, doch ebenso hohlen Modellen.
Hallo, Herr Schönfelder,
ihre Warnungen vor mathematischen Modellen kann ich nicht verstehen. Mathematische Modellierung ist doch das Endziel jeder Theoriebildung, und das gilt nach Thomas Metzinger auch für die Hirnforschung : „Was wir eigentlich benötigen, ist ein mathematisches Modell, das auf präzise und empirisch plausible Weise die phänomenologische Ontologie des menschlichen Gehirns beschreibt – also das, was es dem bewußten Erleben nach in der Welt gibt“(„Bewußtsein“ S.597)
Nach Metzingers Vorstellungen sollten diskrete mentale Repräsentationsebenen bzw. –funktionen sich durch diskrete Klassen neuronaler Algorithmen kennzeichnen lassen. Zitat: „Es muß deshalb auch ein mathematisches Modell für die Ganzheit unseres phänomenalen Raumes geben.“(S.627)
Ein mathematisches Modell kommt nicht beliebig aus dem hohlen Bauch, sondern es ist meist das Ergebnis langer Bemühungen um ein Rätsel.
Man muß sich den wissenschaftlichen Vorgang so vorstellen wie das Zusammenfügen eines Puzzles. Zuerst steht man vor einem ungeordneten Haufen von Teilchen, in denen keinerlei Sinn zu erkennen ist.
Nach und nach findet man Teile, die zusammenpassen, ein Bild erahnen lassen,
und je mehr davon zusammen gruppiert werden können, desto leichter lassen sich die restlichen einfügen, bis schließlich der ganze Sinn des „Haufens“ für jeden erkennbar wird.
Nun erst ist daran zu denken, ein mathematisches Modell aus dem „Bild“ zu extrahieren. Selbstverständlich achtet ein Wissenschaftler dabei auf jeden Widerspruch, der sich aus existierenden Tatsachen oder Theorien ergeben kann.
Es wäre aber Masochismus, wenn der "aufrichtige" Forscher überwiegend a la Popper an die Widerlegung seiner Puzzlearbeit denken soll. Diese Arbeit kann er getrost seinen Kollegen überlassen, die gnadenlos jeden Fehler entdecken werden.
Wissenschaftler arbeiten überwiegend analytisch, aber bei der Theoriebildung ist synthetische, kreative Arbeit zu vollbringen. Deshalb kamen viele Entdeckungen oder Erfindungen aus „Hobbykellern“, wie Sie sicher wissen.
Aus Ihren Worten wird nicht klar, welches mathematische Modell ihre wissenschaftstheoretische Skepsis hervorgerufen hat. Ich vermute, daß Sie sich auf mein Wikebook „Gehirn und Sprache“ beziehen und an Stelle einer präzisen inhaltlichen Kritik eine pauschalierende Abwertung (Lack) vorziehen.
Schade, bei Ihrem Leitmotiv „Grenzen“ habe ich mehr Verständnis erwartet,
aber vielleicht kommt das noch, mein Modell ist schließlich eine Grenze!
Mit freundlichen Grüßen
Steffen Rehm
Lieber Herr Schönfelder, lieber Herr Rehm,
ich habe den Blog-Eintrag mit einigem Kopfnicken gelesen und war dann sehr erstaunt, dass Herr Rehm ihn ganz anders verstanden zu haben scheint als ich. Mathematische Modelle sind ein großartiges Werkzeug der Wissenschaft. Aber Wissenschaft ist deshalb so schwierig, weil sie erschreckend simpel ist, denn es gilt nur ein Maßstab: der Erkenntnisfortschritt. Und an diesem Maßstab muß sich alles, jede und jeder messen lassen, auch mathematische Modelle. Es gibt nun mal Modelle, die komplex und eindrucksvoll daherkommen und trotzdem (manchmal: gerade deshalb) rein gar keinen Erkenntnisfortschritt bedeuten. Das kann, wie Herr Schönfelder zu recht als Beispiel anführt, dann der Fall sein, wenn eine Fülle von frei wählbaren Parametern es erlaubt, das Modell an jede denkbare künftige Datenlage anzupassen.
Das Phänomen der Imponiermodelle kann man weit über die Neurowissenschaften hinaus beobachten. Interessanterweise scheint die Versuchung, durch ein komplexes, aber erkenntnisfreies mathematisches Modell Eindruck zu schinden, mit abnehmendem mathematischen Sachverstand deutlich zuzunehmen.
Also: Erkenntnisfortschritt ist der Maßstab -- mathematische Modelle genügen diesem Maßstab oft in spektakulärer Weise. Wo sie aber keinen Erkenntnisbeitrag leisten, sollten sie auch nicht bemüht werden.
Mit freundlichen Grüßen,
Michael Naatz
1) Dr.Moody (USA) hat 1975 lebende Menschen für tot erklärt und ihre ´Nhtod-Erlebnisse´ einer Jenseitswelt zugeordnet. Ein kurioses Denkmodell und eine Fehldiagnose.
2) Seitdem versuchen Gehrinforscher und Pseudoforscher das Geheimnis des Sterbens darin zu entschlüsseln
3) Allerdings: Wer lebt ist nicht tot und sein Gehirn funktioniert wie immer (Das wäre das korrekte Denkmodell).
4) Wir lernen: falsche Modelle haben eine lange Lebensdauer - und werden kaum hinterfragt.