Een jonge stier leefde in een kleine kudde in een natuurgebied aan het water.

Hij voelde zich sterk, maar stond als elk jong dier aan de onderkant van de hierarchie.
Op een dag daagde hij een hoog geplaatste stier uit, een fout, hij werd uit de kudde verjaagd.

Het natuurgebied was klein, dus echt weg kon hij niet, maar terug naar de kudde ook niet.
Hij nam de gok en ging zwemmen, verderop was een klein eiland. Waar hij veilig was voor de kudde.

Een jonge student werkte aan een ecologisch computermodel. Kun je plantengroei voorspellen in natuurgebieden bij het water, ook als het water zouter wordt en vaker overstroomt?
Een grote hoeveelheid data was beschikbaar, van aanwezige planten op duizenden plekken, over vele jaren.
Een klein eiland gaf een grote anomalie. De plantengroei was volledig anders dan je zou verwachten.
Die ene stier had het ecosysteem van het kleine eiland compleet veranderd.

Kan zo'n computermodel plantengroei voorspellen?
In grove lijnen wel.
En wanneer je het computermodel enorm verbetert, zou het dan ook in details de plantengroei voor alle gebieden kunnen voorspellen?
Geen schijn van kans.
Om de plantengroei voor dit eiland te voorspellen had er in het model de volledige werking van de psyche van het stierkalf moeten zitten en die van al zijn kuddegenoten.

Een computermodel heeft geen enkele kans, de hele wetenschap heeft het niet, om in zo'n detail voorspellingen te doen.

Ik rondde mijn taak in dit onderzoek af en begon met de volgende:
Wat kunnen we wel voorspellen en wat niet. Waar liggen de grenzen van wat we kunnen kennen?
Waar houdt ons verstand op nuttig te zijn?

De allerkleinste, allereerste stap is erkennen hoeveel we nu niet weten en proberen dat in kaart te brengen.
Om daar mee te beginnen kunnen we niet-weten zichtbaar maken.
Wanneer we daar in getraind raken, geloof ik dat we een patroon gaan zien.
Zodat we uiteindelijk een kaart kunnen tekenen, een mentale kaart voor wat we wel weten en wat we niet weten.
En er zelfs een wetenschap van maken. Net als in de rest van de wetenschap zullen we die grenzen niet absoluut krijgen, maar door ervaring en theorie bijstellen.

Wat dat oplevert is een beeld waar we vooruitgang kunnen boeken, met wetenschap en met computers, en waar dat onwaarschijnlijk is.

En ook in computers en in wetenschap kun je dan eenvoudig aangeven waar het weten ophoudt en waar het niet-weten begint.

Sterker nog, ik zie het als een taak voor software ontwikkelaars en voor wetenschappers om goed aan te geven waar de grens tussen weten en niet-weten ligt, zodat computers en wetenschap niet gebruikt kunnen worden voor taken waar ze niet voor geschikt zijn.

Hoe je dat zou kunnen doen vertel ik in blog 3. Abonneer je om het vervolg in je mailbox te krijgen.

Lees ook blog 1 in deze serie: Wat is nou weer pu?