De-Idealizing De-Idealization: Beyond Full Reversal

Il paper propone un account più ampio e guidato dalla pratica della de-idealizzazione, identificando tre procedure distinte (intra-modello, inter-modello e di misurazione) per dimostrare come le idealizzazioni possano essere giustificate e scrutinizzate nella fisica senza ricorrere a nozioni filosofiche eccessivamente rigide.

L'essenziale

Il Titolo: De-idealizzare la De-idealizzazione

Immagina di dover spiegare come funziona il mondo usando dei disegni a matita. Questi disegni sono "idealizzati": semplificano la realtà per essere comprensibili. Per esempio, disegni un'auto come un semplice rettangolo con quattro cerchi, ignorando i pistoni, l'olio e la ruggine.

Il problema è: come facciamo a fidarci di questi disegni semplici per prendere decisioni sul mondo reale?

Per molto tempo, i filosofi della scienza hanno detto: "Per fidarti del disegno, devi cancellare tutte le semplificazioni e ridisegnare l'auto perfettamente, con ogni vite e ogni graffio, fino ad avere una copia esatta della realtà". Questo processo si chiama de-idealizzazione.

Ma i fisici reali dicono: "Aspetta, non abbiamo mai il tempo, né la tecnologia, né la conoscenza per disegnare l'auto perfetta. Se aspettiamo di avere il disegno perfetto, non faremo mai nulla!".

La tesi di questo paper è:
Smettiamola di cercare il "disegno perfetto". Invece, abbiamo bisogno di tre modi pratici per controllare se i nostri disegni semplici funzionano davvero, senza doverli trasformare in opere d'arte iper-realiste.

Ecco i tre metodi, spiegati con analogie:

---

1. De-idealizzazione "Intra-Modello": Il Ritratto che si Affina

(Intra-model de-idealization)

Immagina di avere un ritratto di una persona fatto con pochi tratti (il modello idealizzato).
Il metodo "intra" consiste nel prendere quel ritratto e aggiungere un po' di dettaglio alla volta, mantenendo lo stesso stile di disegno, finché non vedi che il ritratto semplice è quasi identico al ritratto più dettagliato in certe situazioni.

• L'analogia: Pensa a un'app di navigazione GPS.
  • Modello idealizzato: "Vai dritto per 10 km". (Ignora le curve, il traffico, i dossi).
  • De-idealizzazione: Aggiungiamo un parametro: "Vai dritto per 10 km, ma rallenta se la strada è bagnata".
  • Il trucco: Se guardiamo la strada in condizioni normali (bassa pressione, alta temperatura, come nel caso dei gas), il GPS semplificato funziona benissimo. Non dobbiamo mappare ogni singolo sasso della strada per sapere che il GPS funziona in quel contesto.
  • La lezione: Non serve cancellare tutte le semplificazioni. Basta mostrare che, se aggiungi un po' di realismo (come la pioggia), il modello semplice rimane molto vicino alla realtà.

2. De-idealizzazione "Inter-Modello": Il Ponte tra Mondi Diversi

(Inter-model de-idealization)

A volte non possiamo aggiungere dettagli al nostro disegno perché è troppo complicato o perché non abbiamo le formule matematiche per farlo. Cosa facciamo? Usiamo un altro disegno che conosciamo bene e che assomiglia al nostro.

• L'analogia: Immagina di voler capire come funziona un tornado (un modello idealizzato e difficile da studiare). Non hai ancora la formula perfetta per il tornado.
  • Ma sai perfettamente come funzionano i vortici nell'acqua (un modello più realistico e studiato).
  • Noti che il tornado e il vortice d'acqua hanno la stessa forma, girano nello stesso modo e seguono regole simili.
  • Il trucco: Anche se il tornado non è esattamente come l'acqua, il fatto che i due mondi (aria e acqua) si comportino in modo concettualmente simile ti dà la fiducia per usare le regole dell'acqua per capire il tornado.
  • Esempio reale del paper: I fisici usavano modelli di onde elettromagnetiche (luce) per capire le onde gravitazionali (increspature dello spazio). Anche se sono cose diverse, le loro "forme matematiche" sono così simili che ciò che funziona per la luce funziona anche per la gravità.

3. De-idealizzazione "di Misurazione": Il Controllo con il Righello

(Measurement de-idealization)

Questo è il metodo più pratico. Invece di cercare di perfezionare il disegno teoricamente, lo confrontiamo con la realtà misurando quanto si sbaglia.

• L'analogia: Immagina di lanciare una freccia contro un bersaglio.
  • Il tuo modello dice: "La freccia andrà al centro".
  • La realtà: La freccia finisce a 5 cm dal centro.
  • Il trucco: Non buttare via il modello! Chiediti: "Perché è finita a 5 cm? È il vento? È la mano che tremava?".
  • Se scopri che l'errore è sempre di 5 cm verso destra (un "residuo" strutturato), puoi correggere il modello: "Ok, il modello è buono, ma devo aggiungere una correzione per il vento".
  • Se continui a correggere il modello e l'errore diventa sempre più piccolo e prevedibile, allora il modello è giustificato, anche se non è perfetto.
  • Esempio reale: Il modello di Bohr per l'atomo di idrogeno non era perfetto (gli elettroni non girano come pianeti). Ma quando i fisici lo confrontarono con i dati sperimentali, videro che gli errori erano piccoli e prevedibili. Questo li ha convinti a usarlo finché non è emerso un modello migliore.

---

La Conclusione: Non serve la Perfezione

I filosofi del passato pensavano che per usare un modello semplificato, dovessimo prima dimostrare che potevamo trasformarlo in una copia esatta della realtà (la "Rappresentazione Completa").

Luo e Chua dicono: No, è un'idea troppo idealizzata!

Nella vita reale, i fisici non hanno mai la "copia perfetta". Hanno solo modelli che funzionano abbastanza bene in certi contesti.

• Non serve cancellare tutte le semplificazioni.
• Basta mostrare che il modello è vicino alla realtà (tramite raffinatezze interne, analogie con altri modelli, o confronto con i dati).

In sintesi:
Non aspettiamo di avere la mappa perfetta del mondo per viaggiare. Usiamo mappe semplificate, controlliamo dove sbagliano, le correggiamo un po', e se funzionano bene abbastanza, continuiamo a usarle. Questo processo continuo di "aggiustamento" e "verifica" è la vera scienza, non la ricerca di una verità assoluta e immutabile.

Come dicono gli autori alla fine: "Check, please!" (Controllate, per favore!). Non lasciate i modelli senza controllo, ma controllateli con i metodi giusti, non con quelli impossibili.

Sommario tecnico

1. Il Problema: La Crisi della De-Idealizzazione Filosofica

Il paper affronta un problema epistemologico centrale nella filosofia della scienza: come giustificare l'uso di modelli idealizzati (che contengono distorsioni note e assunzioni false) per trarre inferenze affidabili sul mondo reale.

• La visione tradizionale (McMullin): La concezione standard, attribuita a McMullin (1985), definisce la "de-idealizzazione" come il processo di rimozione sistematica delle assunzioni semplificatrici per avvicinarsi a una rappresentazione completa e accurata del sistema target. In questa visione, un modello è giustificato solo se può essere "de-idealizzato" fino a raggiungere la verità piena o la rappresentazione completa del mondo.
• Le critiche recenti: Autori come Knuuttila, Morgan, Bokulich e Potochnik hanno attaccato questa visione, sostenendo che:
  1. È irrealistica: gli scienziati non partono dal "mondo reale" per poi idealizzarlo, né possono facilmente invertire il processo per tornare alla complessità piena.
  2. È impraticabile: molte idealizzazioni sono permanenti o ineliminabili (es. modelli quantistici, limiti termodinamici infiniti).
  3. È fuorviante: la scienza procede spesso senza "controllare" (de-idealizzare) ogni idealizzazione, basandosi su scopi pragmatici.
• Il paradosso: Se si accetta la critica secondo cui la de-idealizzazione "piena" è impossibile, si rischia di abbandonare completamente il progetto epistemologico di giustificare le idealizzazioni, cadendo in un pragmatismo estremo che ignora il vincolo con la realtà.

2. Metodologia: "De-Idealizzare" la De-Idealizzazione

Gli autori propongono una ristrutturazione concettuale del termine "de-idealizzazione". Invece di rifiutare il concetto, essi ne "de-idealizzano" la definizione filosofica, rendendola più aderente alla pratica scientifica effettiva.

• Rifiuto della "Rappresentazione Piena": Gli autori sostengono che l'obiettivo di raggiungere una "rappresentazione completa" del mondo è esso stesso un costrutto filosofico idealizzato e irraggiungibile. Non esiste una teoria finale che ci permetta di confrontare i modelli con la realtà "nuda".
• Ridefinizione dei criteri: Propongono di rilassare gli standard di due concetti chiave:
  1. "Closeness" (Prossimità): Non richiede una convergenza matematica asintotica rigorosa verso una verità assoluta, ma una prossimità sufficiente in contesti specifici.
  2. "More Realistic" (Più Realistico): Non richiede che l'oggetto di confronto sia privo di idealizzazioni, ma che sia considerato "più realistico" rispetto al modello originale in base a ragioni teoriche contestuali (es. scale, regimi di validità).
• Approccio Pratico: L'analisi si basa su casi di studio storici e contemporanei della fisica (dalla meccanica quantistica alla relatività generale, fino alla termodinamica) per identificare procedure reali di giustificazione.

3. Contributi Chiave: Tre Procedure di De-Idealizzazione

Il contributo principale del paper è l'identificazione di tre distinte procedure attraverso le quali gli scienziati de-idealizzano i modelli nella pratica, senza necessariamente mirare a una rappresentazione completa.

A. De-Idealizzazione Intra-Modello

• Definizione: Avviene all'interno di una singola famiglia di modelli parametrizzata. Si dimostra la prossimità tra un modello idealizzato e versioni più realistiche dello stesso modello variando i parametri.
• Meccanismo: Utilizza il ragionamento asintotico rigoroso. Si mostra che quando i parametri idealizzati (es. $a \to 0$, $b \to 0$) tendono a valori realistici (finiti), il modello idealizzato converge matematicamente al modello più realistico.
• Esempio: Il modello del gas ideale ($PV=nRT$) rispetto all'equazione di stato di van der Waals. L'idealizzazione è giustificata mostrando che, in regimi di bassa pressione e alta temperatura (dove i parametri $a$ e $b$ sono trascurabili), il modello ideale converge al modello di van der Waals.
• Limiti: Non sempre disponibile (es. in gravità quantistica o dove le equazioni non lineari impediscono una variazione parametrica controllata).

B. De-Idealizzazione Inter-Modello

Questa procedura collega modelli che non appartengono alla stessa famiglia parametrica. Si divide in due sottocategorie:

1. All'interno dello stesso dominio:

   • Meccanismo: Si stabilisce una continuità concettuale tra le caratteristiche di un modello idealizzato e quelle di un modello più realistico, anche se le tecniche matematiche sono diverse. Non si cerca la convergenza asintotica, ma la stabilità delle caratteristiche strutturali.
   • Esempio: I buchi neri nella Relatività Generale. Le soluzioni esatte (Schwarzschild) sono altamente idealizzate (simmetrie sferiche, stazionarietà). La giustificazione arriva attraverso l'approccio topologico-causale (teoremi di singolarità di Penrose-Hawking) e l'approccio ai valori iniziali (relatività numerica). Sebbene le tecniche siano diverse, il concetto di "singolarità" e "orizzonte degli eventi" mostra continuità concettuale attraverso approcci sempre più realistici, dimostrando che queste caratteristiche non sono artefatti delle idealizzazioni.

2. Tra domini distinti:

   • Meccanismo: Si giustifica un modello idealizzato in un dominio (es. gravità) confrontandolo con un modello più realistico in un dominio diverso (es. elettromagnetismo), basandosi su somiglianze formali e fisiche.
   • Esempio: Le onde gravitazionali che trasportano energia. Poiché la definizione di energia in GR è problematica, si usa l'analogia con le onde elettromagnetiche (dove il trasporto di energia è ben definito). Gli autori mostrano che le strategie di de-idealizzazione usate per le onde EM (es. controllo degli errori nel campo lontano) funzionano anche per le onde gravitazionali, fornendo una giustificazione fisica (non solo formale) per l'uso di modelli idealizzati di spazio-tempo asintoticamente piatto.

C. De-Idealizzazione tramite Misurazione

• Definizione: È una strategia basata sulla convergenza diacronica tra le previsioni di un modello (e le sue successive raffinatezze) e i dati sperimentali/osservativi.
• Meccanismo: Si analizzano i residui (la discrepanza strutturata tra previsione e misura).
  • Se i residui sono piccoli e stabili in contesti diversi, il modello è giustificato.
  • Se i residui diminuiscono sistematicamente con le raffinatezze del modello, ciò giustifica l'uso del modello e delle sue modifiche.
  • Se i residui persistono o divergono, la giustificazione crolla.
• Esempi:
  • Modello di Bohr: Inizialmente giustificato dalla sua capacità di predire la costante di Rydberg con alta precisione (piccoli residui). È stato poi abbandonato quando nuovi dati sperimentali hanno mostrato residui persistenti che le raffinatezze intra-modello non potevano eliminare.
  • Modello di Ising: Inizialmente considerato irrilevante per i magneti reali, ha guadagnato giustificazione negli anni '60 quando ha mostrato una convergenza robusta con i dati sperimentali sugli esponenti critici, superando i modelli di campo medio classici.
  • QED (Elettrodinamica Quantistica): Anche prima della giustificazione teorica completa (rinormalizzazione di Wilson), la serie di Dyson era giustificata dalla sua capacità di ridurre i residui predittivi in modo robusto attraverso contesti sperimentali.

4. Risultati e Conclusioni

• Superamento del "Tutto o Nulla": Il paper dimostra che la giustificazione delle idealizzazioni non richiede la rimozione totale delle distorsioni o il raggiungimento di una verità assoluta. È sufficiente mostrare che il modello è vincolato al mondo in modi specifici e contestuali.
• Pluralismo Epistemico: Le tre procedure (intra-modello, inter-modello, misurazione) non sono mutualmente esclusive; spesso si rafforzano a vicenda. La de-idealizzazione tramite misurazione può guidare la ricerca di de-idealizzazioni intra- o inter-modello.
• Ridefinizione della Giustificazione: La giustificazione non è uno stato statico ("il modello è vero"), ma un processo dinamico di "true-ing" (rendere vero). I modelli sono continuamente "aggiustati" e vincolati alla realtà attraverso queste procedure.
• Risposta allo Scetticismo: Gli autori confutano l'idea che le idealizzazioni siano "non controllate". Al contrario, la scienza è piena di pratiche sofisticate di controllo (de-idealizzazione) che non richiedono la "rappresentazione piena".

5. Significato e Implicazioni

• Per la Filosofia della Scienza: Il paper offre una via di mezzo tra il realismo strutturale rigido (che richiede verità completa) e il pragmatismo radicale (che ignora la verità). Propone un realismo pratico dove la "prossimità" è definita operativamente dalla pratica scientifica.
• Per la Pratica Scientifica: Legittima l'uso di modelli imperfetti ma utili, fornendo un quadro teorico per capire come e quando gli scienziati possono fidarsi di essi. Sposta l'attenzione dalla ricerca di una "teoria del tutto" alla gestione delle condizioni di validità e dei residui.
• Impatto Concettuale: Introduce il concetto di "de-idealizzare la de-idealizzazione", suggerendo che la filosofia stessa deve evitare di idealizzare i processi scientifici. La realtà della scienza è "più sporca" (messier) ma epistemicamente solida rispetto alle narrazioni filosofiche tradizionali.

In sintesi, Luo e Chua sostengono che la de-idealizzazione non è un fallimento perché non raggiunge la perfezione, ma è un successo epistemico proprio perché funziona attraverso strategie parziali, contestuali e iterative che mantengono i modelli scientifici in contatto con il mondo reale.