Meteorologin kan förklara varför orkaner uppstår i vissa klimatzoner under vissa väderförhållanden, men inte förutsäga exakt var och när som orkanen kommer att slå till.
Meteorologin kan förklara varför klimatförändringar leder till att såväl hög- som lågtryck får större sannolikhet att “fastna” mellan Arktis och ekvatorn (minns den gångna sommaren). Men den kan inte vid ett givet ögonblick säga om det rådande vädret “sitter fast” eller inte.
Meteorologin erkänner att dess vetande har en gräns, någonstans där komplexitet övergår i kaos.
När jag läser olika skildringar av finanskrisen och dess efterspel under de gångna tio åren – exempelvis Crashed av Adam Tooze – så blir jag ibland så mätt på överflödet av politiska och finansiella aktörer. Beslut som fattas, nationella händelser, orsaker, verkningar. Ytfenomen. När jag funderar på vad jag saknar i dessa skildringar, kommer jag plötsligt att tänka på meteorologin. Dess inriktning på globala nödvändigheter snarare än på lokala orsaker, dess försiktighet vad gäller att förutsäga framtida händelser, borde bli en ledstjärna för kristeorin.
Kapitalets kris har en global geografi som påminner om vädersystemen, med olika övertryck och baksug som resulterar i olika sorters urladdningar. Det går i viss mån att förutsäga vilka ekonomiska sektorer eller vilka geografiska regioner som löper störst risk för en smäll. Men att förklara varför ett visst land drabbades av en finanskris låter sig inte göras enbart utifrån data om detta lands ekonomi. Frågan är vad sådana förklaringar ens ska tjäna till. Kapitalets globala rörelser hade nått fram till ett tillstånd där en urladdning måste ske och det är viktigare att förstå denna nödvändighet än varför urladdningen skedde just i ett land och inte ett annat land. Även här måste vi erkänna att komplexitet någonstans slår över i kaos.
Meteorologins åtskillnad mellan klimat och väder saknar inte likhet med den dialektiska åtskillnaden mellan väsen och framträdelse. En dialektik som förnekas av postmodernisterna och blankt ignoreras inom den mesta samhällsvetenskapen (särskilt inom statsvetenskap och nationalekonomi).
Så tänkte jag. Förhoppningsvis läses detta inlägg av någon meteorolog, eller annan fysiskt lärd person, som kan förklara varför och hur jag helt har missförstått det meteorologiska vetandets karaktär.
30 kommentarer ↓
https://sv.wikipedia.org/wiki/Kaosteori
Edward Lorenz var meteorlog, vi kan börja där.
Tack, jag vill gärna ha alla tänkbara ingångar kastade hitåt!
Chaos: Making a New Science av James Gleick är ju en makalöst bra introduktion till kaosteori.
En tänkbar ingång: McKenzie Wark använder meteorologi och klimatvetenskap som inspirationer och förebilder i den “teori för antropocen” som han utarbetar, bland annat i boken “Molecular Red”.
En annan tänkbar ingång: stötte själv i ett helt annat sammanhang på denna artikel, som bland annat diskuterar hur meteorologin producerar vetande: https://books.openedition.org/editionsmsh/9103
Gleick’s bok populariserade ju fjärilseffekten ett yttryck som uppkom just när tidiga simuleringar av vädersystem på amerikanska universitet på 60(?)-70 talet studerades.
Men skilj gärna på matematiskt kaos som säger något om svårigheten att lösa kopplade differentialekvationer och det språkliga/filosofiska kaoset som handlar om total oordning och regellöshet.
Men matematisk kaos kan uppstå då även relativt enkla (få dimensioner) olinjära problem som är helt förankrade i klassisk, deterministisk fysik ska lösas. Alla modeller som leder till någon funktion som inte enkelt kan integreras kommer att dras med de matematiska kaoset. Lägg till det svårigheter mäta upp vettiga ingångsdata att basera beräkningar på och numeriska approximationer som felkällor i synnerhet om beräkningarna upprepas med tidigare resultat som ingångsvärden för att göra en lång förutsägelse.
BBC-dokumentären High Anxieties – The mathematics of chaos https://youtu.be/qfp5tKeSQAc tar upp precis det du är inne på. Fysiker och matematiker har kommit mycket längre i förståelsen av kaos- och komplexitetsteori än tillväxtekonomerna som krampaktigt kramlar sig fast vid sina primitiva modeller.
Spegelskrift: mycket spännande om Big Data, svarar kanske mer om det snart!
Tänkte också på Molecular Red, särskilt biten om Bogdanov i första kapitlet. Enligt Wark har Bogdanov två modeller för kausalitet: auktoritär kausalitet där varje handling har en agent, och abstrakt kausalitet som tillskriver agens till system och nätverk. Den första modellen kommer från ett auktoritärt samhälle där människor underordnas, kontrolleras och utbyter på ett direkt vis, medan den andra växer fram med handel, teknisk utveckling och kapitalism och drivs framåt av ändringar i produktionen. B skriver att båda typerna av förståelse finns mixade i hans tids moderna vetenskap och i filosofi.
Tycker det går att dra en tråd till meteorologin och kristeorin: hur meteorologi och kaosteori tänker om “globala nödvändigheter” (till exempel konceptet https://sv.wikipedia.org/wiki/Attraktor) känns som att det hittat en fungerande “abstrakt kausalitet”. Har däremot hört att det finns olösta problem i meteorologi som handlar om när olika nivåer av modellen blandas på ett oväntat sätt (tänker på energiväxling mellan olika skalor i en tromb). Källa: ett enda akademiskt föredrag av en meteorolog…
Men mixen mellan auktoritär och abstrakt kausaliset är väldigt annorlunda i kristeorier än i naturvetenskap, känns som att “nödvändigheterna” skulle behöva byggas på ett annat vis. Att bara ta en massa statistik räcker ju inte! (även om jag tror att statistisk-fysikaliska teorier om just kriser kan vara intressanta och viktiga pusselbitar!) Här nånstans kommer big data in antar jag.
Kommentera