Jeffrey Cross
Jeffrey Cross

Modele-o ou torne-o modelável

No verão passado eu tive dois ótimos estagiários no meu laboratório. Como de costume, eles me ensinaram mais do que eu lhes ensinei. Um em particular me ajudou a refinar meus pensamentos sobre o tema que permeia meu dia a dia.

Quando Geoff chegou ao meu escritório, eu descrevi seu projeto de verão para ele. Eu tinha escrito 2.000 linhas de código no MATLAB para modelar a geometria de direção Ackerman de um veículo basculante. Ele pegaria o código, verificaria, melhoraria e terminaria, e nós construiríamos o veículo como um triciclo de carga e direção. Ele disse: "Levará três dias". Respondi: "Aposto que leva seis semanas".

Geoff mergulhou no código. Ele apenas levantou os olhos do computador por dois motivos: para ouvir instruções sobre o uso da máquina de café expresso vintage puxada a mão e para encarar o protótipo físico do triciclo inclinável para se orientar para o problema. Ele perdeu sua própria meta de três dias, mas esmagou minha estimativa de seis semanas quando orgulhosamente me mostrou o primeiro modelo de computador em funcionamento em apenas duas semanas.

E esse é o tema que permeia toda a minha vida agora: modelagem computacional.

Por quê? Veja como eu vejo: Galileu Galilei fez mais para inaugurar a revolução científica do que qualquer outro. A citação “Medir o que é mensurável e tornar mensurável o que não é assim” é atribuída a ele. Na minha opinião, a ciência dos séculos XIX e XX fez exatamente isso, e o método científico - a pedra angular do progresso pensativo no conhecimento - é fortemente dependente de uma boa medição.

Nós medimos tudo o que podíamos sobre a escala do universo. Nós sondamos a estrutura atômica e subatômica dos elementos com experiências incrivelmente elegantes, de parâmetro único, que isolavam coisas como a massa de um elétron.

Esse tipo de ciência tem sido tão bem-sucedida que agora parece que as verdadeiras fronteiras da ciência existem menos no estudo de coisas facilmente redutíveis e mensuráveis, e mais no estudo de sistemas complexos multiparâmetros - como biologia, clima, metabolismo e ecologia. Nesses sistemas, a compreensão é construída com modelos que podem ser testados quanto à sua validade e correspondência com o mundo real confuso e complexo.

Como muitos sistemas físicos, não há resposta perfeita para um triciclo basculante, apenas “ótimo”. Você pode otimizar os parâmetros, mas por causa dos limites das máquinas fisicamente realizáveis, ele pode ser “quase perfeito”. quase perfeito do que os modelos de outras pessoas.

Mas aqui está a coisa bonita sobre modelagem. Os modelos computacionais são digitais e isso os torna inerentemente compartilháveis, independentemente verificáveis ​​e fáceis de colaborar e melhorar.

Enquanto minha inclinação era começar imediatamente a construir algo físico, a abordagem de Geoff - a abordagem de uma nova geração de engenheiros e cientistas - era começar com um modelo. Comece com bits. Torne-os perfeitos, bonitos, defensáveis ​​e compartilháveis, e torne-os físicos depois que você atingir um ótimo. Claro, alguém pode descobrir um melhor melhor um dia, mas, como eles podem começar com o código executável, eles chegarão mais rápido.

Há uma razão ainda mais importante para incentivar essa cultura de modelos compartilhados. Quanto mais pessoas experimentam simular o mundo com sucesso e fazem coisas a partir desses modelos, mais as pessoas confiarão nos modelos de nosso mundo físico que guiarão a maneira como moldamos nosso futuro.

Eu li uma vez sobre a ciência da percepção e a humilde prática de pegar uma bola caindo. Uma bola que se move a 60mph viaja quase 90 pés em um segundo. A única razão pela qual podemos pegá-lo é porque temos um modelo mental de onde a bola estará quando nossa mão a interceptar. Ao longo de nossas vidas, construímos um modelo computacional mental, que refinamos milhares de vezes, que nos ajuda a prever a posição futura de uma bola, para que possamos capturá-la com reflexos relativamente lentos.

Temos uma enorme fé na capacidade de um jogador de beisebol profissional de modelar o futuro de uma bola, sob condições complexas de vento, chuva e ruído, e capturá-la. Seria bom construir uma fé pública similar na capacidade de nossos cientistas profissionais de modelar o futuro - o futuro dos oceanos se continuarmos a poluí-los com toxinas, da atmosfera se continuarmos emitindo dióxido de carbono e de outros problemas. que exigem que a humanidade tenha um tempo de resposta mais rápido que seus reflexos culturais.

Saul Griffith é um novo pai, empresário e colunista regular da revista MAKE. otherlab.com

Esta coluna foi extraída do MAKE Volume 24, página 13.

Confira MAKE Volume 24:

FAÇA explosões em órbita e além com a nossa edição do Espaço DIY. Coloque seu próprio satélite em órbita, lance uma sonda de balão da estratosfera e analise galáxias por US $ 20 com um espectrógrafo fácil! Conversamos com os foguetes rebeldes que reinventam a indústria espacial e renegamos os hackers da NASA fazendo robôs de smartphones e satélites Lego. Isso, além de uma carga útil completa de outros projetos legais de bricolage, de uma câmera balão a hélio que é melhor que o Google Earth, a um levitador eletromagnético que dispara anéis de alumínio e muito mais.

COMPRE ou SUBSCREVA

Ação

Deixar Um Comentário