Il coronavirus e il 5G

Articolo di Stefano Maurizio

Il 22 marzo scorso, in un tweet, Gunter Pauli ha scritto:

“Science needs to demonstrate and explain cause and effect. However science first observes correlations: phenomena that are apparently associated. Let’s apply science logic. Which was the first city in the world blanketed in 5G? Wuhan! Which is the first European Region? Northern Italy”.

Tradotto:

“La scienza necessita di dimostrare e spiegare causa ed effetto. Tuttavia la scienza osserva innanzitutto correlazioni: fenomeni che sono apparentemente legati. Applichiamo la logica della scienza. Qual è stata la prima città per copertura del 5G? Wuhan! Qual’è la prima regione in Europa? Il Nord Italia”.

Dal testo sembrerebbe che l’autore ritenga che il 5G contribuisca a diffondere il Coronavirus, sulla base di quella che lui ritiene una correlazione fra la diffusione del covid-19 e la copertura con rete 5G.

Se questo tweet, privo di fondamento scientifico, fosse stato scritto da un comune cittadino, vi consiglieremmo di non degnare l’autore di ulteriori attenzioni. Invece, chi tratta il tema è uno dei consiglieri dell’attuale Presidente del Consiglio Giuseppe Conte. L’impatto mediatico è quindi maggiore e ci ha portati a dedicarvi queste righe per spiegare quanto sia superficiale la visione che l’autore ha della scienza.

Quella chiamata in causa dal sig. Pauli non è la logica della scienza, è invece il tipo di argomentazione che spesso si ritrova nella pseudoscienza.

Ciò che la scienza -ma anche il buonsenso- imporrebbe di verificare come prima cosa è che la correlazione sia presente.

L’apparizione del covid e la copertura ampia del 5G interessano la stessa area, secondo Pauli, in 2 soli casi, Wuhan e Nordi Italia. Per parlare di correlazione uno scienziato avrebbe bisogno di decine, centinaia o meglio migliaia di situazioni analoghe: deve esserci sistematicità.

In secondo luogo, il sig. Pauli sembra aver scordato l’affermazione che chi si occupa di scienza dovrebbe tenere sempre a mente, cioè che correlazione non implica causalità.

Infatti, se due variabili A e B correlano, non possiamo concludere che una delle due sia la causa e l’altra ne sia l’effetto. Proviamo per esempio a contare ogni giorno il numero di persone con l’ombrello nella nostra città e a misurare la quantità di pioggia caduta quel giorno. Probabilmente osserveremmo che queste due variabili correlano, cioé che c’è un legame fra le due. Questo tuttavia non è sufficiente ad affermare che la causa sia la pioggia e l’effetto sia prendere l’ombrello, oppure se la causa sia prendere l’ombrello e la pioggia l’effetto: sta allo scienziato ragionare sul legame di causa-effetto, ricordando che la causa deve precedere l’effetto.

Non staremmo tuttavia ancora ragionando da scienziati: avremmo per esempio trascurato chi ha preso l’ombrello perché ha guardato le previsioni del tempo la sera prima. In questi casi si tratterebbe di una correlazione indiretta fra la pioggia e il gesto di prendere l’ombrello: la causa di A e B è un terzo evento.

Un altro esempio molto comune di causalità indiretta è quella fra il numero di decessi per annegamento in mare ed il numero di gelati consumati: anche in questo caso il vero fattore scatenante è l’arrivo dell’estate.

Con l’arrivo delle alte temperature le persone consumano un maggior numero di gelati e c’è un numero più elevato di persone che fanno il bagno, con un conseguente aumento della probabilità di annegamento.

Riprendendo il nostro caso, una persona razionale sarebbe ad esempio portata a ipotizzare che la variabile che accomuna la diffusione dell’epidemia con la copertura del 5G sia l’elevata densità di popolazione, anziché postulare un azzardato rapporto causale fra il 5G e la diffusione del covid-19.

Un ultimo caso possibile è che non ci sia alcun rapporto causale fra le due variabili e in questo caso vi sarebbe una correlazione spuria fra le variabili: è infatti molto comune che due variabili appaiano correlate nonostante fra di esse non ci sia nemmeno lontanamente un rapporto causale.

C’è un intero sito internet dedicato alla ricerca di correlazioni spurie, in cui potete divertirvi a cercare correlazioni statistiche fra le quantità più disparate (la mia preferita è la correlazione fra il numero di film per anno in cui è apparso Nicolas Cage con il numero di annegamenti in piscina negli USA).

Ma, anche se questa correlazione fosse reale, varrebbe davvero la pena di indagare oltre? Come fare a scegliere quale delle molte correlazioni esplorare, se è così semplice trovare correlazioni spurie?

Fin dai tempi di Galileo la scienza cerca di capire quali fra le correlazioni sperimentali da indagare siano più promettenti. È infatti impensabile occuparsi di ogni correlazione che passi per la mente al sostenitore di una qualsivoglia tesi. Chi si occupa di scienza adopera spesso un approccio più efficiente, cioè quello di partire dalle lacune delle teorie scientifiche a disposizione.

Prendiamo qualche esempio dalla fisica, la scienza per antonomasia: Rutherford ipotizzò l’esistenza del nucleo atomico perché i modelli atomici precedenti non spiegavano i risultati del suo esperimento; Planck ipotizzò l’esistenza dei fotoni, le particelle che compongono la luce e gli alti campi elettromagnetici, perché nessun’altra teoria era in grado di spiegare l’emissione di corpo nero; la materia oscura è stata congetturata perché la sola materia luminosa non era in grado di spiegare i moti delle galassie.

Una volta introdotta una nuova ipotesi per spiegare un fenomeno altrimenti inspiegabile, quello che è bene verificare è che la nuova ipotesi non entri in contrasto con i dati attualmente a disposizione: deve essere consistente con le attuali conoscenze. In altre parole, la teoria deve essere abbastanza buona da poter riprodurre i dati esistenti.

Ad esempio, nella fisica delle alte energie, prima di dedicare tempo alla ricerca di una nuova particella, ci si assicura che l’esistenza di tale particella non porti a previsioni errate per quanto riguarda i dati a disposizione. Analogamente in cosmologia, prima di dedicare spazio ad un nuovo modello cosmologico ci si assicura che questo modello sia coerente con le attuali osservazioni astronomiche. Questo semplice criterio permette ogni anno di escludere moltissimi dei modelli scientifici proposti, e di concentrarsi su quelli maggiormente promettenti.

Per tornare al tweet in esame, ci si potrebbe ad esempio chiedere per quale motivo non sono stati riscontrati casi di coronavirus laddove il 5G è stato testato negli anni passati, e già questa semplice osservazione basterebbe a rendere implausibile il legame causale fra 5G e coronavirus, con buona pace del consigliere del presidente.

Infine, nella scienza, una volta che si è verificato che la nuova teoria è consistente con gli attuali dati sperimentali, si passa alla fase di falsificazione della teoria: si cerca cioè di dimostrare non che la teoria è corretta, bensì che la teoria è errata!

Solo una volta che si può escludere con certezza statistica che l’ipotesi è errata, si può gioire per la nuova scoperta scientifica.

Un caso celebre abbastanza recente è quello dell’osservazione del bosone di Higgs, in cui due esperimenti del CERN, chiamati Atlas e CMS, hanno potuto escludere che l’ipotesi dell’esistenza del bosone di Higgs era errata con un livello di significatività statistica di 5 deviazioni standard.

Come vedete il modo in cui oggi la scienza, almeno quella fondamentale, procede è ben diverso da quello descritto dal sig. Pauli, per cui diffidate da chi sostiene di ragionare in modo scientifico azzardando ipotesi sulla base di correlazioni improbabili, o potreste trovarvi a dibattere sul fatto che la pirateria nel mar Mediterraneo sia un rimedio efficace contro i cambiamenti climatici.