I reconstruct the discussion originated with publication of A Theory of Justice in 1971. I argue that criticism and counter-criticism has modified in a remarkable way the original points of view with which both alignments joined the discussion.

Nous examinons l’idée selon laquelle il existerait une sous-discipline en phi-losophie des sciences, la philosophie dans les sciences, dont les chercheurs utili-seraient des outils philosophiques pour avancer des solutions à des problèmes scientifiques. Nous proposons plutôt l’idée que ces outils sont des outils épisté-miques, cognitifs ou intellectuels standards, à l’œuvre dans toute activité ration-nelle, et, par conséquent, ces chercheurs se consacrent à la recherche scienti-fique ou métascientifique.

L’osservazione della natura con l’intento di capire l’origine della varietà di forme e fenomeni in cui si manifesta ha origini remote. All’inizio il rapporto con i fenomeni naturali era dominato da sentimenti quali paura e stupore che conducevano a supporre l’esistenza di entità sfuggenti alla percezione diretta che permeavano gli elementi animandoli. Ecco dunque che la magia rappresenta l’elemento dominante della filosofia naturale primitiva caratterizzata da una unicità degli eventi e dalla impossibilità di capirli e dominarli in quanto frutto della (...) volontà di essenze a noi estranee e non governabili. Con il nascere della civiltà ed il suo progredire il tempo dedicato ai lavori necessari per il sostentamento e la sopravvivenza diminuì e nella ripartizione dei compiti alcuni individui potevano dedicare parte del loro tempo alla osservazione della natura ed alla sua interpretazione in termini non trascendenti. Nella natura, intesa come tutto ciò che ci circonda composto da esseri viventi e da materia inorganica nelle sua varie aggregazioni sulla terra e nel cosmo, ciò che attirò l’attenzione fin dall’inizio furono furono i fenomeni regolari e periodici come i moti della luna, dei pianeti e delle stelle. Nel contempo dopo una spinta iniziale dettata da esigenze pratiche come contare gli oggetti o misurare i campi, la matematica si era sviluppata autonomamente e si rivelò idonea a descrivere in termini quantitativi i moti dei corpi celesti. La terra era al centro dell’universo mentre il moto degli altri corpi celesti risultava da una composizione di moti circolari uniformi. Questa visione geocentrica e pitagorica (armonia delle sfere) dell’universo ha prevalso fino agli albori della scienza moderna, anche se una descrizione eliocentrica, basata su validi argomenti, era stata proposta. Per quanto riguarda la struttura della materia i presocratici avevano già proposto i quattro elementi mentre gli atomisti avevano ricondotto tutto ad entità elementari primigenie, il cui aggregarsi e disgregarsi da luogo a tutti gli stati e le molteplici forme della materia. Queste intuizioni si ritrovano nella fisica moderna che contempla quattro stati di aggregazione, che hanno come unico sostrato comune gli atomi. La fisica moderna nasce con Galileo e Newton, la cui dinamica si sviluppa a partire dalle leggi di Keplero che descrivono il moto dei pianeti nel sistema eliocentrico, per potersi poi applicare ad un qualunque sistema materiale. Pertanto nei due secoli successivi si ritenne che un modello meccanico potesse essere sviluppato per un qualunque sistema fisico e quindi per l’universo intero la cui evoluzione doveva essere matematicamente prevedibile. Per i fenomeni termici tuttavia vennero formulate leggi ad hoc come quelle della termodinamica che mostrano come i processi macroscopici siano irreversibili in contrasto con le leggi della meccanica. Si deve a Boltzmann1 il tentativo di ricondurre la termodinamica alla meccanica per un gran numero di particelle dei cui moti disordinati viene data una lettura di carattere statistico. L’aumento della entropia e la irreversibilità seguono dalla ipotesi di caos molecolare ossia che i moti siano così disordinati che si perde rapidamente memoria dello stato iniziale. L’idea di introdurre una misura di probabilità nel contesto della meccanica sembra antitetica con la natura stessa della teoria rivolta fino ad allora allo studio di sistemi con moti regolari, reversibili e prevedibili individualmente su tempi lunghi. Tuttavia l’analisi probabilistica diventa essenziale per lo studio di sistemi caratterizzati da forti instabilità, e da orbite irregolari per i quali la previsione richiede una conoscenza della condizioni iniziali con precisioni fisicamente non raggiungibili. Combinando la evoluzione deterministica della meccanica di Newton o di Hamilton con la descrizione statistica attraverso una opportuna misura invariante di probabilità nello spazio delle fasi, nasce la teoria dei sistemi dinamici2 che consente di descrivere non solo i sistemi ordinati o i sistemi caotici ma anche tutti quelli che vedono coesistere in diverse proporzioni ordine e caos e che presentano una straordinaria varietà di strutture geometriche e proprietà statistiche, tanto da fornire almeno se non proprio un quadro teorico per lo meno metafore utili per la descrizione dei sistemi complessi. Anche se non c’è unanime consenso ci sembra appropriato definire complessi non tanto sistemi caratterizzati da interazioni non lineari tra i suoi componenti e da proprietà emergenti, che rientrano a pieno titolo nel quadro dei sistemi dinamici, ma piuttosto i sistemi viventi o quelli di vita artificiale che ne condividono le proprietà essenziali3. Tra queste possiamo certamente annoverare la capacità di gestire la informazione e di replicarsi, consentendo tramite un meccanismo di mutazione e selezione di dare origine a strutture di crescente ricchezza strutturale e dotate di capacità cognitive sempre più elaborate. Una teoria dei sistemi complessi non esiste ancora, anche se la teoria degli automi sviluppata da Von Neumann4 e la teoria della evoluzione di Darwin5 ne possono fornire alcuni pilastri importanti. Recentemente la teoria delle reti è stata utilizzata con successo per descrivere le proprietà statistiche delle connessioni tra gli elementi costitutivi (nodi) di un sistema complesso6. Le connessioni che non sono né completamente casuali né completamente gerarchiche, consentono una sufficiente robustezza rispetto a malfunzionamenti o danneggiamenti dei nodi unita a un adeguato livello di organizzazione per consentirne un funzionamento efficiente. Nei sistemi fisici il modello base è un insieme di atomi o molecole interagenti, che danno luogo a strutture diverse quali un gas, un liquido o un cristallo, come risultato di proprietà emergenti. Nello stesso modo per i sistemi complessi possiamo proporre un sistema automi interagenti come modello base. Le molteplici forme che il sistema assume anche in questo caso vanno considerate come proprietà emergenti del medesimo sostrato al mutare delle condizioni esterne e frutto delle i replicazioni, ciascuna delle quali introduce piccole ma significative varianti. Questa è la grande differenza tra un sistema fisico ed un sistema complesso: il primo fissate le condizioni esterne ha sempre le medesime proprietà, il secondo invece cambia con il fluire del tempo perché la sua organizzazione interna muta non solo al cambiare di fattori ambientali ma anche con il succedersi delle generazioni. C’è dunque un flusso di informazione che cresce con il tempo e che consente agli automi costituenti ed alla intera struttura di acquisire nuove capacità. Questo aumento di ordine e ricchezza strutturale avviene naturalmente a spese dell’ambiente circostante, in modo che globalmente i la sua entropia cresce in accordo con la seconda legge della termodinamica. In assenza di una teoria formalizzata paragonabile a quella dei sistemi dinamici, per i sistemi complessi si possono fare osservazioni e misure, sia puntuali sui costituenti elementari e sulle loro connessioni, sia globali sull’intero sistema, oppure costruire modelli suscettibili di essere validati attraverso la simulazione. Se di un sistema si riesce infatti a fornire una descrizione sufficientemente dettagliata, è poi possibile osservare come questo si comporti traducendo le regole in algoritmi e costruendo quindi una versione virtuale, anche se semplificata del sistema stesso. Il passaggio più difficile è il confronto tra il sistema simulato ed il sistema vero, che passa necessariamente attraverso la valutazione di una numero limitato di parametri che ne caratterizzino e proprietà. La codifica del progetto è una proprietà cruciale dei sistemi complessi perché questa si realizza con un dispendio di massa ed energia incomparabilmente più piccolo rispetto a quello necessario per realizzare l’intera struttura; nello stesso tempo apportare piccole modifiche ad un progetto è rapido ed economico. In questo processo che comporta la continua introduzione di varianti si aprono molteplici strade e con lo scorrere del tempo si realizza una storia in modo unico e irripetibile. Anche il susseguirsi di eventi fisici caratterizzati da processi irreversibili e dalla presenza di molteplici biforcazioni da origine ad una storia che non si può percorrere a ritroso, né riprodurre qualora fossimo in grado ripartire dalle stesse condizioni iniziali. Tuttavia esiste una differenza profonda tra la storia di un sistema fisico come il globo terrestre e la storia della vita. La prima registra i molteplici cambiamenti che ha subito la superficie del nostro pianeta ove montagne e mari nascono e scompaiono senza un chiaro disegno soggiacente. La storia della vita è caratterizzata da una progressiva crescita della ricchezza strutturale e funzionale e accompagnata da una crescita della complessità progettuale. La rappresentazione di questa storia prende la forma di un albero con le sue ramificazioni che mostra la continua diversificazione delle strutture e la loro evoluzione verso forme sempre più avanzate. La direzione in cui scorre il tempo è ben definita: le strutture affinano le capacità sensoriali mentre cresce la potenza degli organi che elaborano la informazione. Un sistema complesso è anche caratterizzato da un molteplicità di scale, tanto più alta quanto più si sale sulla scala evolutiva. La ragione è che il procedere verso strutture sempre più elaborate avviene utilizzando altre strutture come mattoni per cui l’immagine che si può fornire è quella di una rete di automi a più strati: partendo dal basso una rete con le sue proprietà emergenti diventa il nodo di una rete di secondo livello, cioè un automa di secondo livello che interagisce con altri automi dello stesso tipo e così via. Nei sistemi inorganici, dove non esiste un progetto, si distinguono di norma solo due livelli, quello dei costituenti elementari e quello su scala macroscopica. I sistemi fisici sono riconducibili a poche leggi universali, che governano i costituenti elementari della materia, ma il passaggio dalla descrizione dalla piccola alla grande scala è impervio e consentito soltanto dalla simulazione numerica, quando ci allontaniamo dalle situazioni più semplici caratterizzate da un equilibrio statistico. I limiti che il disegno riduzionista incontra già per i sistemi fisici diventano decisamente più forti nel caso dei sistemi complessi. (shrink)

Nel corso del Novecento l’uso dei modelli matematici, che si era già rivelato così utile in fisica e ingegneria, è stato introdotto, talvolta con difficoltà non trascurabili, anche in discipline tradizionalmente considerate poco adatte ad un simile approccio, quali l’economia, la sociologia, la biologia. Un percorso che inizia prendendo a prestito molte delle idee e dei modelli della fisica, tanto che nel discorso inaugurale dell’anno accademico 1901-1902 all’Università di Roma il grande fisico matematico Vito Volterra (1860- 1940) pronunciava le seguenti (...) parole: «è intorno a quelle scienze nelle quali le matematiche solo da poco tempo hanno tentato d’introdursi, le scienze biologiche e sociali, che è più intensa la curiosità, giacché è forte il desiderio di assicurarsi se i metodi classici, i quali hanno dato così grandi risultati nelle scienze meccanico-fisiche, sono suscettibili di essere trasportati con pari successo nei nuovi ed inesplorati campi che si dischiudono loro dinanzi». In effetti l’economia arriverà, nel corso della prima metà del secolo, a un’elegante formulazione assiomatico-deduttiva della teoria dell’equilibrio economico, con l’utilizzo di metodi matematici eleganti e sofisticati. Ma le ipotesi di base, che coinvolgono concetti legati alle scelte degli individui influenzate dal loro livello di razionalità, influenzate da componenti psicologiche e interazioni sociali, condizionano fortemente i risultati ottenuti, e tuttora molti ritengono che il fatto che i metodi matematici si siano rivelati così utili in fisica non implica che lo siano anche per l’economia e le scienze sociali. La formalizzazione sempre più astratta di tali modelli, insieme alla loro difficoltà a spiegare e prevedere alcuni fenomeni economici e sociali osservati, ha portato a frequenti polemiche sulla reale opportunità di trasformare le discipline sociali in teorie matematiche, con strumenti che talvolta sembrano impiegati come fine a se stessi. In questo articolo, dopo aver brevemente delineato la storia della progressiva matematizzazione dell’economia, ci si concentrerà soprattutto sull’utilizzo in economia dei modelli dinamici non lineari, anche questi sviluppati inizialmente in fisica. Si tratta di modelli deterministici utilizzati per prevedere, ed eventualmente controllare, l’evoluzione temporale di sistemi reali. Basati su equazioni di evoluzione, espresse mediante equazioni differenziali o alle differenze a seconda che si consideri il tempo continuo o discreto, il loro studio qualitativo permette di ottenere informazioni sul tipo di comportamento che emergerà nel lungo periodo, e di come questo è influenzato dai principali parametri. La scoperta che modelli dinamici non lineari (che sono la regola nei sistemi sociali, caratterizzati da interazioni e meccanismi di feed-back) possono esibire comportamenti denotati col termine di caos deterministico per la proprietà di amplificare in modo difficilmente prevedibile perturbazioni arbitrariamente piccole (la cosiddetta sensitività rispetto alle condizioni iniziali, o “effetto farfalla”) ha suscitato un certo imbarazzo e nel contempo creato nuove possibilità. L’imbarazzo è dovuto al fatto che, come descriveremo meglio in seguito, la presenza di caos deterministico rende insostenibile l’ipotesi di agente economico razionale, ovvero capace di prevedere correttamente. Le nuove possibilità sono legate al fatto che quei sistemi economici e sociali caratterizzati da fluttuazioni in apparenza casuali potrebbero essere governati da leggi del moto deterministiche (anche se non lineari). In ogni caso, gli studi sui sistemi dinamici non lineari hanno portato a distinguere fra la rappresentazione matematica deterministica e la prevedibilità. L’attuale crisi economica ha senz’altro contribuito a riaccendere il dibattito sul modo di studiare i sistemi economici e sociali e la capacità di spiegare e prevedere. Le scienze sociali, e in particolare l’economia, sono davvero una scienza? Come può una scienza non prevedere e non accorgersi di quello che sta succedendo? Si tratta, come vedremo nel seguito, di domande ricorrenti, e anche in questa occasione qualcuno ha detto che, inseguendo i formalismi matematici, si sta perdendo di vista la realtà, mentre altri sostengono che il problema sta negli specifici formalismi adottati, che quelli usati sono superati, legati ad una matematica “vecchia”, magari mutuata in modo acritico da altre discipline. La speranza è allora che la crisi economica comporti un cambio di paradigma anche nella modellizzazione matematica. (shrink)

Desire', 'preference', 'utility', '(utility-aggregating) moral desirability' are terms that build on each other in this order. The article follows this definitional structure and presents these terms and their justifications. The aim is to present welfare-ethical criteria of the common good that define 'moral desirability' as an aggregation, e.g. addition, of individual utility: utilitarianism, utility egalitarianism, leximin, prioritarianism.