Przybliżone dane nie wystarczą do przygotowania dobrej prognozy

Bardzo drobna, umykająca naszej uwadze przyczyna może spowodować znaczny efekt, widoczny na końcu aż nadto. Mówimy wtedy, że jest on wywołany przez przypadek. Tymczasem to nie przypadek, to błąd, który popełniliśmy na początku naszych rozważań, tak potężnieje z czasem. Niedostrzeżone przez nas drobne różnice w warunkach początkowych mogą spowodować kolosalną różnicę w finale. Przewidywania staną się niemożliwe. Henri Poincare.

W ostatnich dniach miały miejsce dwa z pozoru niezwiązane ze sobą wydarzenia. 16 kwietnia zmarł Edward Lorenz. 23 kwietnia miał miejsce egzamin gimnazjalny z matematyki. Edward Lorenz znany jest jako jeden z pionierów teorii chaosu, zaś szczególnie ze sformułowania efekt motyla. W dużym uproszczeniu chodzi o to, że w dużych, złożonych układach nawet niewielkie i z pozoru nieznaczące działania, mogą mieć daleko idące konsekwencje. Lorenz w latach 60. zajmował się komputerowymi modelami mającymi na celu prognozowanie pogody. Opracował układ kilkunastu równań zawierających liczne parametry (np.: temperatura, siła i kierunek wiatru, ciśnienie) i zależności między nimi. Uznał, że wystarczą przybliżone dane wejściowe, aby otrzymać przybliżoną prognozę. W pewnym momencie okazało się, że prognozowane dane różnią się od siebie drastycznie, mimo pozornie tych samych danych wejściowych. Pozornie, gdyż okazało się, że w jednym z obliczeń Lorenz wykorzystał liczbę z dokładnością do trzech miejsc po przecinku, a innym razem do sześciu. Mimo tej pozornie nieznaczącej różnicy wyniki wyjściowe były drastycznie odmienne. Im dłuższy był czas prognozy, tym bardziej różnice się zwiększały. Stąd wzięło się określenie efekt motyla - pozornie nieznaczące zdarzenie może mieć ogromny wpływ na cały układ - motyl machający skrzydłami gdzieś na kuli ziemskiej może być odpowiedzialny za huragan w zupełnie innym miejscu globu.