というスペインの4人の研究者が書いた論文にタイラー・コーエンがリンクしている。原題は「Predictability: Can the turning point and end of an expanding epidemic be precisely forecast?」で、著者はMario Castro、Saúl Ares、José A. Cuesta、Susanna Manrubia（いずれも複雑系システム学際グループ［Grupo Interdisciplinar de Sistemas Complejos＝GISC］のメンバー）。
以下はその要旨。
No, they can't. Exponentially growing dynamics are intrinsically unpredictable. The time at which the number of infected individuals starts decreasing cannot be reliably calculated before it is actually attained. A standard SIR model with confinement shows that infection spread is inhibited only above a threshold. Confinement induces a slow-down in the expansion phase that does not guarantee an eventual control of the epidemic. A Bayesian fit to the on-going COVID-19 pandemic in Spain shows that we can infer neither its peaking time nor whether there is a peak at all. The dispersion of possible trajectories grows extremely fast, yielding a short horizon for reliable prediction. As unpredictability is intrinsic, not due to incomplete or wrong data, our study advocates for a scenario of probabilistic forecasting.
（拙訳）
それはできない。指数関数的に成長している動学は本質的に予測不可能である。感染者数が減少し始める時点は、実際に到達するまでは信頼性を以って計算することはできない。隔離を織り込んだ標準的なSIRモデルでは、感染拡大はある閾値を超えた場合のみ抑止されることが示される。隔離は拡大局面における鈍化をもたらすが、それによって疫病を最終的にコントロールできる保証はない。スペインで現在進行中のCOVID-19パンデミックについてベイズ推定を行うと、ピークに達する時期も、そもそもピークがあるかも推定できないことが示される。可能な軌跡の分散は非常に速く増大し、信頼性の高い予測は短期となる。予測不可能性は本質的なものであってデータが不完全ないし誤っているためではないため、我々の研究からは確率的な予測シナリオを立てることが推奨される。
