¿Cuál es el problema de la Inducción? El problema del pavo de Betrand Russell y la Crítica a la Causalidad de Hume

Los problemas de inducción son problemas que nacen de nuestra tendencia a desarrollar creencias sobre cierto tema, basadas en un número limitado de observaciones. Hacen referencia a ¿qué tipo de justificación podemos usar para demostrar que lo que hemos observado es cierto?

Son situaciones en las que es extremadamente fácil demostrar que lo que creemos es falso, pero casi imposible demostrar que es cierto, pero esta incertidumbre nos lleva a aferrarnos a lo que queremos creer, fenómeno conocido como el sesgo de confirmación. De esta forma el concepto de problemas de inducción nos debería llevar a pensar en 2 hechos:

1)Hasta qué punto podemos generalizar las propiedades de un objeto o situación basándonos únicamente en un número limitado de observaciones.

2)Hasta que punto podemos presuponer que una secuencia de eventos se comportara de la misma forma en el pasado que en el futuro, es decir hasta qué punto podemos confiar en que una secuencia se mantenga.

Si aceptamos que el conocimiento no es innato, las condiciones bajo las cuales aprendemos algo se vuelven más complicadas. Para explicar mejor estas condiciones, en la década de 1960 se propuso el llamado análisis clásico del conocimiento. 

De acuerdo con los elementos de este análisis, un sujeto solo puede conocer una proposición si es un hecho, el sujeto cree en ella y el sujeto tiene una justificación para su creencia. Esto es similar al problema del pavo que popularizaron Bertrand Russell y Nassim Nicholas Taleb, pero que al parecer planteó por primera vez Hume en una de sus críticas al concepto de causalidad.

El ejemplo es el siguiente:

‘’Digamos que damos de comer a un pavo cada dia. Cada comida que le demos llevará a al pavo a pensar que es una ley de la naturaleza que le llegue comida cada dia por miembros de la especie humana, que están “velando por sus intereses” como dirían los políticos. En la tarde antes del día de acción de gracias, le sucederá algo inesperado al pavo. Sufrirá una “revisión de sus creencias”.”

Este simple ejemplo por Taleb, basado en uno por Bertrand Russell, nos explica lo fácil que es asumir que lo que ha estado funcionando hasta ahora siga ocurriendo, sin entender que todo lo que tenemos es temporal, ya que el mundo está en un estado de cambio constante, y por lo tanto nunca podemos estar del todo seguros de lo que es cierto hasta que funcione.

En el caso del pavo, su “creencia” de que los humanos le seguirán dando alimento y que eran sus aliados, fue aumentando en confianza cada día, hasta que acabó costandole la vida.

En nuestros caso hemos visto una y otra vez cómo se generan burbujas económicas que acaban estallando y llevándose gran parte de nuestras posesiones, o como nuestro negocio va aumentando el dinero que produce hasta que de repente cese por completo, o como nuestra inversión en bitcoin puede subir un dia unicamente para caer al dia siguiente.

El problema del pavo pertenece a un tipo de problemas conocidos como los “problemas de inducción”, término que simplemente hace referencia a nuestra tendencia a desarrollar creencias sobre cierto tema, basadas en un número limitado de observaciones.

Son situaciones en las que es extremadamente fácil demostrar que lo que creemos es falso, pero casi imposible demostrar que es cierto, pero esta incertidumbre nos lleva a aferrarnos a lo que queremos creer, fenómeno conocido como el sesgo de confirmación.

Estamos examinando toda una gama de cosas que posiblemente podrían suceder. Claro, nuestro viaje diario toma alrededor de un minuto. Pero si hace mal tiempo, entendemos que eso aumenta la probabilidad de que el viaje tome más tiempo. «Puede que no haya accidentes importantes en la carretera que detengan el tráfico, pero es posible. Cuanto más importante sea para nosotros estar en el trabajo a tiempo, más tiempo nos permitiremos llegar allí».

Entendemos el concepto en un nivel básico menor, decisiones cotidianas. Pero al medir el riesgo a una escala mayor, como en los negocios o la economía, las cosas se complican más. Como Hollywood, por ejemplo. Las películas son inherentemente riesgosas con millones y millones de euros en el Ime. Cuando una película se convierte en un éxito, los estudios se apresuran a hacer otra similar. Si los resultados pasados fueran una forma precisa de predecir el futuro, sería replicar la fórmula y lanzar nada más que éxitos de taquilla.

Por supuesto, eso no es cierto. Si analizamos los ingresos de taquilla de la lista de películas de un estudio de cine, veremos que no sigue un patrón de distribución normal. Un puñado de películas hacen dinero. Pero no gane tanto y algunos incluso pierdan dinero. Este patrón de distribución sesgado hace que sea más difícil predecir qué películas serán un éxito y cuáles fracasarán.

El otro gran problema con la medición del riesgo son los datos. Para predecir con precisión el riesgo, necesitamos un flujo constante de datos actualizados y precisos. Pero los datos se vuelven obsoletos rápidamente. Los rendimientos de taquilla, los resultados de las elecciones y el crecimiento económico son  difíciles de predecir porque la información que necesitamos para analizarlos con precisión puede cambiar de la noche a la mañana.

Así que, ya sea que estemos yendo a trabajar o haciendo un éxito de taquilla, no debemos medir nuestro riesgo basandonos en decisiones pasadas.

Descubre nuestros mejores artículos en tus redes favoritas

Domina lo mejor de lo que otras personas han descubierto

Únete a Nuestra Newsletter y descubre las mejores ideas, conceptos y prácticas de una amplia gama de disciplinas.

Descubre nuestros mejores artículos en tus redes favoritas

Domina lo mejor de lo que otras personas han descubierto

Únete a Nuestra Newsletter y descubre las mejores ideas, conceptos y prácticas de una amplia gama de disciplinas.

Deja un comentario

Tu dirección de correo electrónico no será publicada.