Estado de la investigación. Realismo científico, inferencias inductivas y contexto de descubrimiento

Estado de la investigación: Realismo científico, inferencias inductivas y contexto de descubrimiento Resumen Este trabajo expone los resultados preliminares de una investigación que gira en torno al problema del realismo científico. La preocupación que guía la investigación es la siguiente: ¿cómo podemos los filósofos hacer sentido de la práctica habitual en la ciencia de idear teorías científicas que explican fenómenos apelando a entidades y procesos inobservables? Reconociendo que el problema del realismo científico se origina a partir de las limitaciones de nuestras capacidades cognitivas, especialmente de la naturaleza ‘infradeterminada’ de las inferencias inductivas, intentamos identificar un modelo de inferencia que pueda justificar la referencia a dichas entidades inobservables en el contexto de conjetura o descubrimiento. Para ello, dilucidamos en detalle la propuesta de Peter Lipton sobre la inferencia a la mejor explicación en espera de poder contrastarla luego con las críticas de Bas Van Fraassen al realismo científico. Palabras claves Realismo científico, empirismo constructivista, inferencias inductivas, infradeterminación, inferencia a la mejor explicación, contexto de descubrimiento Planteando el problema Cuando los filósofos deciden asumir la ‘ciencia’, es decir el contenido y la metodología de la investigación científica, como objeto de sus

propias investigaciones

filosóficas suelen hacerlo desde diversas perspectivas. Algunos de estos acercamientos conciernen el estatus epistemológico de la metodología científica: ¿es el método científico una forma legítima de inquirir sobre el mundo? Otras aproximaciones están más relacionadas al progreso de la ciencia: ¿puede reconstruirse la investigación científica como una empresa dirigida o racional? Algunos otros se enfocan en los supuestos metafísicos o semánticos de la ciencia: ¿cuál es la forma apropiada de comprender la relación entre las teorías científicas y el mundo? El conjunto de los posibles acercamiento filosóficos a la ciencia forman un entramado tal que distinguirlos, aunque sea por interés estrictamente analítico, puede resultar en una tarea bastante engorrosa. Quizás por eso, el problema del realismo científico ocupa un papel tan preponderante en las discusiones actuales de la filosofía de la ciencia. Como señala Ilkka

Aponte-Serrano 2 Niiniluoto en Critical Scientific Realism, la importancia del realismo científico radica tanto en tratar un debate que aún permanece abierto, como en que las distintas aproximaciones filosóficas a la ciencia pueden ubicarse a lo largo de las coordenadas de dicho problema (iii). El problema central del realismo científico puede condensarse en la siguiente pregunta: ¿Deben entenderse las teorías científicas como proveyendo una descripción certera y aproximadamente verdadera del mundo, especialmente de las entidades y procesos difíciles de observar que lo conforman? Como señala Stanford en Exceeding Our Grasp, el problema del realismo científico se origina del hecho de que algunas teorías científicas buscan describir fenómenos que son muy pequeños o muy grandes, fenómenos que ocurren muy rápido o muy despacio, o fenómenos que se encuentran muy alejados en el tiempo y espacio (Sanford 3). Tomando en cuenta las limitaciones de nuestras capacidades cognitivas y epistemológicas, los filósofos de la ciencia han disentido en el alcance de las teorías científicas: el punto hasta donde es razonable que las teorías científicas se alejen de las observaciones. Las diferencias entre realistas y anti-realistas se originan en cómo contestan esta interrogante. Por un lado, la vertiente realista sostiene que la investigación científica puede legítimamente aspirar a describir los aspectos menos observables de la realidad. Es decir, para los realistas las teorías científicas proveen una descripción aproximadamente verdadera del mundo, incluyendo sus aspectos menos observables. Por su parte, la vertiente empirista entiende que las teorías científicas deben mantenerse lo más cerca posible de las observaciones (Kukla 396). Una corriente del empirismo, el instrumentalismo, considera las teorías científicas como meros instrumentos de cálculo que permiten predecir y organizar observaciones, sin que los fenómenos no observables a los que hacen referencias puedan considerarse como verdaderos o falsos. Otra corriente empirista, el empirismo constructivista, considera que las teorías científicas son, en principio, evaluables en términos de verdad o falsedad pero sostiene que la naturaleza de la relación entre teorías y observaciones no permite llevar a cabo esa evaluación por lo que es preferible suspender el juicio. A pesar de que para propósitos introductorios hemos intentado sintetizar las posiciones realistas y anti-realistas exponiendo lo que serían sus supuestos fundamentales , la realidad es que ni el realismo ni el anti-realismo pueden formularse de un modo unívoco y no problemático. De hecho, existen profundas diferencias dentro de cada una de las vertientes sobre cuáles deberían ser supuestos o puntos de partida. En nuestro caso, acogemos la exposición que hace Antonio Dieguez Lucena en Realismo Científico de las tesis fundamentales del realismo científico. Dichas formulaciones nos resultan convenientes

Aponte-Serrano 3 puesto que permiten articular claramente el propósito de nuestra investigación, aunque ciertamente no todos los realistas están compelidos a aceptarlas. Para propósitos de esta investigación formulamos el realismo científico como sosteniendo las siguientes tres tesis1: (RO) Realismo ontológico: las entidades inobservables (a las que se refieren las teorías científicas) existen. (RE) Realismo epistemológico: la estructura y metodología de la investigación científica permiten describir el mundo, incluyendo sus aspectos inobservables. (RS) Realismo semántico: las teorías científicas pueden ser evaluadas como verdaderas o falsas en virtud de su correspondencia con el mundo, incluyendo sus aspectos menos observables. A su vez, las distintas formas de anti-realismo se pueden concebir como negando unas u otras de las tesis realistas. Por ejemplo, el instrumentalismo niega RO, RE y RS, considerando en principio que el debate sobre el realismo científico carece de significado. Una posición menos extrema de anti-realismo, y que goza de buen reconocimiento en el debate actual de la filosofía de la ciencia, el constructivismo empirista, no niega RO ni RS, pero puesto que restringe el alcance de la investigación científica, es decir que niega parcialmente RE, sostiene que RO y RS tampoco pueden ser afirmadas. La pregunta en la que se concentra nuestra investigación se ubica específicamente en este contexto. ¿Es posible y productivo para el problema del realismo científico ser planteado desde la perspectiva de la estructura de las inferencias científicas, es decir desde la perspectiva de las relación entre la evidencia y las teorías científicas? Entendemos que la productividad de esta formulación radica en apuntar al origen mismo de la problemática: las limitaciones de nuestras capacidades cognitivas y epistemológicas. Así planteado, el problema del realismo científico es decididamente epistemológico antes que ontológico o semántico, por lo que cualquier defensa de RO o RS debe fundamentarse en una defensa previa del RE. Si la postura anti-realista en contra del RE es que la naturaleza de la relación entre teorías y evidencias científicas no permite concluir la verdad de las primeras, entonces la tarea primordial de los realistas científicos es demostrar que la estructura de nuestras                                                                                                                 1 Diéguez Lucena identifica cinco tesis fundamentales del realismo científico. Sintetizamos las cinco tesis de Diéguez Lucena en tres tesis que recogen los aspectos sustantivos de aquellas pero que nos permiten articular mejor el problema que tratamos en esta investigación.

Aponte-Serrano 4 inferencias justifica creer la verdad aproximada de nuestras teorías científicas. La pregunta principal de esta investigación puede ser formulada del siguiente modo: ¿existe un modelo de inferencia, es decir de relacionar la evidencia y las teorías científicas, que justifique la creencia en la verdad de las teorías científicas, incluyendo las entidades menos observables a las que estas se refieren? La tesis que defendemos combina el realismo científico con una postura anti-escéptica sobre las inferencias para proporcionar una respuesta positiva a la pasada pregunta. Es decir, esta investigación busca arrojar luz sobre el problema del realismo científico desde la perspectiva de las inferencias que ocurren en las diversas etapas de la investigación científica. (T) El realismo científico sostiene que existe un modelo de inferencia que, dada su estructura, justifica la creencia en la verdad de las teorías científicas, incluyendo sus referencias a los aspectos menos observables de la naturaleza. Inferencias e infradeterminación Inferencia es un término que se utiliza para referirse al razonamiento lógico que parte de ciertas premisas para llegar a una conclusión. En ese sentido, ‘inferencia’, ‘razonamiento’ o ‘argumento’ lógico son términos intercambiables. La lógica no se interesa por la verdad de las premisas, es decir por el contenido del argumento, sino por las reglas de inferencia que permiten extraer determinada conclusión a partir de ellas, es decir por la forma o estructura del argumento. Son las reglas de inferencia las que determinan si la conclusión se sigue o no de las premisas (Rivadulla 19). El más conocido de los argumentos lógicos es el razonamiento deductivo o demostrativo. En dicho argumento, las reglas de inferencia son tales que dada la verdad de las premisas, la conclusión debe ser verdadera. Se dice de un argumento demostrativo que ‘preserva la verdad’ (truth-preserving) porque dadas la verdad de las premisas y reglas de inferencia válidas, la conclusión es necesariamente verdadera. La lógica deductiva ha gozado de la atención de filósofos y lógicos desde Aristóteles hasta nuestros días. Seguimos a Peter Lipton en Inference to the Best Explanation al denominar el resto de las inferencias no deductivas como inferencias ‘inductivas’2 (Lipton 5). El denominador común de todas las inferencias inductivas es que la verdad de las premisas no garantiza la verdad de la conclusión: es lógicamente posible, en un argumento inductivo, tener premisas verdaderas y conclusiones falsas. En el argumento inductivo el contenido informativo de la                                                                                                                 2 Hawking prefiere dividir las inferencias no deductivas en inferencias inductivas (inducción proyectiva y generalización inductiva) e inferencias abductivas (inferencia a la mejor explicación). Por motivos de simplicidad, asumimos la distinción de Lipton.

Aponte-Serrano 5 conclusión excede el contenido de las premisas, por lo que el argumento puede concebirse también en términos epistemológicos como el razonamiento que va de lo conocido a lo desconocido (Black 13). Puesto que el razonamiento inductivo es, por definición, incapaz de preservar la verdad (truth non-preserving), los estándares de validez deductiva no puede ser aplicados a las reglas inductivas. Es decir, denominar determinadas reglas de inferencia como inductivas no es más que señalar el hecho de que no son deductivamente válidas. Mientras que la lógica deductiva concierne las reglas de preservación de la verdad, la lógica inductiva se interesa por las reglas que permiten ‘aprender de la experiencia’ (Psillos 85). Sin embargo, el hecho de que las reglas inductivas sean incapaces de preservar la verdad no significa que por eso sean azarosas (random guessing). En el argumento inductivo las premisas proveen una buena razón para creer la verdad de la conclusión, o para considerar la conclusión aproximadamente verdadera. El término ‘infradeterminación’ (underdetermination) se utiliza para describir la relación entre premisas y conclusiones en argumentos inductivos. La conclusión de un argumento inductivo está infradeterminado por sus premisas puesto que siempre es lógicamente posible extraer una conclusión diferente del mismo conjunto de premisas. Cuando el argumento de la infradeterminación se aplica ampliamente al conjunto del conocimiento generado por métodos inductivos, es decir cuando la infradeterminación se toma como un fenómeno global, resulta en argumentos escépticos generales tales como el problema de la inducción. Esta forma global de infradeterminación cuestiona el alcance de nuestras destrezas inductivas en su totalidad. Una aplicación local del argumento de la infradeterminación es denominada ‘infradeterminación de las teorías científicas por la evidencia’ (UTE del inglés ‘underdetermination of theory by evidence’). UTE ocupa un papel central en el debate del realismo científico y ha sido instrumental para el desarrollo de los argumentos anti-realistas contra el RE. UTE resulta de la aplicación específica del argumento de la infradeterminación a la relaciones inductivas entre evidencia y teorías científicas. Su argumento central es que el mismo conjunto de evidencia puede apoyar distintas e incompatibles teorías científica (Lipton 159). UTE no requiere que todas las teorías científicas tengan competidores actuales sino señala que en términos lógicos siempre existe la posibilidad de que una teoría científica apoyada inductivamente resulte falsa. Como señala Lipton, UTE descansa sobre dos premisas implícitas: la tesis de la equivalencia empírica (EET del inglés ‘empirical equivalence thesis’) y la tesis de la

Aponte-Serrano 6 implicación lógica (ET del inglés ‘entailment thesis’). EET sostiene que “para cualquier teoría T y para cualquier cuerpo de evidencia observacional E, siempre hay una teoría T1 tal que T y T1 son empíricamente equivalentes respecto de E” (Lipton 157). Según EET toda teoría científica tiene una teoría empíricamente equivalente, independiente de que los científicos hayan sido capaces de formularla3. Por otro lado, ET sostiene que el único criterio epistemológico para discernir entre diferentes teorías científicas es la adecuación empírica. De acuerdo a ET, dos teorías empíricamente equivalentes son también epistemológicamente indistinguibles (Boyd 197). La importancia de UTE para el debate del realismo científico radica en que abre la puerta para una posición intermedia entre el escepticismo global y el realismo concediendo cierta fiabilidad (reliability) a las inferencias inductivas sobre entidades observables pero negándosela a las inferencias inductivas sobre entidades inobservables. En este sentido, UTE se supone como un argumento relativamente independiente del problema de las inferencias inductivas en general. El constructivismo empirista argumenta que dicha posición intermedia es sostenible y racional. Sin embargo, si las premisas de UTE no pueden ser defendidas, la posición intermedia no es sostenible y, como señala Stanford, no hay problema de UTE en lo absoluto. Si ese fuese el caso, UTE sería indistinguible de posiciones escépticas más generales. Problema justificativo y problema descriptivo El hecho de que las inferencias inductivas estén, por definición, infradeterminadas no deslegitima preguntarse por los mecanismos lógicos y metodológicos que producen inferencias inductivas fiables. A pesar de que las reglas de validez deductiva no pueden ser aplicadas a las inferencias inductivas, aún es legítimo preguntarse tanto por la su fiabilidad como por la metodología que deben seguir dichas inferencias. Nos referimos a estos dos interrogantes como el ‘problema justificativo’ y ‘problema descriptivo’ de la inferencias inductivas. El problema justificativo inquiere sobre la fiabilidad de las inferencias inductivas, es decir, sobre la posibilidad misma de adquirir conocimiento por medios inductivos justificados. Por su parte, el problema descriptivo exige que se describan las propias reglas                                                                                                                 3 Newton-Smith discute dos formas de UTE: una fuerte y una débil. Estas versiones dependen a su vez en dos posibles interpretaciones de EET. La forma fuerte de EET señala que todas las teorías científicas tienen competidoras potenciales por lo que toda teoría científica está, al menos potencialmente, infradeterminada. La forma débil sostiene que para que determinada teoría científica esté infradeterminada debe tener una teoría competidora actual, que sea significativa o científicamente interesante. Aquí asumimos EET, y por tanto UTE, en sus versiones más fuertes.

Aponte-Serrano 7 inductivas, es decir, que se expongan las formas en que se relacionan inductivamente premisas y conclusiones. Lipton recurre a la analogía de la ‘caja-negra’ (black-box) para ilustrar como ambos problemas se originan de la naturaleza infradeterminada de las inferencias inductivas (Lipton 5). Nosotros preferimos ejemplificarlos por analogía a las funciones matemáticas. Supongamos que tenemos datos que demuestran una relación entre una variable dependiente y una independiente. Las funciones matemáticas relacionan los input, las variable independiente, con los output, la variable dependiente, por medio de una fórmula matemática. En el caso de este ejemplo matemático, el problema descriptivo sería descifrar la fórmula que relaciona correctamente input con output. Por su parte, el problema justificativo sería determinar si cierta función describe correctamente un fenómeno. La fiabilidad de la función matemática se puede comprobar realizando una predicción a partir de la fórmula y corroborando que dicha predicción se cumpla. La inferencias inductivas pueden describirse de igual modo: una inferencia inductiva es un procedimiento que relaciona un input, ya sean premisas o evidencia, con una conclusión, que puede ser una hipótesis o una generalización científica, por medio de una fórmula, las reglas de inferencia inductiva. El problema justificativo se origina porque las mismas reglas de inferencia pueden generar inferencias incompatibles. Por lo tanto, la confiabilidad de dichas reglas no viene dada de antemano sino que debe ser demostrada. El problema descriptivo es inverso: la misma conclusión es compatible con distintas reglas de inferencia. En tal caso, el reto es demostrar que determinada regla describe de mejor modo la relación entre premisas y conclusiones. A diferencia del caso de la función matemática, por ejemplo una función demográfica, cuya confiabilidad puede demostrarse realizando un censo, el problema de la confiabilidad de las inferencias inductivas en general es más complicado. El problema justificativo requiere demostrar que nuestras inferencias inductivas son al menos confiable, sin embargo esto no parece ser posible sin recurrir a las propias reglas inductivas. Esta peculiaridad de las inferencias inductivas fue magníficamente expuesta por David Hume y recibe el nombre del ‘problema de la inducción’. Según denota la exposición de Hume no es posible demostrar la fiabilidad de las reglas inductivas sin utilizar los propios métodos inductivos, por lo que el problema justificativo no puede ser solucionado sin incurrir en circularidad. De esta incapacidad de justificar globalmente las inferencias inductivas se desprenden las posiciones escépticas a las que hacíamos referencia anteriormente.

Aponte-Serrano 8 Contrario al problema justificativo, el problema descriptivo no ha sido considerado tradicionalmente como un problema filosófico. Los filósofos que se han ocupado de describir las reglas de inferencia inductiva lo han hecho siempre con la mira puesta en el problema justificativo (Black 38). Sin embargo, el problema descriptivo posee una fecundidad propia que ha sido pasada por alto por la excesiva concentración en el problema justificativo. La descripción de las reglas de inferencia inductiva puede tanto arrojar luz sobre la relación estrictamente lógica entre evidencia y teorías científicas como dar cuenta del proceso por el que los científicos llegas a dichas teorías. Es decir, el problema descriptivo tiene una dimensión lógica y una dimensión metodológica. Para discernir entre estas dos dimensiones del problema descriptivo, Has Reinchenbach introdujo la distinción entre ‘contexto de descubrimiento’ y ‘contexto de justificación’. El contexto de justificación da cuenta de la relación estrictamente lógica entre las teorías científicas y la evidencia que las apoyan: las relaciones de confirmación y aceptación. Por su parte, el contexto de descubrimiento da cuenta del estadio de formación de las teorías científicas, que incluye tanto el proceso de conjetura como el diseño experimental. El contexto de descubrimiento no ha sido tratado con la misma atención que el contexto de justificación bajo la suposición de que el contexto de descubrimiento, especialmente en lo que se refiere a la conjetura, corresponde al ámbito de la sicología y no a la lógica de la investigación científica (Sankey 249). El propósito de nuestra investigación es dilucidar el problema del realismo científico desde la perspectiva del papel que desempeñan las inferencia inductivas en la investigación científica. Consideraremos una posible solución al problema del realismo científico concentrándonos específicamente en el problema descriptivo. Entendemos que una buena descripción de las prácticas y las reglas de inferencia pueden proveer una solución parcial a las críticas levantadas por el anti-realismo, en especial cuando consideradas en conjunción con una postura escéptica hacia las inferencias inductivas. En adelante nos concentraremos en la descripción que ofrece Peter Lipton de las inferencias inductivas a través del modelo de inferencia a la mejor explicación. Sostenemos tentativamente que la inferencia a la mejor explicación presenta una imagen de las inferencias inductivas que, por su peculiar tratamiento del contexto de descubrimiento y especialmente de la conjetura, permite sobrepasar, al menos localmente, las críticas del anti-realismo escéptico y justificar la creencia en la veracidad de las teorías científicas, incluidas sus referencias a entidades inobservables.

Aponte-Serrano 9 Los modelos de inferencia inductiva Una de las razones por las que la importancia del problema descriptivo ha sido consistentemente subestimada ha sido por los patrones simplificados presentados por algunos modelos de inferencia. Una de estas representaciones simples es el modelo de inducción enumerativa, según el cual la inducción sigue un patrón de ‘más de lo mismo’ (more of the same) (Lipton 195b). Dos instancias de la inducción enumerativa son la generalización inductiva y la predicción inductiva (Hawking 13). Lipton ilustra el patrón de enumeración inductiva por medio del desplazamiento al rojo en el espectro de la luz visible de las galaxias lejanas. Al observar que la luz de las galaxias lejanas se desplaza al rojo se puede inferir: 1) que la luz de la próxima galaxia lejana será roja (predicción inductiva) o 2) que la luz de todas las galaxias lejanas será roja (generalización inductiva). El mayor problema de la inducción enumerativa es que no permite dar cuenta de las inferencias científicas a entidades inobservables. Es un hecho que muchas inferencias científicas involucran referencias a entidades inobservables que no se siguen directamente de las observaciones. El principio de ‘más de lo mismo’ no aplica a este tipo de inferencias. La enumeración inductiva provee espacio para la inferencia horizontal del desplazamiento al rojo de una galaxia a la otra pero no da cuenta de la inferencia vertical de la observación del rojo a la recesión acelerada que es inobservable (Lipton 195b). El primer modelo de inferencias inductivas verticales que estaremos considerando es el modelo hipotético-deductivo (en adelante HD). El argumento central de este modelo es que las hipótesis científica, ya sean teórica u observacionales, reciben apoyo inductivo de las observaciones que sean deducibles lógicamente de ellas. Si las consecuencias son correctas, las teorías se dan por confirmadas. Si las consecuencias son incorrectas, la teoría se entiende falseada. La mayor fortaleza del modelo HD es que presenta la investigación científica de un modo natural y familiar: los experimentos científicos confirman o falsean las teorías científicas por medio de procedimientos experimentales. El modelo HD ha sido exitoso principalmente porque expone el problema descriptivo en términos del contexto de justificación en vez del contexto de descubrimiento. Estrictamente hablando, el modelo HD es un modelo de confirmación que no atiende el origen de las hipótesis científicas. El modelo HD considera que el proceso de conjetura que da paso a la formulación de teorías científicas no puede ser descrito como un proceso de inferencia inductiva. Las inferencias inductivas sólo entran en juego a la hora de verificar las consecuencias observacionales de dichas hipótesis. Por tanto, el modelo HD no puede proveer una solución abarcadora al problema descriptivo de las inferencias.

Aponte-Serrano 10 Un segundo modelo que permite dar cuenta de las inferencias a fenómenos inobservables es el modelo bayesiano de confirmación. Como sugiere el propio nombre, el modelo bayesiano opera de manera análoga al modelo HD: planteando el problema descriptivo en términos de confirmación. El argumento central del modelo bayesiano es que el apoyo inductivo puede ser representado por medio del cálculo de probabilidades. De esto modo, el bayesianismo pretende representar de forma matemática la relación entre evidencia y teorías científicas. El modelo bayesiano representa los aspectos formales de la lógica de la confirmación por medio del teorema de Bayes: P(H E) = P(E H) ⋅ P(H)/P(E) El lado izquierdo del teorema P(H/E) indica la ‘probabilidad posterior’ (posterior probability) de la hipótesis H dada la evidencia E. La probabilidad posterior representa el la probabilidad de H ser cierta luego que han ocurrido las dinámicas del apoyo inductivo. El lado izquierdo muestra tres probabilidades: la probabilidad (likelihood) de E y la probabilidad anterior (prior probability) de H y E, respectivamente. La probabilidad de la evidencia P(E/H) mide cuán probable determinada hipótesis H hace la ocurrencia de dicha evidencia. La probabilidad de la hipótesis P(H) es la probabilidad de H antes de que se presente la evidencia correspondiente. Igualmente, la probabilidad de la evidencia P(E) es el la probabilidad de la evidencia independiente de la hipótesis. El movimiento del lado derecho al izquierdo de la ecuación se denominada como ‘condicionalización bayesiana’ (Bayesian conditionalization). El bayesianismo sostiene que dicho movimiento caracteriza las reglas y la estructura de la inferencia inductiva (Lipton 104). La idea implícita del modelo bayesiano es que la evidencia confirma la hipótesis cuando aumenta su probabilidad, es decir cuando P(H/E)>(PH). Para ese ser el caso, la ocurrencia de E debe ser más probable en conjunción con H que por sí misma, P(E/H)>P(E). Los problemas del modelo bayesiano son análogos a los problemas del modelo HD. En primer lugar, el modelo bayesiano presupone que las creencias pueden ser representadas por medio de probabilidades. Sin embargo no está del todo claro cómo dicha encomienda puede ser llevada a cabo. Segundo, al dejar a un lado el contexto de descubrimiento, el modelo bayesiano es incapaz de proveer una descripción de las inferencias inductivas que pueda dar cuenta del proceso de conjetura. El tercer intento por proveer una contestación al problema descriptivo que condieraremos es el modelo de inferencia a la mejor explicación (IBE del inglés ‘inference to the best explanation’). Este tipo de razonamiento inductivo fue bautizado como IBE por Gilbert Harman, pero ha sido también denominado abducción, inferencia explicativa o

Aponte-Serrano 11 inferencia teorética (Harman 89). El argumento central de IBE es que las consideraciones explicativas sirven de guía para las inferencias inductivas. Es decir, las inferencias inductivas resultan en las hipótesis que mejor explican la evidencia disponible. Algunos instancias famosas de IBE son: el mecanismo de selección natural de Darwin para explicar la evolución, la existencia de Neptuno para explicar perturbaciones en la órbita de Urano, la gramática universal de Chomsky para explicar las mismas estructuras subyacentes en todos los idiomas y los paradigmas científicos de Kuhn para explicar las dinámicas de la investigación científica (Lipton 56). La estructura básica de IBE es expuesta por Alexander Bird en Philosophy of Science (85). Supongamos que queremos explicar determinado fenómeno F. Tenemos diferentes posibles explicaciones (E1, E2 y E3) que son empíricamente equivalentes respecto F. E1 provee la mejor explicación de F. Entonces, inferimos que E es la explicación actual de F. La estructura de IBE presupone que el poder explicativo es un criterio epistemológico válido para discernir entre hipótesis que de otro modo serían epistemológicamente indistinguibles. Como señala Lipton, a pesar de la plausibilidad con la que IBE describe la estructura de las inferencias inductivas el modelo ha permanecido más como un slogan que como una teoría articulada de dichas inferencias. La propuesta de Peter Lipton: inferencia a la mejor explicación como inferencia a la ‘explicación causal más iluminadora’ (loveliest causal explanation) Si IBE está en el camino correcto, nuestro entendimiento de las inferencias inductivas es altamente dependiente de nuestro entendimiento de la explicación. IBE funciona invirtiendo la visión estándar de la relación entre inferencia y explicación. Según esta visión, la inferencia viene antes que la explicación: primero se realiza la inferencia, basada en criterios empíricos, y luego se elige entre dichas inferencias para proveer una explicación (Lipton 55). El argumento de IBE es inverso: las inferencias se realizan basadas en consideraciones explicativas. La explicación es un tema de investigación filosófica en sí misma. Para poder evaluar la afirmación fundamental de IBE debemos también considerar los diferentes acercamientos filosóficos al tema de la explicación. En cierto sentido, al considerar la explicación como objeto de investigación los filósofos se encuentran con un reto análogo al problema descriptivo de las inferencias (Lipton 196). En adelante seguimos de cerca la exposición de Lipton sobre dos modelos de explicación que han sido desarrollados independientes de la noción de inferencia: el modelo nomológico-deductivo y el modelo causal.

Aponte-Serrano 12 El modelo nomológico-deductivo (en adelante ND) fue originalmente aceptado como el paradigma de la explicación científica. Este modelo fue extensamente desarrollado por Carl Hempel. De acuerdo con ND, explicar un fenómeno es hacerlo deducible de un conjunto de premisas que incluyen al menos una ley científica más otras condiciones específicas. El modelo ND comparte el mismo patrón estructural que el modelo HD: ambos establecen relaciones de instanciación entre sus respectivos argumentos. En el modelo HD las observaciones apoyan la hipótesis si dichas observaciones son deducibles de la hipótesis en conjunción con ciertas hipótesis auxiliares. En el caso del modelo ND un fenómeno se explica haciéndolo deducible de una ley científica en conjunción con ciertas condiciones específicas. Por esta razón Lipton señala que ambos modelos son isomórficos (Lipton 196). Se entiende que el modelo ND presenta un paradigma de la explicación científica, aún cuando las explicaciones científicas reales no encajen completamente en los parámetros de dicho modelo. A pesar de dicha salvedad, la rigidez de ND sigue siendo un impedimento para considerarlo como una descripción aproximada de las prácticas explicativas reales. Aunque algunas explicaciones pueden considerarse aproximaciones del modelo ND, otras explicaciones no encajan en el marco deductivo: algunas no emplean leyes científicas y otras no pueden ser descritos en términos de deducción (entailment). El modelo deja esas posibles explicaciones desatendidas. El segundo modelo de explicación que consideramos es el modelo causal. Según este modelo explicar un fenómeno es equivalente a proveer información de su historia causal (Lipton 31). Planteando la explicación de este modo, el modelo causal cumple con uno de los criterios más importantes de las buenas explicaciones: proveer mecanismos subyacentes a los fenómenos (Bird 88). Contrario al modelo ND, el modelo causal reconoce que ciertas explicaciones no necesitan apelar a leyes científicas para ser buenas explicaciones. Además, el modelo permite discernir entre explicaciones que son empíricamente indistinguibles A pesar de las ventajas sobre el modelo ND, el modelo causal tiene dos importantes retos que superar: 1) la necesidad de un análisis exhaustivo de la causación y 2) la determinación de relevancia de la información causal. El primer problema es el modelo causal es altamente dependiente de una descripción apropiada de la causación. Sin embargo, la historia de la epistemología está repleta de intentos por dar una descripción coherente de la noción de causación sin que por eso tengamos todavía una caracterización filosófica aceptable. El segundo problema es que las historias causales son muy largas y tienen demasiadas ramificaciones para proveer una explicación significativa. Como menciona Lipton, el Big Bang es parte de la historia causal de todos los eventos (Lipton 32).

Aponte-Serrano 13 Afortunadamente, la propuesta de Lipton de la explicación causal no requiere de una solución completa al problema de la causación. Además, dicha propuesta permite articular el modo en que las explicaciones causales se constituyen solamente de los elementos relevantes de la historia causal de los fenómenos. La idea central de la propuesta de Lipton es que la explicación causal a menudo asume una forma contrastiva. En vez de concentrarse en la explicación de un fenómeno en sí mismo, que contestaría a la pregunta ‘¿Por qué P?’, Lipton argumenta que las explicaciones en general asumen la forma ‘¿Por qué P en vez de Q?’ (Lipton 197). De acuerdo a esta estructura, las explicaciones no suelen tomar los hechos (facts) a ser explicados aisladamente sino en contraste con ciertos contrapuntos (foil). Lipton combina este análisis de las explicaciones contrastivas con las explicaciones causales por medio de la ‘condición de diferencia’ (difference condition). En lo que respecta a explicaciones causales, la explicación contrastiva debe apelar a una causa que permita explicar el contraste entre P y no Q (Lipton 42). Es decir, proveer una explicación causal es exponer el motivo para que ocurra un hecho y no su contrapunto. Determinada pieza de información causal de P puede ser relevante para explicar el contraste entre P y no Q, pero puede no ser relevante para explicar el contraste entre P y no R. Lipton sostiene que explicar un fenómenos en relación con un contrapunto es menos complicado que intentar explicarlo en sí mismo4. Además, la selección del contrapunto determina aquellos aspectos de la historia causal de un fenómeno son relevantes a la hora de proveer una explicación sobre el mismo. Asumir el modelo de explicación causal le permite a Lipton articular IBE de un modo que vincula las consideraciones explicativas con las guías de inferencia inductiva. El ‘reto de la identificación’ (challenge of identification) consiste en identificar el modo en que se vinculan los criterios explicativos con los criterios inferenciales. En el caso de IBE el problema sería identificar qué criterios explicativos permiten inferir la mejor explicación como la explicación actual de cierto fenómeno. Es decir, ¿cuál es el criterio para determinar que una explicación es mejor que otra? Para efectos de esta presentación sólo consideraremos dos de esos criterios: la explicación más probable (likeliest explanation) y la más iluminadora (loveliest explanation). La explicación más probable es aquella que está mejor apoyada por la evidencia disponible (Lipton 207). Lipton reconoce que este criterio tiene la ventaja de presentar la inferencia explicativa de un modo muy natural. Después de todo, cuando hablamos de que las consideraciones explicativas guían la inferencia nos referimos al modo en que dichas                                                                                                                 4 Lipton reconoce que carece de una propuesta que de cuenta de lo que significa explicar un fenómeno en símismo.

Aponte-Serrano 14 consideraciones permiten discernir la hipótesis explicativa más probable. Sin embargo, como menciona Lipton considerar la mayor probabilidad (likeliness) como el factor determinante en la realización de inferencias explicativas es empujar IBE a la trivialidad (Lipton 60). El propósito de IBE es precisar el modo en que las consideraciones explicativas ayudan a determinar la probabilidad de una hipótesis. Decir que las inferencias inductivas resultan en las explicaciones más probables es desatender el modo en que las consideraciones explicativas ayudan a realizar dichas inferencias. Lipton propone como solución al problema de la identificación entender IBE como ‘inferencia a la explicación más iluminadora’, es decir la inferencia que provee el mayor entendimiento del fenómeno en cuestión. La audaz propuesta de Lipton es que las hipótesis más iluminadoras indican cuáles son las hipótesis más probables. El argumento implícito de IBE no es sólo que las hipótesis más iluminadoras tienden a ser las más probables sino que el entendimiento es indicativo de su probabilidad. En otras palabras, IBE sostiene que a mayor entendimiento provee una hipótesis, mayor probabilidad tiene de ser cierta. Si ahora unimos los pasados tres análisis sobre explicación e inferencia, obtenemos la caracterización que hace Lipton de IBE. Esta caracterización combina los elementos de explicaciones iluminadoras, causales y contrastivas para ilustrar el modo en que las consideraciones explicativas sirven como principios que guían las inferencias inductivas. De acuerdo con Lipton, IBE puede articularse como ‘inferencia a la explicación causal más iluminadora’. Es decir, los juicios sobre el entendimiento que provee una hipótesis se realizan en base a la información causal que proveen, cuya relevancia se determina por métodos contrastivos. A su vez, dichos juicios permiten realizar la inferencia de la hipótesis más iluminadora a la hipótesis más probable. El futuro de la investigación Hasta aquí hemos presentado los resultados preliminares de la investigación que estamos llevando a cabo. A pesar de encontrarnos aún en una etapa temprana de la investigación, hemos logrado delimitar de manera clara y precisa el problema que nos interesa: tratar el problema del realismo científico desde la perspectiva de las inferencias inductivas y su rol en el contexto de conjetura. Además, hemos expuesto de manera detallada uno de los modelos más prometedores de inferencias inductivas: la caracterización de Peter Lipton de IBE. De esta manera alcanzamos uno de los objetivos principales de la investigación: identificar al menos un modelo de inferencia que provea una descripción plausible de la relación entre teorías científicas y evidenciay que a su vez de cuenta del papel de dichas inferencias en el proceso de formulación de dichas teorías.

Aponte-Serrano 15 Aún restan dos aspectos importantes de la investigación. En primer lugar, atenderemos las críticas que, desde el anti-realismo, se han formulado tanto al realismo científico como a las pretensiones de IBE. Prestaremos particular atención a la propuesta anti-realista de Bas Van Fraassen: el constructivismo empirista. Contextualizaremos la postura de Van Fraassen en relación a otras posturas anti-realistas para precisar dónde se ubican dichas posturas en relación a las tesis del realismo científico: RO, RE y RS. Además, pretendemos identificar la relación entre el constructivismo empirista y UTE que le permite a Van Fraassen proveer una versión anti-realista y escéptica de IBE. En segundo lugar, nos restaría analizar si se sostienen las pretensiones de Lipton y Van Fraassen en cuanto a sus respectivas descripciones de la metodología y la lógica de la investigación científica. Espramos poder desarrollar un argumento negativo contra la propuesta del constructivismo empirista: arguyendo que los fundamentos para sostener una posición intermedia entre el escepticismo generalizado y el realismo epistemológico no se sostienen. Por último, proveeremos un argumento positivo sobre el papel de IBE en el contexto de descubrimiento y el modo en que permite evadir el problema de UTE para justificar, al menos de modo local, las referencias que hacen las teorías científicas a entidades inobservables.

Aponte-Serrano 16 Bibliografía Bird, A. Philosophy of Science. Montreal & Kingston: McGill-Queen’s UP, 1998. Black, Max. Inducción y probabilidad. Boyd, Richard. “The Current Status of Scientific Realism”. Scientific Realism. ed. Jarret Dieguez Lucena, A. Realismo científico: Una introducción al debate actual en la filosofia de la ciencia. Málaga: Universidad de Málaga, 1998. Hacking, I. An Introduction to Probability and Inductive Logic. XXX Harman, G. “Inference to the Best Explanation”. The Philosophical Review 74.1 (1965): 8895. Kukla, A. “Observation” The Routledge Companion to Philosophy of Science. ed. S. Psillos and M. Curd. New York: Routledge, 2010. Leplin. Berkeley: University of California Press, 1984. Lipton, P. “Inference to the Best Explanation”. The Routledge Companion to Philosophy of Science. ed. S. Psillos and M. Curd. New York: Routledge, 2010. Lipton, P. Inference to the Best Explanation. London: Routledge, 1991. (b) Newton-Smith, W.H. “Underdetermination of Theory by Data”. A Companion to Philosophy of Science. ed. W. H. Newton-Smith. Oxford: Blackwell, 2000. Niiniluoto I. Critical Scientific Realism. Oxford: Oxford UP, 1999. Newton-Smith. “Underdetermination of Theory by Data”. A Companion to the Philosophy of Science. Oxford: Blackwell, 2000. Psillos, S., Scientific Realism: How Science Tracks Truth. London: Routledge, 1999. Rivadulla, Andrés. Probabilidad e inferencia inductiva. Sankey, H. “Scientific Method”. The Routledge Companion to Philosophy of Science. ed. S. Psillos and M. Curd. New York: Routledge, 2010. Standford, P. K. Exceeding our Grasp. Oxford: Oxford University Press, 2006.