Razonamiento inductivo

Todos los días utilizamos el razonamiento inductivo, a menudo sin darnos cuenta. En pocas palabras, el razonamiento inductivo es el acto de formar una generalización basada en un conjunto de observaciones específicas.1 Comienza con una premisa, como "todos los estudiantes de Anatomía que conozco quieren estudiar Medicina", que lleva a una conclusión, como "todos los estudiantes de Anatomía quieren estudiar Medicina". Esto, por supuesto, no es necesariamente el caso; tal vez un licenciado en Anatomía quiera seguir una carrera académica o cambiar totalmente de campo de estudio. La conclusión podría ser más contundente si se eliminara el absoluto y se modificara el razonamiento de la siguiente manera: todas las personas que conozco que estudian Anatomía quieren estudiar Medicina, por lo tanto, la mayoría de los estudiantes de Anatomía quieren estudiar Medicina.

El razonamiento inductivo es una herramienta que utilizamos a diario para dar sentido al mundo que nos rodea. Pero también subyace en el método científico, que es la base de la investigación. Los investigadores recopilan datos -observaciones concretas- a partir de los cuales formulan hipótesis -generalizaciones- que sirven d^e base para investigaciones posteriores.2

Es importante distinguir entre razonamiento inductivo y razonamiento deductivo. Mientras que el razonamiento inductivo se conoce como "razonamiento ascendente", porque parte de observaciones específicas que conducen a una generalización, el razonamiento deductivo se conoce como "razonamiento descendente", porque parte de principios generales que conducen a conclusⁱones específicas.3 Un ejemplo de razonamiento deductivo es: todos los estudiantes de la Facultad de Ciencias deben cursar una asignatura introductoria de Biología, y el Departamento de Anatomía y Biología Celular está dentro de la Facultad de Ciencias. Por lo tanto, todos los estudiantes de Anatomía deben cursar una asignatura introductoria de Biología.

Muestra y población

Una muestra es un pequeño grupo de personas de una población determinada, mientras que una población engloba a todo un grupo de personas. Por ejemplo, todas las personas que viven en Canadá representan la población canadiense, mientras que un grupo de 1.000 canadienses es una muestra de la población canadiense. En el razonamiento inductivo, los patrones observados en las muestras se utilizan para hacer inferencias sobre la población.

Generalizaciones inductivas

Esta forma de razonamiento inductivo se produce cuando un patrón observado en una muestra se generaliza a toda la poblacⁱón4 , como se hizo en el ejemplo mencionado anteriormente sobre las carreras de Anatomía.

Inducción estadística

Un ejemplo de inducción estadística sería decir que "el 95% de los jugadores de baloncesto que he visto miden más de 1,80 m, por lo tanto, el 95% de todos los jugadores de baloncesto miden más de 1,80 m". Es similar a una generalización inductiva, salvo que utiliza una estadística específica de una muestra para hacer una geⁿeralización sobre una población.5

La inducción estadística puede llevarse un paso más allá con la inducción estadística bayesiana. La inducción bayesiana aumenta la solidez de la conclusión al tener en cuenta información adicional^.6 El ejemplo de los jugadores de baloncesto podría mejorarse especificando la edad o la ubicación, o especificando que sólo se examinan jugadores de baloncesto profesionales.

Inducción analógica

La inducción analógica es cuando se hace una inferencia basada en los puntos en común entre dos grupos similares, pero distintos.7 Un ejemplo de este tipo de razonamiento inductivo sería "los gansos son similares a los patos, y los patos vuelan, por lo tanto, los gansos también vuelan".

Inducción predictiva

Otro tipo de razonamiento inductivo es la inducción predictiva, que se utiliza para hacer una predicción sobre el futuro a partir de la información recogida en observaciones p^asadas de una muestra.8 Por ejemplo: En los últimos cursos, muchos empleados han comprado su almuerzo en la cafetería de la oficina. Por lo tanto, muchos empleados comprarán sus almuerzos en la cafetería de la oficina este año.

Inferencia causal

La inferencia causal se produce cuando se infiere una causalidad entre la premisa y la c^onclusión.9 Un ejemplo podría ser: El tráfico en la ciudad aumenta al inicio del nuevo curso escolar, por lo tanto, el inicio de un nuevo curso escolar provoca un aumento del tráfico.

En el siglo XVII, Sir Francis Bacon, filósofo inglés, desarrolló el método baconiano, un marco para llevar a cabo la investigación científica. Los pasos que propuso son una descripción de los hechos, una clasificación de los mismos y, por último, la identificación de lo que parece estar relacionado con el fenómeno en cuestión y el rechazo de lo irrelevante. Al igual que el método científico moderno que lo sustituyó, el método baconiano es un ejemplo de aplicación del razonamiento ind^uctivo.10

Otro de los primeros filósofos modernos que desempeñó un papel notable en la historia del razonamiento inductivo fue David Hume. Debido a su falta de certeza lógica, no pudo encontrar ninguna justificación lógica a favor de la inducción, aunque argumentó que es una necesidad de la vida humana.8 Hume distinguió entre el razonamiento inductivo y el deductivo, refiriéndose al primero como una "cuestión de hecho" y al ^segundo como una "relación de ideas".11 Las cuestiones de hecho, afirmó, se aceptan tal como son -así, si todos los cisnes que ves son blancos, puedes concluir que todos los cisnes son blancos-. Las relaciones de ideas, por otra parte, resultan de un examen lógico; así, si todos los pájaros tienen plumas y todos ^los cisnes son pájaros, se puede concluir que todos los cisnes tienen plumas.12 Hume razonaba que las cuestiones de hecho resultan de ^asociaciones extraídas de experiencias pasadas, lo que constituye la base del razonamiento inductivo.13

En 1912, el filósofo Bertrand Russell publicó un libro titulado Los problemas de la filo^sofía.14 En él abordaba el tema de la inducción. Sostenía que, para comprender cualquier cosa fuera de nuestras experiencias privadas, debemos hacer inferencias. Aunque no hay ninguna garantía sobre la exactitud de nuestras inferencias, Russell sostiene que son útiles para ampliar nuestro conocimiento fuera del ámbito de nuestras experiencias inmediatas.

Russell pone el ejemplo del sol que sale cada día. Afirma que es normal esperar que el sol siga saliendo cada día, pero se pregunta si esta expectativa es razonable. En primer lugar, esperamos que salga porque "ya ha salido todos los días", razonamiento que supone ilógicamente que el pasado puede predecir el futuro. También esperamos que salga porque confiamos en las leyes del movimiento que hacen que la Tierra orbite y provoque la salida del Sol. Sin embargo, ¿qué es lo que nos lleva a creer que las leyes del movimiento se mantendrán de un día para otro?

Parece razonable esperar que la naturaleza mantenga sus pautas constantes, pero no hay pruebas de esta suposición. Este descubrimiento llevó a Russell a desarrollar su principio de inducción, que es el siguiente: "Cuando una cosa de cierta clase A se ha encontrado asociada con una cosa de cierta otra clase B, y nunca se ha encontrado disociada de una cosa de la clase B, cuanto mayor sea el número de casos en los que A y B se han asociado, mayor es la probabilidad de que se asocien en un nuevo caso en el que se sepa que uno de ellos está presente. En las mismas circunstancias, un número suficiente de casos de asociación hará que la probabilidad de una nueva asociación sea casi una certeza, y hará que se acerque a la certeza sin límites".15

Gracias al razonamiento inductivo, los científicos han podido hacer progresar el conocimiento humano y fomentar la innovación. El método científico, el marco en el que se desarrolla toda la investigación científica, se basa en el razonamiento inductivo. Sin la inducción, los investigadores no podrían formular hipót^esis basadas en sus observaciones.16 Las hipótesis son esenciales para orientar futuras investigaciones y desarrollar nuevas teorías, por lo que el avance científico depende de la inferencia inductiva.

Además, las inferencias inductivas que hacemos en nuestra vida cotidiana, que a menudo formamos sin mucho esfuerzo consciente, son increíblemente útiles para ampliar nuestra comprensión del mundo. Al identificar patrones en nuestro entorno, no sólo comprendemos cómo funciona el mundo, sino también cómo debemos comportarnos. Algo tan sencillo como saber que puedes encontrar los ingredientes necesarios para hacer un sándwich en la nevera porque allí los encontraste el día anterior es un ejemplo de razonamiento inductivo.

Los filósofos han sostenido que la inducción es inferior a la deducción. Cuando se trata de inducciones, si la premisa es cierta, la conclusión probablemente también lo sea. Sin embargo, lo que hace que ciertos filósofos estén a favor de la deducción es el hecho de que cuando la premisa de una deducción es cierta, la conclusión es ciertamente cierta.

La inducción presupone que los acontecimientos pasados predicen los futuros, lo cual no es lógico. El filósofo escocés David Hume es famoso por su "problema de la inducción", que plantea cómo se puede justificar el uso del razonamiento inductivo. Señala que a menudo extraemos conclusiones a partir de un conjunto limitado de observaciones y que, aunque la conclusión pueda parecer correcta, carece de certeza lógica. Esto da lugar a una paradoja en la que el razonamiento inductivo no puede justificarse mediante el razonamiento deductivo, pero sí mediante el inductivo. La conclusión de Hume de este argumento circular es que el razonamiento inductivo no puede justificarse. A pesar de ello, sostiene que hay verdades centrales para la existencia humana que no pueden demostrarse mediante la deducción, como la creencia de que nuestra personalid^ad permanece estable de un día para otro.17

Aunque es necesario reconocer sus limitaciones, no debemos descartar la importancia de la inducción en nuestra vida cotidiana, ni su papel en la innovación y el descubrimiento. A pesar de la certeza lógica del razonamiento deductivo, hay ocasiones en las que las conclusiones probables obtenidas del razonamiento inductivo son más valiosas.

Inteligencia artificial

La inteligencia artificial se define como la capacidad de los ordenadores para realizar tareas que normalmente requi^eren inteligencia humana.18 El término "inteligencia" es amplio. La inteligencia suele considerarse un factor general, compuesto de varios subcomponentes. En lo que respecta a la inteligencia artificial, la mayor parte de la investigación realizada hasta la fecha se ha centrado en un puñado de subcomponentes específicos de la inteligencia: ^el lenguaje, la percepción, la resolución de problemas, el aprendizaje y el razonamiento.19

Aunque se ha tenido más éxito con el razonamiento deductivo, ahora se puede programar la inteligencia artificial para que haga infere^ncias inductivas.20 Esto es posible gracias a metodologías como las redes neuronales, que permiten a los ordenadores reunir una g^ran cantidad de datos.21 Se trata de un área de innovación prometedora, pero uno de los mayores obstáculos que aún hay que superar es el reto de programar la inteligencia artificial no sólo para que haga inferencia^s, sino para que haga inferencias relevantes.22

El objetivo de la automatización del razonamiento inductivo en la inteligencia artificial es permitir que estos programas desarrollen hipótesis y utilicen el razonamiento inductivo para respaldarlas. Una vez que la IA alcance este objetivo, la investigación científica podrá acelerarse gracias a la aut^omatización de las capacidades de razonamiento y resolución de problemas.23

Nassim Taleb

Nassim Taleb es un autor de bestsellers y célebre académico especializado en el ámbito del riesgo y la incertidumbre. Uno de sus libros, Cisne negro, aborda los errores de inducción, utilizando el famoso ejemplo de razonamiento inductivo en el que la gente deduce que, como sólo ha visto cisnes blancos, todos los cisnes son blancos. Sin embargo, por raros que sean, los cisnes negros existen, y Taleb lo utiliza para señalar los fallos del razonamiento inductivo. En este libro amplía las ideas de Hume y llega a la conclusión de que ni siquiera nuestros mejores esfuerzos bastan siempre para predecir con exactitud.

1. ¿Qué es el razonamiento inductivo? Aprende la Definición de Razonamiento Inductivo con Ejemplos, Más 6 Tipos de Razonamiento Inductivo. MasterClass. https://www.masterclass.com/articles/what-is-inductive-reasoning#3-ways-inductive-reasoning-is-used
2. Ver 1
3. Ver 1
4. Ejemplos de razonamiento inductivo. Su diccionario. https://examples.yourdictionary.com/examples-of-inductive-reasoning.html
5. Ver 4
6. Ver 1
7. Ver 1
8. Ver 1
9. Ver 1
10. Método baconiano. Encyclopaedia Britannica. https://www.britannica.com/science/Baconian-method
11. Cranston, M. (2020). David Hume. Encyclopaedia Britannica.https://www.britannica.com/biography/David-Hume
12. Ver 1
13. Ver 11
14. Russell, B. (2001). The problems of philosophy (2ª ed.). Oxford University Press.
15. Sobre la inducción. Public Consulting Media. https://www.publiconsulting.com/wordpress/theproblemofphilosophy/chapter/on-induction/
16. Ver 1
17. Razonamiento inductivo. Términos filosóficos. https://philosophyterms.com/inductive-reasoning/
18. Inteligencia Artificial. Lexico. https://www.lexico.com/definition/artificial_intelligence
19. Copeland, B.J. (2020). Artificial intelligence. Encyclopaedia Britannica. https://www.britannica.com/technology/artificial-intelligence
20. Ver 19
21. Littlefield II, W.J. (2019). Un tipo de razonamiento que la IA no puede reemplazar. MindMatters News. https://mindmatters.ai/2019/10/a-type-of-reasoning-ai-cant-replace/
22. Ver 19
23. Laskey, K.B., y Levitt, T.S. (2001). Inteligencia Artificial: Uncertainty. Enciclopedia Internacional de las Ciencias Sociales y del Comportamiento. 799-805. https://doi.org/10.1016/B0-08-043076-7/00395-8