Pearl, J. y Mackenzie, D. (2018/20). El libro del porqué. La nueva ciencia de la causa y el efecto. Barcelona: Pasado & Presente.
Un científico –Pearl, autor-, galardonado con prestigiosos premios –Turing, Franklin, Lakatos– y un buen divulgador científico –Mackenzie, colaborador-, tienen un claro objetivo en esta obra: que la ciudadanía tenga acceso a la denominada Revolución Causal –inferencia causal– y a sus implicaciones, pues afectan considerablemente a la forma de pensar de muchas ciencias –Psicología y Educación, por ejemplo-, a nuestras vidas –ayuda a no dejarse guiar fácilmente por sesgos y mitos o en la resolución de ciertas paradojas- y, por supuesto, a nuestro futuro –lo que podemos esperar de la inteligencia artificial: del científico artificial-.
De ahí que nos interese y mucho mirar la realidad con la lente de la causalidad –diagramas causales-, posibilitándonos armar y ascender por la escalera de la causalidad –sus tres peldaños son: observar, hacer e imaginar-, y que es la metáfora central –ilustrativa- de todo el libro.
Conviene desde un principio dejar claro que la visión (inteligencia) datocéntrica –los macrodatos y la ciencia de datos- no resulta en modo alguno suficiente para la comprensión científica –desde la revolución causal- de la realidad, pues los datos carecen de toda inteligencia y no pueden compensar la ausencia de conocimiento científico. No nos pueden guiar sin más hasta las respuestas correctas: son incapaces de comprender las causas y los efectos. En cambio, las personas sí.
Ni siquiera el modelo estadístico tradicional sería suficiente para comprender la realidad, científicamente hablando, al no contar con un modelo causal, tan necesario sobre todo en el caso de los interrogantes contrafactuales. Procesar datos no es lo mismo que generar explicaciones. Se necesita algo más. Así es posible concluir, como les gustaría a los autores, que las personas hoy por hoy son más inteligentes que los datos. No todas las respuestas, por consiguiente, están en los datos.
La nueva ciencia de la causa y el efecto, guiada e iluminada por los modelos causales, asume esencialmente la escalera de la causalidad y los diagramas causales –herramienta gráfica-. Ahora bien, un paso previo es el de esclarecer los puntos fuertes y débiles –limitaciones- de los desarrollos de áreas afines hasta nuestro días, como las redes bayesianas, los ensayos controlados aleatorios –experimentos fisherianos- las ecuaciones estructurales o la inteligencia artificial.
Partiendo de estos análisis podemos constatar que sus aportaciones son de utilidad fundamentalmente para el primer grado de la escalera de la causalidad –aprendizaje asociativo y probabilístico, pero insuficientes en lo tocante a los otros dos peldaños –hacer e imaginar (sobre todo a este último caso). Gracias a estos dos últimos peldaños es posible poner fin al sesgo de la confusión o al desconcierto con respecto a la incidencia de variables agazapadas.
La persona aprendiz causal que pretende llegar a ser razonador causal debe comenzar dominando estos tres niveles de capacidad cognitiva: observar -aprendizaje por asociación-, hacer –actuar de forma planificada: intervención (¿qué ocurre si hacemos…?)- e imaginar –aprender con contrafactuales (¿qué habría pasado si…?), razonamiento contrafactual (responder a interrogantes contrafactuales)-. Si los desarrolla se encontrará dentro del verdadero acelerón superevolutivo: poder crear mundos que contradicen el nuestro.
Gracias a la estructura de diagrama causal, fundamentada en modelos causales, podemos calcular más fácilmente las relaciones causales y contrafactuales: simples o complejas, deterministas o probabilistas, lineales o no lineales. Para llegar a conclusiones causales necesitamos previamente hipótesis causales.
Además, de esta forma, no cometeremos el error de anteponer la probabilidad a la causalidad o de priorizar el mundo estático de la probabilidades al dinámico de las causalidades -debido tanto a las intervenciones como sobre todo a los actos imaginarios-, o sucumbir a los cantos de sirena de la correlación –resulta fácil encontrar correlaciones que son simplemente una memez (espurias), incluso si alcanzan valores de .95-.
Por lo hasta ahora dicho alguien puede pensar: este libro no es para mí. Desborda mis capacidades para entender lo que nos quiere decir: probabilidades, redes bayesianas, ecuaciones estructurales, inteligencia artificial, modelos causales, etcétera. Muy probablemente eso no sea cierto.
Los autores han utilizado un lenguaje claro e incluso entretenido. Y lo que se nos dice y defiende –la nueva ciencia de la causa y el efecto– merece, como bien cabe imaginar, mucho la pena, pues entenderemos mejor nuestro mundo actual, a nosotros mismos y nuestras interacciones con los demás. Ánimo, pues. Sucumbirás menos a engaños y a malos planteamientos supuestamente científicos. Sentirás que ahora tu cerebro se halla mejor amueblado para hacer frente a los muy importantes retos del presente y del futuro.