15.6.4: Deducir predicciones para pruebas

La condición 1, la condición de deducibilidad, es algo más complicada de lo que podría indicar una primera vista. Supongamos que sospecha que uno de sus compañeros de trabajo llamado Philbrick se ha infiltrado en su organización para espiar al científico jefe de su compañía, Oppenheimer. Para probar esta afirmación, pones una trampa. Philbrick está en tu oficina privada a última hora de la tarde cuando sales declarando que te vas a casa. Deja una carpeta de archivos con la etiqueta “Confidencial: Oppenheimer's Latest Research Proposal” en tu escritorio. Usted predice que Philbrick echará un vistazo al archivo. Desconocido para él, tu oficina es monitoreada continuamente en circuito cerrado de televisión, por lo que podrás atraparlo en el acto.

Revisemos este razonamiento. ¿La condición 1 está satisfecha para su prueba? Es, si el siguiente razonamiento es deductivamente válido:

• Philbrick tiene la oportunidad de estar solo en su oficina con la carpeta de archivos Oppenheimer, (las condiciones iniciales de la prueba).
• Philbrick es un espía. (el reclamo que se va a probar)
• Entonces, Philbrick leerá el archivo Oppenheimer mientras esté en su oficina, (la predicción)

Este razonamiento podría o no ser válido dependiendo de una premisa faltante. Sería válido si una premisa faltante fuera la siguiente:

Si Philbrick es un espía, entonces leerá el archivo de Oppenheimer mientras esté en su oficina si tiene la oportunidad y cree que no será detectado haciéndolo. (supuesto de fondo)

¿Esa premisa es aceptable? No. No se puede estar tan seguro de cómo actuarán los espías. La premisa que falta es más probable que sea la siguiente cobertura:

Si Philbrick es un espía, entonces probablemente leerá el archivo de Oppenheimer mientras esté en tu oficina si tiene la oportunidad y cree que no será detectado haciéndolo. (nueva suposición de fondo)

Si bien es más plausible que esta nueva suposición de fondo sea la premisa faltante utilizada en el argumento para la predicción original, ahora el argumento no es válido deductivamente. Es decir, la predicción no sigue con certeza, y la condición 1 falla. Debido a que la predicción sigue inductivamente, sería justo decir que la condición 1 está “casi” satisfecha. Sin embargo, no está satisfecho. Prácticamente, sin embargo, no se puede esperar ninguna prueba mejor que esta; no hay nada que deba hacer un espía que revele decisivamente el espionaje. Prácticamente, puedes tener pruebas menos que ideales sobre espías o de lo contrario ninguna prueba en absoluto.

Ante esta dificultad con la condición 1, ¿deberíamos alterar la definición de la condición para decir que la predicción debe seguir ya sea con certeza o probabilidad? No. La razón por la que no podemos relajarnos condición 1 se puede apreciar suponiendo que la televisión de circuito cerrado sí revela a Philbrick abriendo la carpeta de archivos y leyendo su contenido. Atrapado en el acto, ¿verdad? Tu conclusión: Philbrick es un espía. Esta sería una conclusión que muchos de nosotros probablemente sacaríamos, pero no es una que la prueba justifique por completo. Concluir con total confianza que es un espía sería sacar una conclusión apresurada porque hay explicaciones alternativas de los mismos datos. Por ejemplo, si Philbrick tuviera especial curiosidad, podría leer el contenido del archivo pero no ser un espía. En otras palabras, no importa si la predicción sale a ser verdadera o falsa, no se puede estar seguro de que la afirmación sea verdadera o falsa. Entonces, la prueba no es decisiva porque su resultado no resuelve cuál de las dos alternativas es la correcta.

Sin embargo, ser decisivo es la marca de una prueba idealmente buena. No quisiéramos alterar la condición 1 para que esta prueba indecisa pueda llamarse decisiva. Hacerlo alentaría a conclusiones apresuradas. Entonces, la definición de condición 1 debe permanecer como está. No obstante, podemos decir que si la condición 1 está casi satisfecha, entonces cuando también se cumplan las otras dos condiciones para una prueba ideal, los resultados de la prueba tenderán a mostrar si la afirmación es correcta. En definitiva, si Philbrick fisgonea, esto tiende a demostrar que es un espía. Se necesitan más pruebas si quieres estar más seguro.

Este problema sobre cómo satisfacer la condición 1 en la situación de espionaje es análogo al problema de encontrar una buena prueba para una generalización no universal. Si sospecha que la mayoría de los casos de malaria se pueden curar con quinina, entonces ningún caso de malaria solo asegurará que tenga razón o que se equivoque. Encontrar un caso de una persona cuya malaria no se curó tomando quinina no prueba que su sospecha esté equivocada. Necesitas muchos casos para poner a prueba adecuadamente tu sospecha.

El problema más grande aquí en la filosofía de la ciencia es el problema de diseñar una prueba para una teoría que sea probabilística más que determinista. Para apreciar esto, probemos otro escenario. Supongamos que tu teoría de la herencia dice que, dados los genes de cierto tipo de padre de ojos azules y cierto tipo de madre de ojos castaños, sus hijos tendrán un 25 por ciento de posibilidades de ser de ojos azules. Intentemos crear una buena prueba de esta teoría probabilística utilizándola para hacer una predicción específica sobre el próximo hijo de una pareja. Predecir que el niño tendrá 25 por ciento de ojos azules es ridículo. Por otro lado, predecir que el niño tiene un 25 por ciento de probabilidad de tener ojos azules no es una predicción específica en absoluto sobre el próximo hijo. Las predicciones específicas sobre un solo evento no pueden contener probabilidades. ¿Qué color de ojos predice que tendrá el niño? Se debe predecir que no será de ojos azules. Supongamos que haces esta predicción, y te equivocas. ¿Se ha refutado su teoría de la herencia? No. ¿Por qué no? Porque la prueba no fue decisiva. El hecho de que el niño nazca de ojos azules es consistente con que tu teoría sea cierta y también con que sea falsa. El problema es que con una teoría probabilística no se pueden hacer predicciones específicas sobre un solo niño. Solo se puede predecir que, si hay muchos niños, entonces el 25 por ciento de ellos tendrá ojos azules y el 75 por ciento no. Una teoría probabilística puede ser utilizada para hacer predicciones solo sobre grupos, no sobre individuos.

El problema análogo para el espía en tu oficina es que cuando probaste tu afirmación de que Philbrick es un espía en realidad estabas probando una teoría probabilística porque estabas probando la combinación de esa afirmación específica sobre Philbrick con la afirmación probabilística general de que los espías probablemente husmean. No siempre fisgonean. Tu prueba con la cámara de video tuvo el mismo problema con la condición 1 que tu prueba con el color de ojos. La condición 1 estuvo casi satisfecha en ambas pruebas, pero estrictamente hablando tampoco se satisfizo en ninguna de las dos.

Nuestra discusión anterior debería haber aclarado ahora por qué la condición 1 es algo más complicada de lo que podría indicar una primera vista. Idealmente, nos gustaría realizar pruebas decisivas o, como también se les llama, pruebas cruciales. Prácticamente, generalmente tenemos que conformarnos con pruebas que sólo tienden a mostrar si una afirmación u otra es cierta. Cuanto más fuerte sea la tendencia, mejor será la prueba. Si llegamos a una creencia sobre la base de estas pruebas menos que ideales, siempre estamos en el estado mental de no estar absolutamente seguros. Estamos en el estado de querer datos de más pruebas del reclamo para que podamos estar más seguros de nuestra creencia, y siempre tenemos que preocuparnos de que algún día puedan aparecer nuevos datos que requieran que cambiemos de opinión. Tal es la condición humana. La ciencia no puede hacerlo mejor que esto.