Hablemos de patos. Supongamos que tenemos al lado de nuestro laboratorio un lago con patos, y desde nuestra ventana sólo podemos ver una parte del lago en la que hay patos blancos. Uno podría pensar que todos los patos son blancos. Así que diseñamos un experimento: ver los patos que hay y sus colores. Nos sentamos y nos ponemos a contar los patos que aparecen y su color. Al final del día nos encontramos que todos los patos que hemos visto son blancos. Esto valida nuestra hipótesis. Sin embargo ¿podemos decir como una verdad absoluta e incuestionable que todos los patos del mundo son blancos? La respuesta es no. Lo que decimos es que nuestra hipótesis de trabajo (todos los patos son blancos) es válida con un 95% de confianza. Hay que fijarse bien en las palabras: ni es cierta, ni es verdad. Es válida. ¿Por qué? Porque nosotros hemos analizado sólo una pequeña muestra de la población, es decir, sólo hemos estado observando un pequeño trozo de uno de los cientos de lagos que hay en el planeta. Eso quiere decir que invariablemente estamos cometiendo lo que se llama un error muestral. Cuando uno analiza varias muestras pequeñas de una gran población observa que hay variaciones en los resultados entre las muestras. Eso es el error muestral y puede ser eliminado analizando la población entera.
Sin embargo, en ciencia no se suelen tener los medios necesarios (generalmente económicos) para poder analizar la totalidad de la población y lo que se hace es tomar una muestra aleatoria y representativa de la misma. Una analogía de esto son las encuestas a pie de calle. Una persona no puede encuestar en un plazo de una semana a los 50 millones de personas que viven en un país. Así que lo que hace es encuestar a un número reducido de todos los sexos, edades y estratos sociales y con ello puede hacerse una idea de lo que sucede en el población completa. En ciencia nos encontramos con el mismo problema: no tenemos los medios físicos y/o económicos para poder analizar la población entera, así que tomamos una muestra de la misma y con lo que sucede en ella extrapolamos a la población completa. A esto se le llama inducción. Y la inducción presenta un problema.
Clásicamente, la inducción consiste en que a partir de hechos particulares obtenemos conclusiones generales. Es decir, a partir de muestras pequeñas de una población decimos qué sucede en la totalidad de la población. Si volvemos a nuestro lago con patos, lo que estamos haciendo es que a partir de lo que hemos visto en un pequeño trozo del lago lo extrapolamos a lo que sucede en todos los lagos del mundo. Esto genera el llamado problema de la inducción, porque si en el trozo de lago que no vemos (o en otro lago del mundo) hay un pato negro, nuestra hipótesis de trabajo queda refutada. ¿Significa esto que los resultados de la ciencia no sirven? En absoluto. Mira a tu alrededor: todo lo que ves es producto de la ciencia: desde la pantalla en la que lees esto, pasando por la mesa, las paredes, la ropa que llevas puesta... Hasta el agua que bebes está ahí gracias a la depuración de la misma, que de nuevo es producto de la ciencia. Entonces ¿el problema de la inducción es verdaderamente un problema? La respuesta es no: el pato negro no echa por tierra el conocimiento científico, sino que nos proporciona más.
Ese pato negro ha rechazado nuestra hipótesis de trabajo. No pasa nada. Sabíamos que podía pasar, porque acumulamos un error muestral, un error inductivo. Así que no se acaba el mundo por esto. Simplemente hemos conseguido un nuevo conocimiento: todos los patos NO son blancos. Y esto nos abre la puerta a investigar nuevas opciones: ¿cuántos patos negros habrá? ¿Los habrá de otros colores? ¿Tiene que ver el sexo del pato con su color? ¿Y la temperatura del ambiente? El problema de la inducción tiene varias consecuencias: la primera y más obvia es que toda hipótesis de trabajo que hoy es válida, mañana puede dejar de serlo (y viceversa, si hoy no es válida, mañana puede que lo sea). La segunda es que la hipótesis de trabajo que hoy es válida, lo es con una probabilidad estadística (lo que hablábamos antes del 95%). Y la tercera que todo conocimiento científico aspira no a ser una verdad absoluta, o una certeza del 100%, sino a ser válido en determinadas circunstancias y hasta que se demuestre lo contrario.
¿Pueden existir los dogmas en ciencia? La realidad es que no. La ciencia, el conocimiento científico, no puede ser dogmático porque su propia base, su propio método, incluye un error muestral, un error inductivo, del que es consciente todo científico y por el cual sabe que todo lo que es válido hoy, puede no serlo mañana. Puede haber científicos dogmáticos, por supuesto, a fin de cuentas todos son personas, pero no podemos olvidar que las personas no son ciencia ni conocimiento científico. Las personas van y vienen, pero la ciencia se acumula, se mantiene, cambia, se vuelve a cambiar, se sigue acumulando, se revisa, se vuelve a revisar, se cambia de nuevo... y todo en base a nuevas pruebas, nuevos experimentos, nuevos conocimientos, nueva tecnología...
Las religiones en cambio se basan en textos elevados a la categoría de verdad absoluta, indubitable, con una antigüedad a sus espaldas de al menos mil años, y sin ninguna intención de cambiar dichos de textos para acomodarse a la realidad, o cuanto menos para eliminar las flagrantes contradicciones presentes en los mismos. Las religiones, como los malos periodistas, no permiten que la realidad estropee su negocio. Para concluir (y parafraseando un poco a Tim Minchin), si venías buscando la explicación definitiva de por qué la ciencia es una religión, o te has sentido ofendido por lo que he comentado sobre las religiones, piensa que podríamos retroceder diez minutos atrás en el tiempo y habría la misma posibilidad de que cambiaras de opinión.
.
No hay comentarios:
Publicar un comentario