Criterios del poder explicativo

Los criterios del poder explicativo son las pautas que usamos para decidir qué explicación es la «mejor» entre varias posibilidades. Piensa en ellos como una forma de puntuar mentalmente: las buenas explicaciones son sencillas, abarcan todos los hechos y encajan con lo que ya sabemos. En el ejemplo de la entrada para autos, «Llovió» obtiene la mayor puntuación porque explica por qué están mojados el techo y la calle (alcance) sin necesitar suposiciones adicionales.

Pregúntate: «¿Esta explicación abarca todos los hechos o solo los que le convienen?»

El poder explicativo no es solo una impresión; se apoya en cualidades concretas que los especialistas en lógica y los científicos usan para filtrar hipótesis. Este proceso suele llamarse «inferencia a la mejor explicación». Las explicaciones más sólidas suelen buscar la mayor simplicidad (el menor número de suposiciones), consiliencia (explicar las pruebas más diversas) y analogía (encajar con patrones explicativos establecidos).

Piensa en un diagnóstico médico. Si un paciente tiene tos, fiebre y fatiga, la explicación «gripe» tiene un gran poder explicativo porque reúne los tres síntomas bajo una sola causa. Una explicación alternativa —que el paciente tiene al mismo tiempo alergias (tos), agotamiento por calor (fiebre) e insomnio (fatiga)— es débil porque requiere tres coincidencias distintas.

En tecnología, si un sitio web deja de funcionar para todos, una «caída del servidor» es una explicación sólida porque abarca todo el problema. Suponer que «las computadoras de todos los usuarios se averiaron al mismo tiempo» no cumple el criterio de simplicidad, aunque sea teóricamente posible.

Aunque estos criterios son herramientas útiles, funcionan como reglas prácticas y no ofrecen garantías. A veces la verdad es compleja, extraña o confusa. Aun así, empezar por la explicación que obtiene la mayor puntuación según estos criterios es la forma más racional de investigar el mundo.

La investigación sobre el poder explicativo se centra en cuantificar cómo elegimos la «mejor» hipótesis entre varias candidatas. Este campo conecta la filosofía de la ciencia, la psicología cognitiva y la inteligencia artificial.

• Thagard (1978) propuso tres criterios principales para elegir teorías: consiliencia (cuántas clases de hechos explica), simplicidad (ausencia de hipótesis auxiliares ad hoc, añadidas para ese caso concreto) y analogía (semejanza con explicaciones establecidas) [1].
• Lipton (2004) distinguió entre la explicación «más probable» (la de mayor probabilidad) y la «más atractiva» (la que ofrece mayor comprensión). Sostuvo que las cualidades explicativas, como el mecanismo y la precisión, nos orientan hacia la verdad [2].
• Lombrozo (2007) demostró que las personas tenemos una «heurística de simplicidad»: a menudo preferimos explicaciones más sencillas incluso cuando las complejas son estadísticamente más probables. Esto sugiere un sesgo cognitivo hacia la parsimonia, es decir, hacia explicaciones con menos suposiciones [3].

La «mejor» explicación no siempre es la verdadera. Una dificultad habitual es el problema de «la mejor entre un mal conjunto de opciones»: si todas las explicaciones disponibles son deficientes, es probable que incluso la mejor sea falsa. Además, nuestro sesgo hacia la simplicidad puede llevarnos a pasar por alto causas sistémicas complejas (como el cambio climático o los cambios económicos) y favorecer relatos sencillos.