El bebé científico.

¿Como consiguen aprender los bebés tanto y en tan poco tiempo? Antes de los tres años, el recién nacido conseguirá dominar su entorno con un alto grado de autonomía y tomar sus propias decisiones de un modo lógico en pos de un objetivo previo. Podrá buscar su programa de televisión favorito, convencernos para alargar las visitas al parque o conseguir ese chocolate que escondemos en la cocina. El trabajo psicóloga Alison Gopnik nos da pistas para enterderlo.
Alison Gopnik - Universidad de Berkley

Un poco de teoría: Sistemas de toma de decisión.

Antes de comenzar vamos a repasar las tres posibles estratégias de aprendizaje: Prueba y error, razonamiento deductivo y razonamiento inductivo.

Métodos de prueba y error

El sistema más elemental para la consecución de un objetivo es el de ensayo y error. Este sistema no cuenta con premisas previas que permitan valorar las posibles alternativas. Las soluciones de un problema particular tampoco son, por lo general, aplicables a otros similares. Mediante la prueba y el error no tratamos de encontrar un mecanismo que nos permita entender cómo se consigue el objetivo, sino simplemente “un algo” capaz de obtener el resultado que deseamos. Por todos estos motivos, el método de ensayo y error es un sistema de aprendizaje lento y poco eficaz.

Razonamiento Deductivo

Entramos en el reino de las matemáticas. A partir de una serie de postulados que damos por válidos, los “axiomas”, deducimos una serie de teoremas demostrables. La elección de los axiomas iniciales es la que determina cuál será la colección final de teoremas que obtendremos. (Teorema de Godël). El hecho de que la realidad física que nos rodea sea abordable de un modo “matemático” es uno de los mayores misterios del universo. A lo largo de los siglos los científicos han buscado y encontrado herramientas matemáticas que les permitían abordar problemas físicos: el cálculo infinitesimal de Newton sirvió para desarrollar su mecánica, los números complejos nos permiten abordar el electromagnetismo y la matemática matricial fue protagonista en los orígenes de la física cuántica.

Razonamiento Inductivo o Aproximado

En este caso el experimentador tiene ideas preconcebidas sobre lo que va a ocurrir después. Este hecho se denomina “inferencia”. Un ejemplo de inferencia es pensar que, como cada día sale el sol y vuelve a ponerse, podemos creer que mañana saldrá de nuevo el sol y se pondrá.

El primero en establecer una sistematización de esta forma de razonamiento fue el reverendo Thomas Bayes a mediados del siglo XVIII. El teorema de Bayes nos dice cuál es la probabilidad de un suceso si observamos una posible causa, que es a su vez proporcional a la “función de verosimilitud” de esa causa (la probabilidad de que se haya producido esa causa si observamos el suceso).
Thomas Bayes

Esta “función de verosimilitud” es a priori subjetiva, pero con la repetición de experimentos todo los observadores deberían converger en torno a un mismo valor. Un ejemplo: podemos calcular la probabilidad de que llueva en función de factores como la dirección del viento, la presión atmosférica, la humedad relativa del aire… La presencia de cada uno de estos factores, juntos o por separado, afectará a la probabilidad que calculemos, pero es necesario reunir una gran cantidad de datos antes de poder ponderarlos correctamente.

Aplicaciones del razonamiento inductivo y del Teorema de Bayes

Si bien hemos hablado anteriormente de la estrecha relación entre el razonamiento deductivo y las ciencias aplicadas, el método científico es principalmente inductivo. La proposición de un posible mecanismo para un fenómeno, y la elección de los experimentos para comprobarlo, parten de que el observador espere obtener un determinado resultado. Solo después de que el “experimento” parezca confirmar un mecanismo se exploran las matemáticas para obtener formulas de cálculo.

Este tipo de razonamiento es especialmente exitoso cuando se aplica a sistemas complejos o caóticos, como la meteorología o la economía. El Teorema de Bayes, y las Redes Bayesianas, están en el origen de los sistemas de toma de decisión que aplican las grandes empresas, del análisis macro económico, del desarrollo de la robótica y de la búsqueda de la inteligencia artificial.

Redes Bayesianas

Alison Gopnik y el pequeño científico.

Puede parecer sorprendente que afirmemos que un bebé de menos de dos años actúa como un científico. Hasta hace apenas 20 años se consideraba que los bebés no eran capaces de entender relaciones de causalidad. Tampoco se creía que pudieran ser capaces de pensar en realidades alternativas ni en distintas posibilidades en la consecución de un objetivo. Piaget sostenía que los niños confundían realidad y fantasía en sus juegos de simulación. Sin embargo, nuevos experimentos han demostrado una realidad muy distinta. Alison Gopnik es el referente de esta nueva forma de entender cómo trabaja el cerebro del bebé. Gopnik ha encontrado evidencias de que los bebés de menos de dos años ya aprenden de su entorno utilizando sistemas inductivos y mapas de causalidad, paralelos a los que propone Thomas Bayes en sus teorías.

¿Qué son los contrafactuales?

Gopnik define los contrafactuales como “los habría-podría-debería de la vida“, los caminos que no elegimos en cada bifurcación. Pensar de modo contrafactual es imaginar dónde nos llevaría una sucesión de hechos distinta a la que realmente sucede. Este tipo de pensamiento puede realizarse hacia el pasado o hacia el futuro. Los adultos lo empleamos a todas horas, ya sea para “llorar por la leche derramada” o para planificar nuestro futuro. Lo sorprendente es que Alison Gopnik haya podido demostrar que este tipo de pensamiento es inherente al ser humano y es utilizado por niños de muy corta edad. A este respecto os invitamos a leer este otro artículo sobre la aparición de una “teoría de la mente” completa hacia los 4 años de edad.

También ha podido comprobar que los niños muy pequeños son capaces de construir en su cerebro “mapas de causalidad” al estilo de las redes bayesianas, y que son conscientes en todo momento de la diferencia entre la realidad y las otras opciones que simula. En su libro “El filósofo entre pañales” Alison Gopnik nos cuenta estos y otros sorprendentes descubrimientos sobre el modo de pensar de los bebés, su capacidad de atención, la existencia de algún tipo de moral innata, la importancia del apego en su desarrollo… Por todo ello recomendamos encarecidamente su lectura a todos los nuevos padres y a los profesionales de la educación infantil.

El juego heurístico: Buscando el orden en el caos

Hemos establecido un paralelismo entre el modo de aprender de los niños de menos de 2 años y la forma de investigar de los científicos que exploran los límites de nuestro conocimiento: El pensamiento contrafactual. ¿Podemos encontrar otros parecidos?: El juego heurístico.

La naturaleza es enormemente variada y compleja. Es por eso que en todos los campos de la ciencia siempre ha habido pioneros que han dedicado su esfuerzo a clasificar y ordenar la realidad que nos rodea. Linneo, Mendeleyev o René Haüy realizaron este trabajo en la trastienda de la ciencia, que sin lugar a duda fue imprescindible para que quienes les siguieron pudieran desarrollar sus trabajos.
Como hemos comentado, también son numerosas las aplicaciones de la heuristica y el razonamiento inductivo bayesiano en el desarrolo de la inteligencia artíficial. Los primeros algoritmos “pensantes” se basaban en este tipo de esquemas, si bién están siendo sustituidos por las llamadas “redes neuronales” sobre las que hablaremos en otro artículo. Así pues debemos entender el juego heurístico como esta labor de clasificación y ordenación del mundo previa al rrazonamiento inductivo. Enfocar de este modo el juego heurístico nos permite poner en perspectiva toda su importancia. Para finalizar este artículo os dejamos un “experimento” realizado en la escuela infantil Baby’s Brain de Valencia con niños de 2 años. En este experimento podemos comprobar la predisposición natural de los niños al pensamiento contrafactual.

¿Quieres subscribirte a nuestro newsletter?

Por favor, comparte y comenta este post