David Hume: El escéptico afable en tiempos optimistas

Edinburgo: La Atenas del Norte y la sombra de Newton

Hume residió y trabajó en el periodo de la Ilustración escocesa, un auge de la intelectualidad tan vigoroso que transformó el Edimburgo del siglo XVIII en “la Atenas del Norte”. Ciudades como Edimburgo y Glasgow se transformaron en núcleos de pensamiento pragmático y empírico, a diferencia de las bulliciosas ciudades políticas de Londres o París. Hume discutía y socializaba con figuras importantes como Adam Smith, el fundador de la economía moderna, el sociólogo Adam Ferguson y el químico Joseph Black en los clubes y salones de esta capital vibrante. El entorno no era de especulación abstracta, sino de un interés conjunto por comprender cómo funcionan el mundo y la mente humana de manera práctica y visible.

La enorme sombra de Sir Isaac Newton se extendía sobre toda esta época. Newton había probado, menos de una generación antes, que el universo físico funcionaba de acuerdo con unas pocas leyes matemáticas sencillas y universales, desde la caída de una manzana hasta el desplazamiento de los planetas. Su triunfo fue tan grandioso que produjo un optimismo desbordante: si el método empírico —que se fundamenta en la observación, la inducción y la experimentación— había revelado los misterios del universo, con seguridad podría hacer lo mismo con los secretos de la mente de las personas. El objetivo principal de Hume, que se manifiesta claramente en su obra más importante y temprana, el Tratado de la naturaleza humana, era convertirse en el Newton de las ciencias morales. Quería crear una “ciencia del hombre” apoyándose en los mismos principios empíricos.

La navaja del empirista: De dónde proceden nuestras ideas

Hume llevó a su máxima expresión el principio esencial del empirismo de John Locke, su antecesor: que al nacer la mente es una tabula rasa o pizarra en blanco. Para él, todo lo que la mente contiene se reduce a percepciones. Él las clasificó en dos tipos:

• Impresiones: Son nuestras percepciones más directas y vívidas. Comprenden las emociones (el odio, la alegría, el amor) y las sensaciones (lo que sentimos, lo que oímos, lo que vemos). Cuando observas el color rojo de una manzana, percibes un color rojo.
• Ideas: Son copias o memorias menos vívidas de las impresiones. Si cierras los ojos y piensas en la manzana que acabas de ver, te viene a la mente el color rojo.

Desde este punto, estableció su principio radical: toda idea simple es, en última instancia, una réplica de una impresión anterior. Este principio se volvió su principal herramienta filosófica, un tipo de cuchillo para dividir cualquier idea. Para Hume, si un término de la filosofía grandilocuente (por ejemplo “Dios”, “alma” o “sustancia”) no podía ser rastreado hasta una impresión sensorial original, era simplemente una palabra vacía, un sonido sin significado.

La Iluminación de la Razón y sus Monstruos

Hume, con esta herramienta, se dedicó a analizar las creencias más esenciales que la filosofía y la ciencia de su época consideraban como evidentes. El resultado fue devastador.

El ataque más célebre fue contra la causalidad. La concepción de que los sucesos están vinculados mediante una relación de causa y efecto era la base de la ciencia newtoniana. Hume cuestionó esa creencia: ¿Cuál es la impresión de la que proviene nuestra noción de “conexión necesaria”? Podemos ver un suceso (una llama) que es seguido por otro (el calor), repetidamente. Detectamos una “conjunción constante”, pero nunca, jamás, percibimos el vínculo entre los dos sucesos, esa fuerza invisible llamada “causa”. Su conclusión fue explosiva: nuestra fe en la causalidad no se origina en el razonamiento ni en la observación del mundo. Es un producto de la costumbre o el hábito.

Esta intuición anticipó, por tres siglos, cómo funcionan los algoritmos de aprendizaje automático: detectan patrones y correlaciones en datos, pero nunca “entienden” la conexión causal subyacente. Como Hume advirtió, la repetición no garantiza necesidad. Nuestra mente, después de observar A seguido de B varias veces, genera una expectativa psicológica de que la próxima vez que veamos A, B le seguirá. La causalidad no es una ley universal; es más bien un sentimiento en nuestro pensamiento.

Utilizó la misma lógica en otras certezas. ¿Creemos que existe un mundo exterior estable e independiente de nosotros? Hume indicó que únicamente podemos acceder directamente a nuestro flujo de impresiones. No tenemos la capacidad de demostrar de manera racional que estas impresiones se correspondan con un mundo “real”. ¿Y qué sucede con el yo personal, esa identidad constante que creemos tener? Hume nos sugirió que examináramos nuestro interior (introspección) y buscáramos ese “yo”. Lo que descubrimos sostuvo, no es una entidad única y constante, sino un “haz o conjunto de percepciones diversas” en incesante movimiento y cambio. La memoria crea una ficción llamada “yo” para unificar esta serie de experiencias.

El problema de la inducción: Por qué el machine learning es humeano

Pero la crítica de Hume a la causalidad revelaba un problema aún más fundamental, conocido hoy como el problema de la inducción. Toda la ciencia empírica —y, por extensión, todo el aprendizaje automático moderno— depende del razonamiento inductivo: observamos muchos casos particulares (cisnes blancos, clientes que compraron X después de comprar Y, imágenes etiquetadas como “gato”) y generalizamos una regla universal. Hume demostró que no existe justificación lógica para este salto. El hecho de que el sol haya salido cada mañana durante miles de años no garantiza lógicamente que saldrá mañana. Solo porque un algoritmo haya clasificado correctamente un millón de imágenes no garantiza que clasificará correctamente la imagen número un millón y uno.

Esta intuición, devastadora en el siglo XVIII, se ha convertido en una preocupación práctica en el siglo XXI. Los sistemas de IA funcionan exactamente como Hume describió: detectan patrones recurrentes en conjuntos de datos masivos y generan expectativas estadísticas basadas en la costumbre (en este caso, la “costumbre” del algoritmo de encontrar correlaciones). Pero, como Hume advirtió, la correlación no implica causalidad, y la repetición no garantiza necesidad. Un modelo de IA puede predecir con precisión durante años y fallar catastróficamente cuando las condiciones cambian de formas no previstas en los datos de entrenamiento. El problema no es técnico sino epistemológico: es el mismo que Hume identificó hace casi tres siglos. No podemos conocer el futuro con certeza absoluta; solo podemos confiar —faliblemente— en los patrones del pasado.

Un escepticismo para vivir

La filosofía de Hume podría parecer un camino hacia la desesperación o el nihilismo; sin embargo, él no lo experimentó de esa manera. Su escepticismo acerca de la capacidad de la razón lo condujo a reevaluar otros aspectos del ser humano. Si la razón no podía respaldar nuestras creencias más fundamentales, es posible que su función fuera mucho menos ambiciosa. Por eso, su célebre afirmación de que “la razón es, y solamente debe ser, la esclava de las pasiones”. Nuestras acciones no se basan en la lógica, sino en nuestros deseos, sentimientos y emociones.

Para Hume, hasta la moralidad no se fundamentaba en la razón o en preceptos divinos, sino en los sentimientos. Describió una “emoción moral” fundamentada en la empatía, o sea, la facultad humana de compartir las emociones ajenas. Los actos virtuosos (como la generosidad) son aprobados por nosotros porque nos parecen útiles y placenteros para la sociedad, mientras que los vicios son desaprobados porque generan incomodidad. Por lo tanto, la moral no es un código abstracto, sino un fenómeno tanto social como natural.

La guillotina de Hume: El dilema de enseñar ética a las máquinas

No obstante, este enfoque de la moralidad, que se basa en los sentimientos y en la utilidad social, ha planteado otro dilema filosófico que se ha convertido en fundamental en la época actual de la IA.  Hume observó algo peculiar en sus análisis de argumentos morales: muchos filósofos, sin darse cuenta, pasaban de hacer declaraciones descriptivas acerca de cómo es el mundo (“los humanos buscan placer”) a dar recomendaciones sobre cómo debería ser (“por lo tanto, debemos buscar placer”).  En la actualidad, este traspaso no legítimo del “es” al “debe ser” se denomina el problema is-ought o guillotina de Hume.

Para la IA actual, este problema es práctico e inmediato, no abstracto.  ¿De qué manera puede una IA adquirir valores éticos?  Es posible entrenar un algoritmo con millones de ejemplos de decisiones humanas —lo que aprobamos, lo que rechazamos, lo que elegimos—; sin embargo, estos datos solo demuestran la realidad: cómo es el comportamiento humano en la práctica.  No nos indican cómo deberíamos actuar ni cómo debería comportarse la IA.  Si alimentamos un sistema con datos históricos, este reproducirá los sesgos de la historia.  Si le enseñamos decisiones humanas auténticas, también aprenderá nuestras contradicciones, hipocresías y prejuicios.  La guillotina de Hume demuestra que el “alineamiento” de valores en IA no puede solucionarse simplemente con más datos, ya que hay una separación lógica insalvable entre lo descriptivo y lo prescriptivo, entre comprender el comportamiento humano y saber qué sería lo correcto hacer.

Hume en la era de la inteligencia artificial: Lecciones de humildad epistémica

Por último, Hume, el gran ilustrado que dinamitó las convicciones de su tiempo, nos dejó una lección de humildad de enorme importancia para nuestra época tecnológica. Demostró que ni los seres humanos ni, por ende, las máquinas que construimos tienen la capacidad de operar como calculadoras estrictamente racionales. En el caso de los humanos, tanto tú como yo dependemos de patrones, hábitos, costumbres y emociones. Su dedicación extrema a la experiencia empírica lo condujo a una conclusión incómoda pero liberadora: no podemos obtener certeza total, ni en la vida diaria, ni en la ciencia, ni tampoco, añadiríamos ahora, en nuestros sistemas de IA.

Cada vez que un algoritmo de aprendizaje automático extrae patrones de millones de datos, está llevando a cabo el proceso humano: observa conjunciones continuas y formula expectativas estadísticas en función de la repetición. Sin embargo, esta no es una base infalible para el conocimiento, como Hume lo señaló hace tres siglos. Los sistemas de inteligencia artificial más sofisticados se enfrentan a las mismas restricciones que Hume descubrió: la guillotina is-ought (es imposible deducir valores de hechos), el enigma de la causalidad (la correlación no implica causalidad) y el problema de la inducción (no existe una garantía de que el futuro sea igual al pasado).

El escepticismo de Hume no era nihilista, sino que tenía un enfoque práctico. No tenía la intención de inmovilizarnos, sino de volverse más humildes, precavidos y conscientes de las verdaderas bases —y las reales limitaciones— de nuestro saber. Esta modestia epistemológica no es una necesidad filosófica, sino una urgencia, en un tiempo donde le confiamos a algoritmos de caja negra decisiones cruciales. Hume nos señala que tanto la IA como la humana funcionan con confianza práctica y falible, pero nunca con una certeza total. Tal vez esta sea la enseñanza más relevante del filósofo escocés para la época de la inteligencia artificial: el primer paso para crear sistemas que los entiendan es reconocer nuestras limitaciones.