El libro del porqué

1. La Revolución Causal: Uniendo la Mente y los Datos

En pocas palabras, la causalidad ha sido matematizada.

Una transformación profunda. Durante siglos, la causalidad fue un concepto envuelto en misterio, considerado a menudo como metafísico o inabordable por la ciencia. La Revolución Causal la ha convertido en un objeto matemático con semántica y lógica bien definidas, resolviendo paradojas y aclarando conceptos escurridizos. Este cambio nos permite resolver problemas prácticos que dependen de información causal mediante matemáticas elementales, impactando campos que van desde la medicina hasta la economía.

Más allá de los datos. Nuestra sociedad demanda constantemente respuestas a preguntas de causa y efecto, pero la estadística tradicional, centrada en resumir datos, no ofrecía medios para formularlas o responderlas. La nueva ciencia de la inferencia causal sostiene que el cerebro humano es la herramienta más avanzada para manejar causas y efectos, almacenando vasto conocimiento causal que, combinado con datos, puede abordar preguntas urgentes. Este enfoque supera la idea de que "los datos son profundamente tontos", reconociendo que los datos por sí solos no revelan relaciones causales.

El motor de inferencia. El núcleo de esta revolución es un "motor de inferencia causal" que acepta supuestos (modelos causales), consultas (preguntas causales) y datos. Primero determina si una consulta es respondible, luego produce un estimando (una receta matemática) y finalmente una estimación con incertidumbre. Este marco destaca que la recolección de datos es más efectiva después de establecer un modelo causal y una consulta, enfatizando que el conocimiento científico debe guiar el análisis de datos, no simplemente derivarse de ellos.

2. La Escalera de la Causalidad: Tres Niveles de Capacidad Cognitiva

Ninguna máquina puede derivar explicaciones a partir de datos crudos. Necesita un impulso.

Tres niveles cognitivos. La inteligencia humana opera en al menos tres niveles distintos de comprensión causal: ver (asociación), hacer (intervención) e imaginar (contrafactuales). La mayoría de los animales y los sistemas actuales de IA se sitúan en el primer peldaño, identificando regularidades y haciendo predicciones basadas en observaciones pasivas. Este nivel se caracteriza por preguntas como "¿Qué pasa si veo...?" y es el dominio de la estadística tradicional y el aprendizaje profundo.

Cambiar el mundo. El segundo peldaño, la intervención, implica predecir los efectos de alteraciones deliberadas en el entorno, preguntando "¿Qué pasa si hacemos...?" Este nivel requiere un tipo nuevo de conocimiento, pues los datos recolectados pasivamente no pueden responder preguntas sobre acciones que modifican el proceso generador de datos. Los ensayos controlados aleatorios (ECA) son una vía directa para responder tales preguntas, pero los modelos causales a veces permiten predecir intervenciones a partir de datos observacionales, cerrando la brecha entre ver y hacer.

Imaginar realidades alternativas. El peldaño más alto, los contrafactuales, trata con "qué pasaría si" que contradicen hechos observados, preguntando "¿Qué habría pasado si yo hubiera hecho...?" Esta capacidad de imaginar mundos inexistentes e inferir razones para fenómenos observados es exclusivamente humana y fundamenta el comportamiento moral, el arrepentimiento y el pensamiento científico. Los contrafactuales no pueden responderse solo con experimentos; requieren un modelo causal robusto, o "teoría", de cómo funciona el mundo, que nos permita violar selectivamente sus reglas para explorar historias alternativas.

3. Diagramas Causales: El Lenguaje Universal de la Causa y el Efecto

Si puedes orientarte usando un mapa de calles de sentido único, entonces puedes entender diagramas causales y resolver el tipo de preguntas planteadas al inicio de esta introducción.

Una herramienta simple y poderosa. Los diagramas causales, o "dibujos de puntos y flechas", son el núcleo computacional de la inferencia causal, resumiendo el conocimiento científico existente sobre relaciones causa-efecto. Los puntos representan variables y las flechas indican influencias causales conocidas o sospechadas, lo que los hace intuitivos para dibujar, comprender y usar. Estos diagramas ofrecen una forma transparente de expresar supuestos sobre cómo se generan los datos, algo crucial para interpretarlos.

Más allá de la mera correlación. A diferencia de las herramientas estadísticas que se enfocan en correlaciones, los diagramas causales codifican explícitamente información causal direccional. Una flecha de X a Y significa que Y "escucha" a X y determina su valor en respuesta, no solo que están asociados. Esta distinción es vital porque invertir una flecha en un diagrama causal cambia drásticamente su significado causal, aunque las dependencias estadísticas que implica permanezcan iguales. Esto permite la falsificación: si los datos observados contradicen las independencias implícitas en el diagrama, el modelo debe revisarse.

La mini-prueba de Turing. Para dotar a las máquinas de razonamiento causal humano, necesitamos una representación compacta como los diagramas causales. Estos diagramas permiten que las máquinas pasen una "mini-prueba de Turing" respondiendo preguntas asociacionales, intervencionales y contrafactuales sobre una historia. Esto implica una "cirugía gráfica": borrar flechas para simular intervenciones o contrafactuales y luego aplicar lógica ordinaria. Este proceso demuestra que el razonamiento causal requiere "romper las reglas" de la observación de forma selectiva, una habilidad en la que los niños sobresalen pero que las máquinas deben aprender.

4. Correlación No Es Causalidad, Pero Algunas Correlaciones Implican Causalidad

Fue Galton quien primero me liberó del prejuicio de que las matemáticas sólidas solo podían aplicarse a fenómenos naturales bajo la categoría de causalidad.

El nacimiento de la correlación. Francis Galton, buscando explicaciones causales para la herencia, descubrió en cambio la "correlación", una medida de cómo dos variables se relacionan, sin asumir causa y efecto. Su trabajo, y el de su discípulo Karl Pearson, condujo a la expulsión de la causalidad de la estadística, con Pearson declarando que la causalidad era "solo el límite" de la correlación. Este desvío histórico dejó a la estadística centrada únicamente en la reducción de datos, ignorando las preguntas más profundas del "por qué".

La rebelión de Wright. El genetista Sewall Wright desafió este paradigma sin causalidad introduciendo diagramas de caminos en los años 20. Mostró que combinando hipótesis causales cualitativas (representadas por flechas) con datos cuantitativos se podían deducir cantidades causales ocultas. Su método, el análisis de caminos, fue el primer puente entre causalidad y probabilidad, demostrando que "algunas correlaciones sí implican causalidad" cuando se guían por un modelo causal.

El costo de la ceguera causal. El fanatismo de Pearson y el dominio posterior de R.A. Fisher aseguraron que el trabajo de Wright fuera ignorado durante décadas. A los estadísticos se les enseñó que "correlación no es causalidad" pero no "qué es la causalidad", dejándolos sin un lenguaje para articular preguntas causales. Esta negligencia histórica revela una oportunidad perdida crítica, pues una comprensión principiada de la causalidad podría haber acelerado el progreso científico en muchos campos.

5. Confusión: El Desafío Central para la Inferencia Causal

La confusión, entonces, debería definirse simplemente como cualquier cosa que cause una discrepancia entre estos dos: P(Y | X) ≠ P(Y | do(X)).

El problema de la mezcla. El sesgo por confusión ocurre cuando una variable (un "confusor") influye tanto en la selección del tratamiento como en el resultado, creando una correlación espuria que oculta el verdadero efecto causal. Las definiciones estadísticas tradicionales de confusión eran a menudo inconsistentes y carecían de rigor formal, generando confusión sobre qué variables controlar. Esta ambigüedad dificultaba los estudios observacionales, donde los ensayos controlados aleatorios (ECA) suelen ser inviables o poco éticos.

ECA: Simulando la intervención. Los ensayos controlados aleatorios de R.A. Fisher se convirtieron en el "estándar de oro" porque eliminan efectivamente la confusión. La asignación aleatoria del tratamiento corta todos los enlaces causales entrantes a la variable tratamiento, asegurando que cualquier asociación observada con el resultado sea verdaderamente causal. Esto equivale a aplicar el operador do, que fuerza a una variable a un valor específico, simulando un mundo donde el tratamiento no está confundido por otros factores.

Desconfundir con diagramas. La Revolución Causal, especialmente el criterio de puerta trasera, ofrece una solución sistemática a la confusión. Este criterio, aplicado a un diagrama causal, identifica sin ambigüedad un conjunto suficiente de "desconfusores" para ajustar. Al controlar estas variables, los investigadores pueden usar datos observacionales para estimar efectos causales, incluso sin un ECA. Este método transforma el complejo problema de la confusión en un rompecabezas resoluble, haciendo la inferencia causal accesible más allá de los entornos experimentales.

6. Paradojas que Revelan el Choque Entre Intuición y Estadística

Nuestros cerebros no están preparados para aceptar correlaciones sin causa, y necesitamos entrenamiento especial —a través de ejemplos como la paradoja de Monty Hall o las discutidas en el Capítulo 3— para identificar situaciones donde pueden surgir.

El enigma de Monty Hall. La paradoja de Monty Hall, donde cambiar de puerta duplica tus chances de ganar, desconcierta a muchos porque presenta una "correlación sin causa". El conocimiento del anfitrión y su elección restringida de qué puerta abrir (un colisionador) crea una dependencia probabilística espuria entre tu elección inicial y la ubicación del premio, aunque no exista un vínculo causal directo ni causa común. Nuestra intuición causal, que espera que correlación implique causalidad, lucha con esta transferencia puramente informativa.

Las trampas de Berkson y Simpson. La paradoja de Berkson muestra cómo condicionar en un colisionador (por ejemplo, hospitalización) puede crear una asociación espuria entre dos enfermedades independientes. La paradoja de Simpson, el escenario "mala/mala/buena droga", muestra cómo una tendencia puede invertirse al agregar datos versus estratificarlos. Ambas paradojas evidencian que los datos por sí solos son insuficientes para la inferencia causal; el proceso generador de datos, codificado en un diagrama causal, es esencial para decidir si agregar o estratificar y cuál conclusión es causalmente válida.

La lógica causal como guía. Estas paradojas no son meras curiosidades matemáticas, sino que revelan fallas profundas en nuestro razonamiento probabilístico intuitivo cuando debería aplicarse lógica causal. El "principio de la cosa segura", por ejemplo, solo se cumple si una acción no cambia la probabilidad de un evento condicionado. Los diagramas causales proveen el marco necesario para resolver estos conflictos, explicando por qué ocurren estas inversiones y sesgos, y guiándonos hacia las conclusiones causales correctas, alineando el análisis estadístico con la intuición humana.

7. Intervenciones: Prediciendo los Efectos de las Acciones

La perspectiva de hacer estas determinaciones por medios puramente matemáticos debería deslumbrar a cualquiera que entienda el costo y la dificultad de realizar ensayos controlados aleatorios, incluso cuando son físicamente factibles y legalmente permisibles.

Más allá del ajuste simple. Aunque la fórmula de ajuste por puerta trasera nos permite estimar el efecto causal promedio P(Y | do(X)) controlando confusores observados, no siempre es aplicable. Cuando existen confusores no observados o los datos necesarios no están disponibles, se requieren otros métodos. El criterio de puerta delantera ofrece una alternativa poderosa, permitiendo estimar efectos causales incluso con confusores no medidos, siempre que exista un mediador "protegido" en la ruta causal.

El do-cálculo: Una herramienta universal. Inspirado en la geometría euclidiana, el do-cálculo provee un sistema axiomático para transformar consultas causales (que involucran operadores do) en expresiones estimables a partir de datos observacionales. Sus tres reglas permiten añadir/eliminar observaciones, reemplazar intervenciones por observaciones y eliminar/añadir intervenciones bajo condiciones gráficas específicas. Este cálculo ofrece un modo sistemático de determinar si un efecto causal es estimable con datos y, de ser así, derivar el estimando adecuado.

Expandiendo el alcance causal. El do-cálculo y sus extensiones algorítmicas han revolucionado la inferencia causal al abordar problemas como la transportabilidad (generalizar resultados de una población de estudio a otra) y el sesgo de selección (corregir diferencias entre muestra y población objetivo). Estos avances permiten a los investigadores aprovechar conjuntos de datos diversos y superar limitaciones que antes invalidaban estudios, transformando amenazas a la validez en oportunidades para estimaciones causales robustas.

8. Contrafactuales: Imaginando Mundos que Podrían Haber Sido

Sin un terremoto no veo cómo podría ocurrir tal accidente.

La esencia del pensamiento humano. Los contrafactuales, afirmaciones sobre qué "habría pasado" si las circunstancias hubieran sido diferentes, representan el peldaño más alto de la Escalera de la Causalidad. Esta capacidad exclusivamente humana de imaginar realidades alternativas es fundamental para conceptos como responsabilidad, culpa, arrepentimiento y mérito. A diferencia de las intervenciones, los contrafactuales tratan con causalidad personalizada, comparando lo que sí ocurrió con lo que podría haber sido para un individuo o evento específico, a menudo con la ventaja de la retrospección.

Modelos Causales Estructurales (MCE). Los MCE proveen un marco formal para definir y calcular contrafactuales. Extienden los diagramas causales especificando las relaciones funcionales entre variables, incluyendo factores idiosincráticos no observados. La "primera ley de la inferencia causal" establece que un resultado potencial Yx(u) puede calcularse modificando el MCE (eliminando flechas hacia X y fijando X=x) y luego calculando Y(u) en este modelo modificado. Esta algoritmización hace que los contrafactuales sean susceptibles de análisis matemático, trasladándolos de la metafísica a la computación.

Aplicaciones legales y científicas. Los contrafactuales son cruciales en la "causalidad condicional" legal (probabilidad de necesidad, PN: P(YX=0=0 | X=1, Y=1)), determinando si una acción fue necesaria para un resultado. También clarifican atribuciones científicas, como si el cambio climático fue causa necesaria de una ola de calor específica. Al distinguir entre causas necesarias (PN) y suficientes (PS), los científicos pueden hacer afirmaciones más precisas sobre causalidad, superando asociaciones vagas para cuantificar la probabilidad de roles causales específicos.

9. Mediación: Descubriendo los Mecanismos de la Causalidad

La verdadera medida de la contribución de una causa a un efecto se mutila si hemos mantenido constantes variables que pueden ser causadas en parte o en su totalidad por cualquiera de los dos factores cuya relación verdadera se quiere medir, o por otras causas remotas no medidas que también afectan a cualquiera de los dos factores aislados.

El "por qué" detrás del "qué". El análisis de mediación busca entender el mecanismo por el cual una causa produce un efecto, preguntando "¿Por qué?" en el sentido de identificar variables intermedias. Esto es crucial para la comprensión científica y decisiones políticas; conocer el mediador (por ejemplo, la vitamina C para el escorbuto) permite intervenciones dirigidas. Históricamente, la falta de una definición precisa para efectos directos e indirectos, especialmente fuera de modelos lineales, generó confusión y escepticismo sobre su utilidad.

La falacia de la mediación. Los primeros intentos de cuantificar la mediación, como el método de Baron-Kenny, a menudo se basaban en regresión lineal y sufrían la "falacia de la mediación": condicionar incorrectamente en un mediador cuando existen confusores entre mediador y resultado. Barbara Burks, pionera en diagramas de caminos, advirtió en 1926 sobre este error, alertando contra ajustar por variables que son efectos de la causa o del resultado, o de sus causas comunes no medidas. Sus ideas anticiparon el sesgo por colisionador y la necesidad de modelado causal cuidadoso.

Efectos naturales y la fórmula de mediación. La Revolución Causal ha proporcionado definiciones contrafactuales precisas para efectos directos naturales (EDN) e indirectos naturales (EIN), que capturan nociones intuitivas de cómo se transmiten los efectos a través de vías específicas. La fórmula de mediación, derivada de estas definiciones contrafactuales, permite estimar EDN y EIN a partir de datos observacionales, incluso en modelos no lineales y con confusores no medidos (bajo supuestos específicos). Este avance ha transformado el análisis de mediación en una herramienta poderosa y ampliamente aplicable para entender vías causales complejas en diversos campos.

10. La IA Fuerte Requiere Comprensión Causal, No Solo Grandes Datos

Los datos no entienden causas y efectos; los humanos sí.

Más allá de la minería de datos. El paradigma actual de "Big Data", con su enfoque en minería de datos y aprendizaje profundo, destaca en identificar asociaciones y hacer predicciones dentro de dominios estrechamente definidos. Sin embargo, carece fundamentalmente de la capacidad para responder preguntas causales, que requieren un modelo del proceso generador de datos. La minería de datos puede ser un primer paso útil para identificar patrones, pero interpretar esos patrones y formular consultas causales precisas exige un modelo causal, ya sea diseñado por humanos o hipotetizado por máquinas.

Las limitaciones de sistemas opacos. Los sistemas de aprendizaje profundo, a pesar de su desempeño impresionante en tareas como Go, operan como "cajas negras" sin comprensión causal explícita ni transparencia. Esta opacidad dificulta la comunicación significativa humano-