¿Por qué las homologías son evidencia de evolución en lugar de diseño común?

He visto a algunos creacionistas argumentar que cuando los biólogos evolutivos usan homologías (anatómicas o genéticas) como evidencia de la evolución, están cometiendo la falacia de afirmar el consecuente. Entonces, tanto los evolucionistas como los creacionistas estarían de acuerdo en que si la evolución es/fuera cierta, esperaríamos homologías. Vemos homologías, por lo tanto, la evolución es verdadera. Ahora, por supuesto, este es un ejemplo de la falacia de afirmar el consecuente.

Una forma que veo de resolver este problema es usar el teorema de Bayes. Entonces, si tenemos dos hipótesis mutuamente excluyentes y conjuntamente exhaustivas, con probabilidades previas iguales, digamos, evolución y creación ("E" y "C"), y una observación, digamos, homologías (H), entonces si una de las hipótesis implica la observación, esa hipótesis es más probable, dada la observación, que la hipótesis que no implica la observación. Más formalmente:

1) P(E o C)=1

2) P(E)=P(C)

3) (E->H)->P(H|E)=1 (dado que E implica H), (C-/->H)->P(H|C)=x;0

4) P(E|H)=p(H|E)P(E)/P(H), P(C|H)=P(H|C)P(C)/P(H) (Teorema de Bayes )

5) Como P(H|E)=1, P(E|H)=P(E)/P(H), y como P(H|C) es una fracción, y P(H|C) está siendo multiplicado por P(C), y para cualquier número x e y, donde y es una fracción, x multiplicado por y es menor que x, se sigue que P(H|E)P(E)>P(H|C) ORDENADOR PERSONAL).

De ahí nuestra conclusión: P(E|H)>P(C|H)

Entonces mis preguntas son: 1. ¿Es correcta esta prueba? 2. ¿Resuelve esto el problema de afirmar el consecuente, no solo en el caso de la evolución, sino también cuando se trata de otras teorías/hipótesis?

Esto no es realmente diferente a "Vemos que los humanos y las esponjas comparten información genética, por lo tanto, la evolución es cierta". Por supuesto, un creacionista podría decir racionalmente que el Creador simplemente reutilizó los mismos genes. En otra nota, si observa las homologías desde una perspectiva genética, muchas estructuras que parecen similares son en realidad el producto de un código genético drásticamente diferente. Eso socava aún más la lógica ya inválida.
@BenPiper sí, pero para que puedan afirmar que el creador eligió reutilizar los genes y, por lo tanto, hacer de las homologías una predicción del creacionismo, tendrían que agregar eso a la hipótesis de la creación, lo que disminuiría su probabilidad previa/intrínseca.

Respuestas (6)

Afirmando el consecuente

Los científicos distinguen entre el mérito de las explicaciones sobre la base de (a) la precisión y (b) la amplitud con la que hacen predicciones verificadas experimentalmente.

Esto significa que el empirismo se basa fundamentalmente en afirmar el consecuente (y usa el razonamiento inductivo), por lo que podría argumentar que el empirismo es bastante débil lógicamente. Sin embargo, debe tener en cuenta que al haber usado A => By B, la ciencia no afirma Aque sea cierto , sino que etiqueta Aun buen modelo para B.

Lamentablemente, los medios y la opinión popular tienden a concluir que "los científicos descubrieron que A es cierto". Esta falacia común ("la ciencia es toda la verdad") conduce a la desilusión cuando más datos sugieren una conclusión diferente.


La ciencia no se trata fundamentalmente de la verdad, se trata fundamentalmente del grado de concordancia estadística.

Esta es la razón por la que se considera a Newton como un científico eminente, a pesar de que su teoría de la mecánica es demostrablemente incorrecta. A la ciencia no le importa la corrección, le importa el grado de precisión de la predicción, y Newton fue muy preciso.

Razonamiento estadístico

Sí, su derivación es correcta. Habría presentado (5) como:

P(H|E)=1, entonces por el teorema de Bayes P(E|H) = P(H|E)P(E)/P(H), tenemos P(E|H) = P(E
) /P(H), pero similarmente, P(H|C)=x<1, entonces
P(C|H) = x P(C)/P(H), pero P(C)=P(E) por supuesto anterior, entonces
P(C|H) = x P(E)/P(H) < P(E)/P(H) = P(E|H). Así hemos demostrado
que P(C|H) < P(E|H).

pero el tuyo tiene el mérito de ser (a) más breve y (b) más explicativo.

Modelos que se validan empíricamente

Este argumento del teorema de Bayes explica por qué las explicaciones simples que hacen predicciones firmes se validan sobre las que hacen predicciones más equívocas, dada una precisión similar. De manera más general, el enfoque estadístico del empirismo favorece las teorías que hacen fácilmente predicciones deterministas específicas y universales (preferiblemente numéricas) a partir de entradas medibles sobre las teorías que hacen predicciones no deterministas o donde es complicado encontrar lo que predice la teoría.

Este es absolutamente el enfoque correcto para un artículo científico, ya que el empirismo revisado por pares es la herramienta de validación para la ciencia, no la lógica, no "la verdad", sino la precisión predictiva estadística.

Es por eso que "los niños prefieren dejar sus juguetes desordenados que ordenados" no es parte de ningún modelo científico importante, mientras que "el bosón de Higgs existe". La evidencia empírica de los juguetes es abrumadora pero difícil de cuantificar y solo casi universal, mientras que la evidencia del bosón de Higgs está muy localizada y tiene una frecuencia relativamente rara, pero es fácil de analizar numéricamente.

Por lo tanto, otra creencia demasiado común de que "toda la verdad es ciencia" también es una falacia.
¡Es uno que, curiosamente, tendería a ser confirmado por el estudio empírico (porque las verdades no numéricas, de opción múltiple y generalmente difíciles de analizar estadísticamente ya evadieron ser parte del modelo científico)!

¿Podemos usar este método para decidir entre teorías?

Tienes un hermoso argumento estadístico a favor de una teoría científica (evolución) sobre una teoría competidora (creacionismo de la tierra joven). Sin embargo, como siempre con la ciencia y la estadística, debe tener cuidado con generalizar en exceso o tergiversar sus conclusiones.

No debería sorprender que un análisis estadístico favorezca una teoría determinista, ya que acabamos de demostrar que no usamos otra suposición que E->H y C-/->H que P(E|H)>P(C|H). No permitas que tu creencia en la evolución te anime a aceptar este tipo de razonamiento como prueba, ya que estarías cometiendo la falacia de afirmar el consecuente, ¡de afirmar el consecuente!

Para disuadirte, daré un ejemplo al revés. Podría comparar la evidencia E de una factura de tarjeta de crédito distinta de cero con la teoría G: "los desagradables duendes verdes siempre harán que los números sean distintos de cero en la factura de mi tarjeta de crédito" y la teoría C: "Prefiero poner las compras realizadas en -pequeñas empresas en mi tarjeta de crédito para diferir el pago con "reembolso" deducido, mantener un saldo de cuenta corriente más alto en general y poner el dinero sobrante resultante en una cuenta de ahorros que gana intereses". Todos los meses, usando el teorema de Bayes, P(E|C)<1 (aunque ligeramente) y P(trasladar dinero a ahorros)<1 (¡mucho menos!), pero P(E|G)=1, así que encuentro que después de un año o dos, P(G|EEEEEEEEEEEE)>P(C|EEEEEEEEEEEE) por un margen lo suficientemente amplio como para ser estadísticamente significativo, así que para comportarme empíricamente, debería aceptar el modelo de duendes.

¿Qué podemos concluir?

No dejes que los duendes verdes se acerquen a tu tarjeta de crédito.

¡No, no, no es eso!

Razonar de esta manera tiene lagunas lógicas (como notó, además del razonamiento inductivo general que incluye suposiciones sobre la inmutabilidad y uniformidad del universo), favorece ciertos tipos de declaraciones sobre otras (Higgs vs. juguetes), lo que puede conducir a un diagnóstico erróneo de la verdad ( tarjeta de crédito).

Sin embargo, es perfectamente válido utilizar el razonamiento estadístico empírico para decidir entre dos modelos científicos. De esta forma, favorece deliberadamente la teoría más estadísticamente predictiva, pero recuerde que eso significa que tiene un buen modelo , no necesariamente la verdad . (Su educación escolar debería haberlo expuesto a algunos buenos modelos que fueron la mejor explicación que teníamos pero que luego fueron superados. ¡Sea particularmente escéptico acerca de la "partícula más fundamental"!)

Va en contra del espíritu del empirismo andar creyendo en tus modelos, en particular porque es menos probable que se te ocurra un nuevo modelo si lo haces. Sin embargo, todos somos humanos, y lo que hacemos es creer instantáneamente las cosas que nos gustan.

Cómo invalidar su argumento bayesiano

Hemos mencionado cómo probar el consecuente es intrínsecamente defectuoso desde el punto de vista lógico (lo que no lo convierte en una mala ciencia), por lo que nunca estamos probando la verdad, estamos probando la precisión y en algunos ejemplos en los que están en desacuerdo. Ahora veamos otras formas populares de invalidar lógicamente sus conclusiones.

La conclusión bayesiana numérica después de una aplicación depende en gran medida de las probabilidades asumidas para sus teorías en competencia. Esta es la razón por la cual a los estadísticos bayesianos les gusta refinar su modelo una y otra vez, incorporando nueva evidencia (ya sea que sea inconsistente con los datos anteriores o no) en el cálculo. Puedes llegar a conclusiones radicalmente erróneas si haces suposiciones radicalmente erróneas desde el principio.

Incluso los errores leves o sutiles pueden cambiar sus conclusiones. En la vida real, se desperdició mucho tiempo y dinero en los intentos iniciales de encontrar un accidente aéreo, debido a una suposición inicial errónea olvidada de que una caja negra estaría transmitiendo normalmente. Si bien las búsquedas posteriores habían sido exhaustivas, el modelo no había registrado que la primera pasada sobre las áreas cercanas solo hubiera verificado la señal para acelerar las cosas. La corrección de esto alteró sustancialmente el mapa de probabilidad, y los restos del naufragio se encontraron rápidamente en uno de los nuevos puntos calientes bayesianos.

Lamentablemente, muchas personas que intentan argumentar a partir de la evidencia erróneamente hacen suposiciones iniciales drásticas como P(Y)=0. (p. ej., "Me niego a considerar eso como una posibilidad sin ver primero la evidencia directa" suena razonable para muchos). hasta "no, eso es una tontería" como suposición y conclusión.

Otro escollo es no considerar posibles superposiciones y, por lo tanto, interacciones probabilísticas entre sus teorías, crédito a Chris Lively por esta respuesta que lo señala.

Resumen:

La ciencia no se trata de la verdad, se trata de la precisión. El razonamiento empírico hace una gran ciencia y concluye que la ciencia suele ser más precisa, pero ese es un razonamiento circular.

... ¡lo que no significa necesariamente que la conclusión sea falsa! ((A-/->B)-/->no B) Tenga en cuenta que el empirismo concluye que es probable que se demuestre que el modelo científico actual es falso demostrablemente en algún momento en un futuro posiblemente lejano, y que se reemplace por algo más preciso , pero no necesariamente más cerca de la verdad.

"La ciencia no se trata fundamentalmente de la verdad, se trata fundamentalmente del grado de concordancia estadística". <- Esto. La ciencia se trata de hacer los modelos más simples (la navaja de Occam) de la realidad basados ​​en los datos que tienes, no tiene nada que ver con la verdad en absoluto. Si la gente comenzara a darse cuenta de esto, qué gran día sería ese.
@DavidMulder: ese sería un día muy molesto, ya que lo que en la práctica queremos decir con "verdadero" es "estadísticamente abrumadoramente probable según los modelos mentales". Todos los que "se den cuenta" de lo que dijiste se verían obligados al nihilismo, que no es un lugar divertido (o sabio) para estar.
@RexKerr: Bueno, eso dependería de si considera que cualquier afirmación sobre la revelación 'sobrenatural' de la verdad (que suena tan terriblemente barata) es plausible/aceptable/vale la pena considerarla. Pero al rechazar todas esas afirmaciones, uno terminaría lógica y sensatamente en el nihilismo, independientemente de si es divertido o no. Y solo para que conste, en la práctica 'nosotros' (como en la mayoría) considera la verdad como algo absoluto, independientemente de todos los movimientos modernistas. Y el problema radica en que a la gente se le dice que la ciencia da tales verdades absolutas que se aceptan fácilmente por miedo al nihilismo.
@RexKerr No, puede tener dos modelos radicalmente diferentes, uno verdadero y otro falso, donde los resultados de ambos concuerdan en buena medida con los datos experimentales, pero el falso se destaca en el análisis estadístico. Está bien concluir empíricamente que los duendes verdes son un mejor modelo para predecir si mi saldo de crédito es distinto de cero, pero no está bien concluir que es la verdad. Confundir verdad y exactitud es mala ciencia. Mantenerlos separados no implica nihilismo. He editado mi respuesta para tratar de enfatizar más esta distinción central en el resumen, lo siento si lo oculté.
Creo que te estás perdiendo mi punto. Llevado a su conclusión lógica, esto significa que no hay verdad sobre ningún asunto empírico . Lo que significa que también podemos reclamar la palabra verdad para que signifique algo menos inalcanzable (fuera de la lógica matemática). El hecho de que un proceso no garantice la verdad no significa que no tenga ninguna relación con la verdad (como afirmó @DavidMulder).
@RexKerr No, solo significa que el empirismo no prueba la verdad. Redefinir la palabra verdad no te ayuda aquí, y no estoy dispuesto a etiquetar la teoría de los duendes como verdadera cuando sé que la otra teoría es verdadera. Si redefine la palabra para que signifique estadísticamente válida, tengo que cambiar esa ronda. Además, usar la palabra verdadero en lugar de exacto hará que más personas, no menos, confundan los dos conceptos. Hay verdad sobre las cuestiones científicas, pero por las razones anteriores, el empirismo no lo prueba. Eso está bien, porque la ciencia es brillante por su precisión y no necesita la verdad. Los mejores científicos dudan.
Usted absolutamente no sabe si la otra teoría es cierta. Podría estar equivocado acerca de sus motivos, su memoria podría ser defectuosa, etc. Ha acumulado una gran cantidad de evidencia que hace de este último un buen modelo. Eso es todo Si no quieres usar "verdadero" para eso, no lo hagas, pero hace que las conversaciones sean incómodas. (Básicamente, solo significa que evita usar la palabra "verdadero", excepto cuando habla de matemáticas, al igual que evita usar la palabra "teorema").
Si llama "verdadero" verificado estadísticamente, entonces la mecánica newtoniana solía ser cierta, pero ahora no lo es. Eso hace que la verdad no sea constante, a pesar del sistema físico subyacente inmutable, lo cual no tiene sentido, o admite tanto newtoniano como relativista, lo que hace que la ciencia sea autocontradictoria. La buena noticia es que ninguno de los dos es necesario, porque la ciencia evita la falsedad al no abordar la verdad y, en cambio, es un edificio fantásticamente útil con modelos cada vez más precisos. ¿Por qué querrías volver a etiquetar la precisión como verdad, cuando la precisión tiene tanto éxito?
@RexKerr ¡Ahora estás discutiendo desde el nihilismo! Por supuesto que sé que la otra teoría es cierta. Soy yo, y se trataba de mis hábitos y las razones para ellos. ¡No adquirí pruebas, yo estaba allí, siendo yo! Puede que solo tengas mis afirmaciones plausibles, pero yo tengo conocimiento. Si te niegas a admitir cualquier conocimiento, incluso el conocimiento sobre uno mismo, ¿por qué estás tan dispuesto a lanzar la palabra "verdad" tan libremente?
Que todas las cuestiones empíricas son tentativas es uno de los grandes resultados filosóficos. Pero muchos son tan escasamente tentativos que no tiene sentido alterar el lenguaje de uno cuando se habla de ellos. Estabas ahí siendo tú, dices. ¿Cómo sabes esto? Tal vez todo fue un sueño o una alucinación. Tienes la sensación de que fue real, pero ¿nunca se equivocan tus sentimientos (y cómo lo demuestras con solo un número finito de ejemplos)? Pero el nihilismo es una tontería (un modelo muy pobre; falso) porque podemos crear modelos increíblemente buenos y confiables y dejar de preocuparnos por los valores de p.
@RexKerr En realidad, estoy de acuerdo con la totalidad de ese comentario (aparte del bit de redefinición del idioma). Debería haber dicho que mi ejemplo era una demostración de que las conclusiones empíricas pueden ser falsas en lugar de verdaderas, así que afirmé la verdad innecesariamente. (¡Más ironía!) Espero que no nos convenzamos unos a otros sobre si la distinción entre precisión y verdad es importante, pero espero que podamos estar de acuerdo en que la ciencia es útil y que la discusión ha sido entretenida.
Estoy totalmente de acuerdo con estos dos últimos puntos.
@AndrewC Su contraejemplo de "goblins verdes" no satisface una de las condiciones. Es decir, la probabilidad previa de G y C no son iguales. La razón por la que este es el caso es que tiene conocimiento de casos en los que C se mantiene, mientras que nunca ha visto (supongo) duendes verdes.
@user8083 Los duendes verdes pueden ser invisibles cuando quieren serlo. Lo vi en la televisión. Más seriamente, señalé el problema de arreglar las probabilidades previas para que se adapten a sus creencias en la sección "Cómo invalidar su argumento bayesiano". si fijas las probabilidades iniciales no estás tomando en cuenta la evidencia. Un buen enfoque bayesiano repite los experimentos varias veces y rápidamente la evidencia comienza a dominar cualquier imparcialidad inicial injustificada. Es solo un ejemplo crudo y humorístico para demostrar la dependencia matemática de la certeza del modelo.
Entonces, ¿cómo mediría la probabilidad previa de una hipótesis? Específicamente en el caso de la creación y la evolución. Y por cierto, la hipótesis de los duendes verdes es infalsable y ad hoc. Esa es una gran advertencia de que no debes tomarlo en serio.
@user8083 Modelo revisado: los duendes verdes no pueden ser invisibles, la única razón por la que nunca los he visto es porque pasan su tiempo en el centro de datos de la compañía de mi tarjeta de crédito en lugar de en la sociedad en general. Cualquier oración que comience con "Prefiero..." es muy difícil de falsificar, así como es difícil falsificar empíricamente que amo a mi esposa. Si me siento físicamente atraído por mi esposa es una pregunta científica que puede responderse, pero si la amo no lo es. La clave del enfoque bayesiano no es la probabilidad inicial, es la inclusión repetida de nuevos datos en el modelo. La falla solo estaba probando un resultado.
@ user8083 Tal vez prefiera esto, por ejemplo: Bayes favorece al confiado Colin, quien predijo en voz alta en 1960 que definitivamente habría un presidente negro en los EE. UU. en los próximos 50 años, sobre el probabilista Pete, quien dijo que la probabilidad de que los EE. 8% cada vez durante 50 años. Esa probabilidad coincide estrechamente con los hechos (1/12 elecciones), pero la teoría de Pete solo da un 64 % de probabilidad de que realmente suceda en ese momento, por lo que Bayes de un solo tiro dice que Colin gana. Bayes favorece las teorías que hacen predicciones correctas y seguras de resultados poco probables. P(T|O)=P(O|T)P(T)/P(O)
Para que quede claro, estoy usando la palabra improbable de manera intercambiable con infrecuente en esta parte de las estadísticas.
¡ Considere tomar discusiones más largas para chatear! :)
+1 para "la ciencia no afirma que A es cierto, etiqueta a A como un buen modelo para B". El resto de la respuesta es acertada, pero esa frase hace un gran trabajo al capturar un matiz muy importante y difícil de la ciencia en un lenguaje accesible para un profano.
"La ciencia no se trata de la verdad, se trata de la precisión". - ¿Precisión con respecto a qué? Si la ciencia "no se trata de la verdad", entonces la precisión tampoco importa.
@BenPiper Un modelo científico es mejor que otro cuando hace predicciones que hacen coincidir los datos observados con una mayor cantidad de decimales. Esto es precisión. Si el modelo es la verdad o no, es irrelevante; todo lo que importa es qué tan preciso es. Tanto la relatividad como la mecánica cuántica suenan bastante inverosímiles y se consideran insatisfactorias en el sentido de que no hay un modelo coherente que cubra ambas, por lo que parece que al menos una de ellas no es la verdad, pero eso no importa mucho, ya que encajan. los datos muy de cerca y son los mejores modelos que tenemos.
Comprendido. Estaba tratando de darle sentido al comentario a la luz de las declaraciones hechas por algunos miembros de la comunidad científica, por ejemplo, "La teoría de la gravedad es un hecho". Si la ciencia solo se preocupa por la precisión de un modelo frente a otro, entonces nadie puede usar la ciencia para proclamar algo como un "hecho".
@BenPiper De hecho. Aunque los propios científicos activos en investigación suelen estar más familiarizados con la naturaleza de verificación estadística basada en el consenso de aprobación de pares de la ciencia real, muchos seguidores de la ciencia parecen pasar por alto eso y tratar la ciencia como la verdad, toda la verdad y nada más que la verdad. Es un conjunto de modelos intrincadamente detallados, asombrosos, fascinantes, crecientes y cambiantes que son precisos en un grado que es uno de los mayores esfuerzos de la raza humana. No necesitamos convertirlo en rehén de futuros descubrimientos notables afirmando que es la verdad.

AndrewC tuvo una muy buena respuesta; sin embargo, quería agregar algunas cosas.

Al comenzar a comparar teorías, es mejor comenzar por observar sus suposiciones. En este caso, usted asume que tanto la teoría de la creación como la de la evolución son mutuamente excluyentes. La segunda suposición principal es que tienen las mismas probabilidades.

Cubriendo el primer punto, existen teorías creacionistas que no descartan la evolución. También hay teorías evolutivas que no descartan la posibilidad de una creación inicial. En otras palabras, hay un término medio entre los dos que no se tiene en cuenta en su aplicación del teorema de Bayes porque está comenzando desde un punto de vista muy simplificado.

Ignorando eso, el segundo problema tiene que ver con asumir que cada opción tiene la misma probabilidad. Esto es simplemente imposible de determinar. En el lado evolutivo, tenemos una cierta cantidad de evidencia física que se interpreta para tener un cierto significado. Este significado puede ser correcto, puede que no lo sea. Ciertamente, hemos tenido muchos casos en la historia en los que se hizo un "descubrimiento" científico que resultó ser completamente erróneo a medida que surgía nueva información, y hemos tenido muchos casos en los que la hipótesis inicial resultó ser lo más cercana a "establecerse". " como se pone. Sin embargo, en este caso particular, la ciencia todavía está aprendiendo sobre nuestro pasado: y hay lagunas. Las brechas no significan que la evolución sea menos válida, pero ciertamente significa que hay puntos que necesitan un mayor descubrimiento.

En el lado creacionista, ¿qué "prueba" podría haber aparte de que el creador descendiera y demostrara frente a una audiencia mundial cómo se formó el hombre? ¿Quizás encontrar un código de barras escrito a nivel atómico? Incluso si cualquiera de ellos sucediera, aún sería impugnado. En otras palabras, no tenemos una forma real de identificar lo que se creó frente a lo que se formó "naturalmente". Sin embargo, la ausencia de prueba no tiene sentido. Ahora bien, hay argumentos de complejidad irreductible sobre los que, francamente, no estoy ni remotamente calificado para opinar.

¿Cuál es la probabilidad de que la evolución sea el único medio por el cual surgió la vida en la Tierra? ¿Sigue siendo únicamente "evolución" si fue ayudado por alguna fuente externa, incluso algo tan inocuo como un asteroide golpeando el planeta? ¿Qué pasaría si ese asteroide fuera lanzado por una raza (o ser) súper inteligente que supiera que sería un catalizador para comenzar la vida? ¿Dónde trazamos la línea? Hay demasiadas preguntas aquí.

El punto es que no podemos asumir que cualquiera de las opciones tiene la misma probabilidad inicialmente porque, de hecho, hay más de dos opciones y esas áreas grises no son mutuamente excluyentes. Tampoco podemos asumir que las probabilidades son las mismas porque hay una enorme cantidad que no sabemos; que se ambigua aún más por los extremos de ambos lados que intentan reducir los argumentos de sus oponentes.


  1. ¿Es correcta esta prueba?

Tendría que decir que no, ya que la comparación que intenta hacer parte de suposiciones falsas.

  1. ¿Resuelve esto el problema de afirmar el consecuente no solo en el caso de la evolución, sino también cuando se trata de otras teorías/hipótesis?

De nuevo, no. Si "otras teorías" incluyen partir de supuestos falsos, entonces Bayes no te ayudará. Honestamente, también podemos sustituir "mi dedo gordo del pie" por 'E' y una "lata de spam" por 'C' y poder derivar exactamente la misma cantidad de significado de la ecuación.

+1 De hecho, sí, pasé por alto por completo cualquier tipo de proceso evolutivo creado/guiado, un (otro) agujero en el argumento.
El uso de probabilidades iniciales que surgen de la nada cuando se utilizan métodos bayesianos es una de las principales críticas que los estadísticos frecuentistas tienen a los estadísticos bayesianos, otro argumento que no muestra signos de ser resuelto, pero que podría/debería haber planteado.
Cuando tenga tiempo, me gustaría retomar el punto al que aludí en el comentario anterior y enumerarlo entre los errores más comunes, explicados en el contexto del método bayesiano como la suposición errónea de P(E y C)=0, junto con inválidamente comenzando con P(E)=0 o P(C)=0. Supongo que podría decir que solo no son válidos si está razonando estadísticamente, por lo que, para ser justos, esto es más un problema para alguien que intenta probar que no es C, particularmente porque parece que las presentaciones de ese argumento usan estas suposiciones con más frecuencia de todos modos .
Las probabilidades previas se determinan por simplicidad. En el caso que mencionas, de las teorías creacionistas que involucran la evolución; estas hipótesis tienen la desventaja de que son menos simples que la mera creación y la mera evolución. Asignamos probabilidades previas iguales a ambas hipótesis simplemente porque no tenemos ninguna razón para pensar que una hipótesis sea intrínsecamente más probable que la otra.
Te estás perdiendo el punto con respecto a la prueba. Solo usé la evolución y la creación como ejemplo. Pero, la idea era proporcionar un modelo estadístico para determinar qué hipótesis tiene una mayor probabilidad en una disyunción total de hipótesis. Esto requiere que: 1. Tengamos una disyunción total de hipótesis para algunas observaciones. 2. La hipótesis más probable es la que implica la observación y tiene una probabilidad mayor o igual que la probabilidad de todas las demás hipótesis.
@user8083: Estoy bastante seguro de que veo lo que está pasando. Comienza dando un ejemplo de una falacia de afirmar el consecuente. A continuación, indica que desea resolver este problema utilizando Bayes. Luego, comete exactamente la misma falacia en la configuración del teorema de Bayes al aplicar la falacia anterior y obtener el resultado completamente esperado. Luego, esto se ofrece como prueba de que de alguna manera ha resuelto algo.
Lo que estaba tratando de mostrar es que al comenzar con el pie izquierdo ignorando artificialmente las posibilidades conocidas (es decir, C también puede implicar H, lo que significa que H no es un determinante útil), ninguna cantidad de razonamiento matemático lo solucionará.
Nunca pretendo haber resuelto nada. Este es un intento de resolver un problema. Si definimos C como la afirmación de que "un ser omnipotente y omnisciente creó la vida y la diversidad en la tierra", no veo cómo eso podría implicar H, ya que (por definición de omnipotencia: Dios puede elegir hacer o no hacer lo que sea lógicamente posible) este ser puede optar por crear homologías o no.

Tomando el 'diseño inteligente' y la 'evolución' como hipótesis filosóficas sobre el origen de la vida; entonces las homologías en la naturaleza son evidencia para ambas hipótesis; pero, por supuesto, esta no es la única evidencia utilizada.

¿Por qué las homologías son evidencia de evolución en lugar de diseño común?

Mejor pregunta: ¿Por qué las homologías son una evidencia más sólida de la evolución que el diseño común?

Respuesta corta: la evolución (descendencia con modificación) predice y explica activamente las estructuras homólogas, y la falta de estructuras homólogas entre organismos relacionados sería una evidencia en contra de la evolución. En el mejor de los casos, una teoría del diseño común es compatible con las homologías, pero no predice ni requiere su existencia o falta de ellas (ya que un diseñador es libre de reutilizar patrones o comenzar de nuevo). Por tanto, las extensas homologías que encontramos en la naturaleza se consideran evidencias a favor de la evolución y son neutras respecto a un diseñador común.

Respuesta más larga:

Ha habido MUCHAS especies en nuestro planeta durante los últimos miles de millones de años. [ cita requerida ] Hace varios cientos de años, los humanos que estudiaban plantas y animales descubrieron algo realmente extraño: una jerarquía anidada de rasgos que sugería que había alguna forma objetiva de agrupar animales y plantas.

Por ejemplo: ¿Sabías que si miras a un animal con pelo o pelaje , el cráneo de ese animal tendrá una fenestra temporal , pero si el animal tiene escamas o plumas, el cráneo tendrá dos o (en el caso especial de las tortugas y tortugas) ninguna en absoluto?

La evolución depende de la herencia: la transmisión de características de una generación a la siguiente . Cada generación de una especie será en su mayor parte como la anterior, con solo ligeras diferencias. Una característica novedosa que surge en una población solo se verá en esa población y sus descendientes; no surgirá ni puede surgir exactamente de la misma manera en un linaje completamente separado, incluso cuando la convergencia fomentaría una similitud superficial.

Por ejemplo: los murciélagos son mamíferos (específicamente roedores) y han heredado el número básico y la disposición de los huesos que tienen todos los demás mamíferos. Cada hueso individual puede ser más grande o más pequeño que el hueso correspondiente en el esqueleto de otro mamífero, pero deberíamos encontrar muchas más similitudes que diferencias, y las similitudes deberían ser más fuertes entre las especies que están más estrechamente relacionadas . De hecho, esto es lo que encontramos: los huesos de las alas de murciélago son homólogos a los de nuestros brazos y manos.

El plan corporal básico que comparten los murciélagos, las ratas y los humanos se deriva de los primeros tetrápodos, y mirando a nuestro alrededor podemos ver que el plan corporal básico se ha conservado en gran medida. Sin embargo, si tuviéramos que observar un rasgo que surgió de forma independiente en diferentes linajes, por ejemplo, alas/vuelo , la evolución predice:

  1. Cada grupo que evolucionó al vuelo (murciélagos, pájaros y pterosaurios ahora extintos) tendrá una estructura esquelética formada por huesos que son homólogos a los otros grupos: murciélagos, pájaros y pterosaurios heredaron el mismo conjunto básico de herramientas esqueléticas de tetrápodos.
  2. Habrá diferencias significativas en la forma en que cada linaje se perfeccionó durante el vuelo; cada linaje habrá heredado su propio legado de mutaciones y presiones de selección para llegar a su diseño de ala actual; no hay 'retroceso', 'rehacer' o 'comenzar desde cero' opción disponible si la evolución es la única fuerza en juego.

Al examinar las diferentes estructuras de las alas, ¡esto es exactamente lo que vemos! Aunque los 3 linajes tienen alas , el diablo está, como dicen, en los detalles :

  • Los pterosaurios tienen alas construidas a partir de una extensión del quinto dedo ("dedo meñique") para crear un ala.
  • Los dígitos 3 y 4 en la 'mano' de un pájaro se han fusionado y alargado para crear el marco de sus alas, y las aves ya no expresan los dígitos 1 y 5.
  • Los murciélagos conservan los 5 dígitos 'distintos', con los dígitos 2 a 5 alargados y utilizados para hacer su ala.

Esta predicción de homología es bastante exclusiva de la evolución . Si las criaturas biológicas fueran diseñadas y creadas en algún tipo de taller, no hay razón por la que el diseñador se vea obligado a trabajar dentro de las limitaciones de la herencia.

En comparación, los automóviles son, claramente, objetos diseñados y fabricados. Los diseñadores pueden tomar prestadas ideas de otros modelos (lo que en biología se llamaría ' transferencia horizontal ') o reinventar radicalmente cualquier aspecto del vehículo. Cuando los ingenieros se sientan a diseñar el Volkswagen Beetle 2016, no hay nada que les impida mover el motor de adelante hacia atrás . Si los coches estuvieran sujetos a la evolución, un cambio tan radical sería imposible .

Volviendo a la idea de un diseñador común como hipótesis alternativa, nuestro conocimiento del diseño de otros campos hace que la dependencia estricta observada en estructuras homólogas y la falta simultánea de transferencia horizontal y rediseños de regreso al tablero se combinen para ser débiles. evidencia en contra de esta hipótesis. Este 'diseñador común' no se está comportando de ninguna manera como ningún diseñador que conozcamos.

La homología es solo una de las muchas líneas de evidencia que nos llevan a la conclusión de que la teoría de la evolución es una descripción mayoritariamente correcta de la diversidad biológica.

Algunas notas sobre tu pregunta.

(1) Asignas probabilidades a las teorías, lo cual no tiene sentido. Las probabilidades son números específicos que obedecen al cálculo de probabilidades. Se hacen a la luz de explicaciones que dan cuenta de por qué las probabilidades tienen los valores específicos que tienen. Como resultado, las explicaciones no tienen probabilidades. Una explicación es verdadera o falsa. Una explicación puede decir que algún evento específico E tiene alguna probabilidad p(E) y si la frecuencia relativa de E difiere de p(E) eso es un problema para la teoría.

(2) Muchos partidarios de la evolución pueden pensar que las homologías estructurales y genéticas respaldan sus teorías. Se equivocan porque el apoyo no existe. En realidad, no puede probar ninguna posición o demostrar que es probable, es decir, apoyarla. Cualquier argumento requiere premisas y reglas de inferencia y no prueba (o hace probable) esas premisas o reglas de inferencia. Si va a decir que son evidentes, entonces está actuando de una manera dogmática que le impedirá detectar algunos errores. Si no dice que son evidentes, entonces tendría que probar esas premisas y reglas de inferencia mediante otro argumento que plantearía un problema similar con respecto a sus premisas y reglas de inferencia.

(3) El conocimiento se crea detectando un problema con alguna idea actual, adivinando soluciones a ese problema, criticando las conjeturas hasta que solo quede una y luego buscando un nuevo problema con esa solución. A la luz de esto, las homologías son relevantes para juzgar si se debe adoptar la evolución o el diseño inteligente.

Si la evolución biológica es verdadera entonces debería haber homologías estructurales y genéticas y si tales homologías no existen la teoría es falsa. Así que buscando homologías tales pruebas evolución y evolución ha superado esa prueba. La existencia de tales homologías es un problema que la evolución ha resuelto.

¿Qué pasa con las teorías del diseño? Las teorías del diseño no predicen absolutamente nada acerca de las homologías estructurales o genéticas. El diseñador podría haber diseñado cada especie con un código genético diferente, algunas especies podrían usar ADN, otras podrían usar información almacenada en una unidad flash en forma de archivo de texto, y otras podrían almacenar la información en forma de un programa escrito en Clojure, Common Lisp, Ruby, Python o C++. Podría haber creado cada espécimen de cada especie con los planos que posee para que ninguna especie tuviera un código genético. Un diseñador podría haber construido carreteras y fabricado todas las especies con ruedas. Y eso es solo un diseñador que actúa de acuerdo con las leyes de la física. Si postulamos que dios fue el diseñador, la situación empeora aún más. Dios podría haber diseñado las leyes de la física para que fueran lo que quisiera. Así que no hay restricción sobre lo que Dios podría hacer. Las teorías del diseño no seleccionan ningún estado de cosas en particular como el único estado de cosas posible, por lo que no explican nada. Como resultado de esto, tampoco predicen nada y ninguna predicción puede considerarse una prueba de cualquier teoría de diseño.

Para más información sobre epistemología, consulte "El realismo y el objetivo de la ciencia" de Karl Popper. Para obtener más información sobre muchos de los temas de esta pregunta, consulte "The Beginning of Infinity" de David Deutsch, especialmente los capítulos 1, 4 y 13.

“Le asignas probabilidades a las teorías, lo cual no tiene sentido. Las probabilidades son números específicos que obedecen al cálculo de probabilidades. Se hacen a la luz de explicaciones que dan cuenta de por qué las probabilidades tienen los valores específicos que tienen”. No. Estoy asignando probabilidades a las hipótesis.
Estoy usando el término teoría como sinónimo de hipótesis. Puede sustituir la hipótesis si lo prefiere.
Bueno. No veo por qué no podemos asignar probabilidades a las hipótesis. Cada hipótesis tiene una plausibilidad previa (probabilidad). Ha definido qué es una probabilidad, pero no veo cómo eso haría que la asignación de probabilidades a la hipótesis no tenga sentido.
@alanf Parece que se opone en principio al método iterativo bayesiano para refinar las probabilidades. El movimiento frecuentista (incluido Fisher) se opone por razones similares. Los frecuentistas pueden tener más "derecha", pero los bayesianos son más empricos.
El teorema de Bayes es un enunciado correcto sobre probabilidades de eventos, no de teorías. Si no conoce la probabilidad de algún tipo específico de evento y quiere encontrarlo, el teorema de Bayes puede ser útil si tiene la explicación adecuada. Pero es imposible asignar probabilidades a las explicaciones porque una explicación es un relato de cómo funciona la realidad y tal relato es necesario para encontrar probabilidades. No soy frecuentador. Consulte "The Beginning of Infinity" de David Deutsch, Capítulo 8, o este vimeo.com/5490979 que tiene una parte sobre probabilidad.
Las explicaciones son causas. Las causas son eventos. Por lo tanto, no veo ningún problema en asignar probabilidades a las explicaciones.
Las explicaciones no son causas: son relatos de lo que se obtiene en la realidad y por qué. Una explicación causal se trata de causas: se trata de qué relaciones causales se mantienen y por qué. Un evento puede causar otro evento, pero no lo haría a menos que se mantengan ciertas relaciones causales y tales relaciones no sean eventos, por lo que la afirmación de que las causas son eventos es un engaño. Las probabilidades son descripciones de algunos aspectos de lo que se obtiene en la realidad, por lo que una probabilidad solo puede asignarse a la luz de una explicación, no puede asignarse a una explicación.
Hm, no... Por favor, dame un ejemplo de una explicación no causal. E incluso si hay explicaciones no causales, la evolución es una explicación causal, es decir, la evolución provoca homologías. Y la evolución es un acontecimiento. Lo mismo ocurre con la creación.
Un ejemplo de explicación no causal 1+1=2.
La evolución no es un evento, o una causa. En cualquier parte del universo donde los genes experimentan variación y selección, tiene lugar la evolución. Entonces, no hay una región limitada del espacio-tiempo que pueda señalar que es la única región donde ha tenido lugar la evolución, ya que podría ocurrir en otro lugar, por lo que no es un evento. La evolución tampoco es una causa, es una explicación del tipo de causas que pueden conducir a la complejidad biológica. La creación tampoco sería un evento porque también pretende explicar las condiciones bajo las cuales puede surgir la complejidad biológica.
¿Cómo es 1+1=2 una explicación?
Dos problemas. Primero, 1+1=2 es un sustituto de cualquier resultado matemático. Las matemáticas no causan nada, simplemente se trata de enunciar ciertas relaciones abstractas e involucran explicaciones no causales. En segundo lugar, 1+1=2 es una explicación nada trivial, razón por la cual se debe enseñar a las personas que 1+1=2 y por qué algunas personas tienen problemas para aprenderlo. Por ejemplo, tienes que entender algo sobre la idea de un número, del número 1, el número 2, la operación de suma y cómo se relacionan esas ideas entre sí.
Sí, pero eso no responde a la pregunta. Si 1+1=2 es una explicación, ¿de qué es una explicación? Una explicación es una respuesta a una pregunta de 'por qué'. No tendría ningún sentido preguntar '¿por qué es 1+1?' o 'por qué es 1+1=2.' Entonces dime, ¿qué explica 1+1=2?
Tiene sentido preguntar por qué 1+1=2. La respuesta tiene que ver con propiedades de los enteros en general, propiedades del 1 y 2 en particular y propiedades de la operación +.
Sí, pero en ese caso "1+1=2" no es la explicación, es lo que estás explicando (por las propiedades de 1 y 2 y las propiedades de la operación).
Se podría decir eso, pero la explicación de por qué 1+1=2 seguiría siendo no causal.
De acuerdo, te concedo que hay explicaciones no causales. Pero esto no hace que no tenga sentido asignar probabilidades a las hipótesis. Consulte este artículo de Elliot Sober joelvelasco.net/teaching/3865/sober-bayesianepistemology.pdf Debe asignar probabilidades a las hipótesis para dar sentido a nociones como confirmación evidencial, refutación evidencial e irrelevancia evidencial.
La evidencia no prueba que las ideas sean verdaderas ni aumenta su probabilidad, por lo que la confirmación es imposible. La evidencia puede ser relevante para una idea simplemente contradiciéndola sin asignar probabilidades a las teorías involucradas. La evidencia puede ser irrelevante en virtud de que su idea no hace ninguna predicción al respecto. La teoría de la evolución no hace predicciones sobre la masa del bosón de Higgs. Dado que asignar probabilidades a las teorías es innecesario para evaluarlas y ha sido criticado, debe descartarlo.
Esa es una simple afirmación. Dado que la teoría de la evolución no hace ninguna predicción sobre la masa del bosón de Higgs, su probabilidad no se ve afectada por el bosón de Higgs, por lo que p(E|HB)=P(E) (donde 'E' representa cualquier afirmación sobre evolución, y 'HB' cualquier afirmación sobre la masa del bosón de higgs) y viceversa P(HB|E)=P(HB). La confirmación solo es imposible si no puede asignar probabilidades a la hipótesis, pero aún no lo ha demostrado.
Si la hipótesis contradice la observación, podemos decir que la hipótesis implica la negación de la observación. entonces P(H|O)<P(H) (siempre que P(H)>0) lo que por definición significa que O es evidentemente relevante para H.
Las probabilidades son números. Tiene que haber alguna cuenta de dónde vienen los números. Pero se supone que esos números están unidos a abstracciones que hacen afirmaciones sobre la totalidad de la realidad física. (Incluso las matemáticas hacen esto, ya que los objetos físicos no pueden violar las verdades matemáticas). Así que no hay ningún lugar del que provengan los números. Y en todo caso son innecesarios e indeseables a la luz de la crítica al justificacionismo que no has abordado.
Si cree que la justificación no es binaria, es decir, hay grados de justificación y, por lo tanto, algunas hipótesis pueden tener MÁS justificación que otras hipótesis, entonces automáticamente está asignando una probabilidad a esa hipótesis. Además, una forma de asignar probabilidades a las hipótesis es 'medir' su simplicidad en comparación con otras, y ver cuáles tienen menos afirmaciones. No hay manera de dar sentido a los grados de justificación sin el uso de probabilidades.
La justificación es imposible, consulte la filosofía.stackexchange.com/questions /77/…
Si la justificación es imposible, ¿por qué te adhieres al justificacionismo? (si lo haces).
Yo no. Consulte la respuesta a la que me referí para obtener una breve descripción de cómo se crea el conocimiento.

El principal problema con el argumento está en la primera línea:

Entonces, si tenemos dos hipótesis mutuamente excluyentes y conjuntamente exhaustivas , con probabilidades previas iguales, digamos, evolución y creación ("E" y "C"), y una observación, digamos, homologías (H) si una de las hipótesis implica la observación , esa hipótesis es más probable, dada la observación, que la hipótesis que no implica la observación. Más formalmente:

1) P(E o C)=1 [énfasis mío]

Alvin Plantinga plantea dudas de que "E" y "C" sean "hipótesis mutuamente excluyentes y conjuntamente exhaustivas". En lugar de que la evolución sea inconsistente con la creencia cristiana, afirma: (página 12)

Lo que no es consistente con la creencia cristiana, sin embargo, es la afirmación de que este proceso de evolución no tiene guía , que ningún agente personal, ni siquiera Dios, lo ha guiado, dirigido, orquestado o moldeado.

Por lo que es dudoso que P(E o C) = 1. Necesitaríamos dos hipótesis contradictorias como la siguiente:

  • La evolución es guiada.
  • No se trata de que la evolución sea guiada.

Sin embargo, ambas hipótesis implicarían la misma evidencia de homología .


Plantinga, A. (2011). Donde radica realmente el conflicto: ciencia, religión y naturalismo. OUP EE.UU.