Leidy Tatiana Bautista Acosta

Código: 2300000866

INFORME EL LIBRO DEL PORQUÉ

El presente informe tiene como objetivo explorar y analizar el contenido del capítulo
introductorio de "El libro del porqué: La nueva ciencia de la causa y el efecto"

Los autores abordan el tema de la causalidad y su impacto en el progreso científico y

tecnológico. En este capítulo argumentan que la causalidad es un elemento esencial para
comprender el mundo y abordar problemas complejos en diferentes disciplinas. El objetivo
de este informe es explorar y analizar los conceptos fundamentales presentados en el libro,
resaltando su relevancia en la investigación científica y el análisis cuantitativo.

El objetivo del capítulo introductorio es sentar las bases para comprender la importancia y el
papel fundamental de la causalidad en la ciencia y el razonamiento cuantitativo. Los autores
buscan persuadir al lector de que el enfoque causal es esencial para una mejor
comprensión del mundo y para abordar los desafíos que enfrentamos en la investigación
científica y la toma de decisiones.

A lo largo del capítulo, los autores enfatizan la importancia de la pregunta "¿Por qué?" en
nuestras mentes y cómo el enfoque causal es un lenguaje natural que utilizamos para
explicar y entender el mundo que nos rodea.

Nos dan un recorrido por la historia de cómo en la ciencia, la causalidad ha sido un tema
complejo y controversial. Los investigadores a menudo han luchado por establecer
relaciones causa-efecto y han dependido en gran medida de la estadística para inferir
conexiones, pero sin abordar el concepto de causalidad de manera explícita, lo cual ha sido
un obstáculo para el progreso científico y ha limitado nuestro entendimiento y desarrollo
para la inteligencia artificial pues resaltan el papel crucial que la causalidad desempeña en
la creación de máquinas que pueden razonar, aprender y tomar decisiones basadas en una
comprensión más profunda de las relaciones causa-efecto.

Principales aspectos tratados

La importancia de la causalidad: Los autores resaltan cómo el enfoque causal es esencial

para responder a la pregunta "¿Por qué?". Mediante la causalidad, podemos comprender
los procesos que hay detrás de los fenómenos que observamos, lo cual nos permite tener
una visión más completa y precisa del problema.

En la investigación científica, utilizamos la causalidad para desarrollar modelos y teorías

que explican cómo funciona el mundo. Estos modelos nos permiten hacer predicciones y
entender cómo ciertos cambios pueden influir en otros aspectos.
Causalidad en la inteligencia artificial: Se explora cómo el enfoque causal puede ser crucial
en el desarrollo de sistemas de inteligencia artificial capaces de razonar y aprender de
manera más efectiva. La causalidad se convierte en una herramienta poderosa para mejorar
la capacidad de las máquinas de comprender y predecir fenómenos.

El papel de la causalidad en la historia: Se examina cómo la causalidad ha sido un tema

complejo y a veces controvertido en la investigación científica, y cómo su ausencia ha
limitado nuestro avance en la comprensión del mundo.

Diferencias entre el conocimiento cotidiano y el científico: Los autores hacen énfasis en las
distinciones entre el conocimiento basado en la experiencia diaria y el conocimiento
científico respaldado por experimentos y pruebas rigurosas.

Otro aspecto importante en donde se resumen varios aspectos claves es el gráfico del
“motor de inferencia”

De este podemos entender que:

● El conocimiento es todo lo que hemos aprendido y experimentado en nuestra vida,

como lo que hemos visto, hecho, aprendido en la escuela o escuchado de otras
personas y que consideramos importante para responder preguntas.

● Cuando los científicos estudian algo, hacen suposiciones y establecen ideas

fundamentales basadas en lo que saben. Estas ideas se ponen en un modelo, como
un dibujo o esquema, mientras que otras cosas que saben se quedan en su mente.

● Para entender cómo están relacionadas las cosas, podemos usar diagramas que
muestran qué causa qué. Por ejemplo, si queremos saber si un medicamento afecta
la vida de los pacientes, dibujamos una flecha desde el medicamento hacia la vida
para mostrar esa posible relación.
 ● Al hacer experimentos o recopilar datos, podemos verificar si las cosas suceden de
acuerdo con nuestro modelo. Estas verificaciones nos ayudan a comprobar si
nuestro modelo es correcto o si necesita cambios.

● Cuando hacemos preguntas sobre cómo las cosas se afectan mutuamente, usamos
un lenguaje que se enfoca en las causas y efectos. Esto nos ayuda a obtener
respuestas claras y precisas.

● Estimando es como seguir una receta matemática para responder preguntas

específicas usando los datos que tenemos. Es importante saber si nuestras
preguntas pueden ser respondidas con la información que tenemos o si necesitamos
más datos o ajustar nuestro modelo.

● Los datos son la información que recopilamos para responder nuestras preguntas.
Los datos en sí mismos no saben sobre las relaciones causales; necesitamos usar
métodos adecuados para entender lo que significan.

● Como los datos son limitados, siempre hay algo de incertidumbre en nuestras
respuestas. La estadística nos ayuda a manejar esta incertidumbre y hacer nuestras
conclusiones más confiables.

● Si nuestro modelo y datos son correctos, podemos obtener respuestas sobre cómo
ciertas cosas afectan a otras. Estas respuestas se convierten en parte de nuestro
conocimiento y nos guían para futuras investigaciones.

El enfoque causal en nuestros análisis cuantitativos es esencial porque nos permite

comprender no sólo las relaciones estadísticas, sino también las conexiones causales que
pueden surgir entre variables. Al establecer un enfoque causal, podemos obtener una
comprensión más profunda de los fenómenos que estamos estudiando y mejorar la
precisión y efectividad de los modelos predictivos. Lo cual puede tener un impacto
significativo en la toma de decisiones en diversas áreas.

En la revolución de la analítica de negocios en la actualidad, el profesional en ciencias

económicas tiene un papel crucial en la adopción del enfoque causal en el análisis de datos.
Al comprender y aplicar conceptos de causalidad, los profesionales pueden identificar las
relaciones causales que impulsan el rendimiento empresarial, ayudando a las
organizaciones a tomar decisiones más informadas y estratégicas. Además, al abordar
problemas complejos con un enfoque causal, los profesionales pueden mejorar la eficiencia
operativa y maximizar los recursos disponibles.

Al finalizar la lectura del capítulo introductorio el mayor resultado de aprendizaje obtenido es

que los datos no son suficientes ya que carecen de toda inteligencia pues son las fuerzas
de causa y efecto que actúan en nuestro entorno y dan forma a los datos , es por lo tanto
entonces que los datos por sí mismos son del todo incapaces de comprender las causas y
efectos.