Lógicas Plurales e Inteligencia Artificial: Un Enfoque Neutrosófico para el Análisis Causal

Este artículo propone un marco de pluralismo lógico aplicado al análisis causal en inteligencia artificial (IA) y ciencias sociales. Basado en la tesis pluralista de que no existe un único concepto monolítico de causalidad, sino una familia de conceptos relacionados, confrontamos la premisa humeana de que “no observamos la causalidad” con el contraargumento de Anscombe de que, de hecho, percibimos acciones causales como empujar, golpear y cortar. Sobre esta base, presentamos un estudio ilustrativo que compara el Análisis Comparativo Cualitativo de conjuntos nítidos (csQCA), el de conjuntos difusos (fsQCA) y el neutrosófico (nQCA). De esta comparación, derivamos implicaciones metodológicas y sustantivas. Metodológicamente, encontramos que: (i) la dicotomización estricta (csQCA) puede subestimar las relaciones causales; (ii) la pertenencia gradual (fsQCA) captura más eficazmente la fuerza y relevancia empírica; y (iii) la descomposición neutrosófica (nQCA) considera explícitamente la verdad, la indeterminación y la falsedad, ofreciendo así un diagnóstico pluralista de la relación causal. Enriquecemos aún más este análisis incorporando una visión pluralista de la causalidad, que abarca la producción mecánica, la diferencia contrafactual, las capacidades/disposiciones y los mecanismos.