Scientific Understanding Without Explanation. La Comprensión Científica en Ausencia de Explicación

Abstract

[eng] This thesis challenges a central tenet in the philosophy of science: that explanation is necessary for scientific understanding. While explanatory accounts of understanding dominate philosophical discourse, they seem ill-suited for analyzing scientific cases where explanation is absent. This thesis argues that genuine scientific understanding of a phenomenon is possible, even when scientists lack a comprehensive explanation of it. The thesis explores this claim through three detailed case studies. The first examines Ludwig Prandtl's intuitive grasp of flow separation, achieved prior to his formalization of the boundary layer theory. The second analyzes how the IHME COVID-19 model provided valuable predictions about the pandemic's trajectory that guided actions and informed decisions. The third investigates how AlphaFold, a deep neural network, achieves remarkable success in predicting protein structures without simulating the physical processes of protein folding. Each case study highlights a distinct aspect of scientific understanding without explanation. Prandtl's work demonstrates the role of intuitive grasp and visualization in achieving understanding prior to formulating an explanation. The IHME model exemplifies how understanding can arise from purely descriptive regularity patterns, even in the absence of causal representation. AlphaFold reveals how predictive accuracy, grounded in empirically based assumptions, can constitute a form of understanding even when causal mechanisms remain opaque. The thesis concludes that scientific understanding without explanation is not only possible but also constitutes a significant epistemic achievement. Recognizing this form of understanding requires a re-evaluation of our traditional epistemic standards and expands our view of the aims of scientific inquiry and the diverse ways in which scientists understand the world.

[spa] Esta tesis desafía un principio fundamental en la filosofía de la ciencia: que la explicación es necesaria para la comprensión científica. Si bien las concepciones explicativas de la comprensión dominan el discurso filosófico, parecen poco adecuadas para analizar casos científicos donde la explicación está ausente. Esta tesis sostiene que es posible una auténtica comprensión científica de un fenómeno, incluso cuando los científicos carecen de una explicación exhaustiva del mismo. La tesis explora esta afirmación a través de tres estudios de caso detallados. El primero examina la captación intuitiva de Ludwig Prandtl sobre la separación del flujo, lograda antes de su formalización de la teoría de la capa límite. El segundo analiza cómo el modelo COVID-19 del IHME proporcionó valiosas predicciones sobre la trayectoria de la pandemia que guiaron acciones e informaron decisiones. El tercero investiga cómo AlphaFold, una red neuronal profunda, logra un éxito notable en la predicción de estructuras proteicas sin simular los procesos físicos del plegamiento de proteínas. Cada estudio de caso destaca un aspecto distinto de la comprensión científica sin explicación. El trabajo de Prandtl demuestra el papel de la captación intuitiva y la visualización en el logro de la comprensión antes de formular una explicación. El modelo del IHME ejemplifica cómo la comprensión puede surgir de patrones de regularidad puramente descriptivos, incluso en ausencia de representación causal. AlphaFold revela cómo la precisión predictiva, fundamentada en supuestos basados empíricamente, puede constituir una forma de comprensión incluso cuando los mecanismos causales permanecen opacos. La tesis concluye que la comprensión científica sin explicación no solo es posible, sino que también constituye un logro epistémico significativo. Reconocer esta forma de comprensión requiere una reevaluación de nuestros estándares epistémicos tradicionales y amplía nuestra visión de los objetivos de la investigación científica y las diversas formas en que los científicos comprenden el mundo.