View
227
Download
1
Category
Preview:
Citation preview
El USO de sistemas expertosen la interpretación declasificaciones estadísticasmultidimensionales.
JuanA. BareelóC.N.R.S.Unité PropredeRecherchesNo. 315. 23 RueduMaroc.75940 Paris.
Resumen
La investigaciónquesepresentaconsiste,básicamente,enel estudiodeviabilidad de unaBasede Conocimientosqueformalizael dominiocientífico dela InteraccióneIdentidadSociales;másconcretamente,elusodelosobjetoso artefactos«sociotécnicos»comosímbolosdeclase.Lo quesepretendees programar un Sistema Experto que simule elcomportamientode tal BasedeConocimientos.Lesdatosdeentradasonlos resultadosdeunaClasificaciónAutomática(métododelasEscalasMultidimensionales),y losdatosdesalida constituyen la «interpretación»conceptualde losdatosmatemáticosdeentradaentérminosde los conceptosimplementadosen la BasedeConocimientos,la cualpuedeser descritacomo una Basede Datos activa, con reglasdeductivasasociadas.Elpropósitogeneraldela investigaciónes estudiar la forma en que usamosteoríasparcialmenteestructuradas(sin conexionescausales)para ohienerunaTeoríadeladescripción,y cómoesaTeoríadelaDescripciónmodificala TeoríaCientífica propiamentedicha.
1. Introducción
El principal objetivo de esteProyectode Investi-gación(provisionalmentebautizadoEXCALIBUR)es el de presentarun método para «utilizar» lasClasificacionesEstadísticasMultidimensionales.
Los científicosqueestudianlos elementosinte-grantesde la Cultura Material desconocen,por logeneral,las reglasque,a partir deun dendrograma,un diagramade dispersión,o cualquierrepresenta-ción geométricade laSimilaridadentreesosmismosobjetos, conducena un enunciadoconceptualointerpretativo.Porejemplo,desconocemosquérela-ción concretapuedeexistir entre el conceptodeEstratificaciónSocialy lasrelacionesdeSimilaridadentrelos itemssociotécnicosqueexpresanla identi-daddeclaseen unaSociedadestratificada.
En cienciassociales,losconceptosinterpretativosno adoptanla formade leyesmatemáticas,como enFísica.Ello es debido,probablemente,a su enormecomplejidad:unaecuacióncon un númerofinito devariablesquizásno bastaráparaexpresarla poten-cialmenteinfinita variedaddefactoresqueafectanalaconductasocial.Ahorabien,estehechono debierallevamos,automáticamente,aldespreciodelmétodocientíficoy delaObjetividad,comohayquienpropo-nc (véase,entreotros,HODDER, 1986;SHANKS yTILLEY, 1987a,1987b):losconceptosinterpretativosno sólo puedenestarexpresadoslógicamente,sinoque inclusodebenserformuladosasí.Otra cuestiónesqué lógicaemplear,temaqueno abordaréenestearticulo (cf. BARCELO, 1991).
JuanA. Barceló.complu~um,1 (i991), Madrid (pp. 41-SI).
42 Juan A. Barceló
Todoestono debierahacernosolvidar la utilidadde las matemáticasen la representaciónde ciertosconceptos,porejemplo,elyacitadodelaSimilaridad(OSHERSONy SMITH, 1981;OSHERSON,1987;SMITH y OSHERSON,1989; NAOAO, 1985;FESTA, 1987; BARTHELEMY y GUENOCI-IE,1988), ola Diversidad(LEONARD y JONES,1989;SCHO’rr, 1989). En realidad,comoveremosmásadelante,setratade enunciadosrelacionalesdemuybajoniveldegeneralidad,portanto,expresadosenunlenguajeobservacional,cosaquenoesposibleenlosConceptosinterpretativosdealto nivel. Constituyenunafonnade describirla aparienciaexternade losfenómenos,haciendoposiblela interpretacióncomoun pasosubsiguientedel análisis.Proporcionanloque llamaremosunidadesdeinformación
2. Interpretacióny significado
Porinterpretaciónentiendoel procedimientoquepermite asociar a unas unidadesde informaciónempíricasconcretas(datos)un conceptoo unidaddesignificación.En nuestrocaso(el estudiodela Cul-turaMaterial)estasunidadesde significaciónrepre-sentaránel contextodeuso(tecnómico,sociotécnicoy/o ideotécnico)delobjeto,asícomolascondicionesdevalidezdel enunciadocientífico queexpreseesascondicionesdeuso.
Los factoresqueafectanel significadodela Cul-turaMaterial son,por tanto:
El Conocimientoprevioquetienedeellael cien-tífico y la ComunidadCientíficaala quepertenece.Esteconocimientoes,dehecho,un modeloo repre-sentacióndel contextodeusode losobjetos(TeoríaCientífica).
El Contextorealdeusodel objeto(conocidoo pordescubrir).
Lascondicionesdevalidezdela TeoríaCientífica,propuestaspor el investigadory aceptadaspor suscolegasmientrasla Teoríademuestresu utilidad.
Las unidadesde significaciónno se encuentrandefinidasenelobjeto,esdecir,noformanpartedesuspropiedadesintrínsecas;de ahí que el procesodeinterpretaciónno puedaser reducidoa una meraextraccióndela informacióncontenidaenlaspropie-dadesobservablesdel objeto, sino que podemosdescribirlo como una argumentación(inferencia)científica.
Seapreciafácilmentequeenel enfoqueadoptadoaquíla«interpretación»es,dehecho,lacontrastaciónparticular de un Conocimientogeneralprevio, sin
preocuparnos,de momento, por la procedenciadeeseConocimiento.Volveremosmástardesobreeste
punto.Así pues,las unidadesde significaciónquecon-
figuran el Conocimiento aparecencaracterizadasffincionalmeníe,en términos de lo que haceno deparalo quesirven y no en términosdesu aparienciafísica(NEWELL, 1982;LEVESQUE,1984).Elcon-juntode esasunidades,unavezordenado,formaunSistemaContingentedeConocimientoque hacelasvecesdemodelointerpretativoaun fenómeno.Tal esasíque,paracomprendercualquierfenómeno,nece-sitamosimperativamenteesasunidades;constituyenunaespeciede«diccionario»queponeenrelaciónunconjuntodeconceptosy suscorrelacionesempíricas.Lasunidadesde significación son,pues,primitivasdel Sistema,y no el resultadode unos cálculosempleadosa partir de ciertosvalores observadosempíricamente.
3. InterpretaciónasistidaporOrdenador
Un sistemadeInterpretaciónasistidoporOrdena-dor noesmásquela implementacióndeunaBasedeConocimientosy el conjunto de reglaspara trataresosConocimientosordenados.Loscomponentesdeun tal Sistemason:
Especificacióndel objetivo de la investigación:proporcionarlas condicionesdevalidezparatodoslos contextosdeusoposiblesenesaBasedeConoci-mientosespecífica.
Esteobjetivoescumplidoporinediodeunlengua-je de alto nivel (programade ordenador)con unaSINTAXIS y unaSEMANTICA específicas.
La Sintaxis está formulada en términos de unsistemade reglasqueespecificancómosederivanyrelacionanentresilosconceptosy susvínculosconlos datosde encrada.Esasreglaspuedenexpresarsematemáticamente(ecuaciones)o lógicamente(pro-posiciones).
La Semánticano se formula directamenteen tér-minos de cadauno de los conceptospredefinidos,sino basándoseen el Análisis queproporcionanlasreglassinláccicasencada uno deesosconceptos.
¿Cómofuncionatal Sistema?No comoun cálcu-lo lógico abstracto,sinopor mediodeunaconexiónexplanans/explanandumbasada,exclusivamente,enel conocimientoimplementadoenelSistema.Lasemánticadel Sistemahadeestarconstruidacomounasecuencíafinita de reglasde producción(Si xentoncesy) queasignanexpresionesconceptuales
a lasobservaciones,basándoseenel contextointer-no del Sistema.Se tratadel mismo mecanismodeunaMemoriaAsociativa(o memoriadirigida porelcontenido)que respondeal problemasiguiente:¿acasoestaunidadde informaciónestácontenidaen la memoria?Si escierto,en dóndey quéunida-des de significaciónasociadaspuedendesencade-narse.Esdecir, estamemoriaalmacenanumerososparesasociados[estimulo-respuesta]en losque losestímulosson un conjunto especificode atributosclavey lasrespuestassonlosconceptosinterpretativosactivados por esos atributos (SOWA, 1984;GRAESSER y CLARK, 1985; STEPP yMICHALSKI, 1986; HOLLAND et al., 1986;ABELSON y LALLJEE, 1988; LINDSAY, 1988;SHASTRI, 1988).En otraspalabras,la interpreta-ción «automática»procede por asimilación delexplanansen una estructurade conocimientopredefinida (explanandunj.La interpretacióndeun objetoserá,entonces,aquéldelosconceptosquemás le sea aplicable, de acuerdo con un ciertocriteriodeoperacionalidad,tambiénimplementadoen el sistema (CLANCEY, 1985; SAMMUT yBANERJI,1986;NIEMANN, 1988;VOGEL, 1988).
Precisamentea causadeestehecho,losconceptosinterpretativostienenunaestructuraparticular,divi-didaenestructurainternay externa(cfr. OSHERSONy SMITH, 1981; ARMSTRONG et al., 1983;MURPHY y MEDIN, 1985;WAII17ENMAKER etal.,1988;MICHALSKI, 1989;MEDIN y ORTONY,1989).La estructurainternaestáconstituidapor sucontenidoeninformación(las «unidadesde signifi-caciónasociadas»en la MemoriaAsociativa), queprocededeunaTeoríaCientíficaconsideradaválida.Porejemplo,la estructurainternadeconcepto«Con-trol Social»estaráformadaportodo lo quesabemosacercade esa forma de interacción social y quepodamosexpresarenproposiciones.Porsu parte,laestructuraexternadel conceptoestáformadapor elprocedimientodeidentificación;enel ejemploante-rior, quérelacionesdeSimilaridadmantienenentresílos objetossociotécnicosquesimbolizanlaidentidad
de las clasessocialesen una comunidadhumana,paraque podamosconcluir la existenciaen ella deControl Social.
La Arquitecturageneralde esteSistemano debeservistacomounareivindicacióndeladeducciónporencimade la inducción,sino comoreconocimientode la importanciadel Conocimientoprevio en todoprocesode inferencia.Estehechoha sido reciente-mente subrayadopor numerososinvestigadores(MICHALSKI, 1983;HOLLAND et al., 1986).
Ahorabien,¿quérelaciónexisteentrelaestructuraexternay la estructurainternade los conceptosounidadesde significación?Se podrápensarque elprocedimientodeidentificacióndeunconceptohadesernecesariamentededucidode las informacionesasociadasaeseconcepto.Es fácil verqueéstaopciónnoesválida: la deducciónes,fundamentalmente,unprocedimientode sustituciónde unasexpresionespor otraslógicamenteequivalentes.La forma es:
C- >P=Q
queafirmaquela expresiónPsustituyela expresiónQ si sepuedeprobarquela expresiónCesverdade-ra,estoes,queesunteoremadelsistema(BROWN,1986). Esta condición de «verdad»es Universal,porquela activaciónde C enun SistemaFormalnodependedel contenidodel Sistema,sino de unasreglasdetransformaciónválidasencualquiercontex-to. Masno existen,en la prácticacientífica,reglassintácticasuniversales(ni en nuestradisciplina,nienningunaotra).Si másno, unadelas limitacionesde la «universalidad»de C es que dependedelpropósitoconelcualusamosel Sistema(el criteriodeoperacionalidadantescitado):esepropósitoestátambiénimplementado,dealgúnmodo,enelproce-dimiento de identificación del concepto inter-pretativo.
Por consiguiente,lo quenosinteresano sonlasreglassintácticasde formación de los conceptos,sinolabúsquedadereglasdemanipulaciónsemántica,así como las reglas que traducenla aparienciaexternadelosobjetosenla estructurasemánticadelSistemade Interpretación.Necesitamospropieda-des semánticasque identifiquensignificados,y nosólo propiedadessintácticasque caractericenlosprocedimientosde identificación en «abstracto»(RITCHIE, 1980; WINOGRAD, 1980a, 1980b y1983;GRAESSERy CLARK, 1985;ROSEN,1987;MOSS, 1989).
En resumen,el significadoesun productomanu-facturadocuyamateriaprima esla información.Enestesentido,el significadohadeserextraído,deriva-
do,creadoo impuestode algúnmodoa partir de laordenaciónmatemáticadelosartefactosy decodoelconocimientodisponible.En otraspalabras:
<‘to know che meaningis tobe ablecaconstructroutinesthat involve theconceptin an appropiateway, that is, rautinesthat take advantageof theplace [chedaca]occupyin an organizedsystemofconcepts»(MILLER y JOHNSON-LAIRD, 1976:128).
Juan A. Barceló44
4. Operadoresmatemáticosy Operadoreslógicos
La traducción de las estructurasaparentes(observacionales)en sistemasorganizadosde con-ceptos(unidadesdesignificaciónordenadasen fun-ción de un objetivoconcreto)puedehacersede dosformas:
A partirdeun ModeloEstadístico,obtenidopor latransformaciónmatemáticade la estructurataxonómica.
A partir deunModeloProposicional,obtenidoporunatransformaciónlógicade la estructurataxonómica.
En el primer caso, el operadores una funciónmatemáticaqueofreceacadadatounaestimacióndesupertenenciaa unoo variosconceptos.Estaestima-ción,porsu parte,esunamedidadelacompatibilidadexistenteentreunadescripciónnumérica(represen-tación)y ciertasrelacionesmatemáticamenteformu-ladas(concepto).El objetivoesencontrarel signifi-cado de los datosa partir de la probabilidaddepertenenciaa un concepto,siemprey cuandoeseconceptoestédefinido en funcióndel operadorma-temático.
El problemaes,por tanto, encontrarun operador(unafunciónmatemática)queseaconcordanteconlaunidad de significación,expresadaen los mismostérminosqueel operador(Hg. 1).En la mayorpartede las ocasionesse consideraapriorísticamentequela nociónmatemáticadeSimilaridadhacelasvecesdetal operador,con lo queseestáafirmandoimplí-citamentequela «naturalezainterpretativa»delcon-ceptoexisteen la estructuradefinidapor la sumadelas variables y atributos usadosen el cálculo desimilaridad.En otraspalabras,la concordanciaope-rador/conceptoobligaa queésteúltimo seadefinidocomo«el conjuntodelaspropiedadesindependientescompartidaspor un cierto conjuntode objetosrela-cionadosmatemáticamente(similares)de acuerdoconlasreglassintácticasqueemanandel operador».
Ahora bien, estadefinición de las unidadesdesignificaciónpuedequeseaaceptableparalaBiolo-
~ ~ION-REPRESE~~ION
ConcordanciaIno~i Fi~rorrnfcí6n
df
gía,puesenesadisciplinalosalgoritmosusadosparacalcularla similaridady la pertenenciaa los taxonessonunageneralizaciónmatemáticade ciertasrela-cionesconocidastambiénanivel empírico(SNEATHy SOKAL, 1973; DUNN y EVERITI’, 1982).Hastael momento,nadade esosucedeen ArqueologíayCiencias Sociales (pero véanselos intentos enAPTHORPE,1984).
Volvemosa encontrarnosexactamentedondees-tábamosalprincipio:quérelacióndebehaberentrelaSimilaridady lasUnidadesde Significación(cf. unadiscusióndetalladade esacuestiónen RIPS,1989).¿Es suficiente la Similaridad entre objetossociotécnicosparadefinirunciertotipo deInteracciónSocial?.
En el ámbito de la InteligenciaArtificial se hanproducidoalgunosintentosparaproponermétodosquepuedenserútiles al respecto.Porejemplo,en eldominiodeesadisciplinaconocidocomo«Aprendi-zajeAutomático»,un ordenadorescapazde«racio-nalizar»ciertosconceptospor medio dela descrip-ción generalizadadelos ejemplosde eseconcepto(MICHALSKI, 1980,1983;STEPPy MICHALSKI,1983, 1986; KODRATOFF, 1985; FISHER yLANGLEY, 1986; DIDAY, 1987, 1988). Así, porejemplo, si queremosdefinir la relación entre elconceptode SociedadEstratificaday la similaridadentrelosobjetossociotécuicosusadospor esasocie-dad,presentaremosal ordenadorejemplossucesivosde casosen los que sabemoscon seguridadque laestructurasocial está estratificada,y en los quehemosmedidolasrelacionesde similaridadentrelosobjetosquesirvenparaindicarla identidadsocial.Elordenadordebeencontrar,entonces,unadescripcióndel conceptoque divida el espaciode todos losejemplosposiblesendosregiones:positivaynegati-va. Todos los ejemplosen la región positivasonconsideradoscasosconcretosdel conceptoen cues-tión, porlo queésterecibirácomofuncióndeactiva-ción la forma específicaque las relacionesdesímilaridad adoptanenesosejemplos.
Esimportanteseñalarqueestosconceptosno son«creados»automáticamentepor el ordenador,sinosólo la representaciónde los mismos.Es decir, elobjetivo no es explicar unosdatosmedianteciertasreglasde inducción, sino proponer las reglas deinducciónquedefinanmejorunconceptopreexisten-te mal definido.Por lo tanto,
dado
— un conjuntodecasoscuyainterpretaciónescono-cida previamente
— un conjuntode atributosquecaractericeesosca-Fig. 1
sos(por ejemplo,relacionesde SimilaridadentreobjetosSociotécnicos).
— unosconocimientospreviosacercadel problema,las propiedadesde los atributos, las reglas deinferenciaparageneralizarnuevosatributosy uncriterioparaevaluarla cantidaddeclasificacionesposibles(es decir, a título deejemplo,unaTeoríaCientíficaaceptadasobrela InteracciónSocial).
hayqueencontrar
— unajerarquíadeconceptosen la quecadauno esté
descritopor un enfoqueconjuntivoUna variante «deductiva»de este método
(MITCHELL, UTGOFF y BANERJI, 1983; VANHARMELEN y BUNIJY, 1988; MINTON et al.,1989) seria:
dado:
— unadescripciónhipotéticadel conceptoadefinir— un ejemploconcretode dichoconcepto— unaTeoríaqueexpliquecómoel conceptoesuna
instanciadel conceptoa definir— un criterio de operacionalidadque explique la
forma en que debeexpresarsela definición delconcepto
determinar
— una generalizacióndel ejemploque sirva comosustitutode la descripción inicial, y que seaconcordantecon la teoría y con el criterio deoperacionalidad.
Ambosmétodosproporcionan,pues,la definiciónde la unidad de significacióncomo una expresiónconjuntiva(conjuncióny/o disjuncióndeatributos).Lo que los diferenciade la TaxonomíaNuméricaclásicaesqueesosatributostienensignificadopor simismos.No se trata de meraspropiedadesfísicas,sino unidadescomplejasde información. Lo quehace el ordenadorcon ellas es disponerlas«conjuntivamente»paraformarproposicioneslógi-cas(y no enunciadosprobabilisticos)del tipo:
Si x, y,zentoncesC
(PARSAYE y HANSSON,1987).Aún, y a pesarde todaslas ventajasqueofrecen
estos métodos, no son inmunesal riesgo deinstrumentalismo,uno de los «errores»máscritica-dosdelPositivismoLógico.Ciertamente,sepretenderepresentarconceptospor medio de un lenguajeobservacional,noreducirsunaturalezainterpretativaa ese lenguajeobservacional.Sin embargo,en lapráctica,esadistinciónesmuy débil.
En este trabajo pretendomostrar un operadorlógico y no operadoresestadísticoso semi-estadísti-cos. El procedimientode interpretaciónaparece,
entonces,como un procedimientode inferenciaqueutiliza ciertasinformacionespreviassobrelos con-ceptos(procedentesdela formalizacióndeunaTeo-ríaCientíficaaceptable)y un conjuntodereglasquepermitealteraresasinformacionesenfunciónde losdistintoscontextosen los que trabajemos.La figu-ra 2 muestrala estructuradel operadorlógico usado:unarepresentacióndelas relacionesde Similaridadentrelosobjetosconstituyeelespaciodelarepresen-tación.Esarepresentaciónseusacomo mecanismodeactivacióndealgunosconceptosalmacenadosenel EspacioSemántico[formalización de todos losconceptosposiblesde una TeoríaCientíficadada].Los conceptosactivadospor una Basede Datosespecíficaconstituyenuna interpretaciónde la mis-ma, interpretaciónquees contrastadapormedio deejemplosde control (Experimentación).
Est.disflc,DATOS DESCRIPCION —REPRESENTACION
r.rnniú.cI6. rsp~c¡o SEI~NTIOO INTERPPETACION
EJEMPLO DE Contrast,ei¿n1 CONTROL
Fig. 2.
El operadorlógicoestádefinidopor el conjuntodereglasqueorganizany ordenanlosdistintosconceptos(el EspacioSemántico),deforma tal queel conjuntode codos los conceptosposiblesemanablesde unaTeoríaadoptela estructuradeunaRedAsociativa.Enella, cadaconcepto es un predicado(o conjunto depredicados)conectadoa otrosmuchospor medio derelaciones.Estasrelacionessonvínculosquecontribu-yenalsignificadodecadaconcepto,puesrepresentanlasfuncionesquedebedesempeñarcadaunodeellos.Ya hemosvisto anteriormenteque los conceptossedefinenfuncionalmentey no por su estructura.
La Red Asociativade conceptosadopta,pues,laformadeun grafocompuestopornodosy arcosentreesosnodos.Enél, la interpretaciónestárepresentada,a su vez,por la interaccióndedistintosnodos(con-ceptos),cadaunoenviandomensajes(por mediodelasrelacioneso arcos)a otros nodos.
Las relacionesentre los conceptosson de dostipos: taxonómicas(ES-UN) o explicativas.Ambaspermiten la herenciade propiedades,es decir, laactivación de un conceptosiemprey cuandohayasido activadoel anterior; pero, mientrasque en elprimertipola relaciónestádefinidaaxiomáticamente[siemprequeseactivea, seactivaráb], enelsegundo
46 JuanA. Barceló
tipo, entrea y bsehadefinidoun conceptointermedio(llamémoslex), cuya función de activación nadatienequeverconladen.Porlo tanto,si ayx seactivansimultáneae independientemente,entoncesseacti-varátambiénb.
En resumidascuentas,el operadorlógico es elcontroladordela semánticadel sistemapuescontie-ne toda la secuenciade reglasde producciónquepermitenla identificacióndelosdistintosconceptos.No es másque la simulaciónde unasoperacionesmentalesbien conocidasen Psicología:el procesoque permite identificar una relación empírica y«etiquetaría»pormedio deunconceptoalmacenadoen el interior del Sistemadependede todaunaseriedemecanismosestructuralesy deprocedimiento;losprimerosestánimplementadosenla propiaarquitec-tura del Sistema(relacionesES-UN y explicativas)mientrasque lossegundoshacenlasvecesdeUnida-desdeActivacióno EntidadesAnalíticas(noconfun-dir con las Entidades Teóricas o Conceptos)(ANDERSON,1983;HOFFMAN, 1986;HOLLANI)et al., 1986;JOHNSON-LAIRD, 1988).
Enla RedAsociativadeconceptos,la «verdad»deuna interpretaciónestásustituidapor la noción de«presenteenel grafocomoarco(relación)entredosnodos».Esdecir, la únicacondiciónparaqueuno ovariosconceptosseanunainterpretaciónválidadeunconjunto de datosespecíficoes queestén«activa-dos»,estoes,queenel grafoexistaunaseriedearcosqueconectenefectivamentelosdatosconel conceptoencuestión.Espor estopor loque la inferencianosedefinecomoladerivaciónde Teoremasa partir deAxiomas y de Teorías,sino como la extensióndeestructurasrelacionalesincompletas,paraqueseanmenosincompletas(FROSIr,1986;TOURETZKY,1986; ETHERINGTON, 1987; SHASTRI, 1988;HORTY et al., 1990).
Estasideassonmuy importantes;en general,sepuededecirque la expresión -
DoWesválida,dondeOsonlosdatosy C losconceptos,siexisteenlaBasede Conocimientosalgunaformaenque la activaciónde los conceptosde bajo nivelrelacionadosconD sepropaguehastaunconceptodealto nivel comoC. Esdecir, queexista:
D -> x -> y-> z -> C
5. Funcionamientodel Sistema
Hastaaquísehamencionadoenmuchasocasionesel término «activación»,sinquese hayaexplicado
convenientemente.Activaciónes,enestetrabajo,unsinónimodeinstanciación.Antesdeponerenmarchael Sistema,laBasedeConocimientosya existecomoelconjuntodel mayornúmeroposibledesolucionesaun problemadado.Lo quepretendemosesque,detodosesosconceptosqueelsistemaconoce,seextrac-ga (esdecir, se «active»)aquél(o aquéllos)quesepuedaconsiderarcomo la respuestaa un problemadado.
La formausual de eseproblemaes la siguiente:«unacomunidadhumana,H, utiliza enuncontextoC(espacial,social,cultural, cronológico,..)una seriede objetos O, con una finalidad E (BARCELO,1989). Habitualmente,la incógnitaa resolveres E,pues tanto H, C como O son conocidospor elarqueólogo.Ahora bien, el valor de E no es unafunción del valor concretode H, C u O, sino unainstanciaciónde T (unaTeoría,presentadabajo laaparienciadeunaBasede Conocimientos),siemprey cuandosatisfagalascondicionesimpuestasporH,C y O, deunlado,y Tdel otro.El objetivodel estudioserá,portanto,analizartodaslasrelacionesposiblesentre(H,C,O)y (T). Lo quemenosimportaes«auto-matizar»las instanciacionesdeT, sino quehemosdeintentarsimularelcomportamientodelaTeoriaenuncontextoparticular,paraobservarsusaciertosy susdebilidades.EsprecisotenerencuentaqueTno estáformadapor un conjunto de VerdadesCientíficas,sino de hipótesis.De ahí que quizásfuesemejordefinir elobjetivodelestudiopor mediodelasiguien-tepregunta:¿acasolaTeoríaTpuedeserválidaenuncontextodefinido por H, C y O?.
SupongamosunaTeoríaideal(esdecir, queno secorrespondecon ningunaTeoría Científica al uso)sobrela InteracciónSocial. Nos interesaestudiarelconceptode Control Social; particularmente,si esposibleponeren relación este conceptocon unarepresentaciónespecíficadela Similaridadentrelosobjetossociotécnicosdeunacomunidad.Esdecir,delo que se trataes de analizarla importanciade lanoción de similitud en la naturalezade unade lasformasde InteracciónSocial, y hacerlode maneraqueseaarqucológicamenteútil: si codoslosobjetosutilizadospor unacomunidadpara«fijar» superte-nencíaa una Elite Social son idénticos,¿significaqueesaElite Socialtieneunaestructuramáso menosestable?¿Quépapeldesempeñael ControlSocial enesaestabilidad?
Supongamosqueal conceptodeControl Sociallehemosasignadoun nivel de generalidadmuy alto,estoes,nopuedeexpresarsepor mediodeunlengua-je observacional.En estascondiciones¿cómolo
utilizaremos en una interpretación?Derivandosu-cesivamente,graciasa lo quesabemosacercade laTeoría, conceptosde nivol másbajo,hastallegar aconceptosexpresadosenlenguajeobservacional(re-lacionesmatemáticasde Similaridad).Comoresul-tado hemosobtenidounalista de20 conceptos:
Control SocialEstratificaciónSocial ComplejaEstratificaciónSocial SimpleEstratificaciónSocialNulaJerarquizaciónSocialMuy FuerteJerarquizaciónSocialApreciableJerarquizaciónSocialNulaClaseSocial DominanteClaseSocial MediaClaseSocial DominadaDivisión SocialMuy FuerteDivisión Social AcentuadaDivisión SocialParcialDivisión SocialDébilDivisión Social InexistenteGrupoSocialconConsistenciade ClaseGrupoSocialFormadoGrupoSocialenFormaciónGrupoSocialNo DiferenciadoDiferenciadePoder
Todosestosconceptosestánrelacionadosentresí,deformatal que las informacionesasociadasacadauno «circulan»porla redquehan formado.Hay queseñalarque lo queaquíhemosllamado«concepto»,no dejadeserunaetiquetao predicadocuyafinalidades la de recuperaruna seriede informaciones(suestructurainterna).
Los conceptos«División Social», «Grupo So-cial» y «DiferenciadePoder»sonlos másbajosenlajerarquía,porquepodemosaproximarnosa ellosenlenguajeobservacional:los términosDivisión,Dife-renciay Grupohacenreferenciaclaramentea rela-cionesde Similaridad,másconcretamente:
DIVISION:—>GRUPO: —>
DIFERENCIA:
ciertogradode faltadesimilaridadcierto gradodesimilaridad—> sustracciónde valoreses-
pecíficosde similaridad
En consecuencia,unos ejemplosde función deactivación de esosconceptosde bajo nivel serían:
— Si los índicesde similaridadentretodoslosobje-tos sociotécnicossonmayoresque x,entonces-> GRUPOSOCIAL
— Si los índicesde similaridadentretodoslosobje-tos sociotécnicossonmenoresque x,entonces-> DIVISION SOCIAL
¿Cómohemosllegadoa definir esasfuncionesdeactivación?Unavezdefinidoslosconceptosno di-rectamenteobservacionalesdenivel bajo,seaplicantécnicasinductivas y/o deductivasde AprendizajeAutomático(cf. supra) queconviertan la informa-ción teóricaasociadaaesosconceptosenun lenguajeobservacional,dado un conjunto de ejemplosetnoarqueológicosdecontrol (lo mayorposible).Lafunción de activación obtenida es falsable si lasinferenciasproducidasporel Sistemanoreproducenlo quesabemosacercadel ejemplode control.
Una vezactivadoslos conceptosde menorniveljerárquico, la activación se propagapor la red, si-guiendolas relacionesteóricamentedefinidasentrelos conceptos.
Ya se ha dicho en la secciónanterior que lasrelacionesentre conceptosson de dos tipos,taxonómicas«puras»y «explicativas».La diferenciaesmuyclara.Supongamos,porejemplo,los concep-tos:
ClaseSocialDominadaClaseSocialDominanteClaseSocialMediaEstratificaciónSocialSimpleEstratificaciónSocial Compleja
Los conceptos«ClaseSocial» los hemossituadoenunnivel deabstraccióninferioraldelosconceptos«EstratificaciónSocial». La relación entreambosnivelesesdirecta.Enprincipiopodemosesquematizarla argumentacióndiciendo:
— Si existeClaseSocial Dominaday ClaseSocialDominante,entoncesexisteEstratificaciónSocialSimple.
— Si existeClase Social Dominada, Clase SocialMediay ClaseSocialDominante,entoncesexisteEstratificaciónSocialCompleja.
Analizando,por el contrario,la relaciónentrelosconceptosde «Estratificación»y «ControlSocial»,apreciaremosque no hay entreellos una relacióndirecta. En principio, comunidadescon cualquiertipo de EstratificaciónpuedendesarrollarControlSocial.Sabemosquehay relaciónentreamboscon-ceptosporquesi hay Estratificación,habráControlSocial,perotambiénsabemosquenecesitamosmásinformaciónparaconcluirqueesarelaciónesválida.En parte, esa información existe en la estructurainternadeconceptoscomo «JerarquíaSocial»:paraque en una comunidadse dé el Control Social espreciso queesté jerarquizaday estratificada.Peroaún nos falta información.Necesitamosun nuevoconceptoque sirva de intermedio; pongamospor
caso,la noción de «Rivalidad Social». Este es unconceptoexternoal sistema,ya quesólo estáligadoal conceptode «ControlSocial», es decir, que suactivaciónnodependedelaactivacióndelosconcep-tosanteriores(fig. 3).
El resultadofinal (outputdel Sistema)seríaunaproposiciónde la forma:
«ElconceptoXhasidoactivadoporla poblaciónPporquelas funcionesde activaciónFi, F2 y F3concuerdanconla descripciónobtenidaen P»
Fi esla funcióndeactivaciónqueactivael conceptode bajo nivel «División Social»,F2 la función deactivaciónqueactivael conceptodebajonivel «Di-ferenciade Poder»y F3 la funciónde activaciónqueactivalacadenadeinferenciasquellevaal concepto«RivalidadSocial».Comoseve, la explicaciónqueproporcionael Sistemaesuna lista delas funcionesde activaciónteóricamentenecesarias.
Se podríaaducirque incurrimosde nuevoen elerrorpositivistadeconfundirconceptosinterpretativoscon lenguajesobservacionales(cf. HANNEN yKELLEY, 1988;GIRBON, 1989). El Sistemacuyamaquetageneralse ha presentadoaquíno pretendeproducirInterpretacionesAutomáticas.Esunasimu-lación de las Teoríasde AlcanceMedio (RAAB yGOODYEAR,1984;SCHIFFER,1988;BINFORD,1989), y no una recetapara hacer Arqueología.Simplemente,permiteformalizarfuncionesde acti-vación(porejemplo,RelacionesdeSimilaridadporencimade 0,78entreitemssociotécnicosimplicanControlSocial)enunaplataformacapazdereprodu-cir sin errorcadenasde inferenciamuy largas.Deestemodo,seconsiguecumplirunacondiciónpreviaa toda experimentación.La limitación de los
arqueólogosy científicossocialesa tratarcon cade-nasde inferenciamuy cortase hipótesissimplesdebajonivel deabstracciónpuedesersolventadarecu-rriendo a Sistemasde InterpretaciónAsistidos porOrdenador.Estosúltimosnoson«inteligentes»porsimismos,sino porquereproducenlosmecanismosdeinferenciamáscomplejosquepuedallegara empren-derun investigador.
6. Conclusiones
La estructura interna de los conceptosinterpretativosno esmásque la implementacióndeunaTeoríaCientífica:envezdeunalistadetodoslosatributos posiblesde un conceptose construyeunmodelo o representacióndinámica (es decir,transformable)delosatributosteóricamentenecesa-rios, delas relacionesentreellosy de susfuncionesdeactivaciónparala definicióndecadaconcepto.Lacoherenciade éstos deriva, pues,de la estructurainternadel dominioenel queseva a usarel conceptoy laposicióndelconceptoenlaBasedeConocimien-
tos. En términosde InteligenciaArtificial, podemosdescribirestenúcleoconceptualcomounaestructuraexplícitaresidenteenlamemoriadelordenadory queregistralas propiedadescomunesy más típicasdelconcepto,asícomoelprincipioqueunificasusdistin-tas instancias.
El procedimientode identificación-instanciación(la estructuraexterna)esun mecanismodeinferenciaa partir de estaBasede Conocimientos,y no uncálculomatemáticoo estadístico.Utiliza elconjuntoestructuradode unidadesde significación y ciertasbasesdereglasparatransformarla Basede Conoci-míentossegúnel Contexto.El procedimientoestáconfiguradopor losmeca-conocimientosqueposee-mosacercade los conceptos,esdecir, las propieda-desquesonclavesparaun conceptoy queno apare-cen en el contextoestudiado,las transformacionesautorizadasenlaBasedeConocimientosy cómolaspropiedadeso las transformacionespuedenvariarentrelas instanciacionesde un concepto.Un proce-dimientode instanciaciónasí definido oponela re-presentacióndel conceptoa lasobservaciones(ms-tanciacionespotenciales)por medio de inferenciasqueintegranla informacióncontextualy losconoci-mientosestructuradosenla memoriadel ordenador.
Unamaneracómoday útil desimularel funciona-miento del procedimientode identificación-instanciación,espormediodeunSistemaExperto,esdecir, usandoreglasde produccióny un modo de
Fig. 3.
inferenciabasadoen el ModusPonens:un sistemacomo ésetendrá doscomponentesprincipales,unconjunto de reglascondición-acción(Si ..., enton-ces ..Q o producciones,y unamemoriade trabajodinámica(fig. 4).AntesdelanzarlaBasedeReglas,la Memoriade Trabajo estáocupadapor la TeoríaCientífica propiamentedicha, presentadabajo laforma de unaRed Asociativa(EntidadesTeóricasunidaspor conexionestaxonómicasy/o explicati-vas).Dadoqueesamemoriaesdinámica,al instanciarlasUnidadesdeActivación, estoes,introducirenlaMemoria una serie de datos, éstase transforma,adoptandoun estado peculiar, precisamenteelsubgrafode laRed Asociativaquecorrespondea laBasede Datos usada.Esa Basede Datos deberíahabersidoescogidapor sucapacidadpararepresen-tarun problema;en nuestrocaso,las relacionesdesimilaridad entreobjetossociotécnicosrepresentanelproblema:«quéclasedeIdentidadSocialexisteenesaComunidad».Asociadaal problemaexisteunaBasede Reglas,cuyafunción es describirel estadoparticulardela RedAsociativaquehasidoactivadopor la Basede Datos:esadescripciónes,evidente-mente,la soluciónal Problema.La Basede Reglaspuedecontenertambiéncriteriosdevalidaciónexter-nos,estoes,independientesdelaTeoríautilizadaenunprincipio, queenel casode sersatisfechospor lasolución,contribuiríanamodificarla Teoríadepar-tida.Elsistemaoperaporciclos.Encadaunodeellos,lascondicionesdecadareglasoncomparadascon elestadoactualde la memoriade trabajo.El sistemaseleccionaaquellasreglascuyacondiciónreapareceen la memoriade trabajoy las aplica,es decir, susaccionessonincorporadasala memoria.Estehechoalteraelestadodela memoriadetrabajo,porlo que,enlos ciclossiguientes,lasreglassoncomparadasa
TEORíA EXPERIUSTO
-Red Asociativa- DATOS - Estado particular de
la Red Asociativa-
PROBLEMA
[~~j~lCAClON BASE DE REGLAS
unamemoriade trabajo«ampliada».El sistemasedetienecuandosehanacabadolasreglaso cuandoelusuariointroducela instrucción:FIN
BIBLIOGRAFIA
ABELSON, R.P.; LALLJEE, M.1988 «KnowledgestructuresandCausalExplanation»
en ConteníporarySelenceaná NaturalExplanation. Conunon senseconceptionsofcausaliiy. Edited by D. Hilton. Brighton: TheHarvesterPress.
APTUORPE,R.1984 «Hierarchyand ocher social relations: some
categorial logic». Differences, valeurs,hierarchies. Testes offerts á Louis Dumont.OrganiséparJ.C. GMey. Paris:Ed. de l’EcoJedesHaulesEtudesen SciencesSociales.
ANDERSON,J.R.1983 TIte Architecture of Cognition. Cambridge
(MA): HarvardtJniversicyPress.
AMSTRONG, S.L.; GEITMAN, L.R.; GLEITMAN, H.1983~ «Whatsomeconcepcsmight notbe,>. Cognition
13: 263-308.
BARCELO, J.A.1989 Arqueología,Lógica y Estadística.Beliaterra:
ServeidePublicacionsdel’UniversitatAutónomade Barcelona(TesisDoctorals,microfitxes).
BARCELO, JA.1991 «Simulating Non-Monotonic reasoningin
Archeology»(enpreparación).
BARTHELEMY, J.P.;GIJENOCHE,A.1988 Lesarbreset lesrepresentationsdesproximités.
Paris:Masson.
BINFORD, L.R.1989 DebatingArchaeology.New York; Academic
Press.
BROWN,M.1986 «An experimentallogic basedon chefundanien-
tal deductionprinciple».Artificial Intelligence,30(2): 117-263.
CLANCEY, W.J.1985 «HeuristicClassification».Art,ficiallntelligence,
27: 289-350.
DIDAY, E.1987
SOLUCION
Descripción de es,Estado Particwmr dela Red Asociativa
«Introduction h l’approchesymbolique enAnalyse des donnés».Actes des JournéesSymnbólique-Numérique’pour l’ApprentissagedeConnaissancesA partirdeDonnées.Organisdespar E. Diday et Y. Kodratoff. Paris: Lise,Ceremadeet Univ. Paris-Dauphine.
VALIDACION
Coiietón con otras
Teorías
DIDAY, E.1988 «Thesymbolicapproachinclusteringandrelated
niethodsof dataanalysis:che basicchoices»enClassification and RelatedMethodsof DatoAnalysis. Edited by H.H. Bock. Amsterdam:NorthHolland.Fig. 4.
50 JuanA. Barceló
DUNN, O.; EVERI’IT, B.S.1982 An introduction to mathematicaltaxonomy.
CambridgeUniversity Press.
LEONARD, R.D.; JONS,(IT. (eds.)1989 Quantifying Diversity in
CambridgeIiniversity Press.
ETHERINOTON,D.W.1987 «Formalizing Nonmonoconic Reasoning
Systems».ArtiflcialIntelligence,31: 41-85.
FESTA, R.1987 «Theory of Similarity, similitude and
verisimilitude»,enWhatisCloser-to-the-Truth?.Edicedby T.A.F. Kuipers.Amsterdam:EditionsRodopiB.V.
FISI-IER, O.: LANGLFY, P.1986 «ConceptualClustering and its relation to
NumericalTaxonomy»enArtiflcial¡ntelligence& Statistics.Editedby W. Gale. Reading(MA):Addison-Wesley.
FROST,RA.1986 Introduction to KnowledgeBaseSystems.
London: Collius (Trad.encastellano:BasesdeDatosySistemasExpertos.IngenieríadelCono-cimiento.Madrid: Ed. Din deSantos).
GIBHON,O.1989 Explanation in Archaeology. London: Basil
Blackwell.
GRAESSER,A. C.; CLARK, L.F.1985 StructuresandproceduresofimplicitKnowledge.
vol. XVII in the seriesAdvancesin DiscourseProcess.Norwood(NJ): Ablex.
HANNEN, M.P.; KELLEY, J.H.1988 Archaeologyand tIte Methodologyof Science.
Albuquerque:Ihe University of New MexicoPress.
HODDER,1.1986 Readingthe Post. Current approachesto
interpretation iii Archaeology. CambridgeUniversicyPress(haytraduccióncastellana,Ed.Crítica. Barcelona).
HOFFMAN, J.1986 «A simulation approach to conceptual
identification»,en Knowledgeand Language.Editetbyl.Kurcz,O.W.ShugarandJ.H.Danks.Amsterdam:North Holland.
HOLLAND, IR.; HOYOAK, K.J.; NISBEIIT, RE.;THAGARD, P.R.
1986 Induction.Processof Inference,Learning andDiscovery.Cambridge(MA): The MIT Press.
HORTY,J.F.;THOMASSON,R.H.; TOURETZKY, D.S.1990 «A skeptical theory of Inherilance in
NonmonoconicSemancicNel-works».ArtificialIntelligence,42: 311-348.
JOHNSON-LAIRD,P.1988 TIre Computer<md tIteMmd.Anintroductionfo
CognitiveScience.Cainbridge(MA): HarvardUniversity Press.(hay traduccióncastellana).
KODRATOFF,Y.1986 Lecons d’Apprentissage Symbolique
Automatique.Toulousse:Cepadues,Ed.
LEVESQUE,H.1984 «Foundationsof a functional approachto
Knowledge representation». ArtificialIntelligence,23: 155-212.
LINDSAY, R.1988 «ImagesandInference».Cognition,29(3):229-
250.
MEDIN, D.; ORTONY, A.1989 «PsychologicalEssentialism’>,enSimilarhyand
AnalogicalReasoning.Editedby 5. VosniadouandA. Ortony.CambridgeUniversityPress.
MICHALSKI, RS.1980 «Knowledge acquisition through conceptual
cluscering:a theorecicalframeworkandalgorithmfor partitioningdacainto conjunctiveconcepcs».InternationalJournal of PolicyAnalysis andInformationSystems,4(3): 219-243.
MICI-IALSKI, RS.1983 «A Theory and Methodology of Inductive
Leaming».Artificial Intelligence,20: 111-161.
MICHALSK1, RS.1989 «Two tiered concept meaning, inferential
matching and conceptualcohesiveness».SimilarityandAnalogicalReasoning.Editedby5. Vosniadou and A. Ortony. CanibridgeUniversityPress.
MILLER, GA.; JOHNSON-LAIRD,P.1976 LanguageandPerception.CarnbridgeUniversity
Preis.
MINTON, 5.; CARBONELL, JO.; KNOBLOCK, C.;KUOKA, DR.; FTZIONI, O.; GIL, Y.
1989 «Explanationbasedleaming: aproblemsolvingperspeccive».Artificiallntelligence,40:63-118.
MITCHELL, T.M.; UTGOFF,D.F.; BANERJI, R.1983 «Leámingby experimentacion:acquiring and
refining problemsolving heuristies».MachineLearning.AnArtzficalíntelligenceapproch,vol.1. Edited by RS. Michalski, J.G. Carbonelí,T.M. Mitchell. Los Altos (CA): MorganKaufman.
MOSS,C.1989 «Artificial Intelligence and Symbols».Al &
Society3(4): 345-356.
MURPHY, OC.; MEDIN, D.L.1985 «The role of che Theories in Conceptual
Coherence’>.PsychologicalReview,92: 289-316.
NAGAO, M.1985 «Strategiesfor Human-likeImageunderstanding
Systems». Cognitiva 85. SymposiumProceedings.Paris:Cesta-Afcet.
NEWELL, A.1982 «Theknowledgelevel».Artificial Intelligence,
18(1):97-129.
Archaeology.
NIEMANN, H.1988 «Classification.New challenges to an oíd
problem».ClassiflcationandRelatedMethodsof Data Analysis. Edited by H.H. Bock.Amsterdam:North Holland.
OSHERSON,D.N.1987 «New axiocns for che contrast model of
Similarity». Journal of MathematicalPsycho-logy 31 :93-103.
051-JERSON,D.N.; SMITH, E.E.1981 «Oncheadequacyof prototypetheoryasatheory
of concepts”.Cognition9(1): 33-58.PARSAYE,K.; HANSSON,O.
1987 DiscoveringKnowledgefrom large databases.IntelligenceWare TechnicalRepon.
RAAB, M.; OOODYEAR, A.C.1984 «MiddleRangeTheoryinArchaeology:acritical
revíew of origins and applications».AmericanAntiquity 49(2): 225-268.
RIPS, L.1989 «Similarity, Typicality and cacegorizacion».
Similariiy andAnalogicalReasoning.Editedby5. Vosniadou and A. Ortony. CambridgeUniversity Press.
RITCHIE, O.1980 Computational Grammar. Brighcon: The
HarvesterPress.
ROSEN,R.1987 «On chescepeof syntaclicsin Mathematicsand
Science»,enRealBrains,ArtiflcialMind. Editedby J.C. Casci and A. Karlqvist. Amsterdam:North Holland.
SAMMUT, C.; BANERJI, R.B.1986 «Learning conceptsby asking questions».
MachmneLearning. An Artificial Intelligenceapproach,vol. II. Editedby RS.Michalski,JO.Carbonelí,T.M. Mitchell. Los Altos (CA):Morgan Kaufman.
SCHIFFER,MB.1988 «The structureof Archaeological Theory’>.
AmericanAntiquity 53(3): 461-485.
SCHO’IT, M.J.1989 «Diversity, organizationand Behaviour in che
Material Record».Current Anthropology30(3):283-315.
SHANKS, M.; TILLEY, C.1987a Re-constructingArchaeology. Theory and
Practice.CambridgeUniversity Press.SHANKS, M.; TILLEY, C.
1987b Social TIteo>->’ andArchaeology.London:ThePolity Press.
SHASTRI, L.1988 SemanticNetworks:an evidentialformalization
anditsconnectionistrealization.London:Pitman.SMITH, E.E.; OSHERSON,D.N.
1989 «Similariry and decision making». Similarityand Analogical Reasoning. Edited by 5.VosniadouandA. Ortony.CambridgeUniversityPress.
SOWA, IP.1984 ConceptualStructures:InformationProcessing
inMindandMachmne.Reading(MA): Addison-Wesley.
SNEATH,FHA.; SOKAL, RS.1973 Numerical Taxonomy.San Francisco:W.H.
Freeman
STEPP,RE.; MICHALSKI, R.S.1983 «Automated construccionof Classificaiions:
Conceptual clustering versus NumericalTaxonomy». lEE Transactions on PatternAnalysisand MachinaIntelligence.vol. 5(4):396-409.
STEPP,RE.; MICHALSKI, RS.1986 «ConceptualClusteringof StruccuresObjets:A
goal-orientedapproach».Artificial Intelligence,28: 43-69.
TOURETZKY, OS.1986 TItemathematicsofínheritance.London:Pitman.
VAN HARMELEN, E.; BUNDY, A.1988 «Expianation-basedgeneraJization=Partial
Evaluation».Artiflcialíntelligence,36:401-412.
VOOEL, C.1988 GenieCognitif. Paris:Masson.
WATTENMARKER, W.D.; NAKAMURA, GV.;MEDIN, D.L.
1988 «RelationshipsbetweenSimilarity-basedExplanation and Explanation-basedCalegorization»,enConternporaryScienceandNalnralExplanation.Commonsenseconceptionsofcausality.Editedby D. Hilton. Brighton:TheHarvesterPress.
W1NOORAD,T.1980a «Whatdoesit meanto understandlanguage?».
CognitiveScience,4: 209-241.WINOOPAD, T.
1980b «Extendedinterface inodes in Reasoningbycomputermodels»,enAplicationsof InductivaLogic.Editedby J.CohenandM. Hesse.OxfordUniversity Press.
WINOORAD,T.1983 LanguageasaCognitiveProcess,vol.1. Reading
(MA): Addison-Wesley.
Recommended