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.