El uso de Sistemas Expertos en la interpretación de clasificaciones estadísticas multidimensionales

El USO de sistemas expertos en la interpretación de clasificaciones estadísticas multidimensionales. Juan A. Bareeló C.N.R.S. Unité Propre de Recherches No. 315. 23 Rue du Maroc. 75940 Paris. Resumen La investigaciónque se presenta consiste, básicamente, en el estudio de viabilidad de una Base de Conocimientos que formaliza el dominio científico dela Interacción e Identidad Sociales; más concretamente, eluso de los objetos o artefactos «sociotécnicos» como símbolos de clase. Lo quese pretende es programar un Sistema Experto que simule el comportamiento de tal Basede Conocimientos. Les datos de entrada son los resultados de una Clasificación Automática (método de las Escalas Multidimensionales), y los datos de salida constituyen la «interpretación» conceptual de los datos matemáticos de entrada en términos de los conceptos implementados en la Base de Conocimientos, la cual puede ser descrita como una Base de Datos activa, con reglas deductivas asociadas. El propósito general de la investigación es estudiar la forma en que usamos teorías parcialmente estructuradas (sin conexiones causales) para ohiener una Teoría de ladescripción, ycómo esaTeoríadelaDescripción modifica la Teoría Científica propiamente dicha. 1. Introducción El principal objetivo de este Proyecto de Investi - gación (provisionalmente bautizado EXCALIBUR) es el de presentar un método para «utilizar» las Clasificaciones Estadísticas Multidimensionales. Los científicos que estudianlos elementos inte - grantes de la Cultura Material desconocen, por lo general, las reglas que, a partir de un dendrograma, un diagrama de dispersión, o cualquier representa - ción geométrica de la Similaridad entre esos mismos objetos, conducen a un enunciadoconceptual o interpretativo. Por ejemplo, desconocemos qué rela - ción concreta puede existir entre el concepto de Estratificación Social y las relaciones de Similaridad entre los itemssociotécnicos que expresan la identi - dad de clase en una Sociedad estratificada. En cienciassociales, los conceptosinterpretativos no adoptan la forma de leyes matemáticas, como en Física. Ello es debido, probablemente, a su enorme complejidad: una ecuación con un número finito de variables quizás no bastará para expresar la poten - cialmente infinita variedad de factores que afectan a la conducta social. Ahora bien, este hecho no debiera llevamos, automáticamente, al desprecio del método científico y de la Objetividad,como hay quien propo - nc (véase, entre otros,HODDER, 1986; SHANKS y TILLEY, 1987a, 1987b): los conceptosinterpretativos no sólo pueden estar expresadoslógicamente, sino que incluso deben ser formulados así. Otra cuestión es qué lógica emplear, tema que no abordaré en este articulo (cf. BARCELO, 1991). JuanA. Barceló. complu~um, 1 (i991), Madrid (pp. 41-SI). 42 Juan A. Barceló Todo esto no debiera hacernos olvidar la utilidad de las matemáticas en la representación de ciertos conceptos, por ejemplo, elya citado dela Similaridad (OSHERSON y 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, como veremos más adelante, se trata de enunciadosrelacionales de muy bajoniveldegeneralidad,portanto, expresadosenun lenguaje observacional, cosa que no es posible en los Conceptos interpretativos de alto nivel.Constituyen una fonna de describir la apariencia externa de los fenómenos, haciendo posible la interpretación como un paso subsiguiente del análisis. Proporcionan lo que llamaremos unidades de información 2. Interpretación y significado Por interpretación entiendo el procedimiento que permite asociar a unas unidades de información empíricas concretas (datos) un concepto o unidad de significación. En nuestro caso (el estudio de la Cul - tura Material)estasunidades de significación repre - sentarán el contexto de uso (tecnómico, sociotécnico y/oideotécnico) del objeto, así como las condiciones de validez del enunciadocientífico que exprese esas condiciones de uso. Los factores que afectan el significado de la Cul - turaMaterial son, por tanto: El Conocimiento previoque tiene de ella el cien - tífico y la ComunidadCientífica a la que pertenece. Este conocimiento es, de hecho, un modelo o repre - sentación del contexto de uso de los objetos (Teoría Científica). El Contexto real de uso del objeto (conocido o por descubrir). Las condiciones de validez dela Teoría Científica, propuestas por el investigador y aceptadaspor sus colegas mientras la Teoríademuestre su utilidad. Las unidades de significación no se encuentran definidas en el objeto, es decir, no forman parte desus propiedades intrínsecas; de ahí que el proceso de interpretación no puedaser reducido a una mera extracción dela información contenida enlas propie - dades observables del objeto, sino que podemos describirlo como una argumentación (inferencia) científica. Se aprecia fácilmente que en el enfoque adoptado aquí la «interpretación» es, de hecho, la contrastación particular de un Conocimiento general previo, sin preocuparnos, de momento, por la procedencia de ese Conocimiento. Volveremos más tarde sobre este punto. Así pues, las unidades de significación que con - figuran el Conocimiento aparecen caracterizadas ffincionalmeníe, en términos de lo que hacen o de para lo que sirven y no en términos de su apariencia física (NEWELL, 1982; LEVESQUE, 1984). El con - junto de esas unidades, una vez ordenado, forma un Sistema Contingente de Conocimientoque hace las veces de modelo interpretativo aun fenómeno. Tal es así que, para comprender cualquierfenómeno, nece - sitamos imperativamente esas unidades;constituyen una especie de «diccionario» que pone en relación un conjunto de conceptos y sus correlaciones empíricas. Las unidades de significación son, pues, primitivas del Sistema, y no el resultado de unos cálculos empleados a partir de ciertos valores observados empíricamente. 3. Interpretación asistida por Ordenador Un sistema de Interpretación asistido por Ordena - dor no es más que la implementación de una Base de Conocimientos y el conjunto de reglas para tratar esos Conocimientos ordenados. Los componentes de un tal Sistema son: Especificación del objetivo de la investigación: proporcionar las condiciones de validez para todos los contextos de uso posibles en esa Base de Conoci - mientos específica. Esteobjetivo es cumplido porinedio deun lengua - je de alto nivel (programa de ordenador) con una SINTAXIS y una SEMANTICAespecíficas. La Sintaxis está formulada en términos de un sistema de reglas que especifican cómo se derivan y relacionan entre silos conceptos y sus vínculos con los datos de encrada. Esas reglas pueden expresarse matemáticamente (ecuaciones) o lógicamente (pro - posiciones). La Semántica no se formula directamente en tér - minos de cada uno de los conceptos predefinidos, sino basándose en el Análisis que proporcionan las reglas sinláccicas en cada uno de esos conceptos. ¿Cómo funciona tal Sistema? No como un cálcu - lo lógico abstracto, sino por medio de una conexión explanans/explanandum basada, exclusivamente, en el conocimiento implementado en elSistema. La semánticadel Sistema ha de estar construida como una secuencía finita de reglas de producción (Si x entonces y) que asignan expresiones conceptuales a las observaciones, basándose en el contexto inter - no delSistema. Se trata del mismo mecanismo de una Memoria Asociativa (o memoria dirigida por el contenido) que responde al problema siguiente: ¿acaso esta unidad de información está contenida en la memoria? Si es cierto, en dónde y qué unida - des de significaciónasociadaspueden desencade - narse. Es decir, esta memoria almacenanumerosos pares asociados [estimulo-respuesta] en los que los estímulos son un conjuntoespecifico de atributos clave y las respuestas son los conceptos interpretativos activados por esos atributos (SOWA, 1984; GRAESSER y CLARK, 1985; STEPP y MICHALSKI, 1986; HOLLAND et al., 1986; ABELSON y LALLJEE, 1988; LINDSAY, 1988; SHASTRI, 1988). En otras palabras, la interpreta - ción «automática» procede por asimilación del explanans en una estructura de conocimiento predefinida (explanandunj. La interpretación de un objeto será, entonces, aquél de los conceptos que más le sea aplicable, de acuerdo con un cierto criterio de operacionalidad, también implementado en el sistema (CLANCEY, 1985; SAMMUT y BANERJI, 1986; NIEMANN, 1988; VOGEL, 1988). Precisamente a causa de este hecho, los conceptos interpretativos tienen una estructuraparticular, divi - dida en estructura interna y externa (cfr. OSHERSON y SMITH, 1981; ARMSTRONG et al., 1983; MURPHY y MEDIN, 1985; WAII17ENMAKER et al., 1988; MICHALSKI, 1989; MEDIN y ORTONY, 1989). La estructura interna está constituidapor su contenido en información (las «unidades de signifi - cación asociadas» en la Memoria Asociativa), que procede deuna Teoría Científica considerada válida. Por ejemplo, la estructura interna de concepto «Con - trol Social» estará formada por todo lo que sabemos acerca de esa forma de interacción social y que podamos expresar en proposiciones. Por su parte, la estructura externa del concepto está formada por el procedimiento de identificación; en el ejemplo ante - rior, qué relaciones de Similaridad mantienenentre sí los objetos sociotécnicosque simbolizan la identidad de las clases sociales en una comunidad humana, para quepodamos concluir la existencia en ella de Control Social. La Arquitecturageneral de esteSistema no debe servista como una reivindicación deladeducción por encima de la inducción, sino como reconocimiento de la importancia del Conocimiento previo en todo proceso de inferencia. Este hecho ha sido reciente - mente subrayado por numerosos investigadores (MICHALSKI, 1983; HOLLAND et al., 1986). Ahora bien,¿qué relación existe entre la estructura externa y la estructura interna de los conceptos o unidades de significación? Se podrá pensar que el procedimiento de identificación deun concepto hade ser necesariamente deducido de las informaciones asociadas a ese concepto. Es fácil ver que ésta opción no es válida: la deducción es, fundamentalmente, un procedimiento de sustitución de unas expresiones por otras lógicamente equivalentes. La forma es: C- >P=Q que afirma que la expresión Psustituyela expresión Q si se puede probar quela expresión Ces verdade - ra, esto es, que esun teorema del sistema (BROWN, 1986). Esta condición de «verdad» es Universal, porque la activación de C en un Sistema Formal no depende del contenido del Sistema, sino de unas reglas de transformación válidas en cualquier contex - to. Mas no existen, en la práctica científica, reglas sintácticas universales (ni en nuestra disciplina, ni en ninguna otra). Si más no, una de las limitaciones de la «universalidad» de C es que depende del propósitocon el cual usamos el Sistema (el criterio de operacionalidad antes citado): ese propósito está tambiénimplementado, de algúnmodo, en el proce - dimiento de identificación del concepto inter - pretativo. Por consiguiente, lo que nos interesa no son las reglas sintácticas de formación de los conceptos, sino la búsqueda de reglas de manipulación semántica, así como las reglas que traducen la apariencia externa de los objetos en la estructurasemántica del Sistema de Interpretación. Necesitamos propieda - des semánticas que identifiquen significados, y no sólo propiedades sintácticasque caractericen los procedimientos de identificación en «abstracto» (RITCHIE, 1980; WINOGRAD, 1980a, 1980b y 1983; GRAESSER y CLARK, 1985; ROSEN, 1987; MOSS, 1989). En resumen, el significado es un producto manu - facturadocuya materia prima es la información. En este sentido, el significado hade ser extraído, deriva - do, creado o impuesto de algúnmodo a partir de la ordenaciónmatemática de los artefactos y de codo el conocimiento disponible. En otras palabras: <‘to know che meaning is to be able ca construct routines that involve the concept in an appropiate way, that is, rautinesthat take advantage of the place [che daca] occupy in an organized system of concepts»(MILLER y JOHNSON-LAIRD, 1976: 128). Juan A. Barceló 44 4. Operadores matemáticos y Operadores lógicos La traducción de las estructurasaparentes (observacionales) en sistemas organizados de con - ceptos(unidades de significación ordenadas en fun - ción de un objetivo concreto) puede hacerse de dos formas: A partir de un Modelo Estadístico, obtenido por la transformación matemática de la estructura taxonómica. A partir deun Modelo Proposicional, obtenido por una transformación lógica de la estructura taxonómica. En el primer caso, el operador es una función matemática que ofrece a cada dato una estimación de su pertenencia a uno o varios conceptos. Esta estima - ción, porsu parte,es una medida dela compatibilidad existenteentre una descripción numérica (represen - tación) y ciertas relacionesmatemáticamente formu - ladas (concepto). El objetivo es encontrar el signifi - cado de los datos a partir de la probabilidad de pertenencia a un concepto, siempre y cuando ese concepto esté definido en función del operador ma - temático. El problema es, por tanto, encontrar un operador (una función matemática) que sea concordante con la unidad de significación, expresada en los mismos términos que el operador (Hg. 1). En la mayor parte de las ocasiones se considera apriorísticamente que la noción matemática de Similaridad hace las veces de tal operador, con lo que se está afirmando implí - citamente que la «naturaleza interpretativa» del con - cepto existe en la estructura definida por la suma de las variables y atributos usados en el cálculo de similaridad. En otraspalabras, la concordancia ope - rador/concepto obliga a que éste último sea definido como «el conjunto de las propiedades independientes compartidas por un cierto conjunto de objetos rela - cionados matemáticamente(similares) de acuerdo con las reglas sintácticas que emanan del operador». Ahora bien, esta definición de las unidades de significación puede que sea aceptable para la Biolo - ~ ~ION-REPRESE~~ION Concordancia Ino~i Fi~rorrnfcí6n df gía, pues en esa disciplina los algoritmos usados para calcular la similaridad y la pertenencia a los taxones sonuna generalización matemática de ciertas rela - ciones conocidas también anivel empírico (SNEATH y SOKAL, 1973; DUNN y EVERITI’, 1982). Hasta el momento, nada de eso sucede en Arqueología y Ciencias Sociales (pero véanse los intentos en APTHORPE, 1984). Volvemos a encontrarnos exactamente donde es - tábamos al principio: qué relación debe haber entre la Similaridad y las Unidades de Significación (cf. una discusión detallada de esa cuestión en RIPS, 1989). ¿Es suficiente la Similaridad entre objetos sociotécnicos para definirun cierto tipo de Interacción Social?. En el ámbito de la Inteligencia Artificial se han producido algunos intentos para proponer métodos que pueden ser útiles al respecto. Por ejemplo, en el dominio de esa disciplinaconocido como «Aprendi - zaje Automático», un ordenador es capaz de «racio - nalizar» ciertos conceptos por medio de la descrip - ción generalizada de los ejemplos de ese concepto (MICHALSKI, 1980, 1983; STEPP y MICHALSKI, 1983, 1986; KODRATOFF, 1985; FISHER y LANGLEY, 1986; DIDAY, 1987, 1988). Así, por ejemplo, si queremos definir la relación entre el concepto de Sociedad Estratificada y la similaridad entre los objetos sociotécuicos usados por esa socie - dad, presentaremos al ordenador ejemplossucesivos de casos en los que sabemos con seguridad que la estructura social está estratificada, y en los que hemos medido las relaciones de similaridad entre los objetos que sirven para indicar la identidad social. El ordenador debe encontrar, entonces, una descripción del concepto que divida el espacio de todos los ejemplos posibles en dos regiones: positivay negati - va. Todos los ejemplos en la región positiva son considerados casos concretos del concepto en cues - tión, por lo que ésterecibirá como función de activa - ción la forma específica que las relaciones de símilaridad adoptan en esos ejemplos. Es importante señalar que estos conceptos no son «creados» automáticamente por el ordenador, sino sólo la representación de los mismos. Es decir, el objetivo no es explicar unos datos mediante ciertas reglas de inducción, sino proponer las reglas de inducción que definanmejorun concepto preexisten - te mal definido. Por lo tanto, dado — un conjunto de casos cuyainterpretación es cono - cida previamente — un conjunto de atributos que caracterice esos caFig. 1 sos (por ejemplo, relaciones de Similaridad entre objetos Sociotécnicos). — unos conocimientos previos acerca del problema, las propiedades de los atributos, las reglas de inferencia para generalizar nuevos atributos y un criterio para evaluar la cantidad de clasificaciones posibles (es decir, a título de ejemplo, una Teoría Científica aceptada sobre la Interacción Social). hayqueencontrar — unajerarquía de conceptos en la que cada uno esté descrito por un enfoque conjuntivo Una variante «deductiva» de este método (MITCHELL, UTGOFF y BANERJI, 1983; VAN HARMELEN y BUNIJY, 1988; MINTON et al., 1989) seria: dado: — una descripción hipotética del concepto a definir — un ejemplo concreto de dicho concepto — una Teoría que explique cómo el concepto es una instancia del concepto a definir — un criterio de operacionalidad que explique la forma en que debe expresarse la definición del concepto determinar — una generalización del ejemplo que sirva como sustituto de la descripción inicial, y que sea concordante con la teoría y con el criterio de operacionalidad. Ambos métodos proporcionan,pues, la definición de la unidad de significación como una expresión conjuntiva (conjunción y/o disjunción de atributos). Lo que los diferencia de la Taxonomía Numérica clásica esque esos atributos tienensignificado por si mismos. No se trata de meras propiedades físicas, sino unidades complejas de información. Lo que hace el ordenador con ellas es disponerlas «conjuntivamente» para formar proposiciones lógi - cas (y no enunciados probabilisticos) del tipo: Si x, y,z entonces C (PARSAYE y HANSSON, 1987). Aún, y a pesar de todas las ventajas que ofrecen estos métodos, no son inmunes al riesgo de instrumentalismo, uno de los «errores» más critica - dos del Positivismo Lógico. Ciertamente, se pretende representar conceptos por medio de un lenguaje observacional, no reducirsu naturaleza interpretativa a ese lenguaje observacional. Sin embargo, en la práctica, esa distinción es muy débil. En este trabajo pretendo mostrar un operador lógico y no operadores estadísticos o semi-estadísti - cos. El procedimiento de interpretación aparece, entonces, como un procedimiento de inferencia que utilizaciertas informaciones previas sobre los con - ceptos(procedentes de la formalización deuna Teo - ría Científica aceptable) y un conjunto de reglas que permite alterar esas informaciones en función de los distintos contextos en los que trabajemos. La figu - ra 2 muestra la estructura del operador lógico usado: una representación de las relaciones de Similaridad entre los objetos constituye el espacio de la represen - tación. Esa representación se usa como mecanismo de activación de algunos conceptos almacenados en el Espacio Semántico [formalización de todos los conceptos posibles de una Teoría Científica dada]. Los conceptos activados por una Base de Datos específica constituyen una interpretación de la mis - ma, interpretación que es contrastada por medio de ejemplos de control (Experimentación). Est.disflc, DATOS DESCRIPCION —REPRESENTACION r.rnniú.cI6. rsp~c¡o SEI~NTIOO INTERPPETACION EJEMPLO DE Contrast,ei¿n 1 CONT ROL Fig. 2. El operador lógico está definido por el conjunto de reglas que organizan y ordenan los distintos conceptos (el Espacio Semántico), de forma tal que el conjunto de codos los conceptos posibles emanables de una Teoríaadopte la estructura de una Red Asociativa. En ella, cada concepto es un predicado (o conjunto de predicados) conectado a otros muchos por medio de relaciones. Estas relaciones son vínculos que contribu - yen al significado de cada concepto, pues representan las funciones que debe desempeñar cada uno de ellos. Ya hemos visto anteriormente que los conceptos se definen funcionalmente y no por su estructura. La Red Asociativa de conceptos adopta, pues, la forma deun grafo compuesto por nodos y arcos entre esos nodos. Enél, la interpretación está representada, a su vez, por la interacción de distintos nodos (con - ceptos), cada uno enviandomensajes (por medio de las relaciones o arcos) a otros nodos. Las relaciones entre los conceptos son de dos tipos: taxonómicas (ES-UN) o explicativas. Ambas permiten la herencia de propiedades, es decir, la activación de un concepto siempre y cuando haya sido activado el anterior; pero, mientras que en el primer tipo la relación está definida axiomáticamente [siempre que se active a, se activará b], en el segundo 46 Juan A. Barceló tipo, entre a y bse ha definido un concepto intermedio (llamémosle x), cuya función de activación nada tiene que ver conla den. Por lotanto, si ayx se activan simultánea e independientemente, entonces se acti - varátambién b. En resumidas cuentas, el operador lógico es el controlador de la semántica del sistema pues contie - ne toda la secuencia de reglas de producción que permiten la identificación de los distintos conceptos. No es más que la simulación de unas operaciones mentales bien conocidas en Psicología: el proceso que permite identificar una relación empírica y «etiquetaría» por medio de un concepto almacenado en el interior del Sistema depende de toda una serie de mecanismos estructurales y de procedimiento; los primerosestánimplementados enla propia arquitec - tura del Sistema (relaciones ES-UN y explicativas) mientras que los segundos hacen las veces de Unida - des de Activación o EntidadesAnalíticas (no confun - dir con las Entidades Teóricas o Conceptos) (ANDERSON, 1983; HOFFMAN, 1986; HOLLANI) et al., 1986; JOHNSON-LAIRD, 1988). Enla Red Asociativa de conceptos, la «verdad» de una interpretación está sustituida por la noción de «presente en el grafo como arco (relación) entre dos nodos». Es decir, la únicacondición para que uno o varios conceptos sean una interpretación válida de un conjunto de datos específico es que estén «activa - dos», esto es, que en el grafo exista una serie de arcos que conectenefectivamente los datos conel concepto en cuestión. Es por esto por loque la inferencia no se define comola derivación de Teoremas a partir de Axiomas y de Teorías,sino como la extensión de estructuras relacionalesincompletas,para que sean menosincompletas (FROSIr, 1986; TOURETZKY, 1986; ETHERINGTON, 1987; SHASTRI, 1988; HORTY et al., 1990). Estas ideas son muy importantes; en general, se puede decir que la expresión - DoW es válida, donde O son los datos y C los conceptos, si existe en la Base de Conocimientos alguna forma en que la activación de los conceptos de bajo nivel relacionados con Dse propaguehasta un concepto de alto nivel como C. Es decir, que exista: D -> x -> y-> z -> C 5. Funcionamiento del Sistema Hasta aquí seha mencionado en muchas ocasiones el término «activación», sin que se haya explicado convenientemente.Activación es, en este trabajo, un sinónimo de instanciación.Antes de poneren marcha el Sistema, laBase de Conocimientos ya existe como el conjunto del mayor númeroposible de soluciones aun problemadado. Lo que pretendemos es que, de todos esos conceptos queel sistemaconoce, se extrac - ga (es decir, se «active») aquél (o aquéllos) que se pueda considerar como la respuesta a un problema dado. La forma usual de ese problema es la siguiente: «una comunidad humana, H, utiliza enun contexto C (espacial, social, cultural, cronológico,..) una serie de objetos O, con una finalidad E (BARCELO, 1989). Habitualmente, la incógnita a resolver es E, pues tanto H, C como O son conocidos por el arqueólogo. Ahora bien, el valor de E no es una función del valor concreto de H, C u O, sino una instanciación de T (una Teoría, presentada bajo la apariencia de una Base de Conocimientos), siempre y cuando satisfaga las condiciones impuestas porH, C yO, de un lado, y Tdel otro. El objetivo del estudio será, por tanto, analizar todas las relaciones posibles entre (H,C,O) y (T). Lo que menos importa es «auto - matizar» las instanciaciones de T, sino que hemos de intentarsimularel comportamientodelaTeoriaenun contexto particular, para observar sus aciertos y sus debilidades. Es preciso tener en cuenta que Tnoestá formada por un conjunto de Verdades Científicas, sino de hipótesis. De ahí que quizás fuese mejor definir el objetivo del estudio por medio dela siguien - te pregunta: ¿acaso laTeoría Tpuede ser válida enun contexto definido por H, C y O?. Supongamos una Teoría ideal (es decir, que no se corresponde con ninguna Teoría Científica al uso) sobre la Interacción Social. Nos interesa estudiar el concepto de Control Social; particularmente, si es posible poner en relación este concepto con una representación específica de la Similaridad entre los objetos sociotécnicos de una comunidad. Es decir, de lo que se trata es de analizar la importancia de la noción de similitud en la naturaleza de una de las formas de InteracciónSocial, y hacerlo de manera que sea arqucológicamente útil: si codos los objetos utilizados por una comunidad para «fijar» su perte - nencía a una Elite Social son idénticos, ¿significa que esa Elite Social tiene una estructura más o menos estable? ¿Qué papel desempeña el Control Social en esa estabilidad? Supongamos que al concepto de Control Social le hemos asignado un nivel de generalidad muy alto, esto es, no puede expresarse por medio de un lengua - je observacional. En estas condiciones ¿cómo lo utilizaremos en una interpretación?Derivando su - cesivamente, gracias a lo que sabemos acerca de la Teoría, conceptos de nivol más bajo, hasta llegar a conceptos expresados en lenguaje observacional (re - laciones matemáticas de Similaridad).Como resul - tado hemos obtenido una lista de 20 conceptos: Control Social Estratificación Social Compleja Estratificación Social Simple Estratificación Social Nula Jerarquización Social Muy Fuerte Jerarquización Social Apreciable Jerarquización Social Nula Clase Social Dominante Clase Social Media Clase Social Dominada División Social Muy Fuerte División Social Acentuada División Social Parcial División Social Débil División Social Inexistente Grupo Social con Consistencia de Clase Grupo Social Formado Grupo Social en Formación Grupo Social No Diferenciado Diferencia de Poder Todos estos conceptos están relacionados entre sí, de forma tal que las informaciones asociadas acada uno «circulan» por la red que han formado. Hay que señalar que lo que aquí hemos llamado «concepto», no deja de ser una etiqueta o predicado cuya finalidad es la de recuperar una serie de informaciones (su estructura interna). Los conceptos «División Social», «Grupo So - cial» y «Diferencia de Poder» son los más bajos en la jerarquía, porque podemos aproximarnos a ellos en lenguaje observacional: los términos División, Dife - rencia y Grupo hacen referencia claramente a rela - ciones de Similaridad, más concretamente: DIVISION:—> GRUPO: —> DIFERENCIA: ciertogrado de falta de similaridad cierto grado de similaridad —> sustracción de valores es - pecíficos de similaridad En consecuencia,unos ejemplos de función de activación de esos conceptos de bajo nivel serían: — Si los índices de similaridad entre todos los obje - tos sociotécnicos son mayores que x, entonces -> GRUPO SOCIAL — Si los índices de similaridad entre todos los obje - tos sociotécnicos son menores que x, entonces -> DIVISION SOCIAL ¿Cómo hemos llegado a definir esas funciones de activación? Una vez definidos los conceptos no di - rectamente observacionales denivel bajo, se aplican técnicas inductivas y/o deductivas de Aprendizaje Automático (cf. supra) que conviertan la informa - ción teórica asociada aesos conceptos en un lenguaje observacional, dado un conjunto de ejemplos etnoarqueológicos de control (lo mayor posible). La función de activaciónobtenida es falsable si las inferenciasproducidas por el Sistema no reproducen lo que sabemos acerca del ejemplo de control. Una vez activados los conceptos de menor nivel jerárquico, la activación se propaga por la red, si - guiendo las relaciones teóricamente definidasentre los conceptos. Ya se ha dicho en la sección anterior que las relaciones entre conceptos son de dos tipos, taxonómicas «puras» y «explicativas». La diferencia es muy clara.Supongamos, por ejemplo, los concep - tos: Clase Social Dominada Clase Social Dominante Clase Social Media Estratificación Social Simple Estratificación Social Compleja Los conceptos «Clase Social» los hemos situado en unnivel de abstracción inferior al de los conceptos «Estratificación Social». La relación entre ambos niveles es directa. Enprincipio podemos esquematizar la argumentación diciendo: — Si existe Clase Social Dominada y Clase Social Dominante, entonces existeEstratificación Social Simple. — Si existe Clase Social Dominada, Clase Social Media y Clase Social Dominante, entonces existe Estratificación Social Compleja. Analizando, por el contrario, la relación entre los conceptos de «Estratificación» y «Control Social», apreciaremos que no hay entre ellos una relación directa. En principio, comunidades con cualquier tipo de Estratificación pueden desarrollar Control Social. Sabemos que hay relación entre ambos con - ceptos porque si hayEstratificación, habrá Control Social, pero tambiénsabemos que necesitamos más información paraconcluir que esa relación es válida. En parte, esa información existe en la estructura interna de conceptos como «Jerarquía Social»: para que en una comunidad se dé el Control Social es preciso que esté jerarquizada y estratificada. Pero aún nos falta información. Necesitamos un nuevo concepto que sirva de intermedio; pongamos por caso, la noción de «Rivalidad Social». Este es un concepto externo al sistema, ya que sólo está ligado al concepto de «Control Social», es decir, que su activación no depende de la activación delos concep - tos anteriores (fig. 3). El resultadofinal (output del Sistema) sería una proposición de la forma: «El concepto Xha sido activado por la población P porque las funciones de activación Fi, F2 y F3 concuerdan con la descripción obtenida en P» Fi es la función de activación que activa el concepto de bajo nivel «División Social», F2 la función de activación que activa el concepto de bajo nivel «Di - ferencia de Poder» y F3 la función de activación que activa la cadena de inferencias que lleva al concepto «Rivalidad Social». Como se ve, la explicación que proporciona el Sistema es una lista de las funciones de activación teóricamente necesarias. Se podría aducir que incurrimos de nuevo en el errorpositivista de confundirconceptos interpretativos con lenguajes observacionales (cf. HANNEN y KELLEY, 1988; GIRBON, 1989). El Sistema cuya maquetageneral se ha presentado aquí no pretende producir InterpretacionesAutomáticas. Es una simu - lación de las Teorías de Alcance Medio (RAAB y GOODYEAR, 1984; SCHIFFER, 1988; BINFORD, 1989), y no una receta para hacer Arqueología. Simplemente, permite formalizarfunciones de acti - vación (porejemplo, Relaciones de Similaridad por encima de 0,78 entre itemssociotécnicosimplican ControlSocial) en una plataformacapaz de reprodu - cirsin error cadenas de inferencia muy largas. De este modo, se consiguecumplir una condición previa a toda experimentación. La limitación de los arqueólogos y científicos sociales a tratar con cade - nas de inferencia muy cortas e hipótesis simples de bajo nivel de abstracciónpuede ser solventada recu - rriendo a Sistemas de Interpretación Asistidos por Ordenador. Estos últimos no son «inteligentes» porsi mismos, sino porque reproducen los mecanismos de inferencia más complejos que puedallegar a empren - der un investigador. 6. Conclusiones La estructura interna de los conceptos interpretativos no es más que la implementación de una Teoría Científica: en vez de una lista de todos los atributos posibles de un concepto se construye un modelo o representación dinámica (es decir, transformable) de los atributos teóricamente necesa - rios, de las relacionesentreellos y de sus funciones de activación para la definición de cada concepto. La coherencia de éstos deriva, pues, de la estructura interna del dominio enel que seva a usar el concepto y laposición del concepto en la Base de Conocimien - tos. En términos de Inteligencia Artificial, podemos describir este núcleo conceptual como una estructura explícita residente enla memoria del ordenador y que registra las propiedades comunes y más típicas del concepto, asícomoelprincipioqueunificasusdistin - tas instancias. El procedimiento de identificación-instanciación (la estructura externa) es un mecanismo de inferencia a partir de esta Base de Conocimientos, y no un cálculo matemático o estadístico.Utiliza el conjunto estructurado de unidades de significación y ciertas bases de reglas paratransformar la Base de Conoci - míentos según el Contexto. El procedimiento está configurado por los meca-conocimientos que posee - mos acerca de los conceptos, es decir, las propieda - des que son claves para un concepto y que no apare - cen en el contexto estudiado, las transformaciones autorizadas en la Base de Conocimientos y cómo las propiedades o las transformaciones pueden variar entre las instanciaciones de un concepto. Un proce - dimiento de instanciación así definido opone la re - presentación del concepto a las observaciones (ms - tanciaciones potenciales) por medio de inferencias que integran la información contextual y los conoci - mientos estructurados en la memoria del ordenador. Una manera cómoda y útil de simular el funciona - miento del procedimiento de identificación - instanciación, espormedio deun SistemaExperto, es decir, usando reglas de producción y un modo de Fig. 3. inferencia basado en el Modus Ponens: un sistema como ése tendrá dos componentes principales, un conjunto de reglas condición-acción (Si ..., enton - ces ..Q o producciones, y una memoria de trabajo dinámica (fig. 4). Antes de lanzar la Base de Reglas, la Memoria de Trabajo está ocupada por la Teoría Científica propiamente dicha, presentada bajo la forma de una Red Asociativa (Entidades Teóricas unidas por conexiones taxonómicas y/o explicati - vas). Dado que esa memoria es dinámica, al instanciar las Unidades de Activación, esto es, introducir en la Memoria una serie de datos, ésta se transforma, adoptando un estado peculiar, precisamente el subgrafo de laRed Asociativa que corresponde a la Base de Datos usada. Esa Base de Datos debería haber sidoescogida por su capacidad para represen - tar un problema; en nuestro caso, las relaciones de similaridad entre objetos sociotécnicos representan el problema: «qué clase de Identidad Social existe en esa Comunidad». Asociada al problema existe una Base de Reglas, cuya función es describir el estado particular de la Red Asociativa que ha sidoactivado por la Base de Datos: esa descripción es, evidente - mente, la solución al Problema. La Base de Reglas puede contener también criterios de validación exter - nos, esto es, independientes de la Teoría utilizada en un principio, que en el caso de ser satisfechos por la solución, contribuirían a modificar la Teoría de par - tida.Elsistemaoperaporciclos. Encadaunodeellos, las condiciones de cadaregla son comparadas con el estado actual de la memoria de trabajo. El sistema selecciona aquellas reglas cuya condiciónreaparece en la memoria de trabajo y las aplica, es decir, sus acciones son incorporadas ala memoria. Este hecho altera el estado de la memoria de trabajo, por lo que, en losciclos siguientes, las reglas son comparadas a TEORíA EXPERIUSTO -Red AsociativaDATOS - Estado particular de la Red AsociativaPROBLEMA [~~j~lCAClON BASE DE REGLAS una memoria de trabajo «ampliada». El sistema se detienecuando sehan acabado las reglas o cuando el usuario introduce la instrucción: FIN BIBLIOGRAFIA ABELSON, R.P.; LALLJEE, M. 1988 «Knowledge structures andCausal Explanation» en Conteníporary Selence aná Natural Explanation. Conunon sense conceptions of causaliiy. Edited by D. Hilton. Brighton: The Harvester Press. APTUORPE, R. 1984 «Hierarchy and ocher social relations: some categorial logic». Differences, valeurs, hierarchies. Testes offerts á Louis Dumont. Organisé par J.C. GMey. Paris: Ed. de l’EcoJe des Haules Etudes en Sciences Sociales. ANDERSON, J.R. 1983 TIte Architecture of Cognition. Cambridge (MA): Harvard tJniversicy Press. AMSTRONG, S.L.; GEITMAN, L.R.; GLEITMAN, H. 1983~ «What some concepcs might not be,>. Cognition 13: 263-308. BARCELO, J.A. 1989 Arqueología, Lógica y Estadística. Beliaterra: Servei de Publicacions de l’Universitat Autónoma de Barcelona (Tesis Doctorals, microfitxes). BARCELO, JA. 1991 «Simulating Non-Monotonic reasoning in Archeology» (en preparación). BARTHELEMY, J.P.; GIJENOCHE, A. 1988 Les arbreset les representations des proximités. Paris: Masson. BINFORD, L.R. 1989 Debating Archaeology. New York; Academic Press. BROWN, M. 1986 «An experimental logic based on che fundaniental deduction principle». Artificial Intelligence, 30(2): 117-263. CLANCEY, W.J. 1985 «Heuristic Classification».Art,ficiallntelligence, 27: 289-350. DIDAY, E. 1987 SOLUCION Descripción de es, Estado Particwmr de la Red Asociativa «Introduction h l’approche symbolique en Analyse des donnés». Actes des Journées Symnbólique-Numérique’ pour l’Apprentissage de Connaissances A partir de Données. Organisdes par E. Diday et Y. Kodratoff. Paris: Lise, Ceremade et Univ. Paris-Dauphine. VALIDACION Coiietón con otras Teorías DIDAY, E. 1988 «Thesymbolic approach inclusteringand related niethods of data analysis: che basic choices» en Classification and Related Methods of Dato Analysis. Edited by H.H. Bock. Amsterdam: North Holland. Fig. 4.