Tesis92

TESIS DOCTORAL.
"DESIGN CULTURE".
(Estudio etnográfico de los proyectos de investigación
de la School of Computer Science de Carnegie Mellon University,
un "computer-intensive campus").
ARTURO SERRA HURTADO.
DEPARTAMENTO DE ANTROPOLOGIA CULTURAL
E HISTORIA DE AMERICA Y AFRICA.
UNIVERSIDAD DE BARCELONA.
1992.

A la comunidad de Carnegie Mellon.

AGRADECIMIENTOS.
Este proyecto tiene su origen en las Jornadas Experimentales denominadas
"Modelos de futuro, nuevas tecnologías y tradición cultural" que en Noviembre de
1988 organizó el Equipo de Dinamización de Nuevos Modelos de Cultura y Sociedad,
dirigido por Arcadio Rojo y Arturo Serra, y el Departamento de Antropología
Cultural e Historia de América y Africa, dirigido por la Dra. María J. Buxó, sin
cuyo respaldo no hubieran podido realizarse.
Dichas Jornadas recibieron, a su vez, el apoyo del Dr. Salvador Giner, entonces
director del Departamento de Sociología y Metodología de las Ciencias Sociales
de la Universidad de Barcelona. A su vez contaron con el patrocinio de la
Fundació Caixa de Barcelona, dirigida por el Sr. Joan Rigol.
A dichas Jornadas invitamos al Dr. Angel Jordan , entonces Provost de Carnegie
Mellon, que ofreció al equipo dirigido por la Dra. Buxó su Institución como un
primer "laboratorio" experimental para iniciar el trabajo de campo de un
proyecto de investigación que elaboramos a partir de dichas jornadas y que
denominamos: "Ciencias del diseño, nuevas tecnologías y tradición
cultural".(1990-1991). Esta tesis es uno de sus frutos.
El Rector de la Universidad de Barcelona, Josep M. Bricall, el Dr. Angel Jordan,
por Carnegie Mellon , y el Sr. Santiago Guillén por el Centre Divulgador de la
Informática, S.A. de la Generalitat de Catalunya firmaron un convenio de
colaboración entre esas tres instituciones para dar respaldo a dicho programa. A
su vez, este programa recibió pequeñas ayudas de la CIRIT, dirigida por Artur
Bladé, del Comité Conjunto Hispano-Norteamericano, dirigido por María Jesús de
Pablos y de la Fundació Catalana per a la Recerca, el Dr. Planas y Castellví.
A todas estas personas que han hecho posible la realización de esta tesis, mi
más sincero agradecimiento, en particular, a mi colega y amigo, Arcadio Rojo, a
mi directora de tesis Maria J. Buxó, a mi generoso "informante" Angel Jordán, y
al patrocinador del proyecto, Santiago Guillén, sin cuya financiación éste
hubiera sido inviable.
En cualquier caso, esta tesis no hubiera sido posible sin el buen humor y la
entereza de mi mujerTonia, durante estos dos largos años de separación para
elaborar este trabajo y su inapreciable labor con Alejandro y Clara en mi
ausencia. Gracias, en especial, a vosotros.

INDICE GENERAL.
PRIMERA PARTE.
"DESIGN CULTURES": TEORIA DE LAS TECNOCULTURAS.
(OBJETIVOS DE LA INVESTIGACION, MARCO TEORICO E HIPOTESIS DE TRABAJO).
SEGUNDA PARTE.
CARNEGIE MELLON, UN "COMPUTER-INTENSIVE CAMPUS".
(DE INSTITUTO DE TECNOLOGIA A UNIVERSIDAD DE INVESTIGACION).
TERCERA PARTE.
LA SCHOOL OF COMPUTER SCIENCE:
UN CENTRO PRINCIPAL DE INVESTIGACION DE CMU.
1. QUE SIGNIFICA COMPUTER SCIENCE EN LA SCS.
2. LA "ARTIFICIAL INTELLIGENCE" DE CMU.
3. EL "PROGRAMMING SYSTEMS" DE LA SCS.
4. "COMPUTER SYSTEMS" EN LA SCS.
5. " THEORY" EN COMPUTER SCIENCE DE CMU.
CUARTA PARTE.
CARNEGIE MELLON COMO "DESIGN CULTURE".
LIMITES DE UN COMPUTER-INTENSIVE CAMPUS Y PERSPECTIVAS.
QUINTA PARTE.
METODOLOGIA Y BIBLIOGRAFIA.

PARTE PRIMERA.
"DESIGN CULTURES":
TEORIA DE LAS TECNOCULTURAS.
(Objetivos de la investigación, marco teórico , e hipótesis del trabajo ).
1. OBJETIVOS DE LA INVESTIGACION.
1.1. TECNOANTROPOLOGIA Y TECNOCULTURAS.
Este es un estudio antropológico sobre la investigación en un
"computer-intensive campus", donde durante los años 80s, la tecnología
informática se generalizó formando una "computer culture". Este es un estudio
sobre esta comunidad de conocimiento.
La doctora Maria J. Buxó, en colaboración con el Dr. Angel Jordán, ha definido
la tecnoantropología como : "el estudio de la tecnología como un sistema
cultural. Ello significa el análisis del contexto social (producción, consumo,
recursos humanos, redes de colaboración,...) así como el conocimiento cultural
(ciencia, ideología, sentido común...) donde esta tecnología es construída
(industria, sociedad, instituciones...) y su feedback sobre nuevas pautas de
adaptación social y de innovación de conocimiento. Desde un punto de vista
prospectivo, la tecnoantropología elabora los sistemas expertos de conocimiento
desde los cuales el diseño cultural puede ser realizado para la innovación de la
productividad y la calidad del trabajo humano en la industria, corporaciones e
instituciones de investigación y de enseñanza."
Por su parte, el Dr. Salvador Giner ha acuñado el término "tecnoculturas"para
designar un fenómeno social emergente en las sociedades industrializadas, nacido
de las tecnologías de la información, y caracterizado por su incesante capacidad
de innovación. "Estamos pasando de una sociedad apoyada sobre un flujo de
innovaciones técnicas materiales (como lo ha sido hasta ahora la sociedad
industrial) a otra que reposa en un flujo de innovaciones técnicas
abstractas..." ("Ensayos civiles". 1987: 141).
Dentro de estos marcos de referencia, mi estudio está centrado en un tipo
particular de tecnoantropología, la dedicada al diseño y análisis de las
tecnoculturase entendidas como un tipo de comunidades posibles basadas

predominantemente en el conocimiento y la actividad humana de invención e
innovación, como valores culturales que se aplicables al conjunto de esferas de
la vida social: los sistemas de conocimientos, de actividades, de
organizaciones, de sistemas tecnológicos, y de ecosistemas y relaciones
organizadas con el resto de la naturaleza, dentro de este planeta y más allá del
mismo.
Es cierto que en toda cultura humana se han producido procesos de innovación, y
en particular de innovacion tecnológica, pero sólo recientemente se está
empezando a considerar esta actividad con una función de hegemonía cultural.
Sólo recientemente la tecnología se ha empezado a considerar "high technology",
y ésta empieza a considerarse un conocimiento básico de una tecnocultura.
Desde este punto de vista, esta rama de la antropología surge de la combinación
del concepto central de la antropología : el concepto de cultura, y de una tarea
característica de la moderna tecnología informática: la actividad de innovación
mediante el diseño, y en particular, la programación.
Para el fundador de la antropología cultural, Edward B. Tylor, "la Cultura o la
Civilización, tomada en su amplio sentido etnográfico, es ese complejo conjunto
que incluye el conocimiento, las creencias, las artes, la moral, las leyes, las
costumbres y cualesquiera otras aptitudes y hábitos adquiridos por el hombre
como miembro de la sociedad" (1977:19). En palabras de Claudio Esteva: "
Definimos como cultura, sobre todo, el modo común de pensar organizado de los
individuos de una sociedad en orden a producir actividades sociales coherentes,
tanto de acción material como de acción espiritual" (1984:65).
Por su parte, Herbert Simon, uno de los padres fundadores de la Inteligencia
Artificial, y profesor de CMU, considera que el diseño es la principal marca que
distingue las profesiones de las ciencias: "Design...is the core of all
professional training; it is the principal mark that distinguishes the
professions from the sciences" (1981: 129).
En este sentido, el concepto tecnocultura o cultura de diseño puede traducirse
por el de "design culture", dado que el diseño es una actividad intelectual
central a este modo cultural emergente.
El campo de estudio no son pues todas las culturas tecnológicas, sino en
particular, aquellas que se desarrollan como "high tech", y van asociadas a
tecnologías como el ordenador, la bioingenierías o los nuevos materiales. Como
veremos, estas son tecnologías particulares, distintas a las ingenierías

tradicionales y a la ciencia. El adjetivo "high" no es accesorio. Indica el
tránsito de unas culturas tecnológicas ,hasta ahora concebidas como aplicación
de la ciencia, a un nuevo tipo de culturas tecnológias con una teoría emergente
propia distinta a la de la ciencia, y que puede disputarle a ésta el papel de
conocimiento hegemónico en las culturas industriales.
La tecnoantropología que esta tesis desarrolla tiene como campo general de
estudio este tipo de fenómeno tecnológico , y persigue contribuir al diseño de
este tipo de tecnoculturas.
1.2. CMU COMO "COMPUTER-INTENTIVE UNIVERSITY" : EL OBJETO DEL ESTUDIO
ETNOGRAFICO.
No obstante, el tema de las tecnoculturas es tan amplio que exige un recorte en
este estudio. Existen "computer cultures" industriales o en organismos
administrativos que no son objeto de este análisis. Nos hemos ceñido a estudiar
una comunidad de conocimiento, aquel tipo de comunidad dentro de un sistema
cultural dedicada a la elaboración de los patrones de conocimiento del conjunto
del sistema.
Este estudio es un análisis etnográfico de la "computer science community" de
Carnegie Mellon University, el primer campus universitario de Estados Unidos en
establecerse como "computer-intensive campus". Dentro de éste, hemos estudiado
los proyectos de investigación principales de la School of Computer Science, un
centro de investigación de esta comunidad universitaria.
Este "computer- intensive campus" es una "computer culture" universitaria. Este
estudio está ceñido a una "research university", un tipo particular de
universidad cuya actividad fundamental es la investigación, actividad de donde
obtiene una parte sustancial de sus ingresos. Existen universidades que son
esencialmente centros docentes que han establecido redes informáticas, que no
conciernen a este estudio.
Este es un estudio de una comunidad de conocimiento, dedicada principalmente a
producir nuevo conocimiento mediante la investigación.
Dentro de esta comunidad de conocimiento hemos seleccionado, por tanto, aquella
parte más específicamente propia de la misma: su actividad de investigación, por
la cual es reconocida como una universidad de excelencia en el conjunto del
mundo universitario norteamericano. Y dentro de esta actividad de investigación

hemos escogido aquella, la realizada en la área llamada "Computer Science", que
es la más reconocida en la cultura universitaria no sólo del país sino a escala
internacional. Otras áreas culturales de esta comunidad como su sistema de
jerarquías o su infraestructura material se analizan sólo en tanto en cuanto
tienen relación con ese objeto de estudio.
CMU es pues, una universidad de investigación, cuyo campo principal, no único,
en estos momentos, es "computer science ". A lo largo del estudio se utiliza el
término "computer science" y no la traducción castellana "informática", dado que
tiene un particular sentido en este contexto cultural. A diferencia de las
escuelas de informática como en España, integradas inicialmente en Universidades
Politécnicas, Computer Science en CMU se constituye en el período en que esta
institución pasó de ser un instituto de tecnología a denominarse universidad. La
evolución de esta cultura en CMU ha asociado dos términos "computer" y "science"
en una particular relación que no es traducible por el término "informática".
El campo de invención principal de CMU está centrado en el desarrollo del
conocimiento básico de los ordenadores. Este conocimiento tiene como áreas
centrales: la "Inteligencia Artificial", el "Programming Systems", el "Computer
Systems" y la "Computational Theory". Pero no se reduce a ello. La cultura de
"computer science" se extiende a otras ramas como "Robotics", ramas de
Humanidades y Ciencias Sociales: "Computational Linguistics", Cognitive Science,
Educational Computing, Computer Music. Se extiende a la Ingenieria, Electrical
and Computing Engineering. Al Management, Information Systems. Al resto de
Ciencias, en forma de "Scientific Computing".
1.3.EL PROBLEMA: ¿ CULTURA DE LA "SCIENCE AND TECHNOLOGY" O CULTURA
DE LA "TECHNOLOGY AND SCIENCE"?.
Vivimos en una época, que socialmente se denomina "sociedad de la información".
En ella, se afirma que el "conocimiento" es un valor cultural central de esta
era.
Esta denominación surgió en los años 60s y 70s, gracias a un conjunto de
estudios entre los que destaca, hasta la fecha el más completo, el del sociólogo
de Harvard, Daniel Bell , "The Coming of the Postindustrial Society" (1973).
Segun este clásico, la significación de este tipo de sociedad era ante todo " La
consolidación de la ciencia, y los valores cognoscitivos como necesidad

institucional básica de la sociedad".(1976: 64). La sociedad post-industrial era
una "sociedad del conocimiento" (ib:249), en el que "la universidad...es la
institución principal"(ib: 65) .
Para D. Bell: "El grupo más crucial en la sociedad del conocimiento es, por
supuesto, el de los científicos"(ib:253). Para Bell, la cúspide de esa clase
alta de la "Ciudad Cientifica" en 1968 estaba compuesta en Estados Unidos por
una élite de 297.492 personas, con una mayoría de ciencias físicas (53%), un 20%
de ciencias de la vida, y un 11% Matemáticas y Computadoras (2% para
computadoras), y17% para ciencias sociales. Los ingenieros, según este autor, no
formaban parte de esta élite.
Según esta teoría, el poder de las naciones era proporcional al poder de su
conocimiento científico. Una forma de medirlo era el índice de gastos en
Investigación y Desarrollo en relación con el producto interior bruto. A mas
R&D, más conocimiento científico y más poder nacional. En los años 70s, este
modelo parecía evidente en Estados Unidos. La área clave, por lo tanto, de la
política de un país era la "policy of science".
Pero este modelo ha empezado a entrar en crisis en los años 90s.
En los años 80s, determinados estudios han empezado a señalar los límites de
este modelo cultural.
Uno de los más influyentes fue el informe "Made in America" (1989) del
Massachussets Institute of Technology . Este informe critica la idea de la
"sociedad postindustrial" basada en los servicios, que amenaza la
desindustrializacion del país,(ib.:39). A su vez, el excesivo énfasis puesto
tras la II Guerra Mundial, en Estados Unidos en la ciencia en detrimento de la
ingeniería se considera una de las razones de la pérdida de liderazgo
tecnológico frente a japoneses y alemanes . (ib:77-80). Esta pérdida de
liderazgo se ha intensificado al finalizar la Guerra Fría.
Científicos y expertos en Estados Unidos, como Lewis Branscomb, antiguo defensor
de la " policy of science", sostienen ahora la necesidad de una "Technology
Policy" para Estados Unidos (1991). Alan Bromley, asesor para asuntos
científicos del presidente Bush, sostiene por primera vez la urgencia de dicha
"technology policy" para la defensa del interés nacional. Un panel de expertos,
encabezado por William D. Phillips, Associate Director for Industrial
Technology, de la Office of Science and Technology Policy de la Executive Office
of the Presidente, ha emitido un reciente informe que basa en un conjunto de 22

tecnologías claves , el grueso de las cuales se agrupan en torno al grupo
"information and communications"(1991).
El hecho que ha evidenciado la crisis del modelo anterior es el declive
económico del país que aún cuenta con el más poderoso sistema científico-técnico
del mundo: Estados Unidos. Por el contrario, se asiste al surgimiento de
competidores como , Japón, y Alemania, que con una producción científica
inferior tienen un creciente poder tecnológico e industrial. Un campo donde este
hecho se ha puesto en evidencia es el de las "computer industries". Estados
Unidos, con una mayor capacidad en Computer Science esta empezando a perder
terreno industrial frente a Japón. Ello ha venido provocando desde finales de
los 80s, sucesivas reflexiones sobre la crisis de este modelo.
En Europa, esta diferencia entre cultura científica y cultura tecnológica ha
sido detectada por el francés, Jean Jacques Salomon, profesor del Conservatoire
National des Arts et Metiers.(1989).
Según este experto en políticas de I+D: "L’effort d’innovation ne se confond pas
avec l’effort de recherche scientifique proprement dit...Le succes
spectaculaires du Japon dans les domaines technologique et industriel n’ont
jusqu’a present mis en jeu que des contributions mineures au progres de la
science en tant que telle" (1989:35).
Así los éxitos industriales de Alemania, en comparación con Francia, según
Salomon, se deben al cuidado en la eficacia económica de las inversiones en R&D,
que son realizados en un 62% por la industria, mientras que el Francia, es el
Estado el que financia la mayoría, el 53%.
Estas reflexiones apuntan a la puesta en marcha de "politiques d’innovation",
basadas en una "culture technique", distintas a las tradicionales "science
policy". (1989:35).
Pero este modelo, curiosamente, no es japonés, ni alemán sino, inicialmente,
norteamericano.Japón está en gran parte adaptando un modelo que nació en la
cultura norteamericana : la primacía de la cultura tecnológica respecto a la
científica.
Como indica Ralph Gomory, presidente de la Sloan Fundation: "The United States
was the leading industrial power well before it became the leading scientific
power. When during the 1920s, the capitals of science were the European
universities, the United States excelled in worker productivity and per capita
income and had the biggest trade surplus...Now U.S. universities are the

capitals of science, and Japan has the trade surplus". (1989:99).
La nueva cultura tecnológica, que está naciendo de la "high tech", está
provocando cambio de valores sustanciales. El valor clásico de la cultura
científica, que según Robert Merton era el "universalismo", está siendo
reemplazado por el de "innovation", una característica propia de la tecnología.
Carnegie Mellon es un caso interesante para analizar la evolución de estos
modelos. Antes de la II Guerra Mundial fue un "institute of technology". Tras
ella, se convirtió en una "research university"
Y ahora este modelo está en crisis en los 90s, abriéndose una reflexión sobre su
porvenir. Su estudio puede darnos pistas para entender la crisis del modelo y
dar elementos para su solución.
Durante los últimos 30 años, Carnegie Mellon se ha ido constituyendo, ante todo,
en una "computer-intensive campus". 1. Es una universidad de investigación de
excelencia en Estados Unidos, país que inventó este sistema de R&D. 2. Su
investigación más avanzada es en el campo de los ordenadores, investigación en
la área que se denomina "computer science", estando clasificada entre las tres
primeras universidades de Estados Unidos, junto con el M.I.T. y Stanford. 3. CMU
se ha distinguido dentro de esta área por ser el centro pionero en "Artificial
Intelligence" y "Cognitive Science" del país. Este fue uno de los centros
fundacionales de la "Cognitive Revolution". Y 4. CMU fue la primera universidad
del país es establecer un "computer-intensive campus", una red informática para
todos los profesores y estudiantes del campus, con la que intercomunicarse y
construir "educational software".
Carnegie Mellon ha ido haciendo de la "innovation" un objetivo cultural
característico y diferenciador de su comunidad: " Carnegie Mellon is committed
to innovation and professional excellence. While offering each student a strong
professional education, the University seeks to confront students with
perspectives drawn from diverse disciplines across the arts, humanities,
sciences and technology. This confrontation of perspectives, while not always
comfortable, encourages new ways of thinking"(University Goals for General
Education. The Search for the President.1989).
Pero , al mismo tiempo, Carnegie Mellon se enorgullece de haber conseguido
colocarse entre las universidades de élite del país, donde la ciencia es el
saber dominante. Allí donde se imparte la educación en "arts and sciences"
tradicional. De ser un "institute of technology", en 1967 cambio su nombre por

el de "university" bajo la dirección del físico H.Guyford Stever. La "etapa
científica" de esta institución es precisamente la etapa en la que la "computer
science" ha reinado como principal área de investigación, desplazando el
protagonismo de la ingeniería. Y esta etapa es la que está ahora en crisis en
todo el país.
No obtante, CMU ha conservado este doble carácter como se refleja en su modelo
de educación denominado: "liberal-professional education", que la diferencia de
la educación habitual en las otras universidades que se denomina "liberal arts
education".
Esta ambiguedad se refleja, también en el carácter de su área fundamental de
investigación: "computer science". La área tradicional de esta escuela era la
denominada "engineering", y ésta incluía en su interior a la ciencia. La
facultad principal de la antigua Carnegie Tech era el College of Engineering and
Science.
Tras la II Guerra Mundial, nació el Department of Computer Science en esta
escuela. Nació formado por matemáticos (Perlis) y científicos sociales (Simon y
Newell) que diseñaban sistemas informáticos. Ya no sólo los ingenieros diseñaban
sino también otras disciplinas del campus. Este protagonismo de científicos, no
de ingenieros, al menos en CMU, en el diseño de este tipo de máquinas, condujo a
que la disciplina se denominara "computer science" en este campus. Y este modelo
sirvió de base para lo que Herbert Simon llamó "sciences of design". Ello ha
tenido interesantes repercusiones.
El sistema denominado "Science and Technology" fué inventado en Norteamérica
tras la II Guerra Mundial, dirigido por la comunidad de físicos que habían
participado en el Manhattan Project. La "computer science" siguió inicialmente
este modelo, adaptándose al esquema Science&Technology. Pero este modelo ha
encajado en este esquema con dificultades. Durante décadas ha habido y siguen
habiendo debates en Estados Unidos sobre si Computer Science era una ciencia o
una ingeniería, o una combinación de ambas y cuál primaba sobre cuál.
La "cybernetics", el "complex information processing", la "computer science",
disciplinas fundacionales de las "computer cultures", son conocimientos de
síntesis entre ciencia e ingeniería, cuando no entre ciencia, ingeniería y
ciencias sociales como la sicología, la linguística y la lógica, en el caso de
la Inteligencia Artificial.
Estos conocimientos se denominan tanto "knowledge" como "know-how", esto es, "un

conocimiento de la forma de hacer las cosas" (Simon, 1977:160), un
saber-como-hacer una determinada tarea. Se consideran no sólo meras prácticas
profesionales o habilidades propias del experto ("skills") sino también
conocimiento teórico , pero distinto al saber propio de la física o la química.
Tradicionalmente, la técnica se ha considerado en la cultura occidental una mera
habilidad, una mera operación, un "doing", que se aprendía con el mero
ejercicio, "learning by doing". Por el contrario, la Academia, al modo
platónico, se encargaba de la "theory", o conocimiento como contemplación. La
moderna ciencia de Galileo introdujo la experimentación en el estudio de los
fenómenos naturales, pero su objetivo era confirmar la certeza de las hipótesis
sobre la naturaleza establecidas por medio de las matemáticas.
El computer science es distinto. Su objeto de estudio es un artefacto: produce
un saber sistemático sobre como inventar nuevas máquinas y sus programas. Se
muestra como un conocimiento diferente a la mera práctica operativa, pero , al
mismo tiempo, distinto a las otras ciencias meramente explicativas o
interpretativas, destinadas a observar o a razonar sobre el mundo.
Este tipo de conocimiento lo expresa en su forma más acabada el programa
informático. No es una teoría al modo de las leyes de la mecánica newtoniana,
pues indica un modo de operar. No persigue la búsqueda de la verdad, sino la
ejecución de una acción por un objeto técnico inventado por el propio
investigador. También los científicos naturales han inventado artefactos para
hacer ciencia, como el telescopio de Galileo. La diferencia es que ahora, el
caso es el inverso. Ahora el computer scientist utiliza las matemáticas, y otras
ciencias como la sicología cognitiva, para hacer tecnología. Prima el objeto
artificial, sobre el llamado"orden natural".
De ahí se derivan dos modelos de investigación distintos: uno, el aún dominante,
se denomina "Science and Technology". El segundo, podríamos denominarlo a la
inversa: "Technology and Science", para indicar que el papel de iniciativa le
corresponde a la tecnología, y su patrón cultural es la innovación, no el
universalismo, propio de la ciencia clásica, según Merton.
El primero modelo es, principalemente, el de la National Science Foundation,
basado en la definición de Vanevar Bush, director de la Office of Scientific
Research and Development en su famoso libro "Science, the Endless
Frontier"(1945). Está compuesto por tres etapas sucesivas: "Basic
Research"-"Applied Research"-"Development". Según Bush, la primera es : "Basic

Research" o "Pure research is research without specific practical goals. It
results in general knowledge and understanding of nature and its laws. This
general knowledge provides the means of answering a large number of important
practical problems, thout it may not give a specific solution to any one of
them" (Bush, 81). 2. La segund y tercera: "Applied Research and Development". Su
diferencia con la anterior es que éstas se dirigen a objetivos y sus resultados
tienen un valor práctico o comercial. Este ha sido el programa de conocimiento
cultural conocido hasta hoy por Research and Development. (R&D).
Su arquitecto Vannevar Bush lo concibió explícitamente como un contrapeso a lo
que denominaba la "perverse law governing research": "Under pressure for
inmediate results, and unless deliberate policies are set up to guard against
this, applied research invariably drives out pure". (1945:83).
Este modelo es el que Nathan Rosenberg y L.E. Birdzell, Jr. denominan: "Science,
Technology and the Western Miracle" (1990): "Western science had become an
institution with a broad general goal (to explain natural phenomena), a division
of labor into specialized departments with their own subsidiary goals...A
fundamental factor holding the enterprise together was its adoption of a single
standard of scientific truth based on observation, reason, experiment and
replicability. The standard enabled scientists to make use of findings from
other laboratories...It also permitted artisans, merchants, manufacturers and
the rest of the working population to applay scientific discoveries to everyday
labors". (1990:44).
No obstante, es el segundo, el que se ha seguido mayoritariamente en centros de
investigación como CMU. Tuvo su origen en la II Guerra Mundial, en el denominado
Manhattan Engineering District, y ha sido continuado , hasta hoy. Es el que está
en el origen de la "computer science and technology", aunque este modelo como
veremos también participa del anterior, en tanto que se ha considerado parte de
la ciencia.
Este modelo se ha financiado principalmente por determinadas agencias del
Departamento de Defensa, como DARPA, y su investigación tiende a ser : "mission
oriented". Este modelo ha tendido a borrar esta división investigación
basica-investigación aplicada tendiendo a fundirla en una sola actividad: la
construcción de lo que Henry Riggs, profesor de Electrical Engineering de
Stanford denomina"fundamental technology", ( 1988 :250).
Hay pues dos modelos de R+D: uno el que sostiene, preferentemente, la National

Science Foundation (N.S.F) e instituciones como los National Institutes of
Health y otro el que sostiene DARPA y agencias similares. El primero es el
culturalmente hegemónico. Los orígenes de ambos son distintos: el primero es el
tradicional, el admitido oficialmente por la Academia, y el propio de las
Universidades tradicionales , el segundo es la que tuvo su origen en la
actividad excepcional de diseño de la bomba atómica en el llamado "Manhattan
Engineer District" (Hughes, 1989:353) y el que DARPA ha continuado durante 40
años. Este modelo como veremos tiene como uno de sus orígenes el laboratorio de
inventos de Thomas.A. Edison, y en instituciones como el M.I.T, minoritarias,
pero influyentes, en el mundo académico norteamericano.
No obstante, existen programas en la NSF como el de Engineers Research Centers,
iniciado en 1985, que intentan dar una orientación más aplicada a dichas
investigaciones.
Computer Science en CMU participa de ambos. Mientras que su área
denominada"Theory" es financiada prioritariamente por la NSF, el resto de áreas
las financia DARPA.
Este doble modelo de R+D explica que en científicos de CMU como Herbert Simon
apareciera incluso una división de campos de investigación distintos: el
"natural world" y el "artificial world", el primero el mundo tradicional que
estudian los físicos y otros científicos, y el segundo el que diseñan los
computer scientists. Nacían dos tipos de científicos, los "natural" y los
"scientists of design". Pero el código de conducta de este segundo tipo de
científico es distintos al del primero.
Según Robert Merton, el primer valor de la ciencia es el "universalismo". El
objetivo institucional de la comunidad científica sería la " la extensión del
conocimiento verificado". (1942: 67).
Pero el valor que aparece central en el "scientist of the artificial" es el de
"innovation". Y éste es un valor central de la ingeniería. En palabras de Dick
Teare, antiguo Dean del Collenge of Engineering and Science de la antigua
Carnegie Institute of Technology: " Look at what characterized engineering:
perhaps the most striking thing --and it’s getting more striking all the
time--is the rate of innovation". (Focus, February, no.5 1980).
La ciencia clásica se basa en el descubrimiento de patrones en la realidad
natural que se repiten, regularidades, modelos formalizables
matemáticamente."Science is all about discovery things" H.Simon. "The Cat That

Curiosity Couldn’t Kill". 9-4-91). Su sello distintivo es el descubrimiento. Por
su parte, a tecnología se centra en la invención de nuevos artefactos. Su tarea
es el diseño.
Es cierto que la tecnología tradicional ha admitido ser una aplicación de la
ciencia. Pero ahora está naciendo una "fundamental technology" (H.Rigss) como
Inteligencia Artificial, Robotics, Bioengineering,... . que son tecnologías que
José Sanmartín, profesor de lógica de la Universidad de Valencia, denomina
"tecnologías sintéticas"(1989), dirigidas a la creación de objetos artificiales,
a diferencia de las "tecnologías de control", como las tradicionales orientadas
a la canalización de fuerzas naturales. El control ha sido el tema clave de las
tecnologías mecánicas, incluso de la cibernética. El design es el tema clave de
las "high tech".
Pero ello plantea una relación nueva con el científico. Si la clave de la "high
tech" es el diseño, la ciencia empírica de estas tecnologías, como el "computer
science", ha de estudiar lo que diseña el ingeniero, o el propio científico. La
relación ciencia-tecnología se invierte. No puede haber ciencia empírica del
ordenador sin ordenadores. Por lo cual, primero hay que inventarlo y luego
analizarlo.
En su construcción se sigue una metodología de invención ingeniera: Para hacer
un sistema informático, lo primero a saber son los "goals", la función de dicho
sistema, luego hay que saber con qué se parte para hacerlo, y finalmente qué
estrategias o caminos se pueden seguir para construirlo, el cómo hacerlo.
Este tipo de innovación es distinta a la concepción de la tecnología como mera
"aplicación" de la ciencia. Se está desarrollando un sistema de conocimiento de
una tecnología básica que no es ciencia ni mera aplicación "técnica" de la
ciencia. Esa tecnología básica, estratégica, es la que producen centros como
CMU, y está protagonizada por un tipo particular de científicos cuya finalidad
no es el mero descubrimiento de orden de las cosas sino diseñar nuevos ordenes
artificiales.
Norman Chigier, William J. Brown Professor of Mechanical Engineer en CMU resume
en esta frase el tipo de conocimiento que podría definir el adoptado por
computer science: " ...Design is what one imagines--translated often in
engineering by a drawing. It’s the concept. As distinct from the person who just
goes out and constructs something. The designer plans....Design is the concept,
the coordination of the ideas, the detailed instructions of how elements need to

be constructed; it is testing, the proving, and finally it includes the
commercial phase...All that is design. They have to conceive the idea and they
have to carry it all the way through. This is the process that scientists don’t
normally get involved in" (Focus. Feb 1983).
La filosofía griega clásica, a excepción de los sofistas, nunca consideró la
técnica ("techné") como saber, como "episteme" (Medina, M. 1989). El saber tenía
que ser saber objetivo, saber universal. La universidad, decía con razon Daniel
Bell, es por ello la institución central de conocimiento de la moderna cultura.
La técnica era tradicionalmente un saber secundario,"aplicado", nacido del saber
fundamental y original. Arrancando de esta tradición, nace la revolución
copernicana en astronomía, la "sciencia nova" física de Galileo , el sistema
newtoniano del Universo, y la teoría de la relatividad de Einstein.
Robert Merton extrajo de este programa de conocimiento un "ethos" de la
comunidad científica: "el universalismo", "el comunismo", el desinteres", y el
"escepticismo organizado". (1942:67-77). Daniel Bell, de Harvard, concluyó que
la universidad iba a ser la institución central de la sociedad postindustrial.
Pero la Computer Science, y las tecnologías que le siguen, están entre dos
mundos culturales. Por un lado se definen como ciencias, y han encontrado
ubicación la lado de la matemática. Pero por otro, se rigen por un patrón de
innovación, propio de la ingeniería. CMU, hoy, está entre estas dos culturas, y
su equilibrio es inestable.
CMU no es la clásica universidad modelada al estilo europeo tradicional, sino
más un instituto tecnológico, convertido en un "computer-intensive campus", cuyo
centro de innovación principal son los grandes programas de investigación en
Computer Science and Technology financiados por DARPA.
El "computer scientist" no se pregunta sólo por el llamado "know-how", no
pretende sólo construir sistemas, sino acumular saber sobre su diseño. Su
objetivo es el nuevo saber, no sólo el nuevo sistema. Su objetivo no es la mera
"performatividad" (F. Lyotard) sino aumentar el diseño, como un tipo específico
de conocimiento propio de esta tecnología.
En ésto se diferencia del antiguo ingeniero. Su finalidad no es sólo construir
máquinas sino aumentar su saber a cerca de cómo construirlas. Este matiz es
clave en "computer science". Es un nuevo tipo de teórico. Su objetivo final es
aumentar su conocimiento, no simplemente fabricar artefactos. Pero a diferencia
del científico académico tradicional, su conocimiento no pretende descubrir unas

leyes universales de la naturaleza o de la sociedad, sino saber qué nueva
realidad artificial, un nuevo algoritmo, software o hardware puede inventar y
cómo hacer que funcione y cumpla unos objetivos que se los pone el propio
"computer scientist", en colaboración con la agencia de donde obtiene fondos.
Hasta ahora a este saber se le ha llamado "science of design". Sería más
correcto denominarlo, "new engineering" pues su matriz cultural es el diseño, no
el descubrimiento. Es una nueva ingeniería, concebida como la invención de
"fundamental technology", a diferencia de la vieja ingeniería concebida como
ciencia aplicada.
Estas nuevas disciplinas ingeniero-científicas están influyendo en la renovación
del universo tanto de las disciplinas científicas, como demuestra el campo de la
ciencia cognitiva, como de las antiguas ingenierías.
Ello conlleva una dinámica de creación de conocimiento distinta a la tradicional
de la Academia. Las "nuevas tecnologías" abren una dinámica hacia la "sintesis
de conocimientos". La cibernética era una síntesis de ingeniería de
comunicaciones, matemáticas y fisiología. (Wiener. 1948). El "Information
Processing", incluye ya una ciencia social más compleja, la sicología cognitiva.
La Artificial Intelligence , necesita también la linguística, la lógica, . Se
funden conocimientos y nacen otros nuevos de la síntesis. La propia Ciencia
Cognitiva es un resultante de este proceso nacido de la propia "computer
culture" y admite en su seno disciplinas científicas e ingenieras, es una
combinación de filosofía, linguística, Inteligencia Artificial, sicología
cognitiva, neurofisiología, y antropología. (H. Gardner. 1987).
Estas disciplinas, utilizan como todas las ciencias, unas metodologías
analíticas . Pero su finalidad es la síntesis, la producción de un conocimiento
sobre qué nuevos objetos artificiales son posibles y cómo construirlos.
La dinámica de la ciencia moderna , según el patrón establecido en el siglo XIX
por la universidad alemana (Ben-David,J. 1962:46-59) fue la siguiente: partiendo
de cuatro troncos teóricos iniciales: teología, filosofía, derecho y medicina,
que englobaban casi el conjunto del conocimiento superior en Occidente en ese
momento, se fueron formando disciplinas especializadas. El tronco original
denominado filosofía se escindió en filosofía, historia,literatura y ciencias
naturales. De esta última, salió la física, la química, la biología. Y así
,sucesivamente, hasta llegar a los 24 "campos", 248 "disciplinas" y cientos de
"subdisciplinas" establecidas por la UNESCO (Comisión Interministerial de

Ciencia y Tecnología. 1989: 27-69).
La dinámica de la "computer science" ha sido la inversa. Partiendo de diversos
campos de la ingeniería (rama que no estaba aceptada siquiera en la antigua
universidad alemana), y de la matemática aplicada, se ha ido configurando un
nuevo tipo de saber que va englobando a los restantes en su interior, en una
dinámica de "putting it all together" (Newell, 1989: 399).
Estos cambios en el conocimiento conllevan cambios en el sistema organizativo de
la Universidad. El centro organizador de estos saberes no es ya la propia
universidad sino las redes estratégicas de conocimiento que engloban "computer
departments", "industrial laboratories" y "federal agencies" como DARPA. Al ser
un saber mitad ciencia mitad ingeniería y de dimensión estratégica ,pues influye
al conjunto de disciplinas y actividades humanas en las sociedades avanzadas,
estos saberes han sido y son objeto de atención prioritaria por los gobiernos y
las industrias, formándose una red de organizaciones estratégicas en torno a
ellos.
La Universidad esta desbordada ante estos conocimientos, perdiendo gran parte de
la autonomía antes conservada respecto al poder político y el mundo empresarial.
Tradicionalmente esta autonomía venía dada por el hecho de sostenerse de las
matrículas de los estudiantes. Esto ha desaparecido en la "research university"
norteamericana. Los fondos públicos de investigación son los que sostienen
principalmente los gastos universitarios, investigación de la que las
universidades obtienen el 58% justificados como gastos para pagar el uso de la
propia institución.
Por otra parte la independencia de las disciplinas tiende a desaparecer.
Los sistemas científicos tradicionales se organizan en especialidades y
departamentos que como su propio nombre indica departamentan, especializan el
conocimiento como se ha hecho antes con el objeto de estudio, gracias a lo cual
se puede analizarlo y hacerlo de forma exhaustiva, entendiendo como funciona.
Por el contrario, las nuevas tecnologías tienden a utilizar todo tipo de
conocimiento para la construcción del sistema tecnológico. Su dinámica es
centrípeta, buscan el "putting it all together", expresión propia de CMU, que
indica esta tendencia hacia la síntesis.
Las distintas materias se convierten en ramas del computer science: electronic
music, information management, electronic engineering, applied mathematics,...
El fenómeno de las "computer cultures" en la Universidad ha partido

principalmente de aquellas con una cultura tecnológica, más arraigada. La
cibernética nació en el M.I.T, el "information processing" y la Inteligencia
Artificial en la RAND co. y la antigua Carnegie Tech. El "knowledge engineering"
y los sistemas expertos en esa institución y Stanford University. Se dice que la
"sociedad del conocimiento" tiene como centro la Universidad. Pero esto no es el
caso para las "nuevas tecnologías". Son universidades e instituciones
particulares con este tipo de cultura tecnológica los centros de las mismas.
Por otra parte, el tipo de sistema de financiación que ha alentado el desarrollo
de este fenómeno cultural, ha sido y es una política pública, "a public policy",
una actividad política estratégica central, ni siquiera local o regional. Los
fondos que se requieren para financiar programas de alto riesgo sólo lo ha
podido cubrir determinadas agencias especiales como DARPA de la Administración
federal, agencias dedicadas a proyectos avanzados y con una gran flexibilidad y
agilidad en su funcionamiento interno, y regidas con una mentalidad de tipo
"entrepreneur".
Los motores de innovación en la "high tech" son unos conocimientos como la
computer science, la Inteligencia Artificial, el Programming, ... unas nuevas
tecnologías, planificadas estratégicamente desde determinados departamentos,
agencias y organismos públicos con una cultura de innovación, como DARPA,
mediante determinadas políticas tecnológicas de carácter "entrepreneurial", cuyo
objetivo es dinamizar la capacidad tecnológica de la nación.
Carnegie Mellon aporta elementos claves para entender este modelo cultural, al
tiempo que revela su inestable situación y sus límites.
Un límite principal es que este modelo no tiene teoría propia. A nivel del
sistema de conocimiento, busca su fundamentación en la matemática, en la
sicología cognitiva, o en la ingeniería tradicional. No existe una teoría propia
aún, de este tipo de conocimientos nuevos. A nivel organizativo, estas
instituciones de innovación no acaban de encajar en las estructuras
universitarias tradicionales. Así como las agencias que las financian no
responden a la clásica estructura burocrática de la Administración. Una teoría
de las tecnoculturas como culturas de innovación integrada podría servir de
marco de referencia para el diseño y desarrollo de estos nuevos fenómenos
culturales complejos.

2. EL ESTADO DE LA CUESTION.
2.1.PROSPECTIVA ANTROPOLOGICA, ANTROPOLOGIA COGNITIVA Y
ANTROPOLOGIA INDUSTRIAL.
Esta tesis se alimenta de elaboraciones teóricas y prácticas que a partir de
diversas ciencias sociales he realizado, de forma independiente y en conjunción
con Arcadio Rojo y otros investigadores del denominado "Equipo de Dinamización
de Nuevos Modelos de Cultura y Sociedad" a lo largo de los años 80s. Estas
elaboraciones tuvieron una primera expresión en el libro titulado " Problemas en
torno a un cambio de civilización" (1988). En el, escribía el artículo "La
posibilidad de un cambio cultural diseñado", en el que se planteaban los
problemas básicos que recorren esta tesis. En particular, destaco uno que es
central a esta tesis, la posibilidad de un tipo de conocimiento cultural
distinto a la religión y la ciencia para liderar en ese cambio: " Estas
preguntas requieren posiblemente la elaboración de un nuevo tipo de saber que
combine la capacidad proyectista de inventar nuevos fines sociales y culturales,
‘la veritá fattuale delle chose’, y por último, de trazar caminos prácticos de
conseguir los nuevos fines sociales" (1988:54.).
La influencia de la antropología en esta tesis proviene de varias fuentes. La
primera de ellas de la "prospectiva antropológica" introducida por Maria J. Buxó
en 1987. En un artículo denominado "Antropología Cultural" publicado en ese año,
se citaba como aspecto del sentido aplicado de esta disciplina, la "prospectiva
antropológica". En el se decía: "La tarea prospectiva consiste en el diseño de
alternativas de futuro, formas probables que pueden llegar a suceder por
elección del colectivo social a partir de la generación constante y nueva de
metas propias. En este sentido, la prospectiva antropológica es más exploratoria
que predictiva".(1987:29).
Este artículo fue a su vez materia de un primer curso de doctorado en el
Departamento de Antropologia Cultural e Historia de America y Africa en 1986-87.
A su vez M. J. Buxó y Josep M. Fericgla fundaron el Instituto de Prospectiva
Antropológica.
A su vez, se hacía referencia a la Inteligencia Artificial como un posible campo

de estudio del antropólogo prospectivo. Esto concuerda por los esfuerzos de M.
J. Buxó por introducir una "antropología cognitiva" en el panorama de la
antropología española desde 1978, el campo dentro de esta disciplina más cercano
al mundo de la ciencia cognitiva, en particular la área de la Inteligencia
Artificial. A través de la antropología cognitiva se llega a la problemática de
la "sociedad de la información", del carácter del conocimiento en los distintos
modos culturales y su diferenciación. En este sentido, otro artículo clave de
M.J. Buxó es "La cultura en el ámbito de la cognición" (1984), donde establece
la idea de "modos cognitivos", que ha sido importante para mi distinción entre
modos de conocimiento entre "mythos", "logos", y "design".
El artículo sobre la prospectiva antropológica abría a su vez una reflexión
sobre una problemática usualmente relegada en el ambiente universitario, la de
la antropología aplicada o profesional. El Dr. Claudio Esteva fue el primer
antropólogo en introducirla en la antropología peninsular ya en la Primera
Reunión de Antropólogos Españoles en Sevilla de 1975 ("La antropología aplicada
y su problemática"), unida al tema del "cambio cultural". El tema de la cultura
profesional es clave para entender la cultura de Carnegie Mellon, y en general
de la tecnología y la figura del ingeniero.
A su vez, la obra de Esteva sobre Antropología Industrial (1973, 1984), permite
introducirse en la cultura del diseño.
Este libro supone un notable esfuerzo por situar a la antrología cultural en el
marco de estudio de las sociedades urbano-industriales, ampliando su campo de
trabajo tradicionalmente limitado al estudio de las sociedades primitivas.
Partiendo de la premisa de que: "En este momento, las organizaciones
industriales son el verdadero poder del mundo", Claudio Esteva analiza el tema
de la tecnología y del "diseño industrial" según sus propias palabras"...la
expresión más avanzada o de vanguardia alcanzada por la cultura científica y
tecnológica de una sociedad" ( ib:95). Esta actividad, según Esteva estaría
protagonizada por " la clase intelectual del pensamiento, la ciencia y la
tecnología" que constituiría la parte superior de la pirámide social.
2.2. "ANTHROPOLOGY AND ENGINEERING", "COMPUTING AS A CULTURAL
PROCESS", "ANTHROPOLOGY OF TECHNOLOGY": TENDENCIAS RECIENTES EN LA
ANTROPOLOGIA NORTEAMERICANA.

El tema de las "computer cultures", se puede considerar dentro de una área más
amplia sobre el estudio de las culturas tecnológicas y los procesos de
innovación.
En un sentido amplio, existe un creciente interés en la antropología
norteamericana en el tema de la "innovation", estudios que encabeza Marietta
Baba (1985, 1988), de la Wayne University. Sus trabajos sobre "innovation" y
"University and Industry", han retomado el hilo iniciado por el ingeniero y
antropólogo , Homer Barnett y su estudio "Innovation: The Basis of Cultural
Change" (1953), y están directamente relacionados con una nueva antropología
aplicada. Es de destacar por su carácter pionero la sesión organizada por esta
profesora en el reciente congreso de la American Anthropological Association
denominada "Anthropology and Engineering" en el que participaron tanto
ingenieros como antropólogos.
El interés particular de Marietta Baba para esta tesis es su interés en una
"applied anthropology", no en un mero estudio de la tecnología como fenómeno
cultural a simplemente analizar. Es miembro de la National Association for the
Practice of Anthropology (NAPA) y su enfoque es a la vez académico y
profesional, como el que intenta realizarse en este estudio.
Así mismo son interesantes los trabajos de Gary L. Downey (1989) del Virginia
Polytechnic Institute sobre una "anthropology of technology".
Sobre "anthropology of science" es un clásico el trabajo de Bruno Latour y Steve
Woolgar, "Laboratory Life" (1979) sobre la construcción de la ciencia en un
laboratorio de biología. No obstante el laboratorios científicos, no deben
confundirse con los laboratorios de carácter ingeniero como los existentes en
Computer Science en CMU, donde la construcción de "facts" se ha convertido en
construcción de "deeds", ésto es, donde el hecho científico ha pasado a ser un
artefacto mecánico hecho por el "computer scientist". Más reciente es la obra de
Latour, "Science in Action" (1987).
Por último, es preciso conocer la obra de Yehuda Elkana de la Van Leer Jerusalem
Foundation y profesor de historia de la ciencia en la Universidad de Tel Aviv
sobre una "anthropology of knowledge" (1981. Su obra "Sciences and Cultures",
conjuntamente con Everett Mendelsohn y otros autores (1981) es interesante para
analizar las relaciones entre religión y ciencia en diversas culturas.
En el sentido más estricto de la antropología de las "computer cultures", a
diferencia de la sociología que empezó en los años 70s, la antropología está

empezando a estudiar recientemente el fenómeno del "computing" como fenómeno
cultural. El 90º Congreso de la American Anthropological Association, celebrado
en Chicago en Noviembre de 1991, acaba de organizar un "Committee on Computing
as a Cultural Process", para iniciar el análisis este fenómeno. Diversos
antropólogos que llevan varios años trabajando el tema integran este comité, del
que el autor de esta tesis forma parte.
Entre los estudios más avanzados se encuentran los de la antrópologa Lucy
Schuman, del Xerox Palo Alto Research Center, especializada en Human-Computer
Interaction (HCI). Su libro "Plans and Situated Actions: The Problem of
Human-Machine Communication" (1987), analiza los sistemas cognitivos de los
computer scientists que trabajan en Inteligencia Artificial. Y ella misma diseña
dichos sistemas.
Así mismo, la Dra. Diana E. Forsythe (1990,1991) que trabaja en el Intelligent
Systems Laboratory de la University of Pittsburgh, está especializada en Expert
Systems y la construcción del conocimiento y del trabajo de los computer
scientists de dicho laboratorio.
Por otra parte, David Hakken de SUNY (1991) ha desarrollado trabajos de campo en
Inglaterra sobre el problema de la "computarization" en el mundo del trabajo.
Los primeros trabajos sobre "culturas informáticas" datan de los años 80s. De
los tres centros principales de dicha cultura en Estados Unidos, sobre la área
de California, es de destacar el estudio de dos sociólogos , Everett M. Rogers y
Judith K. Larsen, denominado "The Sillicon Valley Fever. Growth of
High-Technolgy Culture".(1982), sobre el nuevo boom industrial en torno a
Stanford.
Respecto a la costa Este, destaca el trabajo de campo de la sicoanalista Sherry
Turkle , "The Second Self. Computers and the Human Spirit" (1984). Su objeto de
estudio es la "computer culture" del Massachusetts Institute of Technology, y en
particular el fenómeno "hacker".
El fenómeno de CMU, y la "high-tech" en esta región de Pennsylvania, es el menos
conocido de los tres, al no haber engendrado aún un fenómeno industrial
concentrado de empresas de alta tecnología, y estar más reducido a una cultura
académica relacionada casi exclusivamente con la Defensa. Hemos podido encontrar
una tesis doctoral de 1986, de Annette Lois Giovengo, sobre "The Role of the
University in High-Technology Economic Development: Pittsburgh as a Case Study",
realizada en el Departamento de Historia Aplicada ("Applied History") en la

propia CMU. Así como la tesis doctoral de Stuart S. Shapiro de CMU, "Computer
Software as Technology" (1990), que trata en general dicho problema.
En 1987, Sara Kiesler y Lee Sproull, dos sociólogas de la Carnegie Mellon
University, realizaron un estudio " Computing and Change on Campus" sobre la
experiencia de la red Andrew en dicha universidad. La conclusión que extrajeron
fue que, en efecto, existía una "computer culture" en dicha universidad,a la que
denominaban paradójicamente "an alien culture" (una cultura extraña) basada
también en tipos humanos ya analizados en anteriores trabajos como el
"hacker"(fanáticos del ordenador) o el "user" (usuarios). Y concluían que el
proceso de enseñanza no había cambiado en lo fundamental en dicha universidad
por el hecho de utilizar los ordenadores : " It is true that computer systems
are always changing, but the social settings remain relatively stable."
(1987:194).
Con todo este estudio no entraba a analizar la School of Computer Science, lugar
de nacimiento del Andrew system.
2.3. SOCIOLOGIA DE LAS NUEVAS TECNOLOGIAS, TECNOCULTURAS Y SOCIOLOGIA
DE LA LIBERTAD.
Volviendo al panorama español, considero indispensable para entender el tema de
las nuevas tecnologías, los trabajos pioneros de Manuel Castells, del Instituto
de Sociología de las Nuevas Tecnologías de la Universidad Autónoma de Madrid. El
informe de su equipo, dirigido por él, "Nuevas Tecnologías, Economía y Sociedad
en España" (1985), fue junto con los encuentros de Buitrago del 86, el comienzo
de una política tecnológica en España.
No obstante, a pesar de definir acertadamente el fenómeno como un fenómeno
esencialmente tecnológico, de "nuevas tecnologías", aún lo analiza dentro del
modelo antiguo de la "sociedad de la información" y del "Sistema
Ciencia-Tecnología-Industria" (Ib:899).
Un enfoque más próximo al de la antropología cultural es el del profesor
Salvador Giner del Instituto de Estudios Sociales Avanzados del CSIC. Aunque su
programa de investigación no es sobre este fenómeno en particular sino sobre el
tema de la "sociedad civil", sí ha aportado conceptos claves para entenderlo,
como los de "tecnocultura" y "tecnoconocimientos" (1987: 140).
El artículo titulado "Tecnocultura", de su libro "Ensayos Civiles" (1987), de
Salvador Giner, señala acertadamente que: " Estamos pasando rápidamente de una

sociedad cuya dinámica se basa en la innovación técnica a otra en la que , cada
vez más, esa dinámica depende de la innovación cognoscitiva sistemática"
(1987:141). Este "tecnoconocimiento" lo separa y lo sitúa por debajo de lo que
denomina "sabiduría", el "saber racional, estético y moral".
Este estudio intentará demostrar que también existe una moral en esa
tecnocultura, y que la "innovación", que el propio Giner, plantea como la
característica clave de la "libertad", es una de sus principales metas. La
tecnocultura es una cultura donde el ser humano puede ejercer su mayor nivel de
responsabilidad, a diferencia de la hasta ahora cultura científica o
logocultura, que ha permitido una separación entre juicios de valor y juicios de
verdad. Como vió Max Weber, la cultura profesional es una cultura eminentemente
ética, al estar dirigida a la acción ("ascesis"). Y la cultura tecnológica es la
culminación de esa cultural profesional. Pero ello, como empezamos a ver ahora,
conlleva una inversión de su relación con la cultura científica.
La aportación de la sociología, en su corriente más cercana a la antropología
cultural , aquella que arranca de Max Weber, y su análisis de la ética
protestante (1985), sigue por Robert Merton (1977), y su análisis del "ethos" de
la ciencia moderna, y culmina en Daniel Bell (1973), y su teoría de "las
contradicciones culturales del capitalismo" (1976) es imprescindible para
analizar el modelo cultural de las "computer cultures". También son interesantes
los trabajos de Berger y Luckman sobre sociología del conocimiento, desde un
enfoque de "construcción social de la realidad".
Finalmente, es preciso señalar el nacimiento de un nuevo campo en la filosofía,
el denominado Filosofía de la Tecnología, que en España encabeza el colectivo
INVESCIT (Instituto de Investigaciones sobre Ciencia y Tecnología), dirigido por
Manuel Medina (1989) y José Sanmartín, y que en Estados Unidos tiene como
figuras claves a Carl Mitcham y George Bugliarello.
2.4. MODOS DE CULTURA , MODOS DE CONOCIMIENTO.
A fin de analizar el fenómeno de las "computer cultures", y sentar bases
teóricas de una tecnocultura, hemos de partir de un concepto de cultura
considerada no sólo como un fenómeno adquirido , sino también como una
construcción e invención humana continua.
Admitimos con el antropólogo cognitivo W. Goodenough que cultura es "shared

knowledge" (1957), un sistema de conocimiento compartido. Este este conocimiento
compartido es, a su vez, una construcción cultural humana.
Hasta ahora, se ha analizado la cultura como un conjunto de conocimientos,
pautas, hábitos e instituciones adquiridas por el ser humano como miembro de una
comunidad. Se ha resaltado el carácter de aprendizaje, de adquisición. No se ha
tenido tanto en cuenta el estudio de los procesos de construcción cultural, de
diseño y edificación de nuevas formas culturales. En suma, los procesos de
invención.
La doctora Maria J. Buxo, sin embargo, sí ha venido sosteniendo en línea con el
pensamiento constructivista de Vico, Von Glaserfeld (1988), o Piaget, que : " La
cultura es una construcción constante de estructuras de realidad...es un
instrumento simbólico para la comprensión y la predicción en el ámbito de las
relaciones sociales que se modifica dinámicamente según las necesidades e
intereses de grupos e individuos" (1987:29).
Margaret Mead , y su "antropología del futuro" abogaba también por esta visión
del fenómeno cultural: " Hoy, cuando empezamos a entender mejor los procesos
circulares mediante los cuales se desarrolla y transmite la cultura ,
reconocemos que la característica más humana del hombre, no consiste en su
capacidad para aprender, que comparte con muchas otras especies, sino en su
capacidad para enseñar ...El aprendizaje, que se funda sobre la dependencia
humana, es relativamente sencillo. Pero las aptitudes para crear refinados
sistemas aptos para ser enseñados, para entender y utilizar los recursos del
mundo natural, y para gobernar la sociedad y crear mundos imaginarios, son muy
complejas." (1977: 121).
Un año después publicaba un artículo acerca de la contribución de la
antropología a la ciencia del futuro, en el que planteaba como su tarea final: "
a source of new designs for living for the extensive wordwide culture building
which is needed in today’s interconnected planetary system" (1978:3).
Tradicionalmente, en la antropología cultural se han dado generalmente dos tipos
de enfoques para explicar el fenómeno de la cultura humana. Por una parte, se ha
afirmado que ésta era un resultado necesario de la adaptación del ser humano al
ecosistema en el que vive, adaptación que produciría un proceso de cambio
tecnológico que determinaba el conjunto de la vida social. Proceso evolutivo que
el antropólogo explicaba mediante el descubrimiento de leyes generales,
similares a las de las ciencias naturales. (Marvin Harris. 1979).

Por otra parte, se ha sostenido que la cultura era un sistema históricamente
transmitido de símbolos compartidos , una herencia o tradición que a modo de
superorganismo determinaba el contenido, los hábitos y los sistemas jerárquicos
de una cultura particular, siendo tarea del antrópologo la interpretación de sus
sistemas de significados. (Clifford Geertz. 1973).
Para unos la cultura eran esencialmente artefactos, para otros conocimientos,
símbolos. Esta escisión se verá como un estudio de las tecnoculturas la ayuda a
disolver. Hay un conocimiento tecnológico que puede llegar a formar la base de
un nuevo tipo de sistema cultural.
Conforme la antropología se ha visto confrontada al análisis de culturas en
proceso de cambio, ha tenido que introducir conceptos de "innovation" ( H.
Barnett. 1953), "cambio cultural dirigido " (Linton), o "Technical Change"
(Mead.1953) . Ha debido dar creciente importancia a la antropología aplicada.
La innovacioón cultural empezó a ser estudiada en los años 50s por el
antropólogo, Homer Barnett, a su vez ingeniero civil, en su clásico libro
"Innovation: The basis of Cultural Change"(1953). Una de las razones para ello
fue que los conceptos de enculturación, difusión y aculturación estudiados por
la antropología no acababan de explicar como surgían los cambios en las
culturas, como se generaba el cambio cultural.
El estudio de H. Barnett permitió comprobar que el cambio cultural se producía
por un proceso de innovación que se daba tanto en culturas tradicionales (los
Yurok, los Tsimshian, los Yakima) como en la cultura norteamericana
contemporánea.
Las computer cultures, que ahora analizaremos, son el resultado de uno de esto
procesos de innovación en el interior de culturas urbano-industriales
occidentales, en particular en la norteamericana. No estamos en los años 50s. El
papel del antropólogo aplicado en los 90s no es ya la incorporación de las
"culturas primitivas" a la "modernización", sino el cambio en el interior de las
culturas modernas hacia otro modo cultural que aún no sabemos en que consiste, y
cuyo uno de sus elementos claves parece ser la tecnología informática, y en
general, lo que se denomina la "high tech".
2.5. PROGRAMAS CULTURALES Y MODOS DE CULTURA.
Diversos autores han considerado las culturas como "programas de y para la

acción social que actúa en el ser humano durante el proceso socialización e
interacción social adulta". (M.J. Buxo: 1984:33). Para Claudio Esteva: "Los
sistemas culturales se caracterizan por el hecho de que se distribuyen como
programas de acción en el seno de los diversos grupos sociales de una sociedad".
(1984:75).
La definición de cultura como "pattern" es clásica en antropología. Los sistemas
de conocimiento compartidos se estructuran en "patrones de comportamiento"
(Kroeber y Kluckhohn. 1963), en "paut as tradicionales de acción" (Murdock) , o
como ha sostenido más recientemente Roy d’Andrade, en forma de"programas
culturales" (1981).
Las innovaciones culturales son cambios en los programas culturales.
Para analizar el fenómeno de las computer cultures necesitamos distinguir entre
distintos tipos o modos de cultura, y dentro de ellos entre distintos tipos de
programas culturales.
Si bien todas las culturas son construcciones humanas en tanto que diseños de
significados compartidos, hay que resaltar también que los miembros de dichas
culturas han visto su propio proceso de construcción de muy diversa forma. Por
ello, podemos distinguir distintos modos culturales o diferentes tipos de
construcción cultural que los agrupamientos humanos han seguido para definir sus
metas de finalidad, sus sistemas de valores, sus relaciones sociales y de
jerarquía, sus sistemas tecno-económicos, en suma , sus distintos sistemas de
conocimiento organizados, esto es, sus programas culturales.
Los modos de cultura más exahustivamente estudiados por la antropología han sido
las mito-culturas, o lo que Margaret Mead llamó "sociedades postfigurativas"
(1977). Para esta autora, tanto a las sociedades primitivas como a las
organizaciones religiosas podrían situarse en esta categoría de sociedades que
extraen su autoridad del pasado, de una memoria colectiva codificada en forma de
mitos y rituales que estructuran los significados fundamentales de la vida de
dichas comunidades.
Agrupo bajo el término de mito-culturas aquél conjunto complejo de sociedades ,
estudiadas por la antropología bajo el término de "sociedades primitivas", que
se construyen a si mismas en torno a diversos sistemas de creencias basadas en
relatos que describen como los antepasados (dioses, héroes,...) crearon el
mundo, y con él a los seres humanos identificados como los miembros de dicha
cultura.

La obra de Levi-Strauss , las Mitológicas, resume toda una época de estudios
antropológicos, iniciados por E.B. Taylor, destinada a entender el sistema de
vida y de conocimiento de dichas culturas. " Les societes que nous appelons
"primitives" ne le sont en aucune facon, mais elles se voudraient telles. Elles
se revent primitives , car leur ideal serait de rester dans l’etat ou les dieux
ou les ancetres les ont cree a l’origine des temps" (Levi-Strauss. 1990:175).
"La creación del mundo" será la forma de construcción común a este tipo de
culturas, y el modelo de formación de sus sistemas de conocimiento y sus
jerarquías internas.
Los mitos cosmogónicos proporcionar un modelo de explicación y de conducta
social a este tipo de culturas. A modo de ejemplo tomemos uno de los clanes
winnébago estudiado por P. Radin: " En el principio, el Hacedor-de-la-tierra
estaba sentado en el espacio. Cuando cobró conciencia, nada había en ninguna
parte. Comenzó a pensar qué haría, y por último se puso a llorar y de sus ojos
fluían lágrimas y caían por debajo de él. Luego de un rato miró bajo de sí y vió
algo brillante. El objeto brillante por debajo de él representaba sus lágrimas.
Al caer, habían formado las aguas presentes. Cuando las lágrimas fluyeron hacia
abajo, se convirtieron en los mares tal como son ahora. El Hacedor-de-la-tierra
comenzó a pensar otra vez. Pensó: "Es así: si quiero algo, se hará como yo
quiero, tal como mis lágrimas se han hecho mares". Así pensó. Entonces deseó la
luz y se hizo la luz. Luego penso: " Es como yo pensaba: las cosas que he
deseado han venido a la existencia como yo deseé’". (Radin, 191968:209).
A esta forma de pensar se le ha denominado "realismo conceptual" (Buxó,
1984:44), según la cual los deseos subjetivos son considerados una realidad
tanto o más poderosa que la existencia real. En realidad, la objetividad y la
subjetividad no forman aún una dicotomía. Curiosamente elementos de este modo de
pensar los volvemos a encontrar en la "computer culture" y su creencia en que
las construcciones formales matemáticas son ya tecnología en sí misma.
"La creacion-destruccion o muerte" será el núcleo común temático de chamanes,
artistas, sacerdotes y guerreros de dichas comunidades postfigurativas. Son
clásicos los estudios sobre los movimientos de revitalización religiosa de
comunidades como los Seneca, estudiados por A.F.C. Wallace (1972), el papel del
chamán, de los estados alterados de conciencia, de los códigos morales
trasmitidos a través de ellos, etc. Estos movimientos se constituyen en el
patrón de innovación cultural más profundo de dichos modos culturales. Su

renovación pasa por una "vuelta al origen" , al momento de la creación, de donde
extraen las enseñanzas para cambiar sus culturas presentes.
Una utilización de este modo de innovación cultural lo podemos apreciar también
en culturas como la japonesa. Al inicio de la Restauración Meiji en 1868, las
reformas económicas y políticas se hicieron bajo la consigna de "Sonno joi" :
"Restauremos al emperador y expulsemos a los bárbaros". (Ruth Benedict.
1974:74). Todo el sistema de deudas (on), y de deberes (giri) ante la sociedad y
ante sí mismo de la cultura clásica japonesa derivan de esa misma concepción de
la cultura como creación de los antepasados, simbolizados en la figura del
Emperador. "Isshin": restaurar, volver al pasado, fue la consigna de una reforma
que abrió paradójicamente al Japón al mundo industrial.
Este modo de construcción cultural se repite en momentos de crisis de la moderna
cultura como estamos viendo con el auge del fundamentalismo islámico en Oriente
Medio, en especial en paises como el Iran shiita o la Argelia integrista.
Así también, se aprecia en Estados Unidos en el pensamiento neoconservador de
escritores como Irvin Kristol o el mismo Daniel Bell: "El principio de la
cultura es el de un constante retorno -no en sus formas, sino en sus
preocupaciones- a las modalidades esenciales que derivan de la finitud de la
condición humana...¿Cuáles son, pues, las normas para la conducta humana?. No
pueden estar en la naturaleza... No puede ser la historia...Queda, por ende, la
respuesta anticuada y tradicional: la religión...como concepción trascendental
que está fuera del hombre, pero relaciona al hombre con algo que está más allá,
fuera de él" (1977:160).
2.6. LAS LOGO-CULTURAS.
Coincidiendo con la Depresión de los años 30s y sobre todo tras la II Guerra
Mundial , la antropología inició una serie de estudios sobre las culturas
urbano-industriales (antropología industrial, antropología urbana, de la
salud,...), fundamentalmente en Estados Unidos . Con ellos la antropología
ampliaba su campo de estudio pro primera vez a las áreas urbano-industriales.
En los años 60s, algunos antropólogos no occidentales espezaron a estudiar la
propia cultura occidental desde patrones culturales distintos a los nacidos en
Europa. Se empezó a considerar a Occidente no como la civilización sino como una
cultura entre otras, tal como había hecho el siglo pasado la antropología
colonial con las sociedades primitivas.

Estudios de diversos antropólogos como Magoroh Maruyama (1978), reunidos en
torno a ideas de una "antropología del futuro", en gran parte influída por el
fenómenos denominado "contracul-tura,proporcionaron alos occidentales elementos
interesantes para un análisis de nuestra propia cultura desde el exterior de la
misma. Para Magoroh Maruyama, desde el punto de vista del sistema de
conocimiento, estas eran sociedades basadas en la lógica aristotélica (1978:
xxi). Margaret Mead denomino este tipo de cultura, "sociedades cofigurativas"
(1977). En estas "el modelo prevaleciente para los miembros de la sociedad
reside en la conducta de sus contemporáneos" ( ib:65).
Podríamos denominar logo-culturas al conjunto de sociedades urbano-industriales,
cuyo programa cultural se basa en una cosmovisión por la cual el mundo se
considera un "orden natural universal", descubierto por medio de la razón
humana. Este orden universal o "logos" habría evolucionado hasta culminar en el
"animal racional y social" (Aristóteles) . Y de esa comprensión racional del
mundo se extrae el código de valores de estas culturas.
"El punto de partida para alcanzar esta cosmovisión se inicia con la ideación
griega del entendimiento de las cosas en cuanto estas son" (M. J. Buxo. 1989:
215). Como señalo M. Mead, en este tipo de culturas el tiempo verbal
culturamente significativo es el presente, no el pasado propio de "sociedades
post-figurativas", ni el futuro , característico de "culturas prefigurativas".
El modo de conocimiento dominante de estas culturas sería para María J, Buxo, el
formalismo abstracto: " La abstracción no es lo mismo que el formalismo
abstracto...Lo que sí es nuevo y propio de las sociedades urbano-industriales es
que esta lógica formal aporta la base estructural de las relaciones sociales y
económicas, y dentro del pensamiento ha dominado otras formas de operar
mentalmente hasta proveer el paradigma cosmológico único, el cual determina las
nociones de realidad y verdad" (M. J. Buxo. 1984: 38).
No obstante, la ciencia moderna se diferencia de la griega es que este
formalismo matemático lo ha aplicado a la comprensión de fenómenos empíricos.
Como ha señalado A. Koyre, la gran obra de Galileo fue la "matematización del
universo".
La modernidad ha prescindido de una explicación del mundo basada en la
revelación, para confiarla a la razón y los sentidos. Explicación de donde está
excluida no sólo la voluntad de los dioses sino también el libre arbitrio
humano. (Salvador Giner, 1987:275). Por ello ciencia y libertad humana son dos

valores conflictivos en el actual modo cultural, que en parte se reflejan en la
oposición conocimiento científico, conocimiento tecnológico.
La ciencia, basada en la matemática, y en la lógica, sería el tipo de
conocimiento que explicaría este mundo , de cuya evolución, y por selección
natural, surgirían todas las especies incluido la especie humana. La naturaleza
humana sería en esencia constante, y regida por principios universales, como el
propio conocimiento humano.
Las culturas urbano-industriales en que vivimos basan fundamentalemente su
legitimidad , como la ciencia natural, en leyes extraidas del libro de la
naturaleza, mediante " experiencias sensibles y demostraciones necesarias"
(Galileo), y no en la autoridad de los antepasados, o en diseños culturales de
futuro.
Pero este tipo de visión del mundo es no solo descriptiva sino fundamentalmente
normativa. Lo que es debe de ser. En palabras de Hegel: "La libertad es la
conciencia de la necesidad". Este patrón cultural constituye el programa
cultural de la ciencia como saber unificador del presente modo de vida. Y
conlleva como ha señalado R. Merton un ethos científico, basado principalmente
en el valor del "universalismo". Y es la Universidad, la institución que ha
terminado siendo internacionalmente el centro del saber científico de la moderna
civilización, su organización de conocimiento más compleja, desplanzando a la
Iglesia o las sectas reformadas, como centros de elaboración de los patrones de
la cultura.
El modelo de innovación que este tipo de culturas sigue, preferentemente, es el
modelo de la evolución natural. No son "los dioses" los que generan el cambio,
mediante "una creación", sino la propia Naturaleza en su progresiva evolución.
Los seres humanos ayudan a este cambio , ante todo, adaptandose al mismo ,
analizando y descubriendo sus tendencias y preveyendo sus futuros cursos.
Estos descubrimientos son a su vez utilizados por la tecnología para producir
inventos útiles para la sociedad . El ciclo termina en la industria que se
encarga de producirlos y colocarlos en el mercado, a fin de satisfacer las
necesidades del consumidor. Este ciclo de innovación se ha acabado sintetizando
de esta forma: CIENCIA-TECNOLOGIA-INDUSTRIA.
Una fase más reciente de este modo cultural es aquella iniciada en Estados
Unidos, a mediados del siglo XIX, donde la TECNO-LOGIA, la creciente conversión
de la técnica en un procedimiento científico formalizado, se ha ido convirtiendo

en factor decisivo del cambio social. Este modelo ha dado un paso decisivo con
las "computer cultures" en los años 80s, con la "high tech culture".
2.7. TECNOLOGIA Y "COMPUTER CULTURES".
Durante y tras la II Guerra Mundial, en Estados Unidos se desarrolló un tipo de
cultura tecnológica basada en una transformación de la ciencia y los científicos
tradicionales (matemáticos, físicos, sicólogos, antropólogos...) en científicos
diseñadores o científicos-ingenieros, utilizados para fines de interés nacional.
El compromiso de una generación entera de científicos en el esfuerzo bélico y
postbélico (Guerra Fría) ha orientado su investigación a objetivos aplicados de
tipo estratégico. Este ha sido el origen de la "computer science and
technology".
Este programa de investigación contiene, sin embargo, elementos contradictorios.
Por una lado es la obra de unos "científico-diseñadores" con características
particulares , distintas a los científicos e ingenieros tradicionales. En lugar
de tener separado el descubrimiento científico y la invención ingeniera, se ha
producido un proceso de síntesis de ambas actividades, lideradas, en la cultura
norteamericana, por el avance tecnológico.
Sin embargo, por otra parte, este programa de investigación se sigue reclamando
científico, y no ingeniero.
Ha sido Norteamérica, el país que ha aportado a la cultura occidental el
concepto de "technology". El historiador Daniel J. Boorstein, director de
Biblioteca del Congreso, define a Estados Unidos como " The Republic of
Technology" (1978).
Según D. Noble , el que inventó éste término fue el médico norteamericano Jacob
Bigelow en 1829:" I have adopted the general name of Technology ...Under this
title is attemped to include an account...of principles, processes, and
nomenclatures of the more conspicious arts, particularly those which involve
applications of science, and which way be considered useful, by promoting the
benefit of society, together with the emolument of those who pursue them"
(1829:). Este fue el programa cultural en el que se basó en 1865 el
Massachussets Institute of Technology, instituto fundado como institución
separada de Harvard, ante la negativa de esta institución a aceptar este tipo de
estudios.

Fue en este mismo instituto donde varias generaciones más tarde nacería la
"Cibernética", disciplina dedicada al estudio de los mecanismos de control en
máquinas y animales, nacida de estudios sobre aparatos y circuitos eléctricos no
lineales, que usaban el mecanismo de la retroalimentación ("feedback"). La
máquina se transformaba en un autómata, capáz de cierto gobierno de sus propios
procesos mecánicos. (kibernetes). Su utilidad: el perfeccionamiento de la
artillería antiaérea norteamericana en la II Guerra Mundial.
Con el desarrollo del ordenador y su extensión al conjunto de actividades
intelectuales, Herbert Simon de Carnegie Mellon apuntó la idea de "mundos
artificiales" (1969) o mundos diseñados por el propio ser humano, diferentes de
los "mundos naturales". El concepto de artificialidad en este profesor, no nació
de su contacto con los ordenadores, sino de sus estudios de Administración y su
experiencia práctica en la misma. De ésta, y de su "model of man", el
"administrative man" cuya actividad central es la "decision-making" extendió
esta conducta al terreno de las computadoras, entendiendo finalmente por
artificio todo "complex information processing system", sistema que significa
tanto un ordenador como un proceso mental humano.
Las "computer cultures" son culturas tecnológicas-científicas que tienen como
centro la actividad de invención de sistemas informáticos. La ingeniería, las
ciencias naturales y sociales constituyen disciplinas que sirven de ayuda para
la construcción de dichos sistemas, y enriquecen a la propia computer science.
El centro de toda esta cultura es el sistema informático, el ordenador. Por eso
son "computer cultures", "artificial worlds".
Autores humanistas como el arquitecto Lewis Munford han criticado lo que
denominan "The Machine Age", considerando que lo característico de Occidente ha
sido la mecanización del conjunto de los comportamientos sociales. (1934). Sin
embargo, no distingue el diferente significado que "mechanicazation" tiene para
un científico europeo tradicional o para un inventor norteamericano.
Mecanicismo en la cultura científica tradicional europea significa ante todo una
concepción del mundo, según la cual el Universo se considera como un gigantesco
artefacto sometido a las leyes inexorables de la física newtoniana. La Mecánica
se considera, en primer lugar, una rama de la Física, no de la Ingeniería. Según
esta tradición , no es la máquina industrial el modelo cultural que da
significado al Universo, sino al revés. El Universo mecánico de Newton
(1642-1727) antecede en varias generaciones a la Revolución Industrial de

Newcombe y James Watt.(1736-1819).
Pero la máquina no se introduce en Estados Unidos a través de la física teórica
sino a través de la obra de "mechanics" y cientiíicos aplicados como Ben
Franklin, que más tarde se convertirían en ingenieros y sólo recientemente en
físicos teóricos. Lo que ha aportado Estados Unidos a Occidente es la
consideración de la máquina como una invención técnica, ésto es, humana, cuyo
valor se lo da el hecho de ser útil para servir a propósitos humanos, no su
referencia primaria a un universo mecánico.
Representantes históricos de la cultura científica europea como Bertrand Russell
consideraban a la máquina como "hideous, and loathed because they impose
slavery", seres horribles y odiosos porque imponen la esclavitud. De aquí se
deriva que "la cultura", y por consiguiente la "liberal education" en Europa, en
especial en las universidades tradicionales (Oxford, Paris, Lovaina) se
considere lo opuesto a la máquina y a las artes mecánicas.
Sin embargo, para el norteamericano medio, la máquina es una obra, ante todo,
humana. "Only Man can make a Machine". (Boorstein. 1978:44). " The Machine is
the great witness to man’s power. The land was there at the Creation. But every
machine is the work of man. The power of the Machine is man’s power to remake
his world, to master it to his own ends. ...It may tempt us to overlook our
limitations and put ourselves in the place of God" (ibid:91).
El termino "creator", "creating", "visionary’ son de uso común en Carnegie
Mellon para definir la actividad de diseño de sistemas informáticos. Los más
partidarios defensores del diseño como actividad propia del ingeniero distinta
al científico son los "mechanical engineering": "The basic premise of the new
design program at CMU is that there is a different set of requirements in a
program centered around synthesizing as contrasted to analyzing. The designer is
someone who is directed toward producing a result that is in some sense
creative" (D. Baumann. Profesor de Mechanical Engineering en CMU. Focus March
19. 1973).
Como afirmó Daniel J. Boorstein : "The Machine brought endless novelty into the
world". (:46).
Ello explica que el problema tecnológico, el "problem solving", se considera en
este contexto el tipo de problema humano por excelencia: " We Americans have
tended to take the technological problem-the soluble problemas the prototype
of the problems of our nation, and then too, of all mankind". (1978:33).

Carnegie Mellon es una expresión culminante de esta cultura en la que se
considera al ser humano un "problem solver", y la institucion como un
"laboratory". Y este desde la tecnología que la cultura norteamericana ve, en
gran medida, la política y la sociedad.
El fenómeno actual de la "high-tech" como cultura de invención tecnológica
significa avanzar este proceso hasta el punto de inventar una máquina de
propósito general, "general-purpose machine", el "computer", apta para todo tipo
de conocimiento y actividad humana orientada a fines, a "goals". Y los límites
en este objetivo dado que el ordenador no lo ha conseguido, es lo que está ahora
impulsando iniciativas en CMU en ir más allá de esta máquina incluso.
La "computer culture", tan sólo el inicio de nuevas tecnoculturas, no es sólo la
invención de una herramienta más (el computer), o el surgimiento de una nueva
industria más a gestionar. Se está convirtiendo en un sistema
tecnológico-social-económico , en suma cultural, cada vez más complejo, cada vez
más internacional y global, que tiende a abarcar no una industria sino al
sistema industrial en su conjunto, no un país, sino crecientemente al sistema
internacional. El mundo se ve como un "artificial world". Y el artificial world
se considera una obra humana. Cultura y tecnología se unifican. Si por cultura
se entiende la definición de Herskovits "Man and his works". La tecnología
informática abre la posibilidad de considerar por primera vez el mundo como una
"human work", como una cultura, un "man-made world".
El proceso la "computer science and technology" para Alan Perlis empieza en 1947
con la invención del primer ordenador digital ENIAC, por el equipo dirigido por
el físico John Mauchly y el ingeniero electrónico John Presper Eckert.
(1977:113). A continuación Von Newmann y otros inventaron un ordenador con un
programa almacenado :EDVAC. La herramienta empezaba a funcionar con programas,
como las instituciones humanas. Se crearon, por tanto, programas para ella. En
1955-56 un equipo de un científico social-un matemático aplicado- y un
programador, Simon-Newell-Shaw inventaron el Logic Theorist el primer programa
de Inteligencia Artificial. En 1960, otro equipo de matemáticos, entre los que
estaba Alan Perlis, diseñó un lenguaje de programación: ALGOL 60. En 1969,
Robert Kahn, promovió el equipo de DARPA, que puso en marcha la red ARPANET, hoy
la red de conexión de ordenadores más extensa de todo el mundo.
Este proceso conllevó el sintetizar un conjunto de disciplinas científicas,
técnicas y humanísticas antes separadas (matemáticas, ingeniería, sicología,

linguística,...) y formar otras nuevas útiles para la construcción del nuevo
sistema. De esta síntesis, están surgiendo nuevas disciplinas, ya especialidades
de la Computer Science (Inteligencia Artificial, Programming Systems, ), a su
vez, subespecialidades de éstas (Machine Learning, Expert Systems...) y
combinaciones de Computer Science con ramas de ingeniería para formar otras
áreas como Robotics, con ciencias sociales (Computational Linguistics,...) etc.
Conforme el sistema se va complejizando nuevas disciplinas empiezan a colaborar
con el computer: el management, la música, el diseño industrial, las ciencias
sociales, formando nuevas síntesis.
Lo mismo ocurre a nivel organizacional. Lo que era un pequeño departamento, se
convierte en una escuela que influencia a toda la universidad. Lo que era una
pequeña industria (IBM) influye al conjunto del sistema industrial de un país.
Lo que antes era una tecnología de un solo país, se ha convertido en un fenómeno
internacional.
Por último, estas nuevas tecnologías se fusionan con otras como la televisión,
las telecomunicaciones, etc. formando una red tecnológica global, más y más
compleja.
No obstante, el ordenador sigue siendo considerado por la cultura científica
mayoritaria como un "tool", una herramienta mecánica al servicio de un
conocimiento más elevado. La R&D en Estados Unidos sigue dirigida por las
ciencias naturales (física, química, biología, matemáticas), a cuyas
investigaciones ha de servir el computer scientist.
Ello conlleva que se considera al ordenador una "calculadora", más sofisticada
que hace 40s años pero de la misma naturaleza.
Los primeros ordenadores se inventaron para el cálculo de trayectorias
balísticas. "Computation" significa en ingles "cálculo". Los físicos los
utilizaban como herramientas para la solución de ecuaciones. Los matemáticos
especializados en Análisis Numérico, como G. Forsythe, fueron de los primeros
directores de departamentos de Computer Science . En cualquier caso, una
herramienta de cálculo para la ciencia y la ingeniería. Esta visión del
ordenador aún pervive en los programas de la National Science Foundation basados
en supercomputadores. ( Grands Challenges: High Performance Computing and
Communications. 1992. Office of Science and Technology Policy)
Por su parte, el mundo de la empresa considera aún hoy el ordenador como
prolongación de las máquinas calculadoras y las cajas registradoras de hace 40

años, utilizándolo ante todo como un instrumento de "proceso de datos" para
llevar la contabilidad y la facturación de la empresa.
Por su parte, los científicos sociales que se han incorporado a la "computer
science" también lo consideran una útil herramienta para la "simulación
cognitiva" o para el "cooperative work".
Durante estos primeros 40s años el ordenador no ha cambiado la clásica visión de
las technai estableciada por Platón en La República según la cual la educación
más elevada no era la de las technai que "se orientan hacia las opiniones y
deseos humanos o tienen que ver con la creación y fabricación" (533b) sino aquél
saber que consiste en la contemplación de la verdad. (cit. Mitcham: 1989: 16)
En cualquier caso, dos tendencias se pueden apreciar: 1. La absorción dentro del
ordenador, y por tanto de una "problem solving mentality" del conjunto de
disciplinas e instituciones sociales. Ello implica la instrumentación del
"computer scientist" del conjunto del saber social en función del "computer". 2.
La resistencia de las ciencias y humanidades a ser integradas en esta tendencia,
manteniendo al ordenador como una herramienta para realizar sus tradicionales
trabajos.
2.8. TECNOLOGIA, CULTURA, TECNOCULTURA.
Margaret Mead, en los años 70s, detectó éste fenómeno cultural de cambio
tecnológico acelerado denominándolo , "sociedades prefigurativas", : "La
invención de la computadora, la desintegración efectiva del átomo...el
descubrimiento de la bioquímica de la célula viva, la exploración de la
superficie del planeta, la extraordinaria aceleración del crecimiento
demográfico,...la quiebra de la organización urbana, la destrucción del entorno
natural, la interconexión de todas las comarcas del globo mediante los vuelos de
retropropulsión y las imágenes televisivas, los preparativos para la
construcción de sátelites y los primeros pasos que se han dado en el espacio,
las posibilidades recien descubiertas de obtener energía ilimitada y materias
primas sintéticas...he aquí los factores que sumados, han culminado en una
división drástica e irreversible entre las generaciones." (1977:92).
"Los asertos contemporáneos sobre el drama del hombre o, a la inversa, sobre las
nuevas oportunidades que se le presentan al ser humano, no contemplan la
aparición de nuevos mecanismos de cambio y transmisión cultural que difieren
fundamentalmente de los mecanismos postfigurativos y cofigurativos con los que

estamos familiarizados. Sin embargo pienso que está surgiendo una nueva forma
cultural y la he denominado prefiguración". (1977:91).
Margaret Mead detecta elementos tecnológicos nuevos, pero los pone en el mismo
plano que descubrimientos científicos, y considera el conjunto de innovaciones
como un proceso espontáneo.
Esta confusión de saberes ha tenido repercusiones estratégicas 20 años más
tarde. Un país como Estados Unidos con más ciencia básica que ningún otro, está
siendo superado en áreas industriales claves por otro como Japón, con un nivel
inferior de ciencia, pero con una tecnología cada vez más avanzada, y con una
creciente voluntad de construirse como "technological country" (Hajime Karatsu.
1986), y con teóricos importantes de la "information society" como Yoneji Masuda
(1980).
Por su parte en Europa, cuna de la ciencia, existe un potencial de crecimiento
tecnológico en paises como Alemania, Italia o España. (El caso español es
materia de otro estudio, pero es interesante resaltar que la primer plan de I+D
nace del impulso dado por parte de sociólogos de la nuevas tecnologías como
Manuel Castells (1986), y con una clara orientación hacia la investigación
"mission oriented".
La ciencia no es un saber "prefigurativo". Su aportación histórica, tal como
Occidente la ha concebido de forma mayoritaria, ha sido el poder explicar, en
palabras de Kuhn, "qué existe y qué es"(1987:97). "El descubrimiento de un pauta
parcialmente oculta"(Herb Simon, 1973: 16 ). Es tarea de la tecnología, no de la
ciencia, el diseñar como podrían ser éstas. El saber prefigurativo es el diseño.
Los programas de investigación científicos para Lakatos pueden ser deductivos o
inductivos, basados en conjeturas y refutaciones (1975) pero no programas de
diseño de nuevos sistemas, tal como se practican en CMU.
Esa tarea le ha correspondido a la tecnología. Esta, de momento, se ha
concebido, por la moderna cultura, como mera aplicación de una ciencia concebida
a su vez con criterios de objetividad, lo cual ha sido un paso intelectual
importante en la historia de la cultura humana. Una nueva visión de la misma
puede concebirla como el campo de diseño e invención humano del conjunto de
nuestra realidad cultural.
Denomino tecnoculturas o "design cultures" a las comunidades que consideran el
diseño y la invención como su práctica cultural preferente, actividad encaminada
no sólo a la construcción de máquinas informáticas y sus programas sino del

conjunto de su vida organizada, incluyendo su propia tecnología. Entiendo que
este modelo cultural es una hipótesis no tanto sobre una estructura cultural
existente sino sobre una posible. Al fin y al cabo, la invención de momento en
las "computer cultures" está limitada al sistema mecánico principalmente.
Salvador Giner viene utilizando también el termino "tecnocultura" desde 1984
("Tecnoculturas", La Vanguardia, 4 de febrero 1984). para definir una realidad
social emergente producida por estas nuevas tecnologías. La inncesante capacidad
de innovación, no ya de objetos, sino de los propios conocimientos, la considera
una de sus características principales. Es una realidad cultural que considera
poco estudiada y que ya no puede entenderse con los tradicionales estudios sobre
"los impactos sociales de la tecnología". Su relación con las técnicas por un
lado, y el saber científico por otro es problemática.
Por otra parte, Karl Popper ya sostuvo en los años 30s, y en nombre de la
libertad contra el historicismo, la posibilidad de una "ciencia social
tecnológica", una metodología para "un estudio de las leyes generales de la vida
social, cuyo fin sería el de descubrir todos aquellos hechos que habría que
tomar en cuenta todo el que quisiera reformar las instituciones sociales".
(1987:60).
En antropología, los intentos de una antropología aplicada han sido
conflictivos. Es conocida la historia de críticas que sufrió el proyecto Vicos
de la Cornell University, dirigido por el antropólogo Allan Holmberg
(1955,1956,1958), realizado en plena Guerra Fría y acusado de proyecto
"colonialista" (Stavenhagen, 1971). A su vez, todo plan de reforma social era
vista por el otro bando, de hacer el juego al comunismo.
En el nuevo periodo abierto tras la Guerra Fría, hay nuevas posibilidades de
situar a la ciencia social al nivel tecnológico alcanzado por otras disciplinas
y abrir una metodología tecnológica y de diseño en campos como la antropología o
la sociología, que incluya un posible diseño de nuevos valores, instituciones y
pautas de actuación de los nuevos sistemas culturales en nacimiento. En parte,
esta linea ya está iniciada (Lasswell, 1971).
En los años 40s, el antropólogo Melville Herskovits propuso un giro en su libro
"El hombre y sus obras ", publicado por primera vez en 1948, para entender la
mentalidad inventora que nos parece que ayuda a ver de forma distinta esta nueva
realidad cultural: " Es menester un giro absoluto en la mentalidad euroamericana
de hoy si hemos de considerar que el proceso de invención actúa sobre la

totalidad de la cultura, y no sólo sobre sus elementos tangibles. Con la mayor
facilidad propendemos a descuidar el papel del inventor de nuevas ideas y de
nuevos conceptos, descuidando la función que desempeña en los cambios que
señalan el desarrollo histórico de toda cultura..." ( Ed. cast.1981:536)
Siguiendo a Roland Dixon, profesor de antropología en Harvard, ("The Building of
Cultures" 1928), Herskovits entendía por invención la "creación deliberada de
alguna cosa radicalmente nueva", actividad distinta del descubrimiento , el
hallazgo accidental de algo que no se había observado previamente.
"El uso común de la palabra ‘inventor’ ilustra muy bien el prejuicio
euroamericano. Un ‘inventor’ es una persona que ‘inventa’ una nueva máquina, o
un nuevo método mecánico. Quien desarrolla ideas para un nuevo sistema
económico, o imagina un nuevo esquema político, o elabora una nueva concepción
del universo, no es, para nosotros,en modo alguno, un inventor. Podemos llamarlo
un teórico, un filósofo, un visionario o , más despectivamente,un
revolucionario.
Sin embargo, las ideas son ciertamente no menos poderosas que las cosas en la
formación de las vidas de los hombres. Sería difícil sostener que los
‘inventores’-y la palabra se usa aquí en su sentido etnológico y funcional- que
imaginaron contar la descendencia por un lado de la familia, o quienes más tarde
desarrollaron sistemas de clasificación de la terminología del parentesco,
tuvieran menos influencia en el curso de la cultura humana que tuvo el inventor
de la tienda de pieles, o de la canoa batanga, ode la bomba y los fuelles usados
en el trabajo del hierro". (1981:536).
Por su parte, Margaret Mead dentro de los trabajos por una Anthropology for the
Future, afirmaba: "We are in a period of invention, of dealing with many
concepts that we never had to consider before, and recognizing that one of the
tasks of anthropology is culture building". (1978: 272)
En las "computer cultures’ el mundo se empieza a ver como un "artificio
colectivo" (H. Simon. 1973: 17) , como un "man-made world" (entendiendo por
"man" ser humano genérico). Antropólogos como Clifford Geertz, poco proclives al
estudio de la tecnología, ya habla de la ideación como un "cultural artifact"
("Local Knowledge. 1983:152), tomando el lenguaje propio de los investigadores
en Inteligencia Artificial.
El invento en esas culturas ya no se reduce a la máquina. Como afirma Herb
Simon: " Moreover for most of us--the white -collared ones-- the significant

part of the environment consists mostly of strings of artifacts called ‘symbols’
that we received through eyes and ears in the form of written and spoken
language and that we pour out into the environment..The law that govern these
string of symbols, the laws that govern the occasions on which we emit and
receive them , the determinants of their content are all consequences of our
collective artifice" ( 1981: 5).
Las "computer cultures" nos permiten apreciar que el fenómeno de invención
mecánica es una invención de símbolos y programas de símbolos. Las tecnoculturas
desarrollan y complejizan las "computer cultures" al no reducir la invención al
sistema informático, o a un sistema simbólico lógico-matemático. El diseño no
tiene por que reducirse al diseño sólo de máquinas o sistemas mecánicos o su
lenguaje de programación. Puede incluir también el de instituciones humanas que
los usan (familiares, escolares, de entretenimiento,...) , los nuevos sistemas
de conocimientos que los desarrollan, los nuevos ritos y prácticas sociales que
rodean al ordenador y que no son codificables en lenguaje máquina y procesables
por el ordenador, pero sin las cuales el ordenador no hubiera nacido.
Una tecnocultura es una cultura de invención de nuevos conocimientos, ante todo,
de nuevas disciplinas tecnológicas. Así como se concibió la Inteligencia
Artificial, como una síntesis de matemáticas, ingeniería, sicología
cognitiva,etc. concebida para hacer más inteligentes a las máquinas, el profesor
Frederik Reif de CMU concibe una "human cognitive engineering" (1980: 44) que
pueda mejorar las capacidades de los humanos. De hecho, éste es el objetivo de
la educación. Y es en la educación donde en CMU se están desarrollando modelos
más avanzados de diseño. Las tecnoculturas son culturas de invención general, y
esta invención considera la propia educación humana su campo priviligiado de
acción.
Basándome en este enfoque conceptual, analizaré en este estudio, los proyectos
de la School of Computer Science de CMU como procesos de formación de una
"computer culture".

3. DESCRIPCION DEL OBJETO DE ESTUDIO.
3.1. CMU COMO CULTURA DE INNOVACION.
Los dos motivos iniciales para la elección de CMU como base de la investigación
fueron: 1. El constituir un primer experimento de "computer-intensive campus".
2. El ser un centro de investigación generador de la idea de "The Sciences of
the Artificial", libro escrito por Herb Simon en 1969 , donde introduce la idea
de mundos "naturales" y "artificiales" como mundos distintos, basados los
últimos, en el diseño humano. Estas dos características son únicas de CMU como
"computer culture".
Segun Herb Simon, profesor de sicología cognitiva y computer science, existe un
tipo de ciencias, distintas de las naturales, que denomina "sciences of the
artificial" que se basan en la idea de diseño. A diferencia de la física o la
química dedicadas al estudio de qué son y cómo funcionan los "natural worlds",
las ciencias de lo artificial, como la ciencia de la administración, la
economía, la sicología y las profesiones como la ingeniería tienen un terreno
distinto: "Engineering, medicine, business, architecture, and painting are
concerned not with the necessary but with the contingent--not with how things
are but with how they might be--in short with design". (1981:xi).
La computer science es una expresión de este tipo de ciencia. Estudiar la
cultura de CMU implica ante todo analizar que es este tipo de conocimiento y la
gente que lo ha producido.
Esta distinción entre "natural worlds" y "artificial worlds" tiene relación
directa con la cultura de CMU como cultura de innovación.
Tradicionalmente, en la cultura occidental el mundo de la ciencia natural ha
sido el mundo de los fenómenos necesarios.
Yehuda Elkana, en su "Sciences and Cultures"(1981), ha puesto de manifiesto la
conexión entre la ciencia griega , su visión de lo inevitable y su relación con
el teatro trágico: " Greek drama is a depiction of the inevitable. Fate is
inmutable, and man can influence minor details of his own destiny...It is an old
Western cultural tradition to view the growth of knowledge-knowledge of all
kinds, even scientific knowledge- as the subject of Greek drama: the unfolding
of the inevitable". (1981:66).

Esta visión concuerda con la doctrina de la predestinación del calvinismo
protestante y permite explicar , como hizo Robert Merton, el auge de la ciencia,
en especial la ciencia natural, entre el protestantismo ascético, tanto en
Inglaterra como en las primeras colonias norteamericanas.
El método de estudio clásico de la ciencia natural sería una combinación de
racionalismo y empirismo: "predicciones empíricamente confirmadas y lógicamente
coherentes" (Merton, 1942: 67).
Daniel Bell ha culminado esta visión afirmando que la "racionalidad funcional"
es el principio axial del orden tecnoeconómico contemporáneo. (1976:24).
Pero esta visión tradicional del mundo, como "orden natural", explicado
racionalmente por la ciencia, esta siendo modificada por un "orden artificial",
inventado por la tecnología de forma incesante.
El presente paradigma científico ha admitido la tecnología y su cultura de
invención como un complemento secundario de la actividad científica. Es el
modelo "Science and Technology" que forma, con la industria, el denominado "
unique innovation engine" (Dertouzos.1988: 22).
Según este esquema es la Ciencia la que inicia el ciclo de innovación, lo aplica
la Tecnología y lo produce la industria. Pero en este esquema hay una anomalía.
La llamada "innovation" no ha sido un valor cultural principal de la ciencia
sino de la tecnología. Para Merton, el valor principal de la ciencia es el
"universalismo", para Bell, el principio axial del orden tecnoecónomico es la
"racionalidad funcional". Ninguno de ellos asocia ciencia, ni siquiera
tecnología, a innovación. Más antiguamente, la escuela de Frankurt habló de
"racionalidad instrumental", como la "ideología" del "unidimensional
man"(Marcuse). Veían al tecnólogo como un burócrata controlador de procesos
naturales. Su valor cultural clave era el "control" (Beniger, 1986), y así veían
a los ordenadores, como las herramientas del burócrata.
Según este esquema, la secuencia normal de innovación en las culturas
urbano-industriales o "sociedades complejas", partiría del "descubrimiento
científico" desde las clásicas ciencias naturales, realizado en la Universidad,
continuaría con la invención tecnológica a cargo principalmente de los
laboratorios industriales y terminaría en la producción de objetos
manufacturados para el mercado realizado en las industrias. Es interesante
destacar que el conjunto del proceso se denomina"innovation cycle" y en él la
ciencia, aunque se considera que inicia el proceso, actúa dentro de un sistema

cultural presidido por un valor cultural ajeno a ella.
En realidad este modelo, éste "innovation cycle" no empezó en una Universidad
sino en un instituto de tecnología: el Massachussets Institute of Technology. En
este instituto nació el concepto de TECNO-LOGIA, por el cual la ciencia debía
servir para aplicaciones útiles, y la técnica se convertía a cambio en un
procedimiento científico, sistemático y formalizado.
En realidad el M.I.T. nació buscando independizar la tecnología de la ciencia.
Empezó como un centro investigación tecnológica básica. Más que como una ciencia
aplicada, el modelo empezó dotando a la tecnología de estatus académico, ésto
es, convirtiéndola en "básica", elevándola de categoría intelectual . El M.I.T
pasaba a competir con Harvard, el centro espiritual de la cultura liberal de
Estados Unidos.
Fue la cultura tecnológica del M.I.T la que produjo el fenómeno de la
cibernética en los años 40s, reconocido por Simon y Newell (1972. :878) como la
base intelectual, el Zeitgeist, donde se desarrollaría el resto de la cultura
informática, y de la propia ciencia cognitiva. Esto es sólo parcialmente cierto.
Una aportación clave provino del grupo de matemáticos de Princeton: Church,
Turing y Von Neumann.
De la cibernética se pasó al "information processing". Dos científicos de
Carnegie Tech se adelantaron en 1955 a los del M.I.T como Minsky y McCarthy,
inventando el primer sistema artificial inteligente. Este ha sido, hasta el
momento, el acmé o cénit de CMU: en la invención de la tecnología más avanzada
en el campo informático: la Inteligencia Artificial se pusieron por delante de
la primera institución tecnológica de Estados Unidos, el M.I.T.
El modelo de CMU es un modelo nacido en un Instituto de Tecnologia, como una
teoría dentro de un Zeitgeist denominado "cybernetics revolution" (Newell,
Simon,1972) con un carácter estructural tecnológico.
No obstante CMU ha aportado a esa cultura rasgos propios:
1. La "computer culture" de CMU es un fenómeno tecnológico, que se apoya en una
de las ramas de la computer science, la Artificial Intelligence, donde tiene un
liderazgo destacado un científico social, H. Simon . La Computer Science, y en
particular la AI, se ha considerado para algunos líderes de la comunidad como
una aplicación de una disciplina más amplia denominada " Complex Information
Processing", que abarcaría tanto ordenadores como mentes humanas. El modelo del
ordenador era un "model of man" definido por H. Simon como de "racionalidad

limitada". (bounded rationality). Este modelo fue elaborado por un científico
político a partir de una reflexión sobre el "comportami ento administrativo"
iniciada en los 40s. Este papel decisivo jugado por la AI dentro del Computer
Science de CMU , y dentro de ella el de un científico político, más tarde
convertido en sicólogo, es un rasgo específico de esta cultura, que la distingue
de otras como el MIT o Stanford.
2. Al pivotar sobre la Artificial Intelligence esta cultura se ha apoyado
principalmente en la única institucion que durante décadas ha financiado una
investigación basica en AI: el Defense Advance Research Project Agency (DARPA).
La misión estratégica de esta institución era doble : promover la investigación
avanzada para la defensa nacional de Estados Unidos y secundariamente y
transferir a la industria dichas tecnologías para aumentar la productividad
económica nacional. La investigación en Computer Science de CMU está basada en
el modelo de un laboratorio estratégico de la Defensa, en particular "a DARPA
Artificial Intelligence Laboratory", y por lo tanto al servicio de intereses
estratégicos de Estados Unidos. Ello le ha permitido una mayor profundidad a su
investigación básica de carácter tecnológico en áreas como la AI, en las que ni
siquiera las grandes corporaciones (IBM, Apple...) se han atrevido a abordar,
que la National Science Foundation solo ha financiado tardíamente.
3. La School of Computer Science (SCS) de CMU ha sido un centro principal de
investigación de esta universidad, y de donde han salido innovaciones
principales de esta "computer culture".
Al mismo tiempo, es uno de los centros generadores de la "computer culture" en
Estados Unidos en el terreno de la investigación básica. Es uno de los tres
centros ("hubs") estratégicos en el país para el desarrollo de la investigación
básica y aplicada en el campo de los ordenadores, y particularmente de la
Inteligencia Artificial.
Los otros dos históricamente han sido el Massachussets Institute of Technology,
(MIT), y la Stanford University de California.
Durante los últimos 25 años, DARPA ha sostenido ininterrumpidamente la
investigación básica en ese departamento en áreas estratégicas como la
Inteligencia Artificial, Programming Systems, Computer Systems , que están
teniendo aplicaciones y relaciones con otras áreas y disciplinas (ciencias,
management, humanidades, ingenierias, educacion, etc.).

3.2. LA INVESTIGACION DEL COMPUTER SCIENTIST DE CMU: "OUR SUCCESS IS
INNOVATION".
"We don’t have 300 years like Harvard. Our success is in innovation". Esta
palabras de Herb Simon (Entrevista, 1 Mayo 1990) marcan el patrón cultural en el
que desarrolla la actividad de investigación del "computer scientist" de CMU.
La innovación en esta "computer culture" parte, fundamentalmente, aunque no de
forma exclusiva, de lo que antes se denominó Computer Science Department y hoy
School of Computer Science de CMU y de su investigación. Esta escuela parece
tener características culturales particulares, en parte heredadas de la
institución a la que pertenece, Carnegie Mellon, y en parte, propias y adoptadas
posteriormente por el conjunto de la universidad.
Una de ellas es el haber nacido no de un departamento universitario o de una
disciplina científica tradicional, sino de la confluencia de tres factores: En
primer lugar, una actividad de invención en 1955 de un programa de Inteligencia
Artificial, denominado LOGIC THEORIST (LT) y un lenguaje de programación nuevo
INFORMATION PROCESSING LANGUAGE (IPL), por el equipo interdisciplinar formado
por profesores como H. Simon, estudiantes de postgrado como Allen Newell y
programadores como Cliff Shaw , equipo con base en dos instituciones , la propia
universidad, que en1955 era aún Carnegie Institute of Technology", y la Research
and Development Co (RAND), el original"think tank" inventado en Estados Unidos y
financiado con fondos de la Defensa . Esta invención formaba parte de una nuevo
programa de investigación de este equipo, iniciado en febrero de 1952, destinado
a comprender lo que denominaban "complex information processing systems" ( A.
Newell, H. Simon"The Logic Theory Machine".1956).
En segundo lugar, la apertura un Computation Center en dicha universidad en1956,
formado por Alan Perlis, director del Departamento de Matematicas, y basado en
una máquina, una IBM 650. Este centro fue concebido como servicio al conjunto
del campus, como un lugar abierto de encuentro de matemáticos, ingenieros,
físicos, estudiantes de management de todo el campus, que utilizaba el ordenador
para resolver problemas de su especialidad.
En tercer lugar, la formación en 1962 de un programa interdisciplinar de
doctorado, denominado Systems and Communications Sciences, con participación de
cuatro departamentos: Mathematics, Psychology, Electrical Engineering y Graduate
School of Industrial Administration, precursor de lo que en 1965 será el
programa de doctorado en Computer Science.

Estos rasgos responden a una cultura académica, la de Carnegie Mellon
University, entonces llamada Carnegie Tech, que se había distinguido por dos
rasgos: 1. Su "problem solving mentality", su mentalidad pragmática , propia de
una escuela técnica, expresada en el lema de su fundador Andrew Carnegie en
1900:"Handication versus Headication". Y 2. Su concepción de la educación para
los ingenieros de carácter liberal, que debía integrar también inseparablemente
el estudio de humanidades y la ciencia básica. Ambos rasgos culminarían en el
llamado Carnegie Plan, en los años 40s, un plan para formar ingenieros con
mentalidad interdisciplinar científico-humanística, y al mismo tiempo con
dominio de los métodos de" problem solving", propios de la ingeniería.
Desde su fundación en 1965, el Departamento de Computer Science de CMU ha
propiciado una actividad de investigación interdisciplinar basada en un modelo
que al parecer se comparte como valor común de la escuela : el enfoque
pragmático y diseñador del ingeniero, y la formación científica y humanística ,
complemento del anterior. Este modelo cultural se ha definido como "scientist of
design" (Herb Simon). El modelo educativo se denomina: "liberal-professional
education". Ello conlleva un tipo de investigación específica en la que se
combina la innovación tecnológica, que está en el puesto de mando, con una
dimensión social y humanística, que le sirve de complemento.
A estos dos rasgos se unió un tercero, no existente en la antigua Carnegie Tech:
la investigación estratégica, introducido por la cultura de la RAND Co. Carnegie
Tech se convertirá en un centro de investigación para los intereses estratégicos
nacionales norteamericanos en materia de tecnología informática. De centro de
educación pasará a ser principalmente una unidad de investigación, y de servir a
la industria local o nacional, pasará a servir, principalmente, intereses
estratégicos de Estados Unidos en el campo de la investigación informática. Este
pensamiento estratégico, retomado a través del management, le servirá para
constituirse en los años 80s, mediante un ejercicio de "strategic planning" en
la primera "computer-intensive university" de Estados Unidos.
Esta combinación de rasgos constituye el patrón cultural hegemónico, el modelo
de pensar y de actuar dominante en esta comunidad, y le proporciona un conjunto
de ventajas comparativas sobre otras "computer cultures".
Este patrón en CMU ha ido unido a una doble actividad : 1. La tendencia a
sintetizar los dos primeros procesos de innovación tradicionales , el
descubrimiento científico y la invención tecnológica, en una única e inseparable

actividad, liderada por el avance tecnológico. Y 2. La introducción del conjunto
de toda la comunidad universitaria, no sólo a un sector de la misma en la
actividad de invención tecnológica, concretada en la producción de sistemas
informáticos, en particular, software. Sus líderes, incluso proveniendo de
ciencias sociales, se dedican a producir tales sistemas sin los cuales no serían
reconocidos como tales en una comunidad de base ingeniera como ésta.
Si consideráramos Carnegie Mellon como un prototipo de una "tecnopolis"
apreciaríamos que su modelo de innovación es más complejo que el descrito por el
tradicional ciclo de CIENCIA-TECNOLOGIA-INDUSTRIA. En este ciclo ,que podríamos
denominar "simple", la innovación la inicia sólo un sector de la población
investigadora: los científicos y técnicos, dejando fuera al resto de disciplinas
(ciencias sociales, humanidades,...) y de conocimientos (arte, management,...).
Y la culmina sólo un sector de la sociedad: la industria. Se deja fuera al resto
de instituciones: la Administración, la enseñanza, la sanidad, las
administraciones locales,... simples usuarios de las anteriores invenciones
tecnológicas.
Por contra en el ciclo "complejo" de CMU, en tanto que COMPUTER CULTURE, la
invención tecnológica trata de comprometer al conjunto de disciplinas, a las que
se trata de embarcar en una actividad de diseño de programas informáticos,
propia de la tecnología ("ciencias del diseño") y es el conjunto de la
institución la que se pretende que participe en el proceso de innovación,
entendido como un procesos de planificación estratégica.
El iniciador de la innovación es una combinacioón de político-computer scientist
(Herb Simon, A. Newell, A. Jordan), más que un mero científico -industrial.
Según el modelo de CMU, la investigación ha de ir unida al diseño y construcción
de sistemas informáticos, no sólo a la mera explicación de un fenómeno.
La teoría se elabora construyendo los programas y sistemas informáticos. Una
construcción matemática de un hipotético sistema , por ejemplo, tendrá tanto más
valor en la SCS de CMU si va unida a la construcción de nuevo programa
informático que funcione, que "valide"dicha teoría. La "computer science" se
sirve así del conocimiento matemático para construir sistemas computacionales.
Pero no se reduce a matemáticas, ni básicas ni aplicadas, ni a otra ciencia
clásica. Se considera una disciplina distinta, en palabras de Mary Shaw,
veterana profesora de la SCS :"a separate discipline" Great Ideas, april 1991) .

Este particular enfoque de la SCS hace que la clásica relación entre ciencia y
tecnología, entre "investigación básica" e "investigación aplicada" aparezca
invertida y unificada. En documentos fundacionales del centro, se afirma así que
es de la segunda de donde salen principalmente las nuevas ideas. "The new ideas
and insights that move it towards being a science arise mostly from applications
rather than from any self-generative character of the pure sciece of information
processing"(A. Newell, A. Perlis, Schatz,E.1964: 3).
Los fundadores de la disciplina en esta institución (Perlis, Simon, Newell) han
operado así desde el principio, construyendo sistemas, en particular "programas"
(Logic Theorist, GPS, lenguajes informaticos...), que validaban su teoría del
"information processing", asentando un hábito cultural característico, un
"particular approach" de esta escuela : "the pragmatic approach". (ib:13).
La computer science nació en CMU en los años 60s como "the attempt to produce a
science in an area that not logn ago was a purely technology" (ib : 1). " The
scientific knowledge is contained, not in a formal theory, but in the knowledge,
however expressed, of the structure of a class of information processing tasks
and the programs that can do that". (ib: 7).
En esta escuela, la tarea teórica del científico se indentifica con la de hacer
programas. Un ejemplo de ello es SOAR el último programa informático de Allen
Newell , resultado de casi 30 años de trabajos en Inteligencia Artificial,
considerado no un mero vehículo para validar una teoría sobre la cognición
humana sino la propia teoría en sí misma: "The effort internally (at home, so to
speak, was to convert Soar to a cognitive theory" (A.Newell.1990:x).
Por tanto, las dos primeras partes del ciclo Ciencia-Tecnologia aparecen
sintetizadas en una nueva disciplina: "Computer Science", en la que se reconoce
que la tecnología va por delante en innovación respecto a la propia ciencia .
Allen Newell explicaba en el reciente XXV Aniversario del Departamento,
celebrado en septiembre de 1990, esta paradoja. A diferencia de como otras
ciencias como la microbiología o la genética habían nacido , a partir del
descubrimiento de algún fenómeno natural (micro-organismos o genes), el Computer
Science nació de una tecnología : "Its emergence has been especially confusing
because of the computer’s origin as an engineered and manufactured device "
(Newell,1990 :41).
Esta primacía de la invención tecnológica sobre el descubrimiento científico da
lugar a un proceso de innovación distinto, en el que las iniciativas provienen

de las nuevas invenciones tecnológicas que son teorizadas científicamente a
posteriori o simultáneamente, formando ambos aspectos un conjunto inseparable,
pero liderado por el avance tecnológico. Este rasgo constituye uno de los
fenómenos característicos de la "computer culture" en CMU, institución que fue
primero una escuela técnica (1900), luego un instituto de tecnológia (1912) y
sólo recientemente (1967) se convirtió en un tipo particular de universidad , un
"computer-intensive campus" (1980s). Y su futuro está abierto.
Este proceso intelectual de síntesis entre investigación básica y aplicada ha
precisado a su vez de un marco organizativo nuevo : el Computer Science
Department, hoy ya School of Computer Science (SCS).
Como la propia disciplina , este es un departamento universitario distinto a los
restantes. Inicialmente fue concebido como un "open center" (Newell ,Perlis,
Schatz. 1964: 25), un centro abierto a todas las disciplinas y departamentos de
la universidad, con la idea de que " A very substantial segment of Carnegie Tech
should become the laboratory for the study of information processing" (ibid.
:26).
Esta institución se ha ido constituyendo como una nueva institución
experimental, y con un estilo de organización informal, síntesis de diferentes
disciplinas ( matemáticas, ingeniería, sicología,. ..) y de profesores
provenientes de estos departamentos, siendo a su vez distinto a éstos. En 1965,
se fundó éste fuera tanto del departamento de ingeniería eléctrica como del de
matemáticas dentro del College of Engineering and Science, siendo el primero que
lo hizo en Estados Unidos. Una vez que el College of Science en CMU se separó
del de Ingeniería, el departamento se quedó en el colegio de ciencias, de donde
se separó en 1985 y en 1988 se constituyó como escuela con rango equivalente a
los otros colegios de CMU.
Por último, el modelo de relación de esta institución con el mundo industrial ha
sido más compleja que las de la clásica de las escuelas de ingeniera, y descrita
en el ciclo Ciencia-Tecnología-Industria. La industria del ordenador ha jugado y
juega aun un papel secundario en el apoyo de la investigación en la SCS.
Secundario pero significativo.
La entidad que ha sostenido y sostiene aún fundamentalmente estas
investigaciones, de "alto riesgo" (high risk) dado que su resultado no está
garantizado y es a medio o largo plazo, en CMU es una institución pública de
carácter gubernamental: la Defense Advanced Research Projects Agency (DARPA) .

Esta es una institución particular. A pesar de ser pública, su carácter desde el
principio fue financiar proyectos tecnológicos avanzados, teniendo un gran
carácter innovador.
Gracias a su prolongada y sostenida inversión y apoyo durante los últimos 30
años, ese tipo de investigación nueva mitad ciencia-mitad ingeniería y con
objetivos públicos no privados al servicio directo de la empresa, se ha podido
mantener . En 1988, la proporción entre la investigación esponsorizada por el
gobierno y la sostenida por la industria en el Departamento era 85%:15%.
La SCS forma parte del pequeño grupo de seleccionados departamentos que recibe
cerca de 10 veces el promedio de financiación en comparación con otros
departamentos de similar tamaño en Estados Unidos. (Goals and Strategic Plans.
CMU. 1988).
Ello ha permitido realizar en la SCS un tipo de investigación estratégica en
áreas que no han tenido aplicación comercial inmediata, y que la industria no se
ha atrevido a sufragar dado su alto riesgo : Inteligencia Artificial, Vision y
Reconocimiento de Voz, redes electrónicas, circuitos integrados, robots
autónomos, ... Una vez que han producido resultados las propias industrias, no
sólo norteamericanas sino japonesas y europeas, se ha beneficiado de ellos.
Igualmente se han aprovechado las otras universidades, la Administración, y todo
el complejo mundo formado en torno al ordenador, y sobre todo, el propio
Departamento de Defensa.
No obstante, es preciso reconocer que fue una industria, la IBM , la que
patrocinó el Proyecto Andrew, que fue la base de conversión de CMU en una
"computer-intensive university". Y que fue la fundación de un banquero, Richard
K. Mellon, la que aportó 5 millones de dolares iniciales para la constitución
del Computer Science Department en 1965.
3.3. LA SCHOOL OF COMPUTER SCIENCE , CENTRO DE LA INVESTIGACION DE ESTA
"COMPUTER-INTENSIVE UNIVERSITY".
Esta escuela es una escuela de postgrado (graduate students), su objetivo es
formar científicos del ordenador de alto nivel investigador (highly-qualified
research computer scientists.). Pero por encima de todo, su meta es liderar la
investigación en "computer science" a escala mundial: "The overall goal of the
Computer Science Department is to maintain its worldwide leadership role in
computer science research" (Goals and Strategic Plans. CMU. Feb. 1988: 28). El

primer objetivo de la institución es, pues, la investigación ("research") y
subordinado a éste la educación ("education") de investigadores en computer
science. Al menos así ha sido hasta ahora.
La estructura oficial de la escuela esta formada por un Programa de Doctorado en
Computer Science ("Doctoral Program in Computer Science"); un programa de Master
para formar ingenieros de software ("Software Engineering Master’s Program") ,
realizado en colaboración con el Software Engineering Institute. Y por último,
tres institutos: Robotics Institute, (que tiene su propio programa de
doctorado), el Machine Translation y el Information Technology Center, nacidos
de la propia investigación de la escuela y con una estructura organizativa
independiente. Todo ello bajo la dirección del decano ("Dean") de la SCS, Nico
Habermann, que en 1991, pasó a un nuevo cargo en la National Science Foundation.
En 1989, habia 193 estudiandes graduados en la School ( 77 en computer science y
17 en robotics). Ese curso se doctoraron 14 estudiantes de un total de 350 Ph.
D. en todo el país. La admisión de estudiantes en la escuela es altamente
selectiva. En 1987, se recibieron 900 solicitudes de todo el mundo, siendo
admitidos unos 30 estudiantes, de los cuales un tercio aproximadamente
estudiantes extranjeros.
A efectos educativos, el programa de doctorado en Computer Science se divide en
cuatro áreas ("areas") : Teoría, ("Theory"), Sistemas de Programación
("Programming Systems"), Sistemas de ordenadores ("Computer Systems") e
Inteligencia Artificial ("Artificial Intelligence"). El estudiante deberá
realizar un examen escrito en cada una de ellas "core qualifiers" para poder
realizar la tesis doctoral.
Esta estructura docente colabora con la estructura de investigación que
constituye la actividad principal de la SCS. La valoración en esta escuela está
en función directa de la capacidad investigativa del computer scientist. "The
potential for outstanding ability in research in always the primary criterion"
(Graduate Studies in CS. CMU.)
La escuela cuenta con 108 profesores e investigadores que forman el núcleo
investigador clave de la misma. En 1989 eran 77 de Computer Science, 27 en
Robotics y 3 en el Machine Translation. Del total, 36 eran "regular faculty" o
profesores con derecho a plaza, 35 "research faculty" y 37 "special faculty"
(investigadores especiales, profesores visitantes,...). Un figura clave para
entender un aspecto que distingue esta escuela de otras es el papel de los

"programmers". En 1990-91, la escuela contaba con 91 progradores, de ellos 68 en
el area de Computer Science. Ellos son los responsables de escribir los
programas informáticos para el ordenador.
En total se calcula que en 1991 la School abarcaba entre profesores, estudiantes
de doctorado, personal de investigación, personal técnico de apoyo y personal
administrativo, unas 700 personas (XXV Anniversary.:vii)
Cada profesor trabaja según diferentes "intereses"( "interests") en las
diferentes áreas arriba indicadas, y en determinados "proyectos de
investigación"( "projects"). Las principales innovaciones de la escuela se han
producido en la investigación . Esta es la razón para seleccionar " los
proyectos de investigación" como unidad de análisis etnográfico básica .
Los proyectos se agrupan en grandes programas de investigación que son los
esponsorizados por DARPA (Defense Avanced Research Projects Agency). En 1990 son
cuatro: "Basic", "Strategic", "Speech" y "ERGO". Estos programas forman la
columna vertebral de la investigación de la Escuela. Agrupan a sus mejores
equipos y los mayores presupuestos.
Los proyectos, al mismo tiempo, son el campo de trabajo del estudiante de la SCS
, dado que durante los 4-6 años que dura su doctorado, la mayor parte
transcurrira trabajando en algún proyecto de investigación dirigido por su
director de tesis ("advisor"). Muchas de las tesis doctorales son productos del
trabajo en el proyecto.
He seleccionado cuatro áreas, "Artificial Intelligence", "Programming Systems",
Computer Systems" y "Theory", y distintos proyectos en ellas, que reunen algunas
de las características que considero valores culturales propios de la School:
1.) la "construcción de sistemas" ("building systems"), como expresión de la
investigación en "information processing systems", teoría básica de la computer
science en CMU ; 2,) un enfoque holista a hora de construir dichos sistemas , (
"total system effort") abierto al trabajo interdisciplinar y de innovación entre
distintas áreas de la computer science y entre esta disciplina y otros
departamentos de CMU considerados como laboratorios para el estudio del "
information processing"( open center) ; 3.) un estilo de trabajo que promueve la
formación de equipos (teamwork), y 4) una estructura informal en la escuela con
menor compartamentalización que en instituciones de similar tamaño y organizada
en redes (network).
El objetivo central de esta investigación es describir el o los patrones

culturales de los profesores y equipos que forman estos proyectos de
investigación , y de las metas de finalidad de los propios proyectos como
unidades de estudio. Este patrón o modelo etnográfico estará compuesto por el
sistema de valores de dichas personas, sus relaciones jerárquicas, sus
relaciones con otras instituciones en la comunidad universitaria de CMU y en el
resto de organizaciones del
país, tanto industriales como político-administrativas, y sobre todo un análisis
de como se están construyendo estos patrones a través de los proyectos de
investigación de dicha escuela.
Siguiendo el análisis del ethos de las comunidades científicas establecido por
Robert K. Merton (1942), y que para Daniel Bell dicho "ethos" de la ciencia,
constitutuye "el ethos emergente de la sociedad postindustrial" (1973), la
pregunta es :¿ es éste el ethos de una high-tech community como la de computer
scientists de CMU, en concreto de los investigadores en estudio?.¿ En qué
coincide y en qué difiere? ¿ Qué valores o metas de finalidad tienen estos, cuál
es el sistema de valores de los profesores que construyen los ordenadores, los
programas, las aplicaciones a través de estos proyectos seleccionados?. En suma,
como cualquier modelo etnográfico, el estudio ha de responder a estas cuestiones
básicas: " Cómo son los individuos, qué es lo que quieren ser y cuáles son los
caminos institucionalizados que deben seguir para lograrlo" (Claudio Esteva.
1978: 234).
4. HIPOTESIS DEL ESTUDIO .
4.1. PRIMERA HIPOTESIS: "KNOWLEDGE IS DESIGN" EN LA SCHOOL OF COMPUTER
SCIENCE.
Supongamos que hemos de hacer un modelo etnográfico del saber de un "computer
scientist" de CMU. ¿Qué programa cultural rige a los que hacen programas
informáticos, a los "computer scientists" de CMU?.
Afirmamos que la principal meta de finalidad de estos "computer scientists"
parece ser el aumentar su conocimiento sobre qué sistemas informáticos pueden
construir y cómo hacerlo. Su meta es el diseño como sistema de conocimiento
cultural básico de esta comunidad. Esta comunidad no persigue principalmente
entender o explicar una realidad dada, ni siquiera un sistema tecnológico dado,

sino conocer qué nuevos sistemas informáticos pueden hacer. Por otra parte, el
hecho de que acabe sabiendo cómo hacerlo, es la única vía para cubrir su primer
objetivo. Para aumentar su conocimiento sobre qué nuevos sistemas tecnológicos
pueden hacer, aprenden a hacerlos, adquieren lo que denominan know-how, o
saber-como-hacerlos.
El hecho de que acabe construyendo prototipos, o demostraciones ("demo") de
sistemas es un medio para lograr su objetivo central : la creación de nuevo
conocimiento sobre nuevos sistemas informáticos posibles.
Por "sistema informático" se entiende en la SCS los sistemas construidos en
Artificial Intelligence, Programming Systems, Computer Systems, y Robotics . La
Theory es la área encargada de estudiar los posibles sistemas informáticos a
construir, a nivel formal.
El proceso de innovación en los programas estratégicos de la Escuela, Vision,
Speech, Supercomputers,... parece empezar no por el descubrimiento de un objeto
empírico sino por el diseño de un nuevo conjunto de objetivos a conseguir
("goals"), que describen el nuevo "sistema", "programa", o robot, a construir.
La lógica del diseñador de "computer science" de la SCS , tal y como se expresa
en los documentos de los proyectos ("proposals"), indica que lo primero son los
"goals", los objetivos que identifican el nuevo sistema que el equipo de
computer scientists quiere construir y que aún no existe. Y que es imposible por
tanto descubrir a priori y estudiar como objeto empírico.
Estos objetivos, sin embargo, no se establecen "ex nihilo". Se apoyan en
elementos tecnológicos y científicos ya existentes. Pero constituyen una
realidad cultural nueva, existente tan sólo como "proyecto".
En el apartado denominado "technical rationale" de sus "proposals" , documentos
de base de sus proyectos, es donde exponen los objetivos nuevos en forma de
nuevos sistemas que se pretenden construir: Nectar, Mach, Soar...
En esto podrían asemejarse a los ingenieros y a los tecnológos tradicionales.
Como ellos pretenden construir, diseñar nuevos sistemas. Pero estos sistemas son
instrumentales para su finalidad principal: aumentar su saber a cerca de los
mismos. Su fin principal es el nuevo conocimiento, no sólo el nuevo sistema. Ese
rasgo cultural les diferencia de la ingeniería tradicional : no se consideran
aplicadores de un conocimiento básico encarnado en las ciencias clásicas
(matemáticas, física, química, biología), sino que se consideran los
elaboradores del nuevo conocimiento que ellos mismos aplican. Son tambien

teóricos, construyen su propia teoría mediante la construcción de sus proyectos.
No se trata sólo de tecnología, sino "high technology", donde el término "high"
designa el peso del componente teórico o "científico" de la misma.
Su programa cultural tiene una doble característica: la finalidad principal es
la construcción de una teoría del nuevo artefacto informático posible. El medio
es su propia construcción. Así ,por ejemplo, se está formando ahora en esta
escuela una nueva disciplina informática, Robotics Science, al calor de la
construcción de sistemas como Ambler o Navlab, robots autónomos. Esta nueva
disciplina está formada por la síntesis de Machine Intelligence, Mechanical
Engineering y un nuevo campo denominado " Computer Vision", que estudia los
sistemas de identificación de la imagen del robot.
¿ En qué se diferencian, pues, de un científico tradicional?. En que las nuevas
disciplinas nacen no del descubrimiento de un objeto real preexistente a la
propia observación científica, mediante la observación empírica en combinación
con el razonamiento, , sino que surgen de una invención tecnológica que realiza
el propio computer scientist y que una vez construida, la toma como objeto
empírico de estudio para seguir construyendo nuevas realidades artificiales .
Estas disciplinas son "conocimientos artificiales", sintetizados, nacen de la
actividad de construir artificios y sirven para producir nuevos artificios,
nuevos sistemas.
Como la ciencia clásica, el "computer scientist" busca crear conocimiento, pero
a diferencia de ella, su conocimiento es inseparable de la construcción de
artefactos pues se trata del conocimiento de esos mismos ingenios mecánicos.
Son "nuevos conocimientos", basados en una lógica de integración, de "putting it
all together", la misma lógica con la que construyen sus máquinas.
En este sentido podríamos formular esta primera hipótesis: en la SCS de CMU, el
objetivo fundamental del computer scientist es la creación de nuevos
conocimientos sobre nuevos sistemas informáticos posibles. Actividad que exige
inseparablemente la construcción de dichos sistemas, que se toman como objeto de
estudio e investigación. En este sentido, en la SCS, "knowledge is design ".
De ello se derivan dos coralarios fundamentales: 1. La inversión de
conocimientos, subordinando el estudio empírico de los sistemas a su diseño y 2.
La tendencia hacia la síntesis de nuevos conocimientos de diseño.

Desarrollémoslos.
4.1.1. PRIMER COROLARIO: LA INVERSION DE CONOCIMIENTOS.
El primer corolario podría formularse así: el estudio científico empírico de
estos nuevos mundos artificiales del ordenador, tal y como se ve en estos
proyectos de la SCS, no es ni puede ser previo a su diseño sino posterior. Ha de
secundar con elementos analíticos el proyecto de sistema informático que se
pretende construir, siendo inseparable de su construcción práctica. De haber
seguido una lógica inversa, anteponiendo el proceso de descubrimiento científico
de esos artectos a su diseño e invención tecnológica, estos hoy no existirían.
Este "científico" de CMU diseña, se propone construir realidades artificiales,
en las que cuentan sus preferencias. El diseño parece ser su meta principal, su
"core knowledge" .
Para construir sus artefactos o "desired states", realiza análisis empíricos,
trata de encontrar patrones y modelos en las realidades que construye ("initial
state") . Pero el análisis empírico de realidades artificiales en el ámbito del
ordenador no puede ser previo a su construcción, sino posterior. Este es un
fenómeno que no se ajusta al patrón clásico de la ciencia occidental, ni a la
mentalidad cultural del "animal racional" aristotélico. Si nos basamos en
Levi-Strauss podríamos compararlo inicialmente con el artista: " El arte se
inserta, a mitad de camino, entre el conocimiento científico y el pensamiento
mítico o mágico; pues todo el mundo sabe que el artista, a la vez, tiene algo
del sabio y del bricoleur: con medios artesanales, confecciona un objeto
material que es al mismo tiempo objeto de conocimiento". (1984:43).
Construye "modelos reducidos", como las pinturas de la Capilla Sixtina respecto
al universo. Es algo "man made": "En la medida en que el modelo es artificial,
se torna posible comprender como esta hecho" ( ib:46).
El "computer scientist" se sirve de análisis empíricos de realidades que son
previas a la existencia del ordenador, como la mente humana. Pero esos análisis
son instrumentales al servicio de la construcción de una inteligencia artificial
distinta a la del ser humano. Igualmente se sirve de sistemas formales, creados
por los matemáticos o lógicos, antes de la existencia del ordenador, pero esos
sistemas son también herramientas para construir lenguajes de programación
distintos a aquellos sistemas matemáticos, de la misma forma que el computer

scientist se expresa a través del lenguaje simbólico natural sin por ello
convertirse en poeta, en creador de este lenguaje.
Estos "científicos del diseño" han abierto las puertas , a través de la computer
science, a un cambio de la clásica relación
descubrimiento-invención-descubrimiento en otra nueva, invertida :
invención-descubrimiento-invención. Esto es un fenómeno cultural nuevo ,
distinto a la clásica relación de saberes en la cultural occidental. A este
fenómeno detectado en los proyectos analizados lo denomino: " "una inversión
cultural de conocimientos". Esto hace de la "Computer Science" de la SCS una
"separate discipline", y una institución independiente.
La denominada "basic research " es en la "computer science" de CMU el estudio de
un invento y de sus propiedades a fin de producir más inventos. El
descubrimiento empírico es una función del diseño, no al revés.
Lo que se denomina investigación "básica" en este campo tiene un significado
distinta a lo que se entiende por ella en la física u otras ciencias naturales.
Su propósito principal no es el descubrimiento de leyes en la naturaleza o la
sociedad, sino el saber que nuevos sistemas computacionales son posibles y como
poder construirlos. No es tampoco la estrecha investigación aplicada propia de
la ingeniería tradicional: su finalidad no es meramente aplicada, de
construcción de artefactos o "building systems", sino destinada a conocer cuáles
se pueden hacer y luego hacerlos, como medio para poder ampliar el horizonte de
los que se pueden hacer.
Lo que nos interesa es señalar un proceso que es el que vemos en la base del
Computer Science, y que en CMU se ha reconocido en la figura del "designer": la
tendencia de algunos científicos a hacerse diseñadores.
Pero el científico tradicional una vez convertido en computer scientist entra en
conflicto con su ethos anterior : se pone en función del diseño de ordenadores,
sus lenguajes, sus mecanismos, etc, en lugar se ser un científico dedicada a
probar teoremas o a probar hipótesis sobre el mundo natural. Se ha pasado a
mundo del diseño. Tiende a convertirse en un nuevo tipo de ingeniero.
De momento, algunos líderes de la generación de estos "científicos de lo
artificial" definen a este tipo humano como un "Renaissance Man", una especie de
ingeniero-científico-artista, todo al mismo tiempo, como Leonardo da Vinci (H.
Simon. Entrevista Personal. 30/11/90).
Este fenómeno cultural se ve de momento como la síntesis de los patrones de la

cultura occidental . Por ejemplo, Herbert Simon, como científico de lo
artificial se sigue viendo a sí mismo,ante todo, como un científico, un "animal
de racionalidad limitada" y como tal con valores básicos universales . En ésto
sería un científico, siguiendo el patrón cultural de R. Merton. Pero al mismo
tiempo, Simon ve al científico como un "problem solver". (1989:373). Esta
síntesis es clara en el Dr. Dana Scott, lógico, matemático, y filósofo, y figura
en la área de Theory en la SCS, internacionalemente reconocida.
No obstante, Leonardo da Vinci no era fundamentamente un científico como
Galileo, sino un ingeniero renacentista, que gran parte de su esfuerzo
intelectual lo dedicó a construir ingenios militares. La cultura de problem
solving de CMU surgió de la ingeniería, más que de la ciencia o la matemática.
Sin embargo, los computer scientists de CMU proceden crecientemente de culturas
de matriz no occidental. Como es sabido, cada vez es más reducido el porcentaje
de estudiantes norteamericanos en carreras técnicas y más los que proceden de
Asia. H.T. Kung procede de Taiwan y no se define como científico sino como
"problem solver". Takeo Kanade proviene de Japón. Otros líderes de la SCS
proceden de la India, como Raj Reddy o de paises europeos recien incorporados al
tren tecnológico como España ( A. Jordan) o de América Latina (J. Carbonell).
Los profesores de la School of Computer Science unos pertenecen a la National
Academy of Engineering como Raj Reddy y Angel Jordan , como lo fueron A. Perlis
y J. Traub , antiguos directores del Computer Science Department. Otros, como H.
Simon y D. Scott son de la National Academy of Sciences. Y sólo Allen Newell es
de ambas.
4.1.2. SEGUNDO COROLARIO: LA TENDENCIA A LA " SINTESIS DE NUEVOS
CONOCIMIENTOS DE DISEÑO".
Dicho mundo artificial avanza unido a la construcción simultánea de disciplinas
nuevas, nuevas "ciencias artificiales" que lo estudian y lo complejizan. Este
fue el proceso de construcción del "information processing" en la propia escuela
en los años 60s, y de subdisciplinas como el "Speech", "Vision", el "Machine
Learning" y ahora Robotics.
El fenómeno citado de "inversión" constituye una innovación en la cultura de una
institución universitaria. Su explicación sólo es posible si estudiamos con más
detenimiento la cultura de Carnegie Tech como instituto tecnológico, y su

utilización tradicional de la ciencia como parte instrumental en la educación
del ingeniero. En Carnegie Mellon, el "problem solving" instrumentaliza a la
ciencia, hasta convertir al científico en un "problem solver" (Herb Simon).
La citada inversión de conocimientos tiende a priorizar como es propio del
diseño la síntesis, sobre el análisis. El "computer scientist" recaba para ello
todo tipo de conocimientos y disciplinas, en una dinámica conocida en CMU como
"Putting It All Together" (Allen Newell). Busca una "síntesis de conocimientos".
Forma una nueva interdisciplinariedad.
El segundo corolario de la hipótesis "conocimiento es diseño" podríamos
formularlo así: La inversión de conocimientos antes citada precisa de una nueva
interdisciplinariedad que se genera en torno al ordenador en la SCS, y tiende a
la formación de síntesis de conocimientos nuevos igualmente basadosen el diseño,
acordes con los sistemas artificiales en construcción. La investigación en la
SCS está abierta a una "collaboration across boundaries" o trabajo
interdisciplinar entre distintas disciplinas del campus.
El antiguo inventor pragmático, también era experto en la síntesis de los más
variados componentes, a través de una interminable serie de experimentos de
laboratorio. Este método de "cut and try" se ejercía sobre los más diversos
materiales y procedimientos. Proceso no muy distinto de lo que Levi-Strauss
denomina el pensamiento "bricoleur", propio de la magia. Popularmente se conocía
a Edison con el apodo del "Wizard of Menlo Park" (El Mago de Menlo Park).
La construcción de la Inteligencia Artificial se ha servido a su vez de
distintas disciplinas (sicología cognitiva, linguística,...), aprovechando de
ellas aquellos enfoques y herramientas conceptuales y metodológicas aptas para
la construcción del nuevo artefacto.
La SCS no se reduce en su investigación a una sóla escuela sino que
tendencialmente atrae a su esfera de influencia progresivamente al conjunto de
disciplinas del campus, hasta formar una "computer-intensive university" ,
proceso iniciado en los años 80s y aún no culminado. El College of Humanities
and Social Sciences forma disciplinas, como Computational Linguistics,
Information Processing Psychology, o programas de doctorado como el Information
and Decision Systems. Igualmente otras escuelas.
Este fenómeno tiene base en la cultura de una institución que desde los años 40s
con el Plan Doherty, introdujo el concepto de "liberal-professional education",
por el cual la educación del ingeniero debía ser al mismo tiempo profesional y

liberal, ésto es, basada en el conocimiento de humanidades y ciencias. Y a su
vez, a los de "liberal arts" se les educaba en la mentalidad de problem solving
del ingeniero.
Este fenómeno ya fue detectado por Herb Simon en 1969: "Los que hemos vivido en
íntimo contacto con el desarrollo de la computadora moderna, durante su
gestación y su infancia, hemos pasado ante una gran variedad de campos
profesionales, entre los cuales se encuentra la música. Hemos advertido la
creciente comunicación entre disciplinas intelectuales que se efectúa en torno a
la computadora. La hemos acogido con agrado porque nos ha puesto en contacto con
nuevos mundos de conocimientos, porque nos ha ayudado a combatir nuestro
aislamiento multicultural" (1973: 123).
Pero este fenómeno tiende a cambiar el propio patrón cultural de una
universidad, en sus fines y en sus jerarquías y formas de organización y hábitos
internos.
El sistema cultural tradicional de la Universidad occidental, como institución
especializada en la produccion de saber, está basado en el supuesto de que el
valor del conocimiento aumenta en proporción directa a su grado de formalización
lógico-matemática. Se le ha denominado "el ethos de la ciencia pura". (Barnes,
Merton, Kuhn,et al. 1980). En palabras de Simon, la cultura general de la
universidad implica un conjunto de normas que tienden a priorizar la
formalización de las materias: " De acuerdo a las normas vigentes, la
respetabilidad académica exige aquellas materias que son, intelectualmente,
arduas, analíticas, susceptibles de formalizarse o de enseñarse". (1973: 88-89).
La ciencia (matemáticas, física, qu´mica, biologiía) es el conocimiento más
valorado, y se considera a la tecnología (ingenierías) como una aplicacion de
sus conocimientos. Por ello, para el ingeniero tradicional considerarse
"científico" significa aumentar de estatus cultural. Esta dinámica quedaría
expresada en la tradicional relación Harvard-M.I.T. en Estados Unidos, en la
que, simplificando constatamos que la primera institución es la que aporta los
Premios Nobel, los Presidentes del país y los Premios Pulitzer y la segunda, los
ingenieros , los jefes de empresa, y también algún Nobel .
La tendencia hacia la unificación de conocimientos y creación de nuvas
disciplinas de diseño, como factor cultural propio de la SCS, bajo una idea de
"problem solving", constituye una innovación en la cultura de una institución
universitaria, incluso de la propia CMU, que originalmente fue un instituto

tecnólogico.
Al priorizar el conocimiento y construcción de sistemas posibles, la síntesis,
sobre su análisis, el "computer scientist", como el ingeniero, recaba para ello
todo tipo de conocimientos y disciplinas:"Putting It All Together" (Allen
Newell). Busca "síntesis de conocimientos". El tema de la "synthesis" (Art
Westerberg, 1979, 1988) se convierte en clave de la nueva ingeniería, basada en
el diseño.
La computer science de CMU avanza sobre la base de síntesis con otros
conocimientos y disciplinas formando nuevos conocimientos artificiales, nuevos
conocimientos de diseño. En este sentido se le puede considerar una matemática
de las tecnoculturas.
La Artificial Intelligence de CMU de Simon-Newell-Shaw fue posible gracias a una
síntesis entre matemática aplicada, problem solving , métodos de introspección
sicológica y técnicas de programación informática.
El invento de Ed Feigenbaum de los sistemas expertos, fue otro avance al unir el
ingeniero de conocimiento con el médico o el experto y trabajar juntos para
poner en marcho un producto realizado por los dos.
Este es el fenómeno de intento de síntesis con el "complex information
processing" de Simon-Newell, una disciplina o campo de investigación unitario
entre sicología y AI.
La línea de avance de la Computer Science es la abierta con la experiencia
Andrew: abrirse a la colaboración con otras disciplinas, hacer nuevas síntesis
de conocimientos artificiales como la propio Computer Science.
Pero esta síntesis de conocimientos tiene sentido sólo si se pretende construir
nuevos sistemas artificiales, más y más complejos. Y aquí llegamos a los límites
del "computer" como sistema para conseguir avanzar en dichas síntesis.
4.2. SEGUNDA HIPOTESIS: "KOWLEDGE IS LOGIC" Y "KOWLEDGE IS SEARCH" en la
SCS.
Pero que el diseño haya sido hasta ahora la forma de conocimiento que predomina
en la escuela no garantiza que lo siga siendo. El conflicto con una concepción
de la Computer Science como ciencia empírica o como una rama de la lógica o las
matemáticas está presente.
Respecto a concebir la Computer Science como ciencia empírica ya hemos visto los
efectos que implica. Analizemos ahora qué implica concebirla como una parte de

la lógica o las matemáticas.
El ordenador nació como una máquina de calcular hecha por matemáticos para
realizar con más rapidez y ausencia de errores sus operaciones aritméticas. Dado
que la matemática es el lenguaje de la ciencia, el ordenador tiende a
convertirse en la máquina por excelencia de la universidad, la institución
principal de la ciencia, como sistema de conocimiento cultural.
Ello conduce a que tiendan a ser matemáticos y lógicos los que dirijan la
evolución teórica de la máquina más específicamente suya. Y así ha ocurrido en
CMU, y en el resto de la comunidad de computer scientists de Estados Unidos.
Ello implica considerar subordinada la labor del ingeniero, del constructor de
instrumentos, a la del matemático aplicado, que diseña la construcción formal de
los ordenadores.
El reciente proyecto dirigido por Peter J. Denning de la Association for
Computing Machinery (1989) sobre un "Core of Computer Science" pretende hacer
oficial esta orientación académica . Propone un "nuevo" paradigma para la
computer science que claramente coloca a "los matemáticos" a la cabeza de la
disciplina, dándoles el mando de la "theory". Más abajo coloca a los "computer
scientists", considerados como aplicadores de sus teorías en forma de "modelos",
según el patrón cultural de los científicos naturales. Y finalmente, se coloca a
los "ingenieros" como los encargados del diseño . Por último, se define la
"computer science" como "el estudio sistemático del proceso algorítmico, que
describe y transforma información" (P. Deening. 1989), siendo los algoritmos una
área de trabajo propia de la matemática.
Esta definición, de aceptarse en CMU , puede dejar fuera de la escuela a la
mayor parte de la Inteligencia Artificial, y a gran parte de la área del
software y de hardware . Paradójicamente dejarían de ser "computer scientists"
dos de los fundadores de la disciplina en CMU : Herbert Simon y Allen Newell,
que no son partidarios de esa definición de la computer science. Quedaría fuera
también parte de la área de Robotics, Takeo Kanade, Red Whittaker,... Se
rompería el pacto de 1964.
La computer science así concebida se diferencia radicalmente de la práctica
tradicional del ingeniero al creer que construcción formal de un sistema
tecnológico es ya el sistema tecnológico. Los ingenieros tradicionales asociaban
inseparablemente el proyecto de ingeniería con su realización práctica. Eran
considerados "system builders". Trabajaban, normalmente al servicio de empresas

que les planteaban problemas concretos del mundo real a resolver ("real world
problems"). Eran profesionales, el centro de su educación era la preparación
para la solución de los llamados "real world problems", era una educación
práctica, quizá en exceso.
El actual computer scientist, y también el ingeniero cada vez más, trabaja cada
vez más con simulaciones. La cultura universitaria tradicional presiona al
"computer scientist" en dirección hacia la Theory, y dentro de ella a sus partes
más lógico matemáticas, en lugar de las más operativas. La escuela tiende, en
tanto que parte de una cultura universitaria, a la propia lógica de su
investigación y la docencia, en lugar de a los problemas del llamado "real
world".
La construcción de la máquina informática formal por A. Turing ha tenido un
doble efecto en este sentido: Por un lado, ha permitido construir modelos
formales de computación liberados de las constricciones de la ingeniería
tradicional, pero a cambio, las máquinas resultantes son méramente formales, no
tecnológicamente relevantes, lo cual las coloca por detrás de las que la
ingeniería ha construido tradicionalmente.
Conforme el Computer Science va adquiriendo autoridad universitaria, va
adaptándose a la cultura de la misma, presidida por la necesidad de
formalización y matematización de los conocimientos. Así, la área de Theory,
tardíamente iniciada a principios de los 80s, va cobrando fuerza conforme se
afianza la School, desplazando los metódos más pragmáticos del inicio. Dana
Scott, lógico, matemático y filósofo, desplaza en la School a Herbert Simon o
Allen Newell, como autoridad en Computer Science en la área de Theory. La
"racionalidad limitada" no puede competir con la racionalidad que funda la
matriz del concepto de "animal racional", la razón lógico-matemática, base a su
vez de la filosofía clásica griega.
Pero esta tendencia a cambio tiende a concebir los sistemas informáticos como
sistemas formales, y por lo tanto no regidos por el criterio de viabilidad en el
"real world". El constructivismo matemático no es equivalente a la "computer
science", al diseño de sistemas informáticos. Un sistema lógico puede ser
consistente, pero inviable para construir un programa de ordenador que funcione.
Esta creencia está favorecida por la separación entre "computer scientists" y
"electrical and computer engineers". Escisión iniciada con Von Newmann y su
intento de establecer una disciplina universitaria científica, separada y por

encima de la ingeniería de Eckert y Mauchly, los ingenieros constructores de
ENIAC, el primer ordenador digital. (ASPRAY, 1980:120).
Ello produce una tendencia a a identificar sistemas informáticos con sistemas
formales matemáticos, y Theory con teoría matemática.
Ello tiende a congelar el diseño en Computer Science en un diseño formal, un
diseño de sistemas formales, válido en si mismo, sin necesidad de implementación
práctica. Este diseño puede consistir también en un DISEÑO SIMULADO por
ordenador. Reduce la computer science a matemáticas.
Pero la Computer Science nació de la tendencia contraria de los científicos y
matemáticos a hacerse diseñadores ingenieros, a tratar con "real world
problems", a hacerse aplicados (Von Neumann).
La Computer Science avanza a través de la ingeniería, y de una teoría y práctica
de diseño de sistemas informáticos.
Existen límites a la computer science considerada como disciplina basada en las
matemáticas aplicadas.
Esta hipótesis la podríamos formular así: El diseño formal de sistemas
informáticos no implica su realización. Si estos sistemas no se realizan existen
sólo como sistemas formales o simulados, pero inoperativos. La lógica y la
matemática son instrumentos de la Computer Science pero no pueden ser su teoría,
pues están en función de la construcción de un sistema informático sin el cual
no tienen sentido. "Mathematical Logic is mostly used as a tool, not as a
foundation". (Giuseppe Longo. Some Aspects of Impredicativity. 1988.
CMU-88-135).
La formalización de una teoría de la Computer Science como teoría de los
sistemas formales, computacionales en un sentido formal, transforma a esta
disciplina en una rama de la matemática y la escinde en sus dos componentes
iniciales: matemáticas e ingeniería. Este fenómeno constituye "una regresión de
conocimiento".En este sentido el Computer Scientist en lugar de una nueva
figura, suma de científico e ingeniero se queda en un ingeniero formal, o un
matemático aplicado.
El no haber podido encontrar un estatus nuevo a la Computer Science como nuevo
tipo de conocimiento provoca una tendencia a definirlo simplemente como
matemática aplicada en su Theory. Desde los años 80s, han aumentado las
presiones académicas, no precisamente de los departamentos principales del país,
para que la "Computer Science" se definiera y se organizara siguiendo el modelo

clásico de la Academia presidido por la matemática, "knowlege is logic" o de la
ciencia natural, "knowledge is search", acorde con los patrones mayoritarios de
la institución universitaria moderna (P. Denning Report. 1989).
Esta presión académica, que comparten los propios departamentos de Computer
Science del país, es tanto más fuerte cuanto la Universidad es, en Estados
Unidos , la institución cultural de mayor prestigio internacional. Como
institución de investigación básica, su sistema de promoción sigue estando
regido por el patrón de la ciencia tradicional , cuya base es la producción de
descubrimientos científicos significativos.
Esta orientación de la computer science presiona en CMU para dar más fuerza a
una "professor mentality", ligada a la consecución de "tenured" (puesto fijo
similar al titular universitario europeo), y una equiparación con el sistema de
ascenso del mundo universitario clásico, basado en la redacción de trabajos
("papers") individuales , publicados en forma de artículo científico en revistas
reconocidas por las comunidad de la especialidad en cuestión.
Todo ello hace que Computer Science puede entenderse como una disciplina
transicional, en inestable equilibrio entre una cultura tecnológica basada en el
diseño y una cultura científica basada en el descubrimiento ("search") o el
razonamiento ("logic"). Ha indicado el camino futuro de la tecnología, el
diseño, pero aún es una tecnología subordinada al sistema de conocimiento
científico, presidido por la lógica y la matemática. Y ello tiende a normalizar
su situación como una ciencia más al lado de las restantes.
Es concebible que la "computer science" en los próximos años se vea superada por
un nuevo tipo de disciplina directamente con base en el diseño como nuevo tipo
de saber cultural, con base directa en la ingeniería, y un nuevo tipo de
máquina, que podríamos llamar, ya no "computer" sino "designer", con una función
directamente diseñadora, inventada por ingenieros provenientes de diversos
campos, incluidas las ciencias sociales, y por "computer scientists", jugando un
papel complementario.
4.3. TERCERA HIPOTESIS: REDES ESTRATEGICAS NACIONALES VS. CULTURA
ACADEMICA EN LA SCS, DOS SISTEMAS ORGANIZATIVOS EN CONFLICTO.
Este conflicto entre sistemas de conocimiento distintos en Computer Science está
relacionado con sistemas de organización a su vez, diferentes.

En la formación de Computer Science en CMU como sistema cultural basado en el
diseño, entra en juego la particular relación establecida desde principios de
los 60s entre el Computer Science Department de CMU y el Departamento de
Defensa, en concreto su Information Science and Technology Office (ISTO) de la
Defense Advance Research Project Agency (DARPA), posiblemente la principal
institución de investigación de Estados Unidos, en esta área.
Durante tres décadas, computer scientists destacados de CMU, como Allan Newell,
Raj Reddy, Takeo Kanade, y últimamente Angel Jordan han jugado un papel
iniciador en la propuesta de programas tecnológicos de carácter estratégico :
Inteligencia Artificial, Speech, Vision, Software, Supercomputers , Sistemas
Operativos y ahora HDTV (Television de Alta Definicion).
Los propios proyectos analizados (NECTAR, MACH, GANDALF) son, ante todo,
proyectos tecnológicos estratégicos para la década de los 90s, encabezados por
científicos de la segunda generación (R.Rashid, H.T. KUNG, R. Whittaker).
Y es en torno a este tipo de programas, con un marcado acento tecnológico, como
científicos como A. Newell o H. Simon han desarrollado sus teorías. Para H.
Simon, el ordenador ha sido simplemente un medio para avanzar en el
descubrimiento de las bases del comportamiento inteligente, ante todo, humano.
Por eso su trabajo se ha desarrollado preferentemente en el Departamento de
Psicología, financiado por los Institute of National Health. Pero visto desde
dichos programas, y desde Computer Science, H. Simon y sus teorías han sido un
medio para avanzar en la construcción de sistemas informáticos inteligentes.
La estructura para llevar adelante el tradicional esquema "descubrimiento
-invención" era "Universidad-laboratorio industrial". Al iniciarse en CMU la
inversión y unificación de conocimiento, la estructura del laboratorio
industrial moderno, basada en el modelo de la "invention factory" desarrollado
por Edison, y más tarde el "think tank" como laboratorio de la Defensa, según el
modelo de la RAND Co se ha introducido dentro de la propia universidad.
" Se refieren a él a menudo, junto con los laboratorios de Stanford, M.I.T. y
SRI, como uno de los cuatro Laboratorios de Inteligencia Artificial de ARPA
(Advanced Research Projects Agency). (Proposal for Continuation of Research
in...1975:8).
Desde la formación del equipo Newell-Simon-Shaw, en los años 50s, constructores
del primer programa de Inteligencia Artificial, la estructura de base de este
tipo de trabajo no ha sido el clásico departamento universitario de profesores y

estudiantes sino el equipo interdisciplinar y operativo, llamado también
"mission oriented".
Este modelo de organización es similar a un "task force": un equipo
teórico-práctico, universitario y extrauniversitario, de profesores,
investigadores, estudiantes, programadores, staff administrativo, disponiendo
del equipo tecnológico más avanzado y que lleva a cabo proyectos que exceden las
fuerzas de un clásico departamento univeritario. Cliff Shaw fue el programador
de la RAND Corporation sin cuya ayuda Simon y Newell no hubieran podido
materializar su programa. Este equipo complejo les dio ventaja respecto a Minsky
y MacCarthy, meros teóricos de la Inteligencia Artificial, en la famosa reunión
de Darmouth en 1956. Estos últimos presentaron a la reunión los clásicos
"papers", Simon y Newell llevaron un programa inteligente que podía funcionar
como se demostró semanas más tarde.
Lo mismo se puede decir de los actuales equipos de R. Rashid con Mach o H.T.
Kung con Nectar.
Este modelo organizativo de equipos interdisciplinares altamente cualificados y
operativos es la base estructural del Computer Science Department de CMU desde
su fundación en 1965, y de sus proyectos como Nectar, Mach o Ambler.
Este modelo se complejizó con una innovación decisiva : la formación a finales
de los 60s, de ARPANET, la primera red electrónica nacional, organizada a
instancias de Robert E. Kahn, de DARPA. Los principales centros de computer
scientists de Estados Unidos, incluido el de CMU, fueron los primeros en
experimentar un tipo de tecnología nueva: la network informática, que se ha
demostrado útil para su tipo de trabajo.
Ello ha introducido un nuevo modelo de organización: la red de proyecto,
académica, empresarial y política, estructura básica de realización de los
programas de investigación más importantes de CMU.
Los equipos citados forman redes de investigacion estratégica con otros equipos
todo Estados Unidos que participan en los programas de DARPA, y que se sirven de
las redes electrónicas para sus comunicaciones. Estos equipos son los más
avanzados en dicha materia, y trabajan ya en centros universitarios ya en
laboratorios industriales, formando una red de programa , que constituye una
comunidad de referencia principal de estos equipos científicos. Estas son las
redes estratégicas de la "computer science" en Estados Unidos.
La SCS es uno de los centros claves de esa organización de redes estratégicas

que son las encargadas de llevar adelante los programas fundamentales de la
computer science en Estados Unidos.
Esta estructura de proyectos de la SCS participa de una nueva estructura
informal suprauniversitaria basadas en tres instituciones: los propios equipos
de investigación universitarios interdisciplinares, las agencias de
investigación federales , y los laboratorios industriales de grandes empresas o
de empresas que comienzan ("start up") con personal cualificado para dicho tipo
de investigación.
Estas redes son clave en la investigación estratégica en la área del ordenador.
Se han ido formando en los últimos 30s años, en torno a diversos programas (
Artificial Inteligence, Speech, Vision, Planetary Robots, y ahora HDTV...).
Este modelo de redes se ha intentado extender al campus.
Por un lado observamos con experimentos como Andrew una tendencia es convertir
todo el campus en una gran red o "network", al modelo de SOAR .
Paradójicamente, la SCS no considera a Andrew como su red de trabajo. Porque sus
redes son extraacadémicas y supraacadémicas. Ello situa a la School en cierta
medida de espaldas al campus. La SCS no considera a Carnegie Mellon como su
lugar de trabajo, sino a sí misma y sus redes complejas, como lugar de trabajo
principal.
CMU ha alcanzado prestigio nacional como universidad de investigación basándose
en la SCS, y ésta ,a su vez, se apoya en las redes y proyectos estratégicos que
la vertebran. Son estos proyectos los que han hecho al Departamento y a la
propia Escuela, que es la estructura que da cabida al conjunto de dichos
proyectos. Un ejemplo de red es Soar, una red interdisciplinar de computer
scientists de todo Estados Unidos, y con presencia en Europa, organizada en
torno al programa de Inteligencia Artificial del mismo nombre por Allen Newell.
Pero dichas redes estratégicas no se ajustan con la estructura de la comunidad
académica normal, ni con sus sistemas de valoración ni con sus sistemas de
recompensas y ascensos. Ni con su composición, pues no tienen estudiantes de
licenciatura. Son redes de investigación no de docencia. Por otra parte, el
funcionamiento en red es distinto al de un departamento universitario
tradicional, basado en la especialización y la rígida jerarquía de promociones y
cargos.
La función de las redes estratégicas es llevar adelante los programas de
investigación básica y aplicada en computer science y tecnología en función de

los intereses nacionales de Estados Unidos.
Pero este tipo de trabajo choca con la estructura clásica de una universidad,
base de una cultura que como la científica se considera en teoría "universal", y
donde sus profesores colaboran en revistas internacionales, realizando
publicaciones que basan su ascenso en la escala académica. Y donde han de
atender diariamente a sus estudiantes en clases numerosas y con escaso nivel
académico, en su mayor parte.
Ambas culturas, la que se basa en redes estratégicas nacionales de caracter
tecnológico,y la que se basa en las estructuras universitarias científicas con
vocación universal, están en conflicto, y este no es sino un reflejo de dos
culturas en pugna en CMU, la "liberal" y la "professional culture", con dos
tipos de conocimientos, el científico y el tecnológico.

PARTE SEGUNDA.
CARNEGIE MELLON :
DE INSTITUTO TECNOLOGICO A "COMPUTER - INTENSIVE UNIVERSITY".
1. "EXCELLENCE AND INNOVATION".
El estudio de la investigación en una "computer-intensive university", a partir
de los programas de investigación de la School of Computer Science se explica
por el hecho de que estamos hablando de una comunidad con una doble
característica: 1. Ser una "research university", esto es, uno de los primeros
centros universitarios de investigación en Estados Unidos y 2. El ser el primer
"computer-intensive campus" del país, el primer experimento de universidad donde
cada estudiante, profesor o staff tiene acceso, a través de la red Andrew, a la
comunicación informática con el resto del campus, el resto de país y el resto
del mundo.
De hecho, en una encuesta realizada por la Administración de CMU entre los
estudiantes para conocer las razones de su elección de CMU, las principales eran
ante todo la "research reputation", y las "computer facilities". (D. SCOTT.
Search for President 1989:21-22).
1.1. LA PRIMERA "COMPUTER-INTENSIVE UNIVERSITY".
Carnegie Mellon University es una institución universitaria norteamericana
situada en la ciudad de Pittsburgh, en el Estado de Pennsylvania, al noreste del
país. Esta institución es el resultado de la fusión en 1967 de dos instituciones
de enseñanza superior e investigación: el Carnegie Institute of Technology y el
Mellon Institute for Industrial Research.
Dentro del rango de universidades nacionales, esta catalogada entre los 25
primeros centros de Estados Unidos, de un conjunto de más de 3000 universidades
y "colleges" que imparten grados. Se considera una "research university" o

universidad de investigación.
La ciudad de Pittsburgh, donde se encuentra, fue a principios de siglo la
capital del acero de Estados Unidos. A lo largo de su historia ha generado dos
movimientos ciudadanos de revitalización, los llamados Renaissance, que han
tratado de renovar su base industrial, su medio urbano y ecológico. Hoy día, es
una ciudad de algo más de 375.230 habitantes en 1988 (Pittsburgh Facts 1990-91),
con un area metropolitana de 2.322.246 habitantes previstos para 1990,
reconvertida en un centro de alta tecnología. Cuenta con 170 laboratorios de R&D
y más de 25.000 científicos e ingenieros, destacando en especial por su
investigación en informática (CMU) y en biotecnología (University of
Pittsburgh).
En el documento "The Search for the President 1989", preparado por el Faculty
Presidential Search Committee, dirigido por John G. Fetkovich y redactado por
Dana S. Scott, podemos encontrar los objetivos generales de esta institución: "
Carnegie Mellon University is an academic community whose purpose is the
creation and dissemination of knowledge, a purpose which can only be achieved
with good will and collegiality among its administration, faculty, staff, and
student body. As a major research institution, Carnegie Mellon has many unique
qualities which gave it both special strenghts and special problems." (1989:1).
Esta universidad esta compuesta por siete escuelas o facultades: Carnegie
Institute of Technology , College of Fine Arts ,Mellon College of Science ,
Graduate School of Industrial Administration , College of Humanities and Social
Sciences, School of Urban and Public Affairs y School of Computer Science.
Cuenta a su vez con más de 60 centros de investigación.
Segun Herbert A. Simon, Richard K. Mellon University Professor of Computer
Science and Psychology en esta institución y miembro del Board of Trustees de la
misma, los dos objetivos fundamentales de la política de Carnegie Mellon han de
ser: "excellence and innovation". (Models of My Life.1991:251).
Según el documento the Search for the President una de las "unique qualities" de
esta institución es la posibilidad de colaboración entre distintas disciplinas y
colleges lo que resulta más difícil, sino imposible, en otras instituciones:
"With its long-standing emphasis on the fine arts, on management professions, on
the sciences and engineering, and its newer ventures in interdisciplinary
research in areas of the humanities and social sciences, Carnegie Mellon
provides both a wide spectrum of opportunities for a liberal-professional

education and a site for exciting graduate and post-doctoral study" (1989:1).
El cuerpo universitario está formado por cinco grupos de personas: el "Board of
Trustees", la "University Administration", el "Faculty". los "Students" y el
"Staff".
El Board of Trustees, órgano que tiene la decisión última de la universidad en
materia de políticas, organización, finanzas y gobierno, si bien no está
envuelto en la administración cotidiana de la Universidad que corresponde a la
University Administration, al President y al Provost de la misma. No obstante es
significativa su figura dado que es propia de una universidad como ésta,( y de
una gran parte de las norteamericanas), que son entidades privadas. La mayoría
del Board de Trustees son presidentes o directores de empresas, principalmente
de Pittsburgh (Westinghouse, USX Co, PPG, Mellon Bank...) aunque también del
resto del país.
El Presidente de CMU es el "chief executive officer" (C.E.O) de la Universidad.
Esta denominación CEO, es la que se utiliza en la empresa para denominar al
director ejecutivo de la misma. Es el encargado principal de diseñar la
estrategia de la institución.
Para la dirección operativa de la Universidad el Presidente delega su
responsabilidad en el Provost, la figura encargada de la gestión de la
investigación y los programas de estudio, varios Vice-Presidents, los Deans o
decanos de facultad, Directors y Head of Departments o responsable de los
departamentos.
En 1989, el total de profesores o "faculty" era alrededor de 500, divididos en
cuatro categorías: "university professors", "professors", "associate
professors", y "assistant professors". Los estudiantes de grado o
"undergraduate" eran 4200. Había 2000 estudiantes graduados realizando el
doctorado, y el staff estaba compuesto por unas 2800 personas: 365
administrativos, 85 instructores, 500 personal de investigacion (incluyendo
"special faculty", y "research scientists"), 185 administrativos profesionales y
860 personal de apoyo. En resumen, un total de cerca de 10.000 personas formaban
esta comunidad.
El estudiantado se distribuía equilibradamente entre un 30% en ingeniería, un
20% en ciencias, un 30% en humanidades y un 20% en "fine arts".(Goals &Strategic
Plans: 1988).
Vista a partir de estos datos, ésta universidad parece no tener una especial

diferencia con otras universidades de tamaño y calidad de investigación
parecidos en Estados Unidos. Pero en los años 80s, Carnegie Mellon cobró
relevancia en todo el país, y a nivel internacional, por ser la primera
experiencia mundial en construir una red informática, Andrew. Esta red
constituía el primer experimento piloto en la informatizacion de una
universidad, iniciando lo que se denomino un "computer intensive- campus". Este
experimento levanto una serie de críticas a cerca de lo que consideraban un paso
perverso en la transformación de una universidad en una "Computer U."
Ocho años depués de iniciado el proyecto, Carnegie Mellon tenía instalados en
1990, aproximadamente 9000 ordenadores personales("Carnegie Mellon Facts 1990",
editado por la oficina de University Planning). De estos 342 estaban a libre
disposición de cualquier miembro de CMU, instalados en claustros públicos en las
diferentes escuelas. Los principales tipos de ordenadores eran Unix
workstations, Apple Macintoshes, IBM PCs, y VMS workstations. Estos están
conectados en una red denominada Andrew, instalada en la década de los 80s, que
cubre todo el campus, cada edificio y cada despacho. Hay 12.500 conexiones a la
red. Esta universidad es un centro ("hub") de la National Science Foundation
Net.
Esta red proporciona los siguientes servicios: archivos de 100 gigabytes de
memoria a través del" Andrew file system", correo electrónico, más de 3000
boletines electrónicos tanto del campus como de todo el mundo, un servicio de
información de las bibliotecas ("Library Information Service"), y conexiones con
el Pittsburgh Supercomputer Center, uno de los cinco centros nacionales de la
NSF para la investigación científica, dotado de los ordenadores con mayor
potencia de cálculo actualmente existentes.
En resumen, según el citado informe: "Carnegie Mellon has probably the finest
computing environment of any university in the United States, built around the
general theme of personal computers with a network which provides access to
shared information." ( ibid.: 39).
Su entonces Presidente Richard Cyert afirmaba: "I expect that this will be
looked back upon in 25 o 30 years as the most significant move in the 20th
century as far as higher education goes". ("Personal Computing" 1983:37). " "It
is going to be the prototype for every major university in the country" (Cyert
1982:6).
Por todo ello, esta comunidad universitaria constituye un modelo de lo que puede

considerarse la cultura de una "computer-intensive university", o una
universidad informatizada.
Este medio informático es el resultado de toda una cultura tecnológica que está
en el origen de esta institución formada por el Carnegie Institute of
Technology, y por el Mellon Institute of Industrial Research, instituciones
dedicadas la primera a la educación técnica y la segunda a la investigación
aplicada a la industria.
Esta "computer university" es el resultado de una "new idea of education" que
está en el origen de una institución fundada en 1900 por el industrial Andrew
Carnegie.
1.2."INSTITUTES OF TECHNOLOGY" y "LIBERAL-ARTS UNIVERSITIES" : DOS
CULTURAS ACADEMICAS DISTINTAS
Para entender el tipo de investigación que se hace en CMU, y en particular en la
School of Computer Science, es preciso primero analizar la comunidad en la que
dicha investigacion tiene lugar. Existe el peligro para un antropólogo europeo,
que analiza una comunidad de investigación norteamericana, de creer , que por el
hecho de utilizar palabras similares en uno y otro continente, como
"universidad", "ciencia" o "investigacion", éstas tienen los mismos
significados. Existe una importante diferencia de culturas académicas que un
análisis más en profundidad puede desvelar.
El nombre de universidad asociado a CMU tiende a confundir si pretendemos
identificar esta institución con lo que se entiende en Europa por Universidad.
Mientras que las tradicionales Universidades europeas (Oxford, Paris, Lovaina)
nacen en la Alta Edad Media, en un medio urbano con una creciente actividad
comercial, como creaciones de la Iglesia destinadas al estudio de la teología y
la filosofía natural, basada en los clásicos griegos, Carnegie Mellon, a
diferencia de éstas, fue inicialmente una institución tecnológica con fines
educativos fundada por un industrial en 1900, en el contexto histórico de la
gran expansión industrial de Estados Unidos.
Actualmente asistimos en Europa a distintos esfuerzos por adecuar la Universidad
a las demandas de una sociedad cada vez más tecnológica. Este proceso de
modernización en marcha, que incluye como uno de sus aspectos claves el aumento
de la I+D, se realiza, sin embargo, conservando en lo fundamental una triple
característica de la universidad tradicional europea: 1. La división de dos

tipos de instituciones universitarias, las Científico-Humanistícas y las
Politécnicas. 2. La consideración en ambas de la Ciencia como el conocimiento
por excelencia dentro del mundo académico, lo que conlleva el predominio
intelectual del primer tipo de universidad sobre la segunda, considerada ésta
como la aplicación de los conocimientos producidos por la primera.
Carnegie Mellon University tiene unas características distintas a ese modelo de
universidad: 1. Como la mayoría de las universidades norteamericanas, es una
institución académica que ha admitido la ingeniería en su seno, así como las
disciplinas derivadas de ésta como el management y la informática. 2. A
diferencia de éstas, en CMU la cultura tecnológica ha sido predominante sobre la
cientifico-humanística, dado que su propósito inicial fue la educacion
profesional y no la científico-humanística. 3. Esta relación, expresada en el
término "liberal-professional education", es no obstante conflictiva.
Este conflicto se inició a principios de la expansión industrial de Estados
Unidos después de la Guerra Civil, con el nacimiento del Massachussets Institute
of Technology en 1861, ante la resistencia de Harvard a los planes de industrial
Abbott Lawrence, a introducir una educación cientifíca para "practical
purposes". (Noble 1972:22).
Tanto el MIT como Carnegie Tech han evolucionado en dirección hacia la cultura
académica tradicional, introduciendo mayores dosis de educación científica y
liberal, pero intentando conservar su matriz original como escuelas
tecnológicas.
En los años 30s el denominado Carnegie Plan, introdujo en la educación
ingeneniera patrones académicos de la cultura científico-humanística al modo
europeo, la llamada "liberal-arts". Estos, no obstante, fueron concebidos como
complementos de su modelo educativo tecnológico predominante, cuyo colegio
principal se denominaba College of Enginering and Science, situación inversa al
modelo Science and Technology que se generalizará tras la II Guerra Mundial en
los campus norteamericanos.
En diferentes momentos de su historia esta institución ha tratado de elaborar
ese estilo de pensar y de educar propio que pretende encarnar. Este modelo que
se ha denominado a lo largo de su historia de forma distinta: "problem solving",
"engineering method", o en la era del computer, "programming" o " science of
design". En cualquier caso se trata de un tipo de mentalidad distinta a la
clásica de una universidad tradicional. Su objetivo es tratar de resolver "real

world problems", no tanto dedicarse a la contemplación de la verdad al modo
académico clásico.
En los años 60s, esta institución paso de ser fundamentalmente educativa a ser
investigadora. Se transformó en una "research university". La calidad de su
investigación le ha permitido ascender al rango de las 25 primeras instituciones
universitarias del país, grupo de élite que representa lo fundamental de la
investigación que se realiza en Estados Unidos en cualquier campo de la Ciencia,
la Tecnología o las Humanidades.
Esta investigación, basada principalmente en la informatíca, no obstante está
cortada en CMU segün un patrón más propio de un laboratorio industrial que el de
una universidad de tipo europeo tradicional. En la School of Computer Science,
su centro neurálgico, sus mayores logros consisten en programas y sistemas
informáticos, como MACH O NECTAR, que implican investigación y desarrollo, R&D.
La teoría y la práctica forman un conjunto inseparable, dentro de una mentalidad
orientada a conseguir un sistema que funcione, "it-works- mentality".
La "computer culture" en Estados Unidos bajo su forma de departamentos de
computer science nació en universidades marcadas por un patrón académico
tecnológico. Los tres centros que hoy protagonizan los programas mas avanzados
en Inteligencia Artificial, el Massachusetts Institute of Technology, la
Stanford University y la Carnegie Mellon University, forman parte, de forma
desigual, de esta cultura academica tecnologica norteamericana.
Pero de estas tres, la primera institución que se ha diseñado a sí misma como
"computer-intensive university", unificando en una misma red informática tanto a
las escuelas de ingeniería como a las de "liberal-arts" ha sido Carnegie Mellon.
Fue también ésta la primera que produjo un programa de Inteligencia Artificial,
un Instituto de Robótica, un sistema operativo, MACH, que trabaja en cualquier
soporte informático, y está trabajando en la primera red informatica de alta
velocidad (NECTAR).
Como veremos a continuación, un rasgo que distingue este patrón universitario es
la unión de la ingeniería, la ciencia, y las artes en un mismo tipo de
institución, en el que la primera disciplina, la ingeniería como profesión tiene
un rango igual o incluso superior al de la ciencia al haber adoptado
crecientemente sus métodos y conocimientos y en el que la ciencia adopta
actitudes más pragmáticas y orientadas a la aplicación propias de la ingeniería.
El resultado de ésta tendencia a la unión de la ciencia y la ingeniería lo

podemos ver en el Computer Science, disciplina que aún se discute si su carácter
es científico, tecnológico, una nueva disciplina o una síntesis de las
anteriores. Por su parte, las "Fines Arts" han influido notablemente en la
formación de la cultura de éste campus, en el que en un principio la "technical
education" y la educacion artística eran complementarias.
Mientras que en Europa, la cultura científico-humanística y la cultura
tecnológica forman dos mundos separados, presididos por la primera , en Estados
Unidos, la universidad clásica ha admitido en su seno a la ingeniería, al estar
aquella más orientada hacia la "purely practical part of science"como ya detectó
Tocqueville. Ello ha producido una cultura particular centrada en la idea de
"problem solving", un tipo de problemas propios de la tecnología, aquellos a
resolver.
Margared Mead en su estudio sobre el carácter cultural norteamericano, "And keep
your powder dry" (1942) tambien detectó la relación entre la mentalidad del
inventor y el "problem solving" : "For our willingness to work on inventions,
our belief that problems are to be solved by purposeful thought and
experimentation, is another aspect of this type of character structure...Only in
those societies which shifted success from heaven to earth, and so put the whole
impact of religion back of efficiency, could we have a type of character in
which it became a virtue to do the kind of thinking which lies back of
invention, a virtue to set problems and solve them". (1942:207).
Carnegie Mellon es un caso extremo en este modelo, con un peso aún mayor de la
mentalidad profesional y orientada al "problem solving", al haber nacido no ya
como una universidad, como Stanford, ni siquiera como un Instituto de Tecnología
con rango universitario como el MIT, sino como una escuela técnica de grado
medio con un particular interés en la educación técnica o "technical education".
Fue la creación de Andrew Carnegie, un industrial que pretendía fundar una
institución distinta a las universidades americanas de la época (Harvard,
Princeton, Yale...). Este empresario fue una de las principales voces que en la
década de 1890 se levantaron contra la inutilidad ("uselessness") de la
educación universitaria en Estados Unidos (L. Veysey, 1965:13), y construyó un
tipo de institución no sólo distinta sino en abierto rechazo de la tradicional
"college education" norteamericana, basada en la cultura académica de la
"liberal-arts". Con todo, también diferenció ésta institución de las hasta

entonces escuelas de aprendices de las empresas, al servicio de sus inmediatas
necesidades.
La comparación de Carnegie Mellon con universidades clásicas europeas tipo
Cambridge, Oxford o París está, por tanto, fuera de contexto histórico. La
llamada educación liberal propia de estas universidades y cimentada en los
modelos educativos nacidos en la cultura clásica griega, ha sido, en la cultura
academica tecnológica de CMU un elemento instrumental al servicio de un patrón
cultural diferente, de un tipo humano distinto al de dichas culturas académicas:
el "professional".
La idea de la educación en Carnegie Mellon es formar, ante todo, profesionales,
esto es, en terminología de esta institución: "problem-solvers", personas
capaces de aplicar sus conocimientos a la resolución de los problemas que se
plantean en la vida económica, social o cultural . Es en función de esta tarea
que se le proporcionan conocimiento sobre la historia, el lenguaje, o las
matemáticas, a modo de complemento.
Este modelo, a los ojos de un europeo, conlleva un paradójico planteamiento de
la educación y de la investigación, que podríamos comparar con el de un mundo al
revés.
Lo que en Europa, y en particular en paises como España, es considerado un tipo
de educación de carácter aplicado, y por tanto con menor contenido intelectual,
esto es, la llamada "formacion profesional", en esta cultura académica de CMU es
lo contrario: es la educación básica. Y viceversa, lo que para la universidad
clásica europea es el modelo ideal, la educación científico y humanística, la
impartida en las Universidades tradicionales, en esta cultura tecnológica
inicialmente nació como un complemento subordinado a la formación profesional.
Este cambio de perspectiva tiene repercusiones a todos los niveles.
Respecto a la investigación en CMU ello influye en una consideración de la
investigación aplicada, o "mission oriented" como la principal en CMU. Como
veremos al analizar la School of Computer Science, por investigación se
entiende, ante todo, el conocimiento para construir sistemas, o "building
systems". Y estos son considerados a su vez medios para producir un saber a
cerca de la manera de producir más sistemas, el "know-how".
Sir Charles Percy Snow, profesor universitario inglés, afirmaba en los años 60s
que existía un conflicto entre "dos culturas" universitarias, por un lado la
científica y por otro, la humanística (1978) . Pero visto el mundo académico

desde América, y en particular desde CMU, el conflicto tiene tres contendientes
pues existe una tercera cultura académica distinta a las dos anteriores : la
cultura académica tecnológica. Esta cultura, como veremos, se alimenta tanto de
la ciencia como de las humanidades pero sin confundirse con ellas. Es distinta a
ellas, y como vemos en CMU, en su actual grado de desarrollo, aún incipiente,
puede mediante un producto suyo, el ordenador, unificar a las restantes en un
mismo campus universitario.
En esta cultura tecnológica, el "professional" tuvo como primera versión el
"engineer". Su cenit en Estados Unidos se produjo entre el último tercio de
siglo XIX y las décadas anteriores a la Gran Depresión de 1929. Para afrontar
una creciente problemática situación en la empresa, el professional se
transformó en "manager", una creación cultural típica norteamericana, basada
originalmente en el ingeniero convertido en jefe de empresa y conocedor de
"social relations", figura que dominó la escena de los años 30s y 40s. Tras la
segunda guerra mundial, y el auge de la ciencia en Norteamérica, y la invención
de la computadora, surgío el computer scientist, que domina el panorama
tecnológico desde entonces. Y todos ellos tienen con la ciencia y las
humanidades una relación instrumental.
Así, mientras que la ingeniería, por ejemplo, precisa conocer principios de la
ciencia (física, química o biología) sin confundirse con ésta, el management,
como vemos en esta universidad, se alimenta de las ciencias sociales (economía,
ciencia política,...) siendo una disciplina profesional distinta a aquellas.
Igualmente, la Computer Science utiliza las matemáticas aplicadas siendo
distinta a éstas, y la Inteligencia Artificial hace lo mismo con la Sicología
Cognitiva o la Linguística sin confundirse con éstas. Ello no significa que la
relación sea estable y sin conflictos.
Los elementos de liberal-arts tienden a convertir a los profesionales en su
instrumento, el ingeniero tiende a convertirse en científico, el manager en
profesor de economía y el computer scientist en matemático. Pero esa propia
tendencia indica que la relación es distinta a la existente en una cultura
universitaria normal, como la europea. Esta tendencia a revertir el modelo se
aprecio en los años 80s con la denominada batalla del "core curriculum" en CMU,
por la cual se pretendió sentar una base de cursos de ciencias y humanidades
principalmente como modelo unitario del campus, complementado con el uso de
ordenadores a través de la red ANDREW. Pero este modelo no ha prosperado.

Ante la crisis ahora de este modelo, y si la historia sirve de lección, la
tendencia lógica sería a utilizar una nueva versión ingenieril de las ciencias
sociales para dar un caracter más complejo a la solución de la misma.
Complementar la "high tech" con una "high policy" que considere los aspectos
sociales y culturales de la misma.
El carácter de esta institución, Carnegie Mellon, como una cultura académica
inicialmente con un origen distinto a las de las liberal-arts universities" la
explica acertadamente Herb Simon, uno de los miembros veteranos de esta
institución: " In the United States, institutes of technology...have had rather
different traditions from the liberal arts colleges, and even from the
nonprofessional divisions of research universities.
The liberal arts tradition...is one of extreme descentralization. In its
limiting form, a faculty is a collection of individuals...organized in
departments along disciplinary lines,...and the chairman of the department is
primus inter pares...
At the time I came to Carnegie (1949), institutes of technology lived much more
closer to traditions that came out of industrial practice...The administrative
hierarchy was clearly defined...It was not unthinkable for research areas to be
defined by a department for its members, or for faculty members to be urged or
persuaded to aim their efforts in particular directions.
Carnegie Tech, and GSIA within it, clearly belonged to the tradition of
institutes of technology, not the liberal arts tradition." (Models of My Life.
1991:157-158).
Esta cultura tecnológica en Estados Unidos se empezo a desarrollar en
instituciones como el MIT (1865) y como Carnegie Tech. Los primeros institutos
tecnológicos norteamericanos fueron el Rensselaer Polytechnic Institute (1824) y
el Polytechnic Institute of Brooklyn, ambos en el Estado de New York. George
Bugliarello, presidente de la Polytechnic University de New York, y antiguo
profesor de CMU, ha señalado que el modelo de estas primeras instituciones es
l’Ecole Politecnique, fundada por la Convención francesa, en 1794, en el cénit
del periodo revolucionario. (1991:34).
A lo largo de su historia, este modelo académico ha ido produciendo un estilo de
pensamiento que se ha pretendido codificar como un modo de pensamiento propio y
para algunos profesores un modelo claramente distinto al de la ciencia , al
menos en esta universidad de CMU. Así Richard Teare, decano del College of

Ingenieering, afirmaba en 1963: " It is clear, I think, that what distinguishes
the engineer from scientist, apart from education, is that while the scientist’s
goal is to add knowledge, discover new phenomena, establish new principles, the
engineer is concerned with devising and designing systems which not only work,
but which meet often conflicting criteria of cost,efficiency, life,
manufacturability, reliability, safety and so forth...Courses will be needed
that are different in content and point of view than those we have now. And just
as Carnegie Tech has been a leader in the developments in engineering education
that took place in the last two decades, we want to continue to lead in the
future". (citatado en P. Covey Ed. 1988:13).
El llamado Carnegie Plan introdujo en los años 30s un mayor peso de la
liberal-arts culture en el curriculum ingeniero, pasando a denominar su modelo
educativo la "liberal-professional education". Este ideal educativo que aún se
mantiene en CMU conserva la manera de pensar del ingeniero o professional como
"core knowledge" siendo la educación liberal su complemento. La relación por
tanto entre la cultura cientifico-humanística y la tecnológica en CMU se halla
invertida.
A este modo cultural de pensar y de actuar, se le denomina en esta universidad:
"problem solving", y más recientemente "design", y constituye el sistema de
conocimiento clave de esta cultura tecnológica, de la misma forma que la lógica
o la ciencia empírica y experimental constituye el "método" de la cultura
científica europea, nacida de la filosofía griega. Ambos sistemas de
conocimiento están unidos conflictivamente en esta institución y su tensión no
está resuelta.
En los años 80s, proyectos como Andrew, y la batalla del "core curriculum"
intentaron cambiar esta situación. Se pretendía poner en el centro un modelo de
"liberal education", complementado con medios tecnicos avanzados como una red
informatíca. Se intentó unificar la antigua escisión entre Harvard y el MIT,
pero bajo la direccitn de Harvard. Era la llamada "revolution in education", que
venía a culminar la "cognitive revolution" iniciada en los 60s.
La idea era una "síntesis de conocimientos", liderada por la ciencia cognitiva,
y complementada con la tecnología informática.
Pero este modelo a finales de los 80s dejaba un problema nacional sin resolver.
El informe del MIT, Made in America, de 1989 alertaba que Estados Unidos estaba
perdierdo su liderazgo industrial respecto a Japon, país con un nivel científico

inferior al norteamericano, pero con una producción de 73.000 ingenieros al año,
casi la misma cifra que Estados Unidos con la mitad de la población.
Por otro lado, el fin de la Guerra Fría basado en el poderío nuclear, ponía en
crisis el modelo de investigación basado en el predominio de la ciencia sobre la
tecnología, y dentro de la ciencia de la física sobre las restantes disciplinas.
La "sociedad del conocimiento", liderada por la ciencia, no se muestra capaz de
mantener el papel líder de Estados Unidos en el mundo.
Esta crisis del modelo de "research university" replantea el papel de las
grandes universidades del país, y en particular a los grandes laboratorios
nacionales, que en gran medida viven de la investigación financiada con dinero
público.
Las universidades de la Ivy League, con Harvard, Yale o Princeton a la cabeza,
marcan el patrón académico mayoritario, según el cual, la educación
cientifíco-humanística, propia de la cultura occidental, es la que marca el
modelo dominante y la educación de la clase dirigente. De ellas salen los
Presidentes de la nación, la mayoría de Premios Nobels en el campo de la
ciencia, y los Premios Pulitzer, en el campo de la literatura y las artes.
Pero este modelo, como ahora la competencia con Japón demuestra, ya no
garantiza, que los Estados Unidos continuen en su papel de líder internacional.
Está planteado en toda la "higher education" en América la necesidad de una
reforma profunda.
CMU es una institución joven que intenta buscar una ventaja compartiva con otras
universidades mediante la adopción de un valor, que es propio de la tecnología:
la "innovation".
Carnegie Mellon atraviesa tras la experiencia Andrew, una etapa de transición,
como le sucede al conjunto de la universidad en Estados Unidos. En 1990 eligió a
un nuevo Presidente, el Dr. Robert Mehrabian, anteriormente decano de la School
of Engineering en la University of California at Santa Barbara. En un momento de
crisis e incertidumbre en el conjunto del país, los ingenieros vuelven a la
presidencia de CMU.
El modelo dominante de la anterior administración intentó hacer del diseño una
ciencia, del computer una ciencia, del "problem solving" una ciencia. En suma,
trató de convertir a la ingeniería en una ciencia más. De ahí que estuviera
presidido por la idea de "The Sciences of the Artificial".
El problema en el próximo periodo parece ser otro: como formar una nueva

ingeniería ante todo una ingeniería cultural propia de las "computer cultures",
una ingeniería de diseño de computer cultures, ante todo de sus aspectos de
organización.
Una necesidad similar de impulsar la cultura tecnológica se planteó a principios
de siglo, en el momento de la fundación de esta institución.
2. "A NEW IDEA OF EDUCATION" (ANDREW CARNEGIE).
2.1. LAS CARNEGIE TECHNICAL SCHOOLS.
Existe una historia particular que explica como ha llegado a conformarse esta
nueva "computer-intensive university", como se ha formado su actual patrón
cultural como "research university", que puede dar luz a cerca de cómo resolver
sus actuales problemas.
El origen de esta "problem solving culture" en Carnegie Mellon hay que buscarlo
en la fundación en 1900 de las Carnegie Technical Schools por Andrew Carnegie
(1835-1919).
En la década de 1890, Carnegie Steel constituía la más concentrada y moderna
industria del mundo, gracias a los métodos de Andrew Carnegie, basados en la
combinación de la más avanzada tecnología Bessemer de fundición, las economías
de escala y una política de reduccián sistemática de costos. Este tipo de
industria revolucionó la estructura del resto de sectores productivos y
estableció el modelo que a continuación imitaron el petróleo, el caucho, los
automóviles, el equipamiento eléctrico, y más recientemente la propia industria
del "computer". Pittsburgh era conocida entonces como "the Workshop of the
World".
Andrew Carnegie, un emigrante escocés , fue el artífice de esta industria.
Empezó trabajando a los 13 años de aprendiz en una fábrica de algodón, continuó
como superintendente de los ferrocarriles de Pensilvania a los 24 años y en su
madurez se convertiría en el industrial más rico del globo, con unos beneficios
anuales en 1900 de 40 millones de dólares.
En la cumbre de su poderío industrial, este empresario aportó un millón de
dólares para crear ese mismo año las Carnegie Technical Schools, origen de la
actual Carnegie Mellon University. Esta institución pretendía ser la
cristalización de lo que Andrew Carnegie denominó: "A new idea of education".
("The Idea of Education at Carnegie-Mellon". Focus. 1979)

Este industrial, cuya educación formal no pasó de la escuela primaria, donó el
80% de su fortuna personal, considerada en su época una de las más grandes del
mundo, a fines educativos (Swetnam:149). En 1889, en un discurso de fundación de
una biblioteca para obreros del metal en el barrio de Braddock, Andrew Carnegie
resumía así su filosofía educativa:
" We occasionally find traces even at this day of the old prejudice which
existed against educating the masses of the people...Men have wasted their
precious years trying to extract education from an ignorant past whose chief
province is to teach us, not what to adopt, but what to avoid...
They have in no sense received instruction. On the contrary, what they have
obtained has served to imbue them whith false ideas and to give them a distaste
for practical life. I do not wonder that a prejudice has arisen and still exists
against such education. In my own experience, I can say that I have known few
young men intended for business who were not injured by a collegiate education.
Had they gone into active work during the years spent at college they would have
been better educated men in every true sense of that term. The fire and energy
have been stamped out of them, and how to manage a life of idleness and not a
life of usefulness, has become the chief question with them. But a new idea of
education is now upon us". (Focus 79:)
Esta filosofía pragmática, democrática y basada en la idea de utilidad, es la
que condujo a la construcción de las Carnegie Technical School en 1900, bajo el
lema de Andrew Carnegie: "My heart is in the work". Esta idea no es un mero
deseo sentimental o formal, resume un tipo de cultura que cuando inventa o
produce algo, sus autores lo primero que afirman es "it works", "funciona",
"trabaja".
Este tipo de pensamiento no fue patrimonio exclusivo de Andrew Carnegie, sino un
patrimonio ideológico común de la denominada Progressive Era en la Norteameerica
de principios de siglo, la era dorada del "professional engineer", de las
grandes corporaciones como General Electric o General Motors, del Taylorism o
"scientific management" y del Massachusetts Institute of Technology. La América
de los Edison, los Ford, los Taylor.
David F. Noble, en "America by Design"(1977) explica el surgimiento de la
"technical education" en Estados Unidos en el periodo que siguió a la Guerra
Civil: "Technical education in the United States, developed in struggle with the
classical colleges, both inside and outside of them. One form of this

development was the gradual growth of technological studies within the classical
colleges, resulting from the reorientation of natural philosophy toward the
empirical, experimental, scientific research for truth and from the pressures of
some scientists and powerful industrialists for practical instruction; the other
was the rise of technical colleges and institutes outside of the traditional
colleges in response to the demands of internal improvement projects like
canal-building, railroads, manufactures, and, eventually, science-based
industry". (1977:20).
La Stanford University, fundada en 1891 gracias a la donación de la familia
Stanford, podría considerarse como expresión del primer modelo, iniciado por
Ezra Cornell al fundar la Cornell University, en 1868. Este constituye un modelo
de reforma de la clásica universidad europea desde dentro, experimento que más
adelante analizaremos.
Pero el modelo central de este periodo lo constituyó el Massachusetts Institute
of Technology (MIT), construido en Boston en 1865 independientemente de Harvard
University ante las resistencias de esta Universidad a adoptar la "technical
education". El MIT tomó por lema: "Mens et Manus", un patrón cultural diferente
al de Harvard: "Veritas". El MIT fue la cuna del concepto "technology" propuesto
por primera vez por el médico Jacob Bigelow, indicando con ello que el estudio
de la ciencia iría dirigido a conseguir fines prácticos.
El MIT es la institución que instituyó el patrón del ingeniero profesional en
Estados Unidos, formando a la élite dirigente de las corporaciones industriales
de Estados Unidos durante la epoca dorada de las General Electric, General
Motors, y la Ford. (Noble:43).
Las Carnegie Technical School, fundadas más tarde, constituyeron una versión aún
más radical,( y también más local) de este modelo. Esta versión constituye
también una versión más típicamente americana y menos cosmopolita,esto es,
europea, de este segundo modelo de "technical education". Fueron concebidas en
su inicio como una institución más democrática que los institutos de ingeniería
de rango universitario al modo MIT. Su finalidad fue formar masas de
especialistas y profesionales para la industria y los negocios locales de
Pittsburgh, en un momento en que esta ciudad estaba considerada "the workshop of
the world" por su industria siderúrgica floreciente, que era la primera
industria moderna de Estados Unidos, y la primera con una facturación de miles
de millones de dólares.

"This is the age of the specialist: therefor you who have to make your living in
this world should resolve to know the art which gives you support: to know that
thoroughly and well, to be an expert in your speciality". (Andrew Carnegie .
Focus. 1979).
Inicialmente la insitución se diseño para atender las necesidades locales,
industriales, economicas y educacionales de la ciudad: "The type of Industrial
Education ...adapted for the Carnegie Technical Schools of Pittsburgh has been
specially designed to meet the local, industrial, economic, and educational
needs which are found to exist..." (Preliminary Report, 1902:15).
"Education is a direct preparation for life, and modern civilization demands
distinct and defined vocations. And that education is most lasting and
effective, which is directly related to the lifework of the
individual...Therefore:-You should recognize that SPECIALIZATION in any one
particular line of work, whether in the arts, sciences, or in any field of human
endeavor, is the path which leads most directly to success. Specialization means
thoroughness in a particular calling". (Preliminary Report, 1902: 16).
2.2."TECHNICAL EDUCATION": JAMES WATT COMO MODELO.
Los documentos fundacionales de esta institución fueron la carta escrita por
Andrew Carnegie el 15 de Noviembre de 1900 al alcalde de Pittsburgh, en donde le
comunica su intención de fundar estas escuelas, y la "proposal" formulada en
1903 para desarrollar las finalidades, estructura y tareas de las mismas, basada
en un Preliminary Report realizado el año anterior.
En la primera de ellas podemos apreciar que su intención era proporcionar
"useful education for the sons and daughters of working men". Estas escuelas se
basarían en el modelo de institutos técnicos como los de Boston, Worcester en
Massachusetts y Drexdel Institute en Philadelphia. En particular, tras una
visita a Gran Bretaña al Keithley Institute y al Halifax Institute, lo que más
impresionó a Andrew Carnegie fue la combinación que realizaban estos jovenes
entre trabajo y estudio: "workers during the day, improving themselves in
various studies pertaining to their crafts in the evening classes of these
institutions. I told these students that this impresses me more than anything
else".(. Plan and Scope,1903:4).
Esta orientación hacia la "vocational training" para las jóvenes generaciones
hijos de los trabajadores es un rasgo específico de Carnegie Tech. Ni Stanford

University ni MIT tenian en torno suyo una población de trabajadores como
Pittsburgh necesitada de formación profesional de grado medio. La gran expansión
de actividades comerciales e industriales se había adelantado en esta ciudad a
su oferta educativa, produciendo anualmente 120.000 jóvenes buscando un sistema
de aprendizaje que les prepara directamente para el empleo, "to their life of
work".
El lema que Andrew Carnegie eligió para explicar el sentido de estas escuelas lo
tomó de su abuelo, zapatero de profesión: "Handication versus Headication", esto
es, dedicacion manual versus dedicacion intelectual. Este lema resume su modelo
educativo, basado más en la figura del artesano que la del moderno obrero
industrial. Su lugar de trabajo era el taller, "the workshop".
El modelo educativo elegido para las Carnegie Technical Schools estaba inspirado
en la figura de Andrew Watt, compatriota de Andrew Carnegie, y de quien
escribiría su autobiografía , al que llamaba"the creator of the most potent
instrument of mechanical force known to man", "the inventor of the greatests of
all inventions" (Swetman, G. & Smith, H., 1989 :129)
En esa biografía relata la triple formación de Watt: "While Watt was still in
boyhood, his wise father not only taught him writing and arithmetic, but also
provided a set of small tools for him in the shop among the workmen- a wise and
epoch-making gift, for young Watt soon revealed such wonderful manual dexterity,
and could do such astonishing things, that the veredict ot one of the workmen,
"Jamie has a fortune at his finger-ends" became a common saying among them."
(1905:11).
Esta visión de Watt es con todo unilateral. La máquina de vapor no la inventó
Watt en un taller artesano sino en un taller de la Universidad de Glasgow, en
Escocia. Esta era una universidad con características particulares como ser la
primera en establecer una escuela de ingeniería y un profesorado en esta
materia, y según Andrew Carnegie "American universities have, forutunately,
followed the Glasgow model". (1905:35). Un grupo de científicos y filósofos
entre los que se encontraban Adam Smith, Lord Kelvin, y otros habían acogido en
ella a Watt como mecánico, proporcionandole una pequeña habitación de 6 metros
cuadrados.
Instituciones como el MIT tenían ya el lema "mens et manus". Pero el lema de
Carnegie Tech : "My heart is in the work" es aún meas radical, implica una
conversión de la institución educativa en un taller, o "workshop". No quiso

organizar en Pittsburgh una universidad al estilo Glasgow sino una escuela de
formación profesional de grado medio. Sólo más tarde se convertiria en un
instituto tecnológico al estilo MIT.
El 4 de abril de 1910, en su segunda visita al campus, Andrew Carnegie explicaba
así a los estudiantes su modelo educativo: " In the struggle for life some of
you may place upon yourself the ambition to be a multi-millonaire. That is a low
ambition. The engineering professions your have chosen, for instance, are much
higher and more worthy. Your first duty is to be self-maintaining, because if
you are not that you will not possess those qualities of independence,
aggressiveness, and content that mark a true man.
Surplus wealth is a great trust and should be administered for the good of the
community. It does not add to human hapiness, and if you have sons it may led
them astray....The ignorant man has no ambition but millions. The man who is
educated does not care for money. As we progress we will find the desire for
money decrease and the desire for service increase. Just imagine you were an
Edison, or a Graham Bell, or a Shakespeare, ...". (Tarbell, 1937: 39).
Lo cual conecta con la otra institución clave, aparte del MIT, para entender la
cultura tecnológica norteamericana: el "industrial research laboratory" fundado
por un contemporaneo de Andrew Carnegie: Thomas A. Edison.
Este abrió en 1876 en Menlo Park, el primer laboratorio de investigación
industrial de America y del mundo. Pero el nombre con el que lo designaba no era
el de laboratorio sino el de "invention factory". Su propósito, hacer
investigación y desarrollo en "any and all inventions" (Josephson,1959:133),
convirtiendo de esta forma la invención en un proceso rutinario e industrial.
Las aportaciones principales de Edison fueron dos: 1. la construcción de un
laboratorio, esto es, de un centro de investigación, dedicado exclusivamente a
la tarea de invención, independizando esta función de la de la ciencia y los
laboratorios de las universidades pero empleando conocimientos científicos,
separado por tanto de la invención artesana, méramente práctica . y 2. la
conversión del nuevo tipo de invención en un procedimiento rutinario industrial,
y en este sentido, ingeniero.
Carnegie Technical Schools se construyó sobre un modelo anterior al laboratorio
industrial, en el que no se precisaba aún esta separación de funciones, y donde
Edison y Shapeskeare, el inventor y el artista, aún no formaban tipos humanos
claramente diferenciados, como igualmente ocurría con figuras como Leonardo,

tipo humano que aún hoy se considera el prototipo de CMU. Como certeramente
apunta Pamela McCorduck, aún en los años 70s: " Carnegie-Mellon represents
old-world craftsmanship" (1979:112).
Entre el modelo de Edison y el de Andrew Carnegie existía una importante
diferencia: la que mediaba entre la industria eléctrica puesta en marcha por el
laboratorio industrial, y la industria siderúrgica, anterior a esta. Mientras
que la novedad de la primera era la separación entre laboratorio y la cadena de
montaje, en la primera, el conjunto del proceso se realizaba en el taller.
La gran industria siderúrgica de Carnegie se basó en un invento técnico
específico, el proceso Bessemer de producción de acero, con las técnicas de
management de los ferrocarriles de Pensilvania, construyendo la primera
industria integrada del país. Su modelo era el de producción en masa a bajo
precio, y era anterior al uso sistemático de los conocimientos científicos para
la producción de inventos industriales. No tenía diferenciada como funciones
delimitadas el laboratorio del taller, la parte pensante o "research" y la
manufactura o "manufacturing".
Sus beneficios provenían ante todo de las economías de escala, no del valor
añadido proporcionado por sus inventos tecnológicos. Andrew Carnegie basó su
modelo de gran industria, no en el textil, sino en los métodos de administración
de la red de ferrocarriles del estado, la Pennsylvania Railroad, inspirada a su
vez en la organización del ejercito. (Livesay, 1975:33).
Ello se refleja en la concepción original de Carnegie Tech. Mientras que el MIT
se organizó como instituto de tecnología, basado en la ingeniería, Carnegie Tech
pretendía formar a la masa de especialistas, los que necesitaba su modelo de
gran industria siderúrgica.
Los cuatro primeras escuelas de Carnegie Tech fueron: La School of Science and
Technology, destinada a formar "engineers assistants", the School of Fine and
Applied Arts, para preparar en profesiones relacionadas con el diseño y sus
aplicaciones industriales. La School for Apprentices and Journeymen, destinada a
formar mecánicos y especialistas para la manufactura y el comercio. Y la
Margaret Morrison Carnegie School for Women, que preparaba en estudios de
secretaría, diseño de vestidos, economía doméstica y formación general.
El punto en común a toda esta filosofía era la idea de una educación para la
"real life", dotar al estudiante de "skills" (habilidades, destrezas) para que
pudiera resolver los problemas que se le iban a plantear en el mundo real, "the

real world problems".
2.3.CARNEGIE TECHNICAL SCHOOLS Y FINE ARTS.
Si bien en este enfoque hacia la educación profesional Carnegie Tech era parte
del esfuerzo nacional por construir una "technical education", el modelo de
Carnegie Tech, guardaba una diferencia particular: una visión de la educación
técnica ligada a las artes. La visión del técnico como "craftmanship", como
poseedor de "skills" o destrezas, habilidades manuales. El especialista
necesitaba solo "skills". Durante decadas lo que proporcionaba Carnegie Tech
fueron "tools", herramientas, concibiendo la educación como un "learning by
doing", como es propio del taller artesano, en el que aprendiz sigue los pasos
de su maestro que mediante la experiencia de los años ha conseguido la maestria
(el "master") en el oficio. Ochenta años mas tarde, ANDREW, la nueva red
informática de CMU, aún se concebirá como un nuevo "tool" para el estudiante. Y
Simon proponía el aprendizaje por "inmersion".
El modelo inicial de Andrew Carnegie fue modificado en la década siguiente bajo
la dirección de Arthur Hamerschlag (1903-1922) en el sentido de impartir una
educación técnica de rango universitario. En 1912, Carnegie Tech se convirtió de
escuela técnica en instituto tecnológico con derecho a conferir grados
universitarios según el modelo del MIT, cambiando su nombre de Carnegie
Technical School to Carnegie Institute of Tecnology. Con este paso Carnegie Tech
pudo otorgar los títulos de Bachelor of Science in Chemical, Civil, Electrical,
Mechanical, Metallurgical or Mining Engineering, y el Bachelor of Arts in
Architecture o en Interior Decoration. Se iniciaba así el periodo del
"engineer", con formación científica, iniciado por el MIT en 1865.
2.4. M.I.T vs. HARVARD: EL "INSTITUTE OF TECHNOLOGY" Y LA "UTILITARIAN
UNIVERSITY".
El nacimiento del MIT eb 1861 vino dado por el agotamiento del modelo
universitario vigente dominado por las universidades tradicionales como Harvard,
Yale o Princeton. Ello provocó un proceso de reforma interna de la universidad
norteamericana.
En esa época, entre 1865-1910, según Laurence R. Vesey, ("The Emergence of the
American University" 1965) quedó fijado el modelo actual de la cultura académica
en Estados Unidos. En este periodo surgieron tres concepciones rivales de

Universidad, que este autor denomina: "Utility, Research, y Liberal Culture"
respectivamente, modelos académicos que se ofrecieron como alternativos al del
clero protestante, hasta entonces dominante en la universidad norteamericana.
Hasta mediados del siglo XIX la universidad norteamericana estaba dirigida por
clérigos y humanistas. En 1865 nueve de cada diez presidentes de Universidad
eran clérigos. Harvard fue fundada en 1636 por el clero puritano como una
escuela para formar ministros de las iglesias y era la universidad más antigua y
mejor dotada del país.
La autoridad en ella de la Biblia era indiscutida. En 1876, Noah Porter,
presidente de Yale, afirmaba: " To Christ belongs the supreme authority in
heaven and earth and...the goings on of nature and the events of human history,
including the developments of science and letters, of culture and art, are all
in the interest of Christ’s kingdom". (cit. Veysey: 26). Las materias de estudio
básicas eran el Griego, el Latín, las matemáticas y en menor medida la filosofía
moral. El método de enseñanza básico , la lectura de textos clásicos, su
traducción y comentario. Método que aún pervive en la expresión "lecture".
Las alternativas que se ofrecieron a este modelo fueron , ateniéndonos a la
división de L. Veysey tres: el "practical service", el"research" y la"culture".
El primer modelo , el de "utility", o "practical service", es el menos europeo
de los tres y el más anclado en la cultura norteamericana de la "applied
science" iniciada por Benjamin Franklin. Por contra, el modelo de "research" se
importó de Alemania, y el de "culture" era el más tradicional en Europa, el
dominante tanto en las universidades inglesas como francesas.
El modelo académico universitario denominado "utility" fue iniciado por la
Cornell University en 1868, bajo la presidencia de Andrew D. White y culminado
por Charles W. Eliot, presidente de Harvard.
Stanford University y las Universidades del Midwest, entre ellas la Universidad
de Wisconsin, fueron sus más fieles seguidoras.
El mismo Andrew Carnegie fue trustee de Cornell, y admirador de su fundador Ezra
Cornell, constructor de ferrocarriles y cuáquero de confesión religiosa.
Este industrial de Nueva York quiso fundar una institución basada en la idea de
"democracy", un lugar "where any person can find instruction in any study". El
dictum de Ezra Cornell fue " No object of human inquiry can be out of place in
the programme of a real university." (Veysey: 90). De Cornell surgiría en los
años 50s, el proyecto Vicos, el primer proyecto de ciencia social aplicada,

dirigido por antropológos, concebido como un experimento de cambio social
dirigido.
Cornell era una "useful university", una agencia dedicada a promover el
"individual success", con una amplia variedad de cursos donde cada estudiante
tenía la posibilidad de elegir ("choice") según sus propósitos y
potencialidades. Este modelo de "free elective system" aún pervive. En lugar de
una elitista institución al modo de Princeton o Yale, una universidad basada en
la igualdad de trato o condición de todos los estudiantes.
Las escuelas de ingeniería, educación, y business entraron en los campus
universitarios con igualdad de consideración que las restantes.
Las bases de dicha "utilitarian university" eran :
1. El concepto de "real life". La educación académica tenía que servir para la
vida real. Una versión extrema de esta concepción es la que adoptaron algunas
universidades del Midwest, como la Universidad de Wisconsin : la universidad es
un "universal public service". Esta idea denominada la "Wisconsin idea", fue
formulada por Charles K. Adams, presidente de la Cornell University en 1896: "
The university is not a party separate from the State. It is a part of the
State...as mach (sic) as the brain and the hand are parts of the body"
(Veysey:104).
2. La "Social Efficiency". El problema pasó de ser "qué-enseñar" a
"cómo-enseñar". El pragmatismo de William James y J. Dewey devino una expresión
de este modo de pensar. Este último filósofo, profesor de la Universidad de
Chicago, donde años más tarde estudiaria Herb Simon, codificaría en 1910, en How
to think, ésta "problem solving mentality", estilo de pensar basado en la
cultura tecnológica ingeniera norteamericana.
David S. Jordan, presidente de la Stanford University, fue también uno de los
principales portavoces de esta reforma universitaria, y de la unión de la
ciencia con la ingeniería.
George E. Vincent de la Universidad de Chicago definía así en 1902, la "social
efficiency" : "It carries a general idea, the ability to meet situations, to
solve problems, whatever they may be. Efficiency is problem-solving, adequacy.
There is need of efficient persons in a world of problems. Daily life is
continuous series of situations to be dealt with, problems to be solved..." (
Ibid: 117).
Este modelo quedó legitimado plenamente cuando Harvard lo adoptó bajo la

presidencia del unitarianista Charles W. Eliot (1869-1909), "the first citizen
of the Republic", el fundador de la moderna Harvard.
Esta universidad destaca entre todas las universidades norteamericanas por ser
la institución decana entre las instituciones educativas del país, la que en su
orígenes contribuyó decisivamente a la construcción del carácter nacional
norteamericano. Su presidente Eliot definía así su "model of man": "We seek to
train doers, achievers, men whose successful careers are much subservient to the
public good. We are not interested here in producing languid observers of the
world, mere spectators in the game of life, or fastidious critics of others
men’s labors". (cit. R. N. Smith, 1986:29).
De el afirmó el presidente Theodore Roosevelt: " It unites the assurance of the
scientist and the convictions of the moralist...He is the Man Doing". (Smith:
57). Su proyecto fue convertir a Harvard en el guardian de todo la educación
americana, y de su cultura.
Esta "utilitarian university" fue el modelo mayoritario en esta reforma de la
Universidad norteamericana, y se levantó en clara oposición respecto a otros dos
modelos copiados de la tradición europea: la "research university" y la
"liberal-arts university".
2.5."RESEARCH UNIVERSITY" E "INDUSTRIAL RESEARCH LABORATORY".
Cuando se afirma que Carnegie Mellon es una "research university", un europeo
tiende a pensar en el modelo de universidad alemana, basado en la ciencia pura,
no-utilitaria, y que produjo a los W. Wundt, los Einsteins, los Heisenbergs, los
grandes científicos de la ciencia europea contemporánea. En España este modelo
de investigación inspiró la fundación del Consejo Superior de Investigaciones
Científicas.
Pero la "research university" norteamericana en realidad tiene dos modelos. Uno
es el modelo europeo, en particular alemán, de investigación representado por la
John Hopkins University en Baltimore.
La ciencia pura en Estados Unidos, al estilo de la universidad pública europea,
en la que el catedrático o "Herr Professor", con puesto de funcionario del
Estado, y por tanto sin interés comercial directo,se dedica en la soledad de su
laboratorio a una investigación concienzuda y de por vida a la búsqueda del
descubrimiento científico per se, se desarrolló en Estados Unidos como un modelo
minoritario en universidades como la citada Johns Hopkins University de

Baltimore (1876) o la Clarke University. Y como un modelo en abierta oposición a
la "technical education", y a la "utilitarian university".
La Johns Hopkins University oficialmente preconizaba una " advanced instruction,
not professional, to properly qualified students, in various departments of
literature and science" (Veysey: 149).
G. Stanley Hall, profesor de sicología fisiológica, y su nuevo presidente,
llamaba al investigador el "knight of the Holy Spirit of truth", y la
universidad era considerada un medio para mantener "the holy fervor of
investigation". El centro organizador de la investigación era el laboratorio, en
el caso de la química, la física y la biología, y el seminario, en el caso de
las ciencias sociales o la historia.
Este modelo seguido posteriormente y de forma parcial por Harvard, Chicago y
Columbia. Es el preconizado como "pure research" por Vanevar Bush en 1945.
Pero el modelo de "research university" de CMU, no ha salido principalmente de
esa tradición de hacer ciencia sino más bien de la tradición de la "applied
science" fomentada por Benjamin Franklin y del laboratorio de investigación
industrial, inventado por Thomas A. Edison en 1876 en Menlo Park, New Jersey.
La aportación específica a la investigación de Norteamérica es considerar
"research" lo que en Europa no era más que aplicación técnica sin valor
intelectual alguno: no es tanto hacer la ciencia "aplicada" sino hacer
científica la actividad inventiva. Edison no fue un científico que se decidió a
aplicar sus teorías, sino un "craftman", que decidió hacer de la invención un
procedimiento sistemático y rutinario.
Esta diferencia entre laboratorio científico y laboratorio industrial es clave
dado que conduce a dos tipos de experimentación distintas, cuyos objetivos son
diversos. Lo nuevo en América es el laboratorio de invenciones tecnológicas,
cuya incesante actividad de experimentación tiene como objetivo no el probar
hipótesis sobre el funcionamiento de la naturaleza sino la generación de forma
sistemática, "científica", de nuevos artefactos, procedimientos o métodos a
cerca de como realizar determinadas tareas.
Esta distinción es la que explica la diferencia entre la ciencia de Bacon o
"empirical science" y la tecnología de Edison, guiada por fines prácticos. La
primera descubre, la segunda inventa. Pero lo nuevo de Edison es que la
invención, no sólo era una actividad fortuita y separada de la investigación.
Construyó un tipo de investigación que se basaba en producir inventos. Como

afirma su biógrafo, Matthew Josephson: "No one had ever heard of a man setting
up a center of research, a sort of ‘scientific factory’ in which investigation
by a whole group or team would be organized and directed solely toward practical
inventions".( Josephson,1959:133).
Como veremos más tarde, al definir la investigación en computer science como
"experimental research" se están confundiendo ambos tipos de investigación. La
"basic research" en computer science puede ser de dos tipos, la que sigue el
modelo de Bacon, y la que continúa el modelo de Edison. Y ambas se denominan
"basic". Hay dos tipos de "basic research", cuando se dice que Japón no tiene
basic research, se está refiriendo a la investigación científica básica. Pero
proyectos como el del Ordenador de la Quinta Generación o el de la Human
Frontier, o los que financia DARPA en Estados Unidos,son otro tipo de
investigación básica, la investigación tecnológica básica, o que también
podríamos llamar investigación estratégica.
Este tipo de laboratorio inventado en Norteamérica cobró rango universitario en
1913 al fundarse el Mellon Institute of Industrial Research, el primer centro de
investigación industrial de Estados Unidos asociado a una universidad, instituto
patrocinado por los banqueros e industriales Andrew y Richard B. Mellon.
Este tipo de investigación denominada "mission oriented", u orientada a
objetivos, culminará con la II Guerra Mundial pasando a denominarse Research and
Development (R+D), inaugurada entre otras por la RAND Corporation en Estados
Unidos, modelo de institución que jugará un papel importante a la hora de
configurar el Computer Science Department de CMU, con Allen Newell, antiguo
investigador de la RAND Co. entre otros a la cabeza.
En Carnegie Mellon, en particular en la School of Computer Science, por "basic
research" se entiende investigación por objetivos . Estos pueden ser
estratégicos y a largo plazo, pero su matriz es marcadamente tecnológico. Por
"basic research" se entiende una actividad distinta a la del clásico laboratorio
de experimentos científicos. Su finalidad no es tanto probar hipótesis empíricas
sino producir un sistema que funcione, para lo cual puede planificarse a 20 años
vista.
2.6."LIBERAL-ARTS EDUCATION" Y "LIBERAL-PROFESSIONAL EDUCATION".
Por último, la "liberal culture university" fue un modelo de universidad
norteamericana que se planteó en conflicto con los otros dos, "utility" y

"research". Yale y Princeton University fueron sus paladines. El objetivo fue
implantar los valores de la civilización occidental en la mente de la juventud
americana. Princeton convirtió las "humanities" en su "supreme love", en abierta
oposición a los cursos vocacionales y de formación profesional. Su presidente
Woodrow Wilson afirmaba que en Princeton era "not a place of special but of
general education, not a place where a lad finds his profession, but a place
where he finds himself" ( Veysey, 1965:242). Para conseguir esto las disciplinas
preferentes eran: la literatura, la historia y la ciencia política. El filósofo
idealista Josiah Royce era el pensador preferido de este modelo académico, en
gran parte inspirado en las universidades humanísticas francesas e inglesas.
La universidad ideal debía ser una "community", basada en los mismos ideales de
"co-operation", "comradeship", "loyalty", al servicio de su país y del "public
service".
Elementos de esta "liberal culture" se instrumentalizaron en Carnegie Tech con
el Carnegie Plan en los años 30s, y más tarde en el MIT, para proporcionar
algunos conocimientos de "general culture" a los ingenieros y estudiantes de
formación profesional, pero sin llegar a constituir un "core knowledge" central
como es propio del modelo de universidad de Princeton o Yale, o del viejo
"trivium" y "quatrivium" de las universidades medievales europeas.
El hecho más significativo de este periodo en cualquier caso no es tanto el
surgimiento de estos tres modelos de universidad sino el movimiento profundo que
llevo a ello: la presión de una nueva cultura tecnológica en la educación y en
la investigación en Norteamérica que tuvo distintas expresiones:
1. el surgimiento de institutos tecnológicos como el MIT (1865) al margen de la
universidad patrón de las universidades en Norteamérica, Harvard.
2. El surgimiento del laboratorio de investigación industrial (1876) formado por
Edison, al margen del tradicional laboratorio de investigación experimental
universitario de escasa importancia en Estados Unidos.
3. El nacimiento de escuelas técnicas de grado medio, como las Carnegie
Technical Schools, para formar a la gran masa de mecánicos y personal
especializado que necesitaba la industria de este país.
En palabras de Dwight Baumann, profesor of Engineering Design en CMU: "I believe
that the basic motivation force for the development of the profession
engineering, stemmed from the era of the American inventor and in part from the
main flow of the industrial revolution itself. The American inventors, Edison,

the Wright brothers, Eli Whitney, George Westinghouse, Bell and the rest became
national heroes in their time..." (Focus. 1973. March 19).
Esta cultura académica tecnológica era vista por primera vez por sus
protagonistas como distinta y superior a la "liberal education". Como afirmaba
el Presidente del MIT en 1891: "Too long have we submitted to be considered as
furnishing something which is ,indeed, more inmediatly and practically useful
than the so-called liberal education, but which is, after all, less noble and
fine. Too long have our schools of applied science and technology been regarded
as affording an inferior substitute for classical colleges. Too long have the
graduates of such schools been spoken of as though they had acquired the arts of
livelihood at some sacrifice of mental development, intellectual culture, and
grace of life... I believe that in the schools of applied science and technology
is to be found the perfection of education for young men". (Noble: 25)
Aún hoy día un ingeniero de CMU como el profesor Norman Chigier, William J.
Brown Professor of Mechanical Engineering, considera que su profesión es más
compleja aún que la propia ciencia : "I’ve tried to demonstrate to scientists
and even to fine artists how creativity and imagination are estremely important
in engineering design. Engineering is really more complex than science. It can’t
obey all the rules of science because it deals with systems that are less easy
to analyze. Engineering have the challenge of working with practical systems
--end-products" ( Focus. 1983: Feb.).
Esta cultura tecnológica, expresión de cambios decisivos en el país tras la
Guerra Civil y su industrialización masiva, es la que presionó a la universidad
norteamericana para su transformación en una "utilitarian university" lo que
logró en su mayor parte, consiguiendo la formación de escuelas profesionales
como la ingeniería o el management en el interior de universidades tradicionales
como Harvard o Yale.
Este modelo de universidad es específico norteamericano y permite entender el
por qué, con algunas excepciones como el MIT o Carnegie Tech, no existe en
Estados Unidos una doble estructura universitaria como en Europa: la Politécnica
y la Científico-Humanística, si bien se puede distinguir una doble cultura
académica dentro de las universidades, aquellas que proceden de una tradición de
"liberal-arts colleges" como Yale o Harvard, de aquellas como CMU que proceden
de un instituto tecnológico reconvertido en universidad.
Este modelo de universidades unificadas explica que un Instituto Tecnológico

como Carnegie Tech se pudiera transformar en 1967 en una universidad conservando
su cultura tecnológica, y acabara construyendo una "computer university", una
universidad donde la máquina herramienta del taller industrial, se ha
transformado en el ordenador, concebido como un útil usado hoy en todas las
facultades.
El modelo aún mayoritario de universidades norteamericanas son universidades que
han incorporado elementos de una cultura tecnológica en su interior, pero de
forma subordinada a lo fundamental de los patrones de la cultura occidental, los
patrones de la concepción científica del mundo que permanece incambiable desde
hace más de veinte siglos.
Los institutos de tecnología como el MIT o Carnegie Tech que se han adaptado al
modelo universitario han tendido a priorizar la educación científica sobre la
tecnológica, lo cual ha redundado en una pérdida de la sustancia teórica de la
ingeniería, el diseño. Como se queja el informe Made in America del MIT: " The
retreat of this activities has its origins partly in the wartime experience
itself and especially in the dominant role played by physicists and other
natural scientists in the development of nuclear weapons..But by now the
pendulum has probably swung too far from real-world problem solving, especially
as it relates to industrial production" ( Dertouzos,1989:78-79).
Con todo, es en universidades como CMU que eran hasta hace poco un instituto de
tecnología, con limitada tradición científico-humanística, donde podemos
encontrar ese estilo profesional de pensar, propio de una cultura académica
tecnológica, a los que están subordinadas formas de pensar
científico-humanísticas fundamentales de la cultura occidental. Y es en este
tipo de instituciones, como CMU, donde más se ha avanzado en transformar su
propio campus en una "computer culture" donde se presiona a los profesores a
transformar su conocimiento de la búsqueda de la verdad a la construcción de un
programa informático que funcione.
Esta cultura tecnológica ha sufrido cambios importantes. En los años 30s, en
plena Depresión, el modelo de "professional education" iniciado por Andrew
Carnegie fue modificado con el llamado Plan Doherty (1936-1950). Este plan
introdujo dos modificaciones educativas principales, 1. la introducción del
problem solving como "engineering method" . 2. la " humanistic-social stem" o
nuevo tipo de formación humanística para los ingenieros, doble cambio que puso a
Carnegie Tech a la vanguardia de la educación tecnológica en este país.

3. "THE CARNEGIE PLAN OF PROFESSIONAL EDUCATION".
3.1. LA "HUMANISTIC-SOCIAL STEM": "THE LIBERAL CULTURE" EN UN INSTITUTO
TECNOLOGICO.
La Depresión económica de los años 30s significó el fin de la Progressive Era,
del liberalismo económico, y de la autosuficiencia de la educación meramente
técnica del ingeniero profesional. La invención de nuevos artefactos no
garantizaba por sí sola la prosperidad económica. Había que tratar con el factor
humano, crecientememte motivo de conflicto. Franklin D. Roosvelt iniciaba el New
Deal. Se abría la era del "manager", del "planning", del ingeniero convertido en
director de empresa y del planificador social (Hughes,1989: 335).
Es la época del Hawthorne project de Elton Mayo sobre las actitudes y la
productividad de los trabajadores en la Western Electric Company, del Tennesse
Valley Project de Lewis Munford, como experimento piloto de planificación
regional, en suma de las "human relations"como nuevo tipo de "engineering
problem".
En Carnegie Tech esta era estuvo dominada por el "Carnegie Plan of Professional
Education"iniciado por el Presidente Doherty en 1936 y que constituyó una
reforma de la educación ingeniera que sirvió de modelo para el resto de escuelas
de ingeniería del país. Esta etapa culminó con la fundación de la Graduate
School of Industrial Administration en 1949, auspiciada por el Provost Elliot D.
Smith, y financiada por William Larimer Mellon, presidente de la Gulf Oil
Company.
Herb Simon, uno de sus fundadores, experto en teoría de la organización, que
había dirigido varios estudios sobre administración municipal ve así las
aportaciones de este periodo: "Carnegie had pioneered in two important movements
in engineering education: providing a substantial liberal arts component within
the engineering curriculum, and shifting emphasis from teaching subject matter
to teaching problem-solving skills" (Models of My Life:264).
Estas dos innovaciones van a tener consecuencias en la formación , años más
tarde, de una específica "computer culture" de CMU, donde, a diferencia de otras
universidades o institutos tecnológicos como el MIT, esta cultura se inició, al
menos en su 50%, por científicos sociales como Herb Simon que llegó a Carnegie
Tech en 1949 para formar esa escuela de managers. Por otra parte, la "computer
culture" de CMU hará suya la "problem solving mentality" ingeniera, asentada en

Carnegie Tech como un estilo de pensar propio de una escuela de formación
profesional, tratando de convertirla en un "human problem solving" o un tipo de
mentalidad no sólo ya del profesional sino del conjunto de disciplinas
académicas.
El Carnegie Plan of Education fue el marco en el que se realizaron estas
innovaciones. Este plan tuvos dos etapas distintas, separadas por la II Guerra
Mundial.
En su primera etapa fue inicado como un simple plan de reforma de la educación
ingeniera, por el entonces Presidente Robert E. Doherty (1936-1950), ingeniero
eléctrico en el laboratorio industrial de la General Electric durante 20 años ,
y decano de la Escuela de Ingeniería de Yale University de 1931 a 1936. Fue el
denominado "Social Relations Program".
Su "proposal" sometida a la Maurice and Laura Falk Foundation en 1937 para
obtener fondos para este programa lo justificaba así: "This country needs more
professional men who can grapple inteligently with intricate social problems.
Technology with all its blessings yet subverts traditional habits and attitudes
of mind; narrow specialists multiply endlessly...Engineers who understand
technology, must give more thoughts to consequences. They, in common with
lawyers, economists and other responsible professional people, must consider a
new kind of educational preparation for their oncoming generations..." (Cleeton,
1965. :99).
En el libro "The Development of Professional Education, The Principles which
have guided the Reconstruction of Education at Carnegie Institute of Technology
as Stated by Its President", editado en 1950, y que recoge una selección de
artículos desde 1936, podemos encontrar en el primero de ellos los tres cambios
fundamentales propuso en el curriculum de la School of Engineering and Sciences:
"First, a new philosophy and new outlook which will comprehend the human and
social as well as the technical. Second, the development in all professional men
of genuine competence in the professional way of thought,--a way of thought
which embodies an analytical and creative power that is as effective in the
human and social realm as that developed in engineering in the application of
the physical sciences....Third, the development of the ability to learn from
experience so that in the unfolding future they can continue to expand their
fundamental knowledge, deepen their understanding, and imporve their power as

professional men and women and as leading citizens". (1950:2-3).
El primer objetivo se concretó en una revisión del curriculum de la escuela de
ingeniería introduciendo el "Social Relations Program"(1938), y estableciendo
una cuarta parte del tiempo para estudios de humanidades y ciencias sociales.
Este programa consistía en un conjunto de asignaturas de humanidades y ciencias
sociales, como inglés, historia, economía, sicología industrial ("human
relations in industry") literatura y arte, que dieran una visión más amplia al
estudiante de ingeniería. El nombre del experimento se denominó: "Carnegie Plan
of Professional Education in Engineering and Science". Como reconoce Glen
Cleeton, esta reforma estaba inspirada por pensadores sociales de la tecnología
de entonces como Lewis Munford, Charles Beard, J.D. Bernal, Elton Mayo y John
Dewey. Una idea común de toda esta reforma era de "education for social
responsability" (Doherty, 1950:13).
Se estableció la Maurice Falk Professorship of Social Relations ocupada por el
economista Willard Hotchkiss. Y en 1941 se creó una División of Humanistic and
Social Studies. Este programa era el más amplio existente en Estados Unidos para
escuelas de ingeniería. Sólo a mediados de los 50s, el MIT comenzó una revisión
del curriculum similar a la realizada cerca de 20 años antes por Carnegie Tech.
Este rasgo tendrá más tarde repercusiones en la influencia de científicos
sociales en el establecimiento de la "computer science" , y en particular, de la
Inteligencia Artificial, en CMU, aventajando en este campo al M.I.T. y a
Stanford.
Por primera vez desde su fundación, Carnegie Tech reconocía dos bandas o "stems"
de estudio: "the technological and the social" (Cleeton:95). La creación de la
Division of Humanistic and Social Studies favorecía que materias como la
Historia, el Inglés o la Economía pasasen de ser meros "servicios" de la
educación ingeniera a fines en sí mismos.
Este cambio, origen de la idea de "liberal-professional eduction" iniciará en
Carnegie Tech un conflicto que aún pervive. Un reflejo de ella es la división
por ejemplo de la Inteligencia Artificial en dos areas una en Computer Science y
otra en el College of Humanities and Social Sciences. No obstante, la idea
inicial del Carnegie Plan sólo habla de "professional education".
3.2. "THE PROFESSIONAL STYLE OF THOUGHT".
La Segunda Guerra Mundial abrió una segunda etapa al Carnegie Plan, donde los

cientifícos sociales adquirieron más relevancia, en especial los economistas.
Por primera vez en la historia de Carnegie Tech se elegía para el cargo de
Provost a un abogado de profesión, Elliott Dunlap Smith (1945-58), hombre con
larga experiencia en empresa y profesor de Social Relations en Yale. Su papel
fue clave en la definición de la segunda etapa del Carnegie Plan, que coincidió
con la construcción de la escuela que iba a encarnar parcialmente estos ideales:
la Graduate School of Industrial Administration , fundada en 1949.
Discípulo de John Dewey, filósofo y educador pragmatista norteamericano,
introdujo en la cultura académica de Carnegie Tech la idea que el "problem
solving" podía proveer un lenguaje común tanto para el historiador como para el
ingeniero, esta idea condujo a una particular forma de entender la
interdisciplinariedad en Carnegie Tech.
Hasta entonces, el "problem solving" se había entendido como el "engineering
method". Elliot D.Smith tratará de convertirlo en el estilo de pensar del
profesional, y más en concreto del manager empresarial, tipo humano a formar en
la Graduate School of Industrial Administration de Carnegie Tech.
En el artículo "Professional Discipline Versus General Education as a
Preparation for Citizenship and Cultivated Living" (1948), Smith expresaba su
filosofía particular: "If our country’s most disciplined thinkers --its
professional men-- to devote their moral energies and intellectual powers to
solving the problems of our perilously free society, education must more
effectively prepare them for civic responsability that it has in the
past...Hence proper humanistic and social, as well as technicial, instruction is
professional in fact, and can be made interrelated aspects of a common
professional education...The solving of problems in machine design, in
economics, or in English composition all involve a fundamental unity of
approach, each contributes a special influence to developing well-rounded
analytical and creative power". (1948:2).
Ya en 1946, en la colección denominada Carnegie Institute of Technology:
Educational Papers, que resumía los trabajos en torno a la revisión del Carnegie
Plan, Elliot D. Smith en su artículo "Professional Education in a Free Society"
apuntaba la relación instrumental ("tool relationship") entre conocimientos que
se había empezado a desarrollar en diversas areas en la institución.
" Last year Carnegie Institute of Technology set out to integrate the apparently
dispersed and separate courses in its program of general education by examining

each course in that program to see how far it could be useful in learning
subsequent courses and also to see how far it could carry forward prior learning
by using what was previous taught. Although it was hard, difficult work, the
reward was atonishing great, for as we proceeded it became more and more clear
that courses widely differing in field can be effectively brought together, not
in surface particulars but at their roots..." (1946:6). Esta etapa de la
institución es clave para la formación de un rasgo característico de Carnegie
Mellon, y de la School of Computer Science: la interdisciplinariedad o
"collaboration accross boundaries". Pero un cambio radical se producirá en la
generación siguiente. En 1977, Herbert Simon daba una charla en CMU bajo el
título : Liberal Education in A Technological Society" (1977. Focus, April 5).
En ella también se planteaba esta colaboración pero bajo la dirección de la
"liberal education". Justo el proyecto inverso del de Dunlap Smith.
Este intento de Smith tendrá repercusiones importantes, en el propio Herbert
Simon, a la hora de entender los continuos esfuerzos realizados a partir de ese
momento en Carnegie Tech por, extender "el problem solving" como "professional
method" al conjunto de disciplinas. El "human problem solving" (1972) refleja
esta filosofía. Mas tarde, "problem solving" se substituirá por el tema del
"design", tratándolo de hacer una actividad propia no sólo de la ingeniería
(Simon, 1973). De aquí nacera una filosofía del "Putting It All Together", para
encontrar una vía de unificar, integrar y comunicar diversas disciplinas,
especialidades y materias en un campus que se convirtió en la cuna de la
Inteligencia Artificial nueve años más tarde, construyendo una específica
combinación de conocimientos para resolver un problema significativo, el de como
hacer pensar a una máquina.
No obstante, la generación siguiente a la del Carnegie Plan, entendió que esta
unificación se podía hacer bajo el manto de la ciencia, que era posible hacer
una "science of design". En lugar de una "professional education" con una
"liberal education" de complemento, pretendió revertir el modelo hacia una
"liberal-professional education", donde la segunda era un complemento de la
primera.
Inicialemente la vía seguida por Dunlap Smith fue, en lugar de analizar
conocimiento por conocimiento por separado , ponerlos en una relación
instrumental entre sí con el objeto de resolver determinado problema
significativo: "It is essential...not to teach even the fundamentals as ends in

themselves but to teach them as means of solving significant problems. For
general as well as specialized education becomes cultural only when it becomes
useful as a means of enlightening further learning. " ( 1946:5).
Así la Historia de la Civilización Occidental podía ser enseñada no tanto como
un "fin en sí mismo" sino como medio de enseñar a los estudiantes los orígenes y
el desarrollo de instituciones sociales con las que los estudiantes iban a
tratar de forma distinta en economía. O las matemática y la ciencia "can be
taught as basic tools avalaible for all technical learning".
La conclusión a la que llegaron fue que " the most important and most general
interrelation between fields of learning, however, was found to lie in the fact
that a basic form of scholarly thought is common to all. After much study a
committee representing scientists, historians, mathematicians, English scholars
came to unanimous agreement as to what were the essential elements of
well-ordered problem solving". (1946:7).
Colocando al estudiante ante problemas de la vida real a resolver, se trataba de
provocar en él el deseo de diseñar algún plan o planes que sirvieran de guías
para su solución, en lugar de lanzarse a ciegas. Este plan consistía en el
diseño de los medios necesarios para conseguir los fines propuestos y la serie
ordenada de pasos a seguir para lograrlo. Esta era un "style of thought"
planteado tanto para los cursos profesionales (ingeniería) como para los
generales (humanidades).
"If professional skill, by being freed from professional boundaries, is made
available for the understanding of human and social problems and if in addition
the student becomes accustomed to using that skill in his thingking about human
and social relations whatever thereafter increases his capacity in his
profession will increase his stature as a person and his value as a citizen".
(1946:8).
El problem-solving era para Elliot Smith pues el punto de unión de la educación
especializada y la educación general, el tipo de pensamiento capaz de preparar a
los estudiantes para progresar en una sociedad en continuo y acelerado cambio: "
A free society can exist only if its citizens can think well for themselves in
solving its problems" (1946:11).
"Problem-solving" era pues para Smith el conocimiento básico de la "professional
education in a free society", el núcleo del Carnegie Plan of Professional
Education. Pero esta fue su lectura de dicho plan. Pero las tendencias

dominantes no la confirmarían.
Este momento de la historia de Carnegie Mellon no ha sido aún valorado con
suficiente relevancia. El que por primera vez especialistas de materias tan
distintas como la historia o las matemáticas puedan acordar un tipo de
metodología común de enseñanza en torno al "problem-solving", y decidan acordar
un interés en esta "basic form of scholarly thought", puede significar el punto
de partida de la lo que podríamos denominar el "core knowledge" de una cultura
tecnologíca o tecnocultura.
3.3. LA GRADUATE SCHOOL OF INDUSTRIAL ADMINISTRATION : DOS CULTURAS
ACADEMICAS EN CONFLICTO.
El test del Carnegie Plan fue la Graduate School of Industrial Administration.
Elliot D. Smith fue su promotor principal. Iba a ser la escuela donde se
produciría la síntesis entre la educación ingeniera , científica y la
humanístico-social, bajo la metodología del "problem solving".
En 1948, el Carnegie Institute of Technology recibió una donación de 6 millones
de dólares de William Larimer Mellon, fundador de la Gulf Oil Company e hijo del
banquero Thomas Mellon, que inició la dinastía de una de las familias
económicamente más poderosas de Estados Unidos. Según relata Herb Simon en su
autobiografía, este empresario había llegado a la conclusión que las empresas
modernas de alta tecnología necesitaban altos ejecutivos que fueran a la vez
expertos en management y entendidos en ciencia y tecnología. ( Models of My
Life.1991:136). El provost Smith le presentó su programa de "industrial
management" como base de lo que podría ser el centro y consiguió los fondos del
empresario.
En su fundación, el Presidente Doherty afirmaba : "The new School will aim to
produce men who have the fundamental qualifications for professional growth to
leadership in the field of industrial administration and who will be active,
intelligent citizens". (Cleeton: 88).
Pero al poco tiempo de su fundación se presentó un conflicto en la GSIA entre
dos tipos de culturas académicas distintas: la cultura tecnológica y la
"liberal-arts culture". Herbert Simon en su autobiografía denomina a este
conflicto "la crisis de 1951", y a efectos de este estudio es muy significativa.
La GSIA fue creada inicialmente dentro de una "problem solving mentality". Así
era vista por la revista Business Week, el 17 de septiembre de 1949: "Next

week...Pittsburgh’s Carnegie Institute of Technology will begin an experiment
aimend at turning out young, experienced executives...This means that the
student will learn chiefly by solving a series of planned problems in the
professional manner. That is, he must accurately define a problem after it has
been presented to him in general form. He must then look for and organize data
and information, and plan a way to solve the problem, test the solution, and
make a generalization, about what he has learned in doing it. By thus working
out the whole thing on his own hook, Carnegie believes a student learns best by
hard, down-to-earth experience".
El punto de partida de la GSIA tenía como recuerda Simon (Models of My Life,
1991:138) una doble herencia: 1. El curriculum sobre "industrial management"
(lease "industrial engineering") elaborado por Elliot Smith, y 2. El equipo de
economistas del departamento de Economía de la División de Humanities y Social
Sciences, dirigido por Lee Bach, nombrado a su vez decano de la nueva GSIA. La
crisis citada nacerá de la diferencia entre fines y propósitos de ambas
herencias.
Como relata Simon, a excepción de Elliot Smith que había sido jefe de personal
para la Dennison Manufacturing Co., ninguno de los restantes fundadores de la
escuela tenían experiencia en el mundo de la empresa o del management. Bill
Cooper, Lee Bach y Herb Simon eran ,según este último: "social scientists". (
Models:138).
Ambos tres provenían de la "liberal arts culture", en concreto de la Universidad
de Chicago, pero, en palabras del propio Simon, conscientes de estar en el marco
de una cultura distinta, una cultura académica tecnológica, habían aceptado "the
premises of the other culture" (Models:159).
Su estrategia era transformar el vocacionalismo de la "business education"
norteamericana, dominado por la Harvard Business School, en un "science-based
professionalism, as medicine and engineering had been transformed a generation
or two earlier" (Models:139). Este cambio consistía en un nuevo método de
trabajo, la sustitución del "case study" propio de Harvard por métodos
cuantitativos y formalizados: más en concreto, "the use of quantitative tools
for managerial problem solving and decision making", herramientas como la
llamada programación lineal o la investigación operativa.
Esta estrategia es muy significativa pues explica la línea inicial de trabajo de
Herb Simon en CMU durante 40 años : tratar de transformar al "professional", de

un mero artesano o "craftman" en un profesional científico. A cambio, el
científico se transformaba en un diseñador, en un "problem solver".
El conflicto de 1951 en el GSIA estuvo, según la versión de Simon, ocasionado
por las resistencias de los profesores de economía de cambiar su investigación
en una dirección de interés para una escuela de negocios. (Models:143).
Problemas surgidos de esta relación fueron: la decantación de estos profesores
por las técnicas abstractas matemáticas, a veces con mayor énfasis en la
matemática más que en sus aplicaciones para el management, la oposición entre
la"ciencia pura"de la economía y las aplicaciones en el "real-world" propias de
una escuela empresarial, y, por último, la oposición entre las teorías de la
racionalidad neoclásica y las del "decision making", estas últimas adoptadas por
Simon.( Models:146-47)
Lo interesante de este conflicto es que es visto claramente por uno de sus
principales participantes como un conflicto de culturas académicas distintas:
"So part of what we were seeing, in the tension within GSIA, was a conflict
between two academic cultures that had different definitions of the academic
role and of academic freedom" ( Models:159). Estas distintas culturas no eran
otras que las del un "institute of technology" y las de la "liberal-arts
tradition". El triunfo de la segunda cultura sobre la primera responde al giro
científico de la cultura tecnológica norteamericana en los últimos 30 años, y
este giro transformara este instituto tecnológico en una "university" en 1967.
Este conflicto no es distinto al que dió nacimiento a la propia Carnegie
Technical Schools con Andrew Carnegie. Pero en inicialemente esta institución
nació separándose de la "liberal education". Ahora el proceso se invertía.
El conflicto se resolvió con la victoria en los años 60s de los "economists
faculty" y la derrota de los "problem solvers". Así explica Simon el final de la
crisis: "By the early 1960s, the Golden Age of organization theory and the
behavioral theory of the firm had ended at Carnegie Institute of
Technology...GSIA became dominated by research on sophisticated mathematical
techniques in operations research and economics and by neoclassical economic
theory. The economists’ aborted revolution of 1951 achieved a large measure of
success in the 1960s" (Models:164).
Paradójicamente, lo que empezó siendo la institución destinada a encarnar los
principios de una "professional education", base de la cultura tecnológica,
acabó por adaptando patrones de la ciencia social por antonomasia, la economía

política.
Este fenómeno no es nuevo. Simon en su libro "The Sciences of the Artificial"
detectó esta tendencia general de absorcion de las escuelas profesionales en la
"general culture of the university" (1981:130). En los años 30s, ya había
ocurrido con las escuelas de ingeniería como el MIT, donde la reforma de Karl
Taylor Compton, profesor de física y presidente de dicho instituto, se había
basado en aumentar la enseñanza de las ciencias naturales. "Engineering schools
have become schools of physics and mathematics; medical schools have become
schools of biological science; business schools have become schools of finite
mathematics" (ibid:130).
Sin embargo, Simon no advierte una tendencia que contrarresta la anterior y de
la que él mismo, como representante de toda una generacioón de científicos
norteamericanos: la tendencia a la transformación de las disciplinas científicas
y humanísticas en disciplinas tecnológicas, basadas en el diseño, y con fines
estratégico-políticos.
Las décadas inmediatamente posteriores a la II Guerra Mundial , a partir sobre
todo del Projecto Manhattan, en el denominado "Manhattan Engineering District
(Hughes,1989:353), físicos, matemáticos e ingenieros trabajaron al unísono para
fines aplicados, principalmente para la Defensa. Esta actividad se definió como
Investigación y Desarrollo (R&D): la ciencia se aplicaba, no sólo ya para la
industria, sino en todos los fines económicos, militares y políticos de una
sociedad. Se inicia el diseño consciente de cambios culturales. Es la época del
Proyecto Vicos (1955) dirigido por el antropólogo aplicado A. Holmerg de la
Cornell University, un experimento muy debatido pero que marcará un hito en la
ciencia social, al demostrar la posibilidad de un diseño planificado del cambio
social.
En este contexto, nace el Computer Science, como nueva disciplina, gracias,entre
otros, a los trabajos del matemático Von Newmann, colaborador en el Manhattan
Project y partidario de la utilización de la matemática para fines prácticos. En
sus articulos, con Burks y Goldstine sobre "Preliminary Discussion of the
Logical Design of An Electronic Computing Instrument"(1943). Von Newmann,
siguiendo el ejemplo de Turing, inició el diseño lógico de un nuevo tipo de
máquinas denominadas ordenadores. En CMU se le considera, junto con Turing, uno
de los fundadores del Computer Science. Ambos trabajaron para la Defensa durante
la II Guerra Mundial. Y su investigación aplicada no se puede entender al margen

de su caracter estratégico.
4. CMU COMO "RESEARCH UNIVERSITY": "DEL COMPUTER SCIENCE DEPARTMENT"
A LA"COMPUTER INTENSIVE UNIVERSITY".
4.1. CARNEGIE MELLON Y LA "CYBERNETIC REVOLUTION".
El Carnegie Plan introdujo una colaboración conflictiva entre culturas
académicas distintas, la "profesional" y "la liberal-arts culture" en Carnagie
Mellon que dura hasta hoy. Pero estas culturas no han permanecido estáticas,
sino que en su mutuo contacto han cambiado, se han transferido conocimientos
unas a otras, produciendo una paradójica y compleja situación.
Por un lado, tras la II guerra Mundial, ha avanzado la tendencia hacia la
transformación de las antiguas disciplinas tecnológicas, como la ingeniería
("engineering science") y el managment, en materias cada vez más científicas y
formalizadas. Esta tendencia es clave para entender conceptos como el de
"information" de C. Shannon, ingeniero electrico del M.I.T., que tienen una base
tecnológica directa.
A esta evolución influyó el crecimiento durante y sobre todo después de la II
Guerra Mundial, del prestigio de la ciencia en Estados Unidos, sobre todo de la
física. Es la época de Vannevar Bush, asesor científico del Presidente Roosvelt,
y su libro "Science: the Endlless Frontier" (1945). Como recuerda Richard Teare,
decano de la escuela de Engineering and Science de Carnegie Tech en ese tiempo
:"World War Two pushed things in the direction of science and theory, and in a
certain sense, you could say that engineering analysis was pulling back from
theory as an end in itself" (Focus, Feb,5,1980). Esta tendencia hacia la
formación de un teoría ingeniera en sí misma ha sido poco estudiada y es clave
para el desarrollo de una teoría de las tecnoculturas.
Durante la II Guerra Mundial, también avanzó un fenómeno inverso: la progresiva
transformación de la matemática, las ciencias naturales y sociales en Estados
Unidos en áreas con una orientación hacia la "problem solving mentality", hacia
la aplicación, y el diseño de ingenios mecánicos, ligados a objetivos
estratégicos, dentro de una "mission oriented research".
En gran parte la colaboración en el esfuerzo militar de toda una generación de
científicos como Wiener, Von Newman,Turing, favoreció el descubrimiento en sus
trabajos de una "purposeful mentality". La cibernética de Wiener, nacida del

artículo de A. Rosenbluth, N. Wiener y J.Bigelow, " Behavior, Purpose an
Teleology"(1943), la teoría de juegos y la operatios research, el diseño de
máquinas lógicas de Turing, la teoria de la información de Shannon basada en la
ingeniería, la relectura de Simon y Newell de trabajos sobre problem solving, la
obra del sicólogo George P. Miller, junto con E. Galanter y K.H. Pribram, "Plans
and Structure of the Behavior"(1956), que inicia la llamada "revolución
cognitiva", forman parte de una atmósfera cultural de una ciencia dedicada,
sobre todo en Norteamérica, a fines prácticos, a una investigación por
objetivos, planificada y con vistas más a fines políticos o militares que a la
clásica misión de la Academia de descubrir la verdad.
Incluso las ciencias sociales no han escapado a esta tendencia. En la
antropología, durante la II Guerra Mundial, la plana mayor de la disciplina en
Estados Unidos, Mead , Bateson, Gorer, Benedict, Leighton, Kluchhohn, trabajó
para el Departament of War. ( M.Mead. The uses of anthopology in World War II
and after. 1979, Eddy, E. & Partridge, W. 1987.). El experimento Vicos en 1955
marcó esta época.
Para Herbert Simon estos fueron los años, en torno a la II Guerra Mundial, de
formación de una nueva "scientific culture" - "an interlocking network of
scientitsts with a real sense of community, which was almost independent of the
special area in which each worked, and which ignored the diversity of their
backgrounds and training. They came from physics, statistics, economics,
biology, mathematics, engineering, philosophy, and even a few from phychology
and political science" ( Models.1991:107). El tuvo acceso a esta cultura a
través de dos vías: su participación en la" engineering culture" del Illinois
Institute of Technology donde era profesor y de la "econometric culture" de la
Commission Cowles. (ibid: 107).
Segun Simon, la cibernética ("cybernetics") se convirtió en la disciplina
central de esta cultura, entendiendo por ella tres aspectos: la teoría de la
información, la teoría de los sistemas de retroalimentación (feedback) y el
ordenador digital. (1972. Newell &Simon: 878-879).
Pero lo que no dice Simon es que estos tres aportes fueron antes tecnológicos
que científicos, nacieron en centros tecnológicos como los Bells Laboratories
(Shannon), el M.I.T. (Bigelow, Wiener) y la Moore Engineering School (Eckert,
Mauchly). La "Cybernetics Zeitgeist" fue inicialmente una cultura ingeniera
teorizada matemáticamente.

La "mathematical theory of information" de Claude Shannon y Warren Weaver, nació
en los Bell Laboratories, con los trabajos del ingeniero C. Shannon sobre
problemas relacionados con la telegrafía de comunicaciones. Lo que este
ingeniero hizo fue dar una nueva definición de información que la transformó en
un parámetro físico capaz de ser cuantificable. Para ello separó el concepto de
"information" (información) del de "meaning" (significado). Si nos quedamos aquí
advertimos que esa es la operación púramente matemática, para lo que se requiere
simplemente la lógica matemática. Pero Shannon no era un lógico matemático sino
un ingeniero de comunicaciones: "This word information in communication theory
relates not so much to what you do say, as to what you could say. That is,
information is a measure of one’s freedom of choice when one selects a message."
(Shannon &Weaver:1949:8-9).
Por su parte, el centro de la cibernética era la teoría del control basada en el
mecanismo ingeniero del "feedback", o retroalimentación, estudiado en el M.I.T
por el matemático N. Wiener y el ingeniero J. Bigelow para el diseño de
mecanismo de disparo antiaéreo. De hecho el libro de Wiener "Cybernetics" tiene
como subtítulo " control and communication in the animal and the machine".
(1948).
Como explica el propio Wiener en su "Cibernética": "Al estallar el conflicto, el
prestigio de la aviación alemana y el papel defensivo de la inglesa se tradujo
en la atención de muchos científicos por el perfeccionamiento de la artillería
antiaérea. Antes de la ruptura de hostilidades se había evidenciado que, debido
a la rapidez del avión, todos los métodos clásicos de dirección de tiro quedaban
anticuados,...Es de suma importancia disparar el misil, no contra el blanco sino
de modo que misil y blanco coincidan en un determinado momento futuro en el
espacio. Para ello había que encontrar un método para predecir la posición
futura del avión..." (1985:27).
A través del estudio del comportamiento del artillero, el soldado acoplado al
sistema de control de tiro, que luego inspirará el propio nombre de la
disciplina ("cibernética", del griego,kibernetes, el timonel, el que controla el
barco), Wiener y Bigelow llegaron al descubrimiento de la actividad voluntaria
humana ("Behavior,Purpose and Teleology." 1943), y de ella, por un símil a lo
que los ingenieros de control denominaban mecanismo de "feedback": " Bigelow y
yo llegamos a la conclusión de que un factor sumamente importante en la
actividad voluntaria es lo que los ingenieros de control denominan feedback

...Cuando deseamos que un movimiento siga un patrón determinado, la diferencia
entre este patrón y el movimiento realmente efectuado se utiliza como nuevo
impulso para que la parte regulada se mueva de tal modo que su movimiento se
aproxime más al previsto por el patrón". (1985 :29). La cibernética tratará con
este mecanismo mecanico-eléctrico de en palabras de Wiener: "suplantar una
función específicamente humana...la predicción del futuro". (ibid.:29).
Finalmente el primer ordenador digital, el ENIAC, inventado en 1944, por el
físico John M. Mauchl y por el ingeniero electrónico John Presper Eckert en la
Moore School of Electrical Engineering de la Universidad de Pennsylvania, y bajo
contrato del Army Ordonance Department, fue un producto de una investigación con
fines militares (Stern, 1981). Su primera utilidad fuera el realizar complejos
cálculos. Pero pronto se empezó a considerarlo un "general-purpose instrument",
una máquina programable para cualquier propósito (Von Neumann).
El nacimiento del Computer Science como nuevo tipo de disciplina fue el
resultado final de esta tendencia, en la que el matemático Von Neumann, jugo un
papel destacado. El computer scientist nació , ante todo, como un programador de
sistemas artificiales. Pero en cierta forma en un momento ulterior del esfuerzo
bélico, en el que la ciencia tendería a separarse de la tutela de la ingeniería.
Y convertir lo que habían nacido como teorías ingenieras ("information",
"control") en teorías científicas. Es el paso del "computer" (Mauchly, Eckert)
al "computer science" (Von Neumann).
La "computer culture" en CMU participa de ambas tendencias. Por un lado, al
estar dependiendo de la Defensa, ha de mantener una orientación ingeniera o
"mission oriented". Pero por otro lado, se desarrolla en un periodo (años
50s-60s) donde una vez finalizada la II Guerra Mundial, los científicos tomarán
protagonismo sobre los ingenieros y se establecerá el sistema Science and
Technology, tendencia que finalmente dará a los matemáticos y lógicos predominio
en la nueva disciplina de la Computer Science, que nació de una mera tecnología
con fines militares.
En CMU confluye un tipo de investigación por objetivos, tecnológicamente
innovadora, interdisciplinar y estratégica es el que está en la base de la
"computer culture" de CMU. Ello vienen reforzado por la cultura ingeniera de
esta institución. Pero, al mismo tiempo, CMU va a convertirse tras la II Guerra
Mundial en una universidad, siendo presionada para adquirir la cultura de la
misma a la que antes se refería Herbert Simon, uno de los principales promotores

de la misma en esta institución.
En Computer Science se condensa esta doble cultura contradictoria que se ha
generado en Estados Unidos en estos ultimos 30s años. Es una ciencia de una
tecnología, construida después de inventada ésta, pero que pretende liderar su
desarrollo, y competir en el universo de las otras ciencias.
Dado que la "computer science" es quizá una disciplina directamente afectada por
intereses estratégicos, el empleo de científicos a gran escala para la
investigación aplicada que se inició en la II Guerra Mundial ha podido pervivir
durante los 45 años de la Guerra Fría en áreas como la Computer Sciencie, dando
lugar a un fenómeno inusual: lo que fue en otras disciplinas, como las ciencias
sociales un fenómeno temporal, la transformación del científico en un "problem
solver" o en un "ingeniero social", en el ordenador se ha consagrado como una
especialidad nueva: el "científico del diseño" o "computer scientist", un
científico que a su vez es ingeniero, de forma permanente.
Finalizada la Guerra Fría este matrimonio anómalo puede disolverse en sus
componentes iniciales: matemáticas e ingeniería.
Durante los pasados 40 años la libertad del científico que se dedicaba a
computer science era ilimitada con tal que produjera resultados, sin importar si
su trabajo se ajustaba o no a los patrones de la Academia. No era ante ésta ante
la que tenía que responder sino ante agencias como DARPA, que a su vez gozaban
de una gran libertad de asignación de recursos.
Carnegie Tech participó de ambas tendencias: la Computer Science la iniciaron en
1955-56 científicos interesados en el ordenador como Herb Simon, Allen Newell y
Alan Perlis, reunidos en torno a un ordenador IBM 650 en el Computation Center
situado en la Graduate School of Industrial Administration.
La transformacion de Carnegie Tech de una escuela de educación de ingenieros a
una universidad fundamentalmente de investigación se inicia en torno a la
investigación en esa área, denominada por unos "information processing" y por
otros "computer science".
En 25 años, Carnegie Tech se ha convertido en una "research university", gracias
principalmente a esa investigación en informática.
Este proceso de focalización de la investigación en esta disciplina se explica
por dos factores: 1. La enorme competencia entre las universidades
norteamericanas de investigación a la hora de querer destacar en algún área. Si

se quiere una investigación de excelencia, se ha de ser excelente y como no se
puede ser el mejor en todas las áreas hay que seleccionar alguna, en este caso,
se ha elegido durante esta época a computer science. 2. El ser excelente es lo
que permite atraer fondos para la investigación. Y el computer science es un
área que durante las últimas décadas permitía obtener esos fondos. Máxime cuando
la investigación en las universidades norteamericanas está financiada en su gran
mayoría por los presupuestos del Estado. Y los fondos para investigación de esos
presupuestos del Estado los controlan principalmente tres agencias el Department
of Defense (DoD), la National Science Foundation (NSF) y los National Institutes
of Health (NIH).
La investigación informática ha generado, y genera, una sustancial parte de los
fondos de los que vive CMU. El mecanismo específico que existe en la "research
university" norteamericana para transferir fondos de la investigación a los
gastos generales de la institución se llama : el "overhead" o gastos indirectos.
Este es un porcentaje que, en esta universidad es del 58%, se queda la
institución para pagar sus gastos generales y que carga a los ingresos por
investigación generados por sus profesores o personal investigador. Así si un
equipo consigue un proyecto cuyos gastos directos (salarios, viajes,...) valen 1
millón de dólares, el costo final sera de 1 millón que se queda el equipo
investigador más 580.000 dólares que se queda la universidad y que van a parar a
parte de su presupuesto o E&GO ("Educational and General Operating Budget").
Para entender la importancia de la investigación informática en CMU es
conveniente analizar brevemente el presupuesto de una institución que, como la
universidad privada ,vive principalmente de la investigación y de las matrículas
de sus estudiantes.
El 25 de mayo de 1991 el nuevo President Mehrabian explicaba la situación
financiera de la institución : CMU ingresará en 1991 una cifra global de 291
millones de dólares. De este ingreso, el presupuesto que la universidad
realmente controla (el E&GO) será algo menos de la mitad: 140,7 millones. Del
resto hasta los 291 millones la mayor parte son ingresos por investigación, 99
millones al año, ingresos que van a pagar gastos directos de la misma y que la
universidad no controla. Lo que si hace la universidad es cargar a esta cifra un
plus del 58% (27 millones) que van a parar a su E&GO, con lo que éste queda
equilibrado. En resumen, los ingresos por investigación que llegarán a CMU en
1991 serán de 126 millones ( 99+27), mientras que los ingresos por matrículas de

estudiantes sólo alcanzaran 91,5 millones.
La investigación informática cubre una gran parte de esos 126 millones de
ingresos por "research", el 40% apróximadamente.
La subida de la investigación en la década de los 80s fue del 300%, pasando de
23,5 millones de dólares en 1978 a 96,3 en 1987. Por el contrario, los
estudiantes de grado aumentaron sólo el 10% y los graduados el 77%.
En 1989, el presupuesto total de investigación de CMU fue de 120 millones de
dólares. De éstos, la mitad, 60 millones, fueron generados tan sólo por dos
centros de CMU : la School of Computer Science (39,249,000) y el Software
Engineering Institute (20,900,000). (CMU Facts 1990:64). El tercer gran centro
generador de fondos es la escuela de ingeniería, el Carnegie Institute of
Technology que obtuvo 22,800,000 dólares ese mismo año. Su departamento más
grande es el Electrical and Computing Engineering.
Las previsiones hasta el año 2000 indican que , mientras los ingresos por
estudiantes permaneceran al mismo nivel, sera la investigación esponsorizada el
área que seguirá subiendo entre un 20% y un 190%, y con ella el personal de
investigación y las categorías técnico-administrativas, mientras que la
plantilla de profesorado permanecerá estancada.
Hasta la II Guerra Mundial, Carnegie Tech. era principalmente una institucieon
para la educación de ingenieros. Pero en los años 50s, esta dirección cambió,
transformando a esta institución de un instituto de enseñanza en una universidad
de investigación.
El Presidente John C. Warner (1950-1965), fue un presidente que decididamente
apostó por convertir a Carnegie Tech en una institución de investigación. A éste
le siguieron otros dos presidentes que profundizaron esta orientación: H.
Guyford Stever (1965-1972), que fusionó Carnegie Tech con el Mellon Institute
para formar Carnegie Mellon University, y Richard Cyert (1972-1990), bajo cuya
presidencia, y con la colaboración del Provost Angel Jordan, esta universidad se
convirtió en uno de los principales centros de investigación informáticos de
Estados Unidos y del mundo.
No obstante, esta orientación hacia la investigación hay que entenderla según el
patron cultural de una institución norteamericana marcadamente tecnológica.
La investigación, y dentro de ella, la informática como área principal, ha
tenido un carácter inicialmente aplicado, como veremos en el siguiente capítulo
al analizar los objetivos del Computer Science Department. Es una investigación

financiada en mayor medida por fondos de la Defensa, lo cual no significa que
tenga aplicaciones militares directas, pero sí que va orientada a objetivos
("goal oriented"), y ésto le imprime un carácter distinto a la investigación
científica clásica como la financiada por la National Science Foundation, o los
National Institutes of Health, más en la línea de la investigación básica al
modo tradicional.
Los profesores que trabajan en Computer Science en CMU provengan de la
matemática, física, sicología, linguística , sociología o ética, todos ellos
acaban haciendo programas de software , hasta el punto que el College of
Humanities and Social Sciences, en particular su Psychology Deparment y su
Phylosophy Department, es un centro importante de producción de software en el
campus.
La "problem solving mentality" durante los años 60s y 70s fue en gran medida
revitalizada por el Computer Science y personas como Allen Newell y Herb Simon
desde el College of Humanities and Social Sciences. Finalmente, la tarea de
convertir el diseño en un "core curriculum" recayó en el Center for Design of
Educational Computing, dirigido por Preston Covey, profesor de ética aplicada.
Por otra parte, Carnegie Mellon no ha sido ajena a la tendencia antes descrita
de "absorción en la cultura general universitaria", lo que significa absorción
en la "liberal-arts culture". El periodo de la "research university" ha
significado la entrada de CMU en el ranking de las universidades de élite
norteamericanas, grupo liderado por el selecto grupo de las "Ivy League" :
Harvard, Yale, Princeton, Cornell, Darmouth, Pennsylvania, Brown, donde se forma
tradicionalmente la clase dirigente de Estados Unidos. En 1988 las tres primeras
competidoras de CMU para captar estudiantes eran Cornell, el MIT y la University
of Pennsylvania. (D. Scott.Search for Presid. 1989:19). CMU forma parte
irreversiblemente del mundo universitario norteamericano.
Este mundo universitario a finales de los 60s y principios de los 70s se fue
democratizando a consecuencia de las denominadas "students troubles". (Simon.
Models, 1991:279).
Este fenómeno conllevo una creciente oleada de críticas sobre la tecnología y el
papel de los tecnólogos. Como confiesa un ingeniero de CIT, en los años 70s ser
ingeniero estaba "mal visto en la universidad norteamericana". Esta oleada
coincidió con la publicación del informe de Domela Meadows del MIT "Los límites
del crecimiento", documento básico del ecologismo y alimento de una corriente

internacional sensibilizada sobre temas como el deterioro del medio ambiente, la
seguridad y la paz internacional, y el respeto por todas las culturas, lo que en
Estados Unidos se engloba en el respeto a los derechos de las minorías o
"minorities" (african-american, women, gays,...).
Lo paradójico es que en Carnegie Mellon estas tendencias, dada la influencia del
proceso liberalizador del Carnegie Plan, encuentran apoyo en el campus tanto en
departamentos de la escuela de ingeniería y como en los de Humanities and Social
Sciences, su tradicional hogar.
Expresión del movimiento hacia la toma de conciencia de la responsabilidad
social del ingeniero y los temas relacionados con la ecología, el pacifismo y el
control políticos de los efectos de la tecnología es la formación , en 1970, del
departamento de Engineering and Public Policy, dirigido en los últimos años por
Granger Morgan, uno de los más influyentes en la escuela. Sus principales áreas
de investigación en 1990 eran: "Energía y Sistemas Medioambientales", "Política
de Telecomunicaciones", "Análisis de Riesgo", o estudio de los efectos nocivos
de la tecnología en determinados trabajos, "Control de Armamentos y Política de
Defensa", y "Manufacturas y Política Industrial".
Por su parte, el movimiento hacia una mayor formalización científica de la
clásica actividad ingeniera de diseño tiene lugar en el Engineering Design
Research Center, centro financiado por la National Science Foundation, uno de
los principales centros para la investigación del diseño en U.S.A, se ha marcado
un clara orientación destinada a convertir el diseño en una ciencia. Sus
objetivos principales son: 1."Desarrollar nuevas metodologías de diseño que
constituyan el terreno de la ciencia del diseño". 2. " Incorporar nuevas
metodologías de diseño en herramientas informáticas que faciliten el uso , el
aceso , la transferencia y la modificación de la información de diseño a lo
largo de todo el ciclo del desarrollo del producto". 3. "Desarrollar un medio
ambiente que permita el trabajo conjunto de equipos de diseñadores dispersos por
todo el mundo." (EDRC, 1991-92: 2).
En resumen, formalizar los principios y la metodología de diseño, sacándolo de
una actividad artesana, y transformándolo en ciencia, al objeto de aumentar la
productividad industrial.
A su vez, la GSIA, que empezó como una escuela de "industrial management", se ha
ido transformando con el tiempo en una escuela con profesores de prestigio
mundial en "accounting" (contabilidad) y economía como Yuji Ijiri. Entre 1962 y

1972 fue dirigida por Richard Cyert, y con una clara orientación hacia la
ciencia económica neoclásica y los métodos matemáticos. Aunque ahora está en un
proceso de profundo cambio.
4.2. EL DEPARTAMENTO DE COMPUTER SCIENCE DE CARNEGIE TECH: "THE ARPA
ARTIFICIAL INTELLIGENCE LABORATORY".
Esta tendencia de Carnegie Tech a integrar los patrones de la cultura
tradicional universitaria, la "liberal-arts culture", fue a mediados de los 50s,
contrarrestada por un nuevo fenómeno que reforzó valores propios de la educación
tecnológica, la "professional education" : la irrupción del ordenador y de la
"computer science", una nueva disciplina en la que se mezclaban matemática
aplicada, ingeniería electrónica, y teorías de la sicología del "problem
solving". Todo ello unido a una casi exclusiva conexion de esta investigación
con el Departamento de Defensa, y su agencia de proyectos avanzados. (ARPA)
La irrupción del computer en Carnegie Tech fue visto como una innovación
cultural. Art Evans, uno de los primeros participantes de este nuevo campo en
Carnegie Tech, recuerda así estos años fundacionales: "This was all new. It was
all new. We were inventing the things, discovering all the things which are now
part of the culture. We were inventing the culture".(. CMU-SCS.25 Aniv.:49).
El departamento de Computer Science en Carnegie Tech se formó con unas
características particulares respecto a lo que era entonces la institución:
1. A diferencia de otros departamentos del instituto más centrados en la
enseñanza, este nació con una tendencia claramente hacia la investigación. Sus
fundadores provenían de dos lineas de investigación distintas: la línea del
"complex information processing" de Newell y Simon, y la línea de "programming
languages" de Perlis.
Una tercera línea de investigación provino de la escuela de ingeniería: el
diseño de "computer systems" y la desarrollaron Gordon Bell y Newell. Otra línea
de investigación sobre semiconductores, iniciada entre otros por Angel Jordan, y
que tenía posibilidades directas de entroncarse con la naciente industria de los
transistores, no fue considerada en el Departamento. Esta concentracieon en
áreas de computer science desconectadas de la industria influirá en la futura
ausencia de una industria informática en Pittsburgh, a diferencia de Stanford o
MIT, y constituye uno de sus puntos débiles de Carnegie Mellon una vez
finalizada la Guerra Fría.

En 1971, con J. Traub, se iniciará una cuarta área de investigación, la
"Theory", que no tomará cuerpo hasta 1981 con Merrick Furst.
2. La investigación que se acordó poner en marcha como prioritaria fue en torno
a una disciplina denominada "the science of information processing", con lo cual
este departamento se tendería a adscribir al College of Science, y no al de
Engineering.
3. La investigación se orientaba, inicialemente de forma exclusiva hacia el
"software", desde un enfoque particular que denominaba "pragmatic approach",
dándole preferencia sobre el enfoque denominado "formal".
4. La investigación en "information processing" se planteaba en Carnegie Tech
unida por fuertes lazos interdisciplinares tanto con las "behavioral and
management sciences" como con las "natural sciences". El departamento se veía
como un "open center" abierto al conjunto del campus, inventando la figura del
"joint faculty", o profesor en dos departamentos simultáneamente.
5. La investigación se financiaba de forma exclusiva gracias a un contrato
iniciado con la Advanced Research Projects Agency del Departamento de Defensa,
que en 1965-66 ascendía a 992.000 dólares. Esta dependencia casi total de la
investigación del Department of Computer Science de CMU respecto a intereses
estratégicos de la defensa nacional, y la débil relación con la industria
informática, será una característica propia de esta comunidad, y que la
diferencia de otros departamentos como los del MIT o Stanford donde las
relaciones son más diversificadas. Las razones pueden encontrarse en que en el
momento de formación de ese departamento la industria local de Pittsburgh, el
acero, estaba declinando, y hasta los años 80s no se ha empezado a generar una
industria local informática, basada sobre todo en el software, aún incipiente.
En las proposals planteadas por los investigadores del Departmento a DARPA, se
habla repetidamente de la "ARPA Artificial Intelligence Laboratory". Ello indica
los tres rasgos fundamentales de la investigación de Computer Science de CMU:
1. El estar centrada en la Artificial Intelligence, como área que dirige al
resto de la computer science.
2. El realizarse con los métodos experimentales propios de un laboratorio.
3. El estar financiada exclusivamente por DARPA, la única institución que ha
sostenido a gran escala durante décadas la investigación básica en Inteligencia
Artificial en Estados Unidos.

4.3. UN "PARTICULAR APPROACH" EN LA INVESTIGACION EN COMPUTER SCIENCE.
Desarrollemos estas características.
El documento histórico que sirvió de base para la constitución de esta línea de
investigación en el Department of Computer Science es la "proposal" o propuesta
presentada a ARPA en abril de 1964 denominada: "Proposal for a Center for the
Study of Information Processing", y firmada por Allen Newell, Alan J. Perlis y
Edward R. Schatz. (1964).
En una cultura prefigurativa que funciona hacia el futuro, como en el caso de la
"computer culture" de CMU, tiene una gran importancia analizar los planes,
proyectos o "proposals" donde se codifican los objetivos a cubrir, el estado de
la cuestión y las estrategias a seguir para conseguirlos. Las culturas
prefigurativas son "goal-oriented", y la antropología que las estudie conviene
que parta de sus "proposals", de sus objetivos. Lo que en una cultura
postfigurativa, por utilizar una terminología de Margeret Mead, son los mitos o
historias que fundamentan su práctica social, o en una logo-cultura son sus
principios básicos y universales extraídos del libro de la naturaleza, en una
cultura tecnológica son sus fines, objetivos o proyectos estratégicos, que
estructuran su práctica social en pos de su consecución. Ello explica que no sea
la verdad preexistente su criterio de validación sino lo que llaman "results".
En la citada "proposal", por un lado, se especifica en ella que "the fundamental
aim of the center is understanding the nature of information processing...The
attempt to produce a science in an area that not long ago was purely a
technology...implies a belief that there is much to discover and deep
understanding to be had". (1964: 1).
El hecho que esta área haya sido antes una tecnología que una ciencia, lo acaba
de confirmar de nuevo un perplejo Allen Newell al afirmar en el 25 aniversario
del departamento: " Computer Science has been such an event. Its emergence has
been specially confusing because of the computer’s origin as an engineering and
manufactured device" (CMU-SCS, 25th Anniversary. :41).
Este paradójico fenómeno marca lo que denominó "inversión del conocimiento" en
esta disciplina, según la cual su avance sólo sera posible si antes se diseña un
nuevo artefacto, programa o sistema que se toma como objeto empírico a
posteriori para su estudio científico. El diseño, bien sea ingenieril o lógico
formal, va antes que su descubrimiento empírico.
Este fenómeno lo vuelve a advertir el citado documento: "In mathematics, for

instance, which also pervades all fields, we do talk of pure mathematics and of
applied mathematics. But information processing is much more closely tied to its
applications. The new ideas and insights that move it towards being a science
arise mostly from applications rather than from any self-generative character of
the pure science of information processing." (ib.:3-4).
Este fenómeno lleva a los autores a fundir la teoría científica del "information
processing" con los programas informáticos que la validan, con lo que la
diferenciación ciencia básica-aplicada queda borrada. La teoría científica está
unificada con la tarea práctica a realizar. En resumen, la teoría es el
programa: " The scientific knowledge is contained, not in a formal theory, but
in the knowledge, however expresed, of the structure of a class of information
processing tasks and the programs that can do them. The validation of this
scientific knowledge lies in the fact that operating programs run and
communicated to new programmers, who can then produce new programs of high
effectiveness in the area without themselves recapitulating all the mistakes and
grotesqueries of the past" (Ib.: 6-7).
El conocimiento que desarrolla esta "science of information processing" en
Carnegie Tech se basa en la construcción de programas que funcionan ("run"). Es
la misma mentalidad basada en el "it works!" que tenía Andrew Carnegie.
El enfoque o filosofía del Centro, que 25 años más tarde se convertirá en la
School of Computer Science, se define así : "A center is better characterized by
its selections of specific problems, methods and attitudes, than by its most
general goals. Almost a decade of research in information processing at Carnegie
Tech has produced an approach which still seems to its major participants to be
extremely produtive. The proposed center will be, by and large, a continuation
of this approach. We are oriented towards software--towards programs written on
digital computers. We are empirical, in that we believe in constructing programs
that do things, and in learning about information processing from the
difficulties of construction and from the behavior of the resulting programs. We
are theoretical, although not so much by a dependency on formal models...,as by
trying to formulate the essential nature of information processing." (1964:4).
El fin es "to formulate the essential nature of information processing", el
medio " constructing programs that do things". Esta secuencia es la
reconstruccion lógica de este pasaje, pero su formulación textual es la inversa:
1. "Constructing programs that do things" y 2. Formulate the essential nature of

information processing". Ya hemos explicado antes la razón de este enfoque. La
mentalidad pragmática no sólo es propia de la "computer science" en esta
institución sino de su misma configuración cultural, que fue primero un
instituto tecnológico y sólo después una universidad.
Los fines científicos (el conocimiento sobre la naturaleza del "information
processing") son inseparables de los medios técnicos. Dado que el programa
informático en este esquema no es un simple medio sino un fin en sí mismo, la
única forma de materializar la teoría, siendo necesariamente previa a ésta. El
"information processing" es el modo de comportarse de un programa de software y
sólo se le puede analizar construyéndolo.
Este enfoque , "a much more pragmatic approach", lo proponen expresamente Perlis
y Newell como alternativa al desarrollo de una "formal theory of information
processing systems" , consistente en un esquema matemático básico para la
representación de todo tipo de información.
Desde Logic Theorist hasta SOAR, la actividad fundamental de la computer science
en CMU se medirá por los programas o sistemas informáticos que construya.
Incluso departamentos como Sicología, Filosofía, o Música han adoptado esta
filosofía de construir sus conocimientos en forma de software. Este fue el
intento tras Andrew: convertir al profesor y al estudiante de CMU en un
constructor de software informático.
Este es un rasgo principal de la "computer culture" de CMU: la investigación
tiende a ser principalmente construcción de "software" o sistema informático, y
no sólo para el "computer scientist" sino para el conjunto de disciplinas del
campus.
4.4. UN "OPEN CENTER".
La propuesta en cuestión termina proponiendo la creación de un centro " ‘open’
towards the entire campus" (ibid:25). Ya desde 1961 operó en Carnegie Tech un
programa de doctorado interdisciplinar denominado Systems and Communication
Sciences, incluyendo a varios departamentos o escuelas: el de Mathematics,
Psychology, Electrical Engineering y la Graduate School of Industrial
Administration . Este programa fue el precursor del programa de doctorado en
Computer Science de 1965.
Según la citada proposal, "information processing pervades other fields...and
research on information processing ultimately becomes an integral part of many

fields". ( ibid.:25). Por eso el centro debía estar abierto a todo el campus
pues su objeto de estudio "information, the systems that process and transform
it, and the way it is used to control, integrate and coordinate other systems"
(ibid:2) les podía interesar a todos.
Carnegie Tech no fue la única universidad en organizar, por ese tiempo, un
departamento de Computer Science. En 1965 más de 15 universidades
norteamericanas impartían doctorados en Computer Science. Pero no todas ellas
iban a entender el Computer Science como "information processing" y el
"information processing" como una disciplina que debía crecer y desarrollarse en
todo el campus de forma interdisciplinaria.
La visión específica de Perlis y Newell afirma que : "Research on information
processing must grow up and flourish throughout Carnegie Tech because the Center
is here, not in spite of it. Nothing would be more fatal than to erect an
organization whose natural tendency was to absorb all such research within its
confines, ...in which those ‘outside’ the center have little access to the
advances achieved ‘inside’. Thus, in a sense, a very substantial segment of
Carnegie Tech should become the laboratory for the study of information
processing" (1964:26).
20 años después Carnegie Mellon se transformaría en una "computer-intensive
university". Según su exalumna y actual profesora de la escuela , Mary Shaw, fue
Alan Perlis el que inició esta política de abrir el computing a todo estudiante
o profesor de Carnegie Tech: " Carnegie Tech was one the very first schools that
made a commitment to making computation broadly available to everyone on
campus...Alan saw far enough ahead to open access, and he helped create the
campus policy that made computing as freely available as the technology of the
time would allow".(CMU-SCS, 25th Anniversary,.:33).
En el momento de la propuesta (1964) había ya en Carnegie Tech 7 departamentos
implicados en el computing: Mathematics, Psychology, Electrical Engineering,
Graduate School of Industrial Administration, Physics,Civil Engineering y
Chemistry. El mecanismo desarrollado para mantener la interdisciplinariedad fue
el "joint faculty", o doble adscripción del profesor, según el cual éste
pertenecía a su departamento de ciencias, humanidades o ingeniería y al mismo
tiempo trabajaba conjuntamente en la investigación del Computer Science
Department.
Esta solución se concibió expresamente como "an official way of blurring the

lines of separation between those inside and outside the center". (ibid:26)
Esta forma de organización, al debilitar las tradicionales barreras de
departamento y disciplina, ha hecho menos dificultoso la formación de una red
como Andrew, y constituye una ventaja comparativa para el trabajo
interdisciplinar entre culturas académicas distintas como la "professional" y
"la liberal- culture". En 1990, la práctica totalidad de los 25 departamentos de
Carnegie Mellon participan en la utilización del computing, la School of
Computer Science tiene 27 "joint faculty" de un total de 86 profesores, y se da
el caso de profesores como Dana Scott que pertenecen a tres departamentos en
tres escuelas distintas: Mathematics en el College of Science, Phylosophy en el
College of Humanities and Social Sciences y la SCS.
Esta política de colaboración entre el computer science y el resto de
disciplinas es lo que denominó "collaboration across boundaries" e influirá en
introducir la mentalidad programadora a disciplinas como la sicología o la
linguística inicialmente ajenas a ella.
4.5. EL TRABAJO DEL CENTRO: "MIXING SERVICE AND RESEARCH".
Para llevar adelante el trabajo, el centro introducía una modificación
fundamental en el tipo de actividad a realizar en una universidad: la
realización simultánea de investigación ("research") y servicios ("service").
Desde 1956 existía en Carnegie Tech un Computation Center que proveía de
servicios técnicos a todo profesor y estudiante que necesitara utilizar el
ordenador. La propuesta citada propondrá incorporar el citado centro en el
nuevo.
En el futuro el Computer Science Department contará además de la clásica
estructura universitaria de profesores y estudiantes, que se dedicaran a la
investigación "research", una estructura operativa , el "full time programming
staff", que será la encargada del "service", consistiendo éste en implementar
los programas informáticos. En palabras de un ingeniero español, visitante en
esta universidad, "estos programadores no los tenemos en la universidad
española, y son muy útiles dado que son los que llevan el trabajo adelante"
En resumen, la investigación a realizar en lo que sera el Department of Computer
Science sera integra R&D, o investigación y desarrollo. Así lo justificaban
Perlis y Newell: "The best part of the systems programming world today does not
do much research by the definition implicity given above; it does high class

engineering...We have labored this long to establish the legitimacy, in a
proposal for a research center, of a large full time programming staff whose
function is not research. The large size is dictated by the need to keep the
total system stable in the face of continuous advancement in the state of the
art. " (1964 :33).
En resumen, el trabajo en su conjunto seguirá esta secuencia: "The typical life
history of much research done at the center will be as follows: A graduate
student will get interested in some aspect of programming, say in monitor
systems. Working with one of the professors as advisor, he develops a
programming language in whose terms monitor routines may be
expressed...Focussing on the essentials, he works with a "pseudo-machine" that
he has defined for his own purposes and simulates it on the computer...At the
termination of this research it has become abundantly clear that this monitor
language should be used for the Carnegie Tech system. At that point there may be
a full man-year of hard development work ahead, for it is unlikely that any such
new idea could be applied for the first time without considerable effort. Yet
this next year-man is just development work; it is not research...At that point
the full time programming staff assumes control, and does the additional work
necessary to incorporate it into the system...They make a substantial enough
contribution to the programming art so that, in retrospect, research has been
done: revealed as a sideline to the task of making the Carnegie Tech operating
system as good as possible". (ibid:32-33).
Esta estructura combinada de investigación y desarrollo será la que produzca 25
años después programas como MACH o máquinas como iWARP o NECTAR, que constituyen
motivo de orgullo para la escuela. No fue otra la estructura que produjo el
primer programa de Inteligencia Artificial, LT, en 1955. Esta actividad
significa una complejización de la estructura universitaria desbordando su
carácter tradicional basada en la relación bilateral profesor-alumno, e
introduciendo una tercera componente: el personal operativo, que es el que
permite llevar la lógica del "problem solving"a su final: la construcción de un
sistema informático que funciona.
En 1990, el personal operativo de programación igualará en la escuela al de
profesores, y la mitad de ellos, no tendrán tareas directas de educación. Una
categoría particular de profesor es el denominado "research professor", dedicado
exclusivamente a la investigación, esto es, a los proyectos, sin obligación de

enseñar, aunque también puede hacerlo. Esta figura se excluía de la propuesta
inicial pero la realidad ha sido más fuerte que las intenciones iniciales: " No
permanent full time research personnel would exist at the center" (ibid:31). La
razón es que el trabajo de investigación supera al de ensenanza en "computer
science".
4.6. LA RELACION CON EL DEPARTAMENTO DE DEFENSA Y CON LA INDUSTRIA : LA
DEFENSE ADVANCED RESEARCH PROJECT AGENCY.
La formación del Computer Science Department marca un giro en la relación de
Carnegie Tech respecto a la relación de la universidad con su entorno social.
Carnegie Tech, como hemos analizado, nació como un instituto de formación
profesional para formar técnicos cualificados para la industria de Pittsburgh.
Su actual Board of Trustees sigue estando formado en su mayoría por industriales
de la ciudad o antiguos alumnos que ocupan puestos de dirección en industrias a
lo largo del país. Carnegie Tech era el instituto tecnológico de Pittsburgh y su
comunidad.
Sin embargo, su transformación en una "research university" ha significado
durante estos últimos 25 años el pasar a depender de organismos públicos y
agencias de la Defensa, como DARPA. Con ello Carnegie Mellon ha alcanzado un
rápido crecimiento pero desligandose en gran parte de la base social que le dió
nacimiento: la industria local.
Este cambio fue favorecido, entre otros factores, por la línea de investigación
que se adoptó desde un principio esta propuesta precursora del Department of
Computer Science. Esta línea optó exclusivamente por el "software", rechazando
explícitamente el trabajar en hardware. "The center, by inclination, talent and
past action, is a center of software research...The center as organized contains
no real effort on hardware research...Our plans for the full time faculty do not
include scientists working on computer hardware" (1964: 34-40-42).
Pero la industria del "computer" no se inició en los años 50s por el software
sino por los semiconductores. Tuvo como centro regiones que rodean otros centros
de investigación informática de Estados Unidos, lo como Stanford el M.I.T. La
influencia de estas universidades no fue directa en la formación de sus áreas
industriales, pero si que sirvieron de lugares de reclutamiento de los
ingenieros para las industrias que entonces nacieron. De momento, Pittsburgh no
ha generado un fenómeno de tal magnitud, aunque su industria de "high tech" es

floreciente contando con 700 empresas y 70.000 empleados en este sector.
(Pittsburgh Facts, 1990-91:10).
La ingeniería ha sido la profesión que tradicionalmente ha estado ligada con la
industria. Carnegie Tech tenía una escuela de ingeniería bien relacionada con la
industria local. La elección de iniciar la investigación en "computer science"
excluyendo de entrada al hardware y sus componentes, el área más conectada con
la ingeniería, con el tiempo ha favorecido un divorcio en Carnegie Tech entre el
ingeniero y el computer scientist que no ha beneficiado a ninguno de los dos. Y
sobre todo ha creado un vacío social alrededor de Carnegie Mellon al hacer
depender casi toda su investigación de un único patrón: el Estado, y dentro de
él, de un exclusivo ministerio, el de Defensa. Esto crea en la nueva era
post-Guerra Fría que ahora se inicia una situación muy problemática para la
propia universidad.
En 1979, con la fundación del Robotics Institute, esponsorizado inicialmente por
una industria local, la Westinghouse, la investigación en Computer Science
iniciaba la senda de su diversificación al servicio de la industria. Pero la
escasa extensión del uso de robots en la industria norteamericana, en
comparación con la japonesa, hace que este instituto no acabe de ofrecer una
solución al problema ya detectado: como conectar la investigación del Computer
Science de Carnegie Mellon con el mundo industrial.
La relación estrecha de la investigación en Computer Science de CMU con
intereses de la Defensa, por el contrario, ha tenido ciertas ventajas para un
instituto tecnológico pequeño y alejado de los centros tradicionales de poder
académico de Estados Unidos, la costa Este y California. Le ha permitido durante
25 años fijarse con mayor libertad objetivos en su investigación, no reducidos a
los intereses de la industria local, sino de alcance estratégico al servicio de
intereses nacionales.
Mientras que la industria norteamericana exige una investigación dirigida a
objetivos inmediatos, medidos en pocos años, la investigación financiada por
DARPA en programas como el de Inteligencia Artificial se mide por décadas.
Programas como el Speech Recognition, iniciado en 1971, lleva 20 años
funcionando. Ello permite abordar investigaciones imposibles de financiar por la
empresa dado su resultado incierto.
Computer Science en CMU ha sido inseparable de DARPA durante este primer periodo
de su existencia. Fue esta agencia, antes denominada ARPA, (Advanced Research

Project Agency) la que seleccionó a este centro junto con el M.I.T y Stanford
como centro estratégico para hacer investigación en "Big Science" en Computer
Science. Se estima, segun J.M. Newcomer, veterano "computer scientist" de CMU,
que esta es la que se financia con proyectos por encima de un millón de dólares.
DARPA es una agencia que tiene poder para financiar este tipo de proyectos. Es
una agencia del Department of Defense, con sede en Arlington, Virginia. Tiene un
presupuesto anual para 1992 de 1.200 millones de dólares (AAAS Report XVI, 1992:
69). Está formada por 160 empleados civiles.
Un resumen completo de su trabajo lo encontramos en el Goverment Research
Directory, editado por Kay Gill y Susan E. Tufts (1992), sus objetivos son:
"Pursue highly imaginative and innovative research ideas and concepts offering
significant military utility; suport and manage projects assigned by the
Secretary of Defense adn marshal advanced research through a demonstration of
feasibility for military application. DARPA’s role in basic research is to
develop selected new ideas (usually high -risk, high- payoff) from conception to
hardware prototype to transfer to Service development agencies. DARPA does not
conduct in-house research...Programs are conducted through contracts with
industrial, university, and nonprofit organizations and with selected Service
research and laboratories. DARPA’s programs focus on technology development and
proof-on-concept demonstrations of revolutionary approaches for improved
strategic, conventional, rapid-deployment, and ses-power forces; and on
scientific investigation into advanced basic technologies of the future. It
selects for support only those research and development initiatives that promise
significantly U.S. national security interests, while lowering costs, through
technologica advances or to prepare for futher technological progress. DARPA
comprises technical program offices for Aerospace Technology, Defense Sciences,
Directed Energy, Information Science and Technology, Naval Technology, Nuclear
Monitoring Research, Prototype Projects, Strategic Technology and Tactical
Technology". (1992: 184). Entre otras oficinas.
Este carácter de proyectos innovadores, estratégicos, demostrables en cuanto a
su factibilidad ("feasibility"), que interesen a la Defensa y que tengan un alto
riesgo a cambio de altos rendimientos (high payoffs), son los que han marcado el
caracter de Computer Science en CMU.
La investigación en Computer Science no es la clásica línea de investigación de

un departamento universitario, que funciona tradicionalmente sin plazos. Es una
investigación por contratos, cuyo cliente es el Departamento de Defensa. Estos
contratos son bianuales y tienen plazos de finalización. Desde 1962, cuando se
inició la colaboración con la entonces denominada ARPA (Advanced Research
Project Agency) hasta 1991, cada dos años el departamento ha tenido que
revalidar la utilidad y calidad de su investigación, actualizando su "proposal"
sobre "information processing".
Por estratégica entiendo que esta investigación 1. va dirigida a desarrollar un
tipo de conocimiento con su tecnología correspondiente que se considera de valor
para los intereses nacionales de Estados Unidos. y 2. que va destinada a
conseguir una ventaja comparativa respecto a sus competidores nacionales, antes
la URSS y crecientemente Japón y Europa.
Esto ha formado un tipo de investigador en Computer Science que tiene una visión
estratégica de la tecnología que está produciendo. Como afirma Raj Reddy,
director del Instituto de Robótica y director del comité de planificación
estratégica que asesora al Presidente y al Congreso sobre el futuro desarrollo y
aplicación del Computer Science and Technology: " We must create a vision for
the future, which is exciting and challenging. ...Whenever possible, we must
identify and work on problems of relevance to the nation--bold national
initiatives that capture the imagination of the public.
Let me illustrate what I mean by two examples from biology and physics: the
Decoding of the Human Genome, and the Superconducting Super Collider Project.
These grand challenges of science are expected to require several billion
dollars of investment each. However, the expected benefits to these projects to
the nation are also very high. AI is in a unique position to undertake and
deliver on such nationally relevant initiatives." (1988: 17-18).
Uno de los resultados de este pensamiento por "estrategic planning" fue la
creación en los años 80s de la red Andrew, colocando a esta pequeña universidad
de una mediana ciudad de Pennsylvania, a la cabeza de la innovación entre las
universidades en Norteamérica.
Pero esta visión, para algunos profesores, no se detiene en los marcos meramente
nacionales. Estrategas como el profesor Raj Reddy, de origen indú, considera que
las implicaciones sociales de la Inteligencia Artificial abarcaran al conjunto
de la humanidad en las próximas décadas: "By the turn of the century, it appears
possible that a low cost (e.g. costing less than $1000) supercomputer could be

accesible to every man,woman and child in the world. Using such system, AI
researchers should be able to create a personalized intelligent asistant which
would use voice and vision for man-machine communication, tolerate error and
ambiguity in human interaction with machines, provide education and
entertainement on a personalized basis, provide expert advice on day-to-day
problems, maka vast amounts of knowledge available in active form, and make
ordinary mortals perform superhuman tasks leading to new discoveries and
inventions at an unheard of rate. Believe it or not, such a system would help th
illiterate farmer in Ethiopia as much as the scientist in U.S.A. or Japan.... It
is my belief that the most important wealth we can share with the disadvantage
is the wealth of knowledge. If we can provide a gift of knowledge to village
communities that would make them expert at what they need to know to be
self-sufficient, we would then witness a true revolution". (1988: 19).
4.7. EL "STRATEGIC PLANNING" DE CMU: HACIA LA "COMPUTER-INTENSIVE
UNIVERSITY".
Esta mentalidad estratégica, que forma parte de la actual cultura académica de
CMU, es una innovación introducida en los años 70s, y en la que jugó un papel
destacado el entonces presidente de CMU, Richard Cyert.
Este concibió el estrategic planning en CMU como una vía "to identify the areas
in which the university should be doing research and offering educational
curricula, to specify the goals of the institution, and to determine the kind of
university that is desired by the community". (Cyert,1988: 91).
A diferencia del antiguo concepto de planificación, mecánico y determinista
utilizado para controlar el proceso productivo de un país, el strategic planning
seguido en CMU se basaba en estas ideas esenciales:
1."Seeking a distinctive niche". Cada departamento, colegio, y el conjunto de la
universidad, trataría de distinguirse en alguna área de investigación diferente
a las de otros departamentos y colegios de otras universidades.
2. "Analitical ability and comparative advantage". Se trataba de analizar las
disciplinas y determinar, con la ayuda de expertos, cuál iba a ser su evolución
futura. A ello había que unir un análisis de qué ventajas tenía cada
departamento o colegio en comparación con otros departamentos o colegios con los
que competía en la lucha por conseguir una mejor calidad de la investigación y
enseñanza.

3."Uniqueness is Essential". El objetivo del strategic planning era colocar a la
universidad en una posición única, distinta al resto de universidades. Para ello
cada departamento debía analizar sus fuerzas ("strengths") y sus debilidades
("weaknesses") y tratar de desarrollar sus departamentos para hacer el mejor uso
de sus fuerzas. " The worst action that an organization can take is to imitate
another". (Cyert 1988: 92-93).
Se trataba pues de diferenciar, de adquirir una superioridad mediante esta
diferenciación, y la mejor manera era abrir un campo del saber nuevo, donde la
institución fuera única.
La universidad nació en Europa como una institución con vocación de abarcar al
conjunto de saberes. Era una institución enciclopédica. En América, la cultura
de los institutos de tecnología como Carnegie Tech conllevan criterios
distintos: especialización, profesionalismo, competitividad, innovación. El
strategic planning ha sido una vía para llevar adelante esta nueva cultura
académica.
Durante cerca de 20 años, desde 1972 a 1990, ésta ha sido la filosofía básica de
la Administración Cyert. "I have followed that phylosophy for the past sixteen
years". (1988: 93).
Curiosamente los departamentos que Cyert pone como ejemplo de esta filosofía son
el de Psychology y el de Mathematics. Su línea ha sido focalizar al primero en
"cognitive psychology" y al segundo en "applied mathematics".
Es interesante ver la relación de estos departamentos con Computer Science, y
como su planificación estratégica ha sido una consecuencia de la fuerza de la
Computer Science en CMU, en esta pasada etapa.
Asi ve Cyert la transformación del departamento de Sicología: " Perhaps an ideal
example of the application of these strategic principles has ocurred in Carnegie
Mellon’s Psychology Department. For many years it attempted to cover the
complete range of specialities in psycholgy (for example, clinical, industrial,
experimental, and physiological), and, while it was a good department, it was
not distinguished in any respect (in 1969, it was ranked thirty-fourth in the
country). Though the strategic planning process, it became clear that a major
potential strength of the department lay in the quality of our Department of
Computer Science and its work on problem solving. The Psychology Department thus
began to develop a concentration in cognitive psychology. With a few judicious
appointments of new faculty members, the department quickly attained the leading

position in the country in the cognitive area" (ib: 95-95)
Esto es, la razón de estos cambios no está en estos departamentos sino en el de
Computer Science, que se nutre tanto de sicologia cognitiva para alimentar la
Inteligencia Artificial, como de Applied Mathematics para el area de Algoritmos
y Optimization.
No obstante, esta filosofía del strategic planning no entronca con la cultura
norteamericana tradicional mayoritaria. " In the United States planning has been
viewed as unacceptable to our society. The majority of the population tends to
view planning as a part of a socialist society. Planning is viewed as
antithetical to the nature of American society...The concept of the invisible
hand dominates thinking in the United States with respect to planning" (Cyert
1986: 1-2).
¿De donde viene pues esta cultura de "planning" en CMU ?. Tiene varios
componentes.
El primero es la propia cultura tecnológica norteamericana. A diferencia de la
filosofía de los economistas, la mentalidad ingeniera, fundacional de Carnegie
Tech, funciona por problem solving, no confiando en la "mano invisible". Y como
decía Dick Teare, antiguo decano de Engineering and Science de CMU, en una
discusión con Akram Midani, antiguo decano de Fine Arts, los cinco pasos del
problem solving son: "1. Define the problem. 2. Plan de Attack. 3. Execute the
Plan. 4. Check. 5. Learn and Generalize". ( Midani, Teare. Focus. January 9,
1976:). El plan es consustancial con el "problem solving" ingeniero.
Un segundo componente es la cultura del "management" o dirección de empresas,
nacida también en este país. CMU formó, entre otros con la ayuda de R. Cyert,
una de las mejores escuelas de management del país. Pese a la influencia de
doctrinas neoclásicas, el mangement es una disciplina que proviene de la
ingeniería, fundada por un ingeniero mecánico norteamericano, Frederick Taylor.
Un tecer componente, es la cultura del "planning" introducida en Estados Unidos
en los años 30s, con el New Deal de F.D. Roosvelt, y promulgada por científicos
sociales reformistas y políticos progresistas, para paliar los efectos de la
depresión. En CMU, Cyert y Simon pertenecen a esa generación formada en esta
época. La defensa del "organizational man", del "model of man" de racionalidad
limitada, que confía no tanto en mercado con sus propias leyes autónomas sino en
su propia actividad de "decision-making" es una expresión de esa cultura. En
1981, en las Sciences of the Artificial, Simon acaba proponiendo, con reservas

no obstante, un "social planning" como nueva variante de las ciencias de lo
artificial.
Esta cultura del planning fue reforzada por la experiencia de la II Guerra
Mundial y los cuarenta anños de Guerra Fría, y la participación en masa de la
ciencia en Norteamérica en los planes estratégicos nacionales. La expresión de
este Zeitgeist es la cibernética (kibernetes: el timonel, el que gobierna). A su
vez dió lugar al desarrollo de una serie de técnicas como la "operational
research" y los juegos de estrategia útiles para fines militares. Esta cultura
pasó a la empresa en forma de "strategic planning" y finalmente a la
universidad, en primer lugar a aquellas como CMU que tenían una tradición de
"teoría de la organización" en sus escuelas de management.
Un cuarto componente, es la influencia del modelo de planificación estratégica
japonesa. Expresamente Cyert afirma: " We are interested, in view of the
Japanese experience, of determining whether some form of central planning can
improve the functioning of our system without destroying the basic freedoms that
are an integral part of our lives". (1986: 3). La experiencia del strategic
planning de CMU era vista así por Cyert: " I propose that research
universities...function as MITI does. A university with a particularly strong
research area should form consortia with the firms in the industry. Each firm
should agree to contribute research funds to the consortium for a given period
of time." (:1986:27). Esta experiencia ya se había iniciado casi 10 años antes,
en 1979, con el Robotics Institute de CMU, fundado por Raj Reddy y Angel Jordan
entre otros.
Finalmente el strategic planning acabó en la red Andrew, base del
computer-intensive campus, que proporcionó a CMU una relevancia nacional. Esta
iniciativa la acabaremos estudiando como un proyecto de investigación de la
propia "computer science community" de CMU, en la que por primera vez, líderes
de la misma como Allen Newell, aparecerán como líderes del conjunto de la
institución universitaria, a la cabeza del Task Force fo the Future of
Computing, comité que formuló la política del computing en CMU.

PARTE TERCERA.
LA SCHOOL OF COMPUTER SCIENCE,
CENTRO DE CARNEGIE MELLON COMO "RESEARCH UNIVERSITY".
1. QUE SIGNIFICA "COMPUTER SCIENCE" EN LA SCHOOL OF COMPUTER SCIENCE.
1.1. "GOALS AND STRATEGIC PLANS"
Analizar Carnegie Mellon como "research university" conlleva estudiar lo que ha
sido el foco principal de investigación en esta universidad durante los últimos
25 años, la "computer science community". Esta comunidad ha terminado
construyendo en 1988 una School of Computer Science, una de los primeras
escuelas del país que se ha independizado de las facultades de ciencia o
ingeniería, teniendo una entidad como colegio autónomo.
El Department of Computer Science se formó en 1965 dentro del College of
Engineering and Science como departamento autónomo. En 1971 se adscribió al
College of Science cuando este se separó del de ingenieria y en 1985 el
Department of Computer Science se separó del College of Science. Y tres años
después se constituyó en colegio independiente. En un documento sobre los
objetivos y planes estratégicos de Carnegie Mellon de 1988 podemos leer esta
valoración que hace la propia "computer science community" de su status: " The
independent status of the Department has stimulated new and increased
interdisciplinary activities in computer science and a variety of disciplines
such as business administration, fine arts, psychology, philosophy, statistics
and others. The independence has liberated computer science at Carnegie Mellon
from the tendency to focus on mathematics or engineering. It has helped to
establish information processing as a dimension of science that plays a role in
many disciplines". (CMU, Goals and Strategic Plans, Feb 1988: 29).
Tradicionalmente, en Estados Unidos se ha tendido a considerar "computer
science" como una rama de las matemáticas. En 1988, en el National Research
Council, la princial agencia operativa conjunta de la National Academy of
Sciences y de la National Academy of Engineering, la Computer Science and

Technology Board estaba incluida en la Commission on Physical Sciences,
Mathematics, and Resources. La separación de uno de los principales centros de
investigación del mundo en computer science tanto del College of Sciences como
del Carnegie Institute of Technology tiene implicaciones sobre la manera de
organizar la universidad y las diferentes disciplinas en ella.
El objetivo que claramente se marcaba el Departamento en su conjunto, pocos
meses antes de tranformarse en escuela, está expresado claramente en este
documento sobre los planes estratégicos de CMU: " The overall goal of the
Computer Science Department is to maintain its worldwide leadership role in
computer science research. The Department has been consistenly ranked among the
top three departments in the nation for more than a decade". (ibid.:28).
El 16 de septiembre de 1988, Angel Jordan, entonces Provost de CMU y Nico
Habermann, el jefe del departamento, escribían un "position paper" denominado
"The formation of the School of Computer Science"en el que afirmaban: "Although
faculty members, department heads, and deans were divided on the issue of the
separation of CS from MCS, deans and many department heads took the position
that if CS were to be a unit separate from MCS, it should become a "school"
rather than a "department". The autors of this position paper agreed with that
point of view and strongly argued in favor of the formation of a school".
(Jordan, Haberman,1988: 1)
Meses después se llegaba a un acuerdo para organizar una escuela donde el
antiguo departamento, con su "federation of interrelated disciplines:
programming systems, computer systems, artificial intelligence, and theoretical
foundations" (Jordan , Habermann, 1988:5) , se unía a otros tres centros de
investigación de CMU también de excelencia: el Robotics Institute, el Machine
Translation y el Information Technology Center.
Su investigación se define como "experimental computer science research", lo
que, se evidencia, según afirmó recientemente el nuevo Presidente Mehrabian con
ocasión de la despedida del hasta ahora decano de la escuela, Nico Habermann,
por "the quantity and quality of the experimental systems built in CMU".
(Mehrabian, 27 Sept.1991).
Una de las características de la institución, y considerada por ella misma como
vía estratégica para conseguir el objetivo antes señalado ha sido el énfasis en
la participación de los estudiantes de doctorado en proyectos de investigación,
así como la contratación de profesores de investigación (" research faculty")

dedicados plenamente a esta tarea. " The Department has a worldwide reputation
in experimental computer science research. It has received this recognition
largely because of its emphasis on active participation of Ph.D. students in
research projects rather than on a heavy course load. This strategy has paid off
not only for the graduate students, but also for the quality and quantity of
experimental systems that have been produced at Carnegie Mellon. We plan to
continue this successful strategy and give leading-edge research the highest
priority" ( CMU, 1988, Goals and Strategic Plans:30).
En resumen, esta escuela, con fecha 1991, está constituida fundamentalmente por
un "Doctoral Program in Computer Science", un "Master Program in Software
Engineering", realizado en colaboración con el Software Engineering Institute, y
tres institutos de investigación citados. Los responsables de cada uno de ellos
forman un comité, presidido por el decano de la escuela. No obstante, la
institución está en periodo de cambio.
A su vez la escuela tiene otros programas de doctorado hechos en colaboración
con otras escuelas o departamentos de Carnegie Mellon: "Algorithms,
Combinatorics and Optimization", hecho con la Graduate School of Industrial
Administration, y el programa "Pure and Applied Logic" hecho con el departamento
de Phylosophy.
Sus actividades con otros departamentos son mucho más numerosas y variadas,
incluyendo doble pertenencia ("joint appointment") de 28 profesores de la misma,
a otros tantos departamentos de la universidad, programas de investigación
conjuntos y actividades diversas como seminarios, charlas, y otras de carácter
informal.
En total, la escuela tiene, en el curso 1990-91, alrededor de 700 personas, el
núcleo más numeroso de investigación de toda la universidad, núcleo que incluye
profesores, estudiantes graduados (no tiene estudiantes de grado), staff y
personal técnico(programadores, técnicos de servicios...).(Rashid, 1991:vii).
Sólo de profesores y staff cuenta con 564 personas en el curso 1990-91,
distribuidas así: 284 Computer Science, 222 Robotics Institute, 29 Machine
Translation, y 29 Information Technology Center.( Faculty and Staff Guide 1991:
175-177).
Su presupuesto de investigación en 1989 fue a su vez el mayor de la universidad
:39 millones de dolares, casi doblando el de la segunda institución, el colegio
de ingeniería (22 millones). (Carnegie Mellon Facts 1990:64).

1.2. ¿QUE SIGNIFICA "COMPUTER SCIENCE" EN CARNEGIE MELLON?.
Pero este estudio pretende centrarse no en la estructura organizativa de la
institución sino en el significado que tiene el sistema de conocimiento
denominado "computer science" para los investigadores de esta organización. Dado
los escasos recursos disponibles y la complejidad de la organización he
preferido empezar por estudiar de entre las clásicas áreas de toda etnografía ,
lo que M. Harris denomina el "patrón universal" ( 1983:130),, "infraestructura",
"estructura", y "superestructura" , aquella que es más propia de la
antropología: los significados compartidos de la comunidad en cuestión. Al ser
ésta una comunidad tecnológica, la "superestructura" tiene una relación
particular con la "infraestructura", dado que la tecnología se plantea como un
conjunto de significados compartidos, que al mismo tiempo sirven para construir
los objetos tecnológicos.
¿Qué significa "computer science" en esta comunidad?.
En el papel de N. Habermann y Angel Jordan antes citado se afirma: "Computer
Science at CMU has always been considered an experimental science" (1988:5).
Esta es una escuela de investigación, que como ya vimos en capítulos anteriores,
esta tarea significa investigación y desarrollo ("research and development").
Esta escuela produce conocimiento en forma de sistemas experimentales, como MACH
o Nectar, que basan su prestigio mundial. Estos sistemas están agrupados en
disciplinas (AI, programming,etc.) y el conjunto de las mismas forma lo que se
denomina "computer science" y se considera que ésta es una "experimental
science".
Esta definición viene a reafirmar la establecida por los "founding fathers" de
Computer Science en CMU: Alan Perlis, Allen Newell y Herbert Simon. En
septiembre de 1990, la comunidad de computer scientists de CMU celebraba el 25
aniversario de la formación del Department . En esta reunión se volvió a
recordar dicha definición de Computer Science, que fue publicada en una carta
enviada a la prestigiosa revista Science el 10 de julio de 1967.
Esta empezaba así: "Whenever there are phenomena, there can be a science to
describe and explain those phenomena. Thus, the simplest (and correct) answer to
"What is botany?’ is, ‘Botany is the study of plants’. And zoology is the study
of animals, astronomy the study of stars, and so on. Phenomena breed sciences.
There are computers. Ergo, computer science is the study of computers". (

CMU-SCS 25th Anniversary.:43).
Más adelante se explicitaba esta definición frente a la objeción que pretendía
reducir la computer science al estudio de los algoritmos o programas: " In the
definition ,’computers’ means ‘living computers’--i.e. the hardware, their
programs or algorithms, and all that goes with them. Computer Science is the
study of phenomena surronding computers. ‘Computer plus algorithms’, ‘living
computers’ or simply ‘computers’ all come to the same thing-- the same
phenomena". (25th Anniv: 43).
La definición de Computer Science como "the study of phenomena sorrounding
computers", para Mary Shaw, veterana profesora de la escuela, "it is still
valid"(Entrevista personal. 24 Mayo1991). La podríamos considerar como el
conocimiento compartido básico de la comunidad de computer scientists de CMU.
Sin embargo caben distintas interpretaciones de esta definición como veremos a
continuación.
1.3. EL "CYBERNETIC DIALOGUE" DE ALAN PERLIS.
Alan Perlis ocupa un lugar protagonista en la computer science en CMU, tanto
como investigador como educador. Mientras Simon y Newell vinieron de culturas
distintas a la antigua Carnegie Tech, Alan Perlis , nativo de Pittsburgh,
recibió su Bachelor in Science en Chemistry en CIT en 1942, y el doctorado en
Matemáticas en el MIT , siendo el primer director del Department of Computer
Science de Carnegie Tech. Para su antigua alumna Mary Shaw, Perlis "helped
create the campus policy that made computing as freely available as the
technology of the time would allow" (25 Aniv. :33). Y para Habermann, "Alan
Perlis truly represents the best tradition in teaching". (ibid: 36).
En su libro Introduction to Computer Science(1972) Perlis explica los elementos
que según él componen el nuevo campo introduciendo lo que denomina el "
‘cybernetic dialogue’ (between us and machines)". Este diálogo consistía en
cuatro componentes: "Us, alghorithms, languages, machines". (Introd. CS. 1972:
2).
"Introduction to Computer Science" fue un libro para educar a estudiantes en
computer science. Está escrito por un educator, un "teacher". Y desde esta
óptica Alan Perlis afirma: "Education reveals that the computer’s role is shaped
by people and not by the machine itself...Thus, it is my conviction that an
introduction to computer science must be significantly more than mere drill in

the use of a popular programming language. It must provide students with a pou
sto (A term used by Archimedes. It is a platform on which to stand in order to
pry up the world-if only one had a lever that were long enough". (1972: xii).
A diferencia de la visión más propia un matemático como Donald Knuth para el que
computer science es el "study of algorithms" (1974:323), para Perlis lo que era
nuevo en esta tecnología no eran los algoritmos sino su unión con la máquina:
"What will be new is the attachement of algorithms and languages to a
machine-the electronical digital computer-which is the agent commanded to
perform (to do , to accomplish) algorithms expressed in languages". (1972:2).
Para Perlis no sólo están atados los algoritmos a la máquina. Todo el diálogo
está encabezado por el propio computer scientist, "us"(nosotros). Como hemos
visto para Perlis, la función del ordenador es construida por las personas, no
por la propia máquina. De aquí, la figura del "us". Lo curioso es que no dice en
general "the man" sino "us", situándose a sí mismo también en el inicio de este
diálogo.
Esto resulta nuevo. La ciencia tradicional en Occidente se constituyó bajo la
premisa griega del orden natural. Lo primero para un científico es el
descubrimiento de un orden objetivo, exterior al propio científico. Robert
Merton afirma por ello que el "universalismo" es el primer valor del "scientific
ethos". La ciencia moderna empieza por la astronomía copernicana y la física de
Galileo. No con la sicología introspectiva. La computer science a su vez empezó
gracias a la labor de físicos (Mauchly), ingenieros electrónicos (Eckert), y
matemáticos (Turing, Von Newmann). Sin embargo, en la cultura de Carnegie
Mellon, como antes hemos descrito, ha habido una combinación específica entre
"professional" y "liberal education" que permite entender esta anomalía: que el
círculo cibernético lo empiece el "us", sin el cual no se entiende de dónde
procede el ordenador y todo el sistema pierde sentido.
En el diálogo cibernético de Perlis, los computer scientists juegan el papel
iniciador del círculo, papel activador del que depende la construcción de
algoritmos, los lenguajes y las máquinas. Y este papel consiste en un diálogo.
Comparemos esta visión de un hombre de Carnegie Tech con la de, por ejemplo,
Marvin Minsky del M.I.T., uno de los iniciadores de la Inteligencia Artificial.
En su libro "Computation: Finite and Infinite Machines" (1967), uno de los
primeros libros sobre teoría de computación, escribe en su introducción:"Man has
within a single generation found himself sharing the world with a strange new

species: the computers and computer-like machines...all of us are falling under
the shadow of their ever-growing sphere of influence, and thus we all need to
understand their capabilities and their limitations...We still lack the tools
necessary to fully analyze, synthesize or even think about them". (1967:vii).
Esta visión es la de un científico que descubre una realidad que necesita
comprender. Esta es la visión que concuerda con la de la ciencia clásica
europea, el descubrimiento de un orden objetivo a comprender ("understanding")
mediante la razón y los sentidos.
El ser humano ("man") se ha encontrado ("found") compartiendo el mundo con una
especie extraña ("strange new species"): los ordenadores. En el texto no se
pretende explicar como han llegado, tan sólo se constata que "todos nosotros
estamos cayendo bajo la sombra de su creciente esfera de influencia". La imagen
aquí descrita es la de un poder ajeno al ser humano ante cuya influencia
"caemos" ("falling"), hasta dejarnos ensombrecidos ("shadow").
El interés del científico es, según Minsky, primero, analizarlo, "analyze", a
continuación , sintetizarlo,"synthezise", y por último, pensar, "think", acerca
de esta estraña especie.
1.4. HERBERT SIMON : "COMPUTER SCIENCE AS EMPIRICAL SCIENCE".
Herbert Simon ha sido el principal defensor de la definición de Computer Science
realizada en 1967. Y es la que aún se evidencia en la expresión de "experimental
science".
Para este profesor de CMU y premio Nobel, y sus colaboradores: "the story of
scientic progress reaches its periodic climaxes at the moments of discovery"
(1989. Langley, P, Simon, H. Bradshaw, G, Zytkow, J.: 3). Este programa de
investigación no se diferencia mucho del iniciado por Francis Bacon en el siglo
XVI. Así, "Bacon", se denomina un sistema experto recientemente construido por
este equipo. "The scientific enterprise is dedicated to the extension of
knowledge about the external world. It is usually conceived as being made up of
four main kinds of interrelated activities: gathering data, finding parsimonious
descriptions of the data, formulating explanatory theories, and testing the
theories" (ib: 18).
En el libro The Science of the Artificial (1981), Herb Simon, figura clave en la
cultura de CMU, da su propia versión de la "computer science": "Since they are
now many such devices in the world, and since the properties that describe them

also appear to be shared by the human central nervous system, nothing prevents
us from developing a natural history of them. We can study them as we would
rabbits or chipmunks and discover how they behave under differente patterns of
environmental stimulation. Insofar as their behavior reflects largely the broad
functional characteristics we have described, and is independent of details of
their hardware, we can build a general-but empirical- theory of them". (ib.:24).
En este sentido, Computer Science sería para Herb Simon una ciencia más en el
sentido clásico occidental del término, como puede ser la física o la zoología.
Esta sería su visión de esta disciplina.
Y culmina afirmando: "To understand them, the systems had to be constructed, and
their behavior observed".(: 1981:25).
Si comparamos esta visión de la computer science con las de Perlis y Minsky
apreciaremos sustanciales diferencias. Para Simon, al igual que para Minsky, los
ordenadores están ya ahí, son una realidad. Esta constatación de un hecho es la
propia de la ciencia empírica. En efecto, la ciencia moderna, desacralizó el
mundo, lo convirtió en un objeto de estudio, en un "fact". Y por consiguiente,
el conocimiento que aporta parte de un "análisis" de este hecho. En ésto, se
diferencia de la visión de Perlis que parte del "us" y según la cual las
máquinas no son hechos objetivos, sino productos del "computer scientist", del
"us".
Simon admite que para comprender los ordenadores desde un punto de vista
empírico, primero "the systems had to be constructed". Si no hay ordenadores
primero, no puede haber ciencia empírica de los mismos. Siguiendo su lógica, si
no hay "phenomena", no puede haber ciencia empírica de los mismos. Por tanto la
primera actividad del computer scientist ha de ser diseñar esos ordenadores :
"The research that was done to design computer time-sharing systems is a good
example of the study of computer behavior as an empirical phenomenon....The main
route open to the development and improvement of time-sharing systems was to
build them and see how they behaved". (1981:25).
Pero, para Herb Simon, el diseño es una actividad instrumental en la computer
science, que es una ciencia empírica. Preguntado, para qué hacia programas de
ordenador, contestó comparándolos con el cultivo que Mendel hizo de los
guisantes para entender las leyes de la herencia genética. (Entrevista, 30
Nov.).
Tradicionalmente así ha sido visto el diseño por la ciencia, como la actividad

de los ingenieros, subordinada a un fin más elevado :el "understanding of the
nature". Esto ha podido ser válido para la física, la química e incluso la
biología. Pero es un esquema que al trasplantarlo a la computer science produce
un resultado inesperado.
En computer science, entendida como ciencia empírica, se da la paradoja que la
labor de diseño ha de preceder necesariamente a la de la ciencia empírica para
que ésta se pueda desarrollar. Es su condición sine qua non. Ello produce lo que
he denominado una inversión del conocimiento. La tecnología precede, se anticipa
sistemáticamente a la ciencia y dirige su evolución. El científico si quiere
seguir dirigiendo ha de hacerse un científico diseñador, y acaba reconociendo al
diseño como centro del "artificial world" del que forma parte el ordenador.
La definición de Computer Science en 1967 estaba inspirada en las ciencias
naturales, como la biología o la zoología, pero, dos años más tarde, en 1969,
Herb Simon admitía en unas charlas dadas en el M.I.T.,un instituto de
ingenieros, que existía una diferencia fundamental entre "natural worlds" y
"artificial worlds", y que habían unas "sciences of the design" que se
diferenciaban de la "natural science", pues trataban ,no con cómo las cosas son,
sino con "how they might be" y concluía: " As soon as we introduce ‘synthesis’
as well as ‘artifice’ we enter the realm of engineering" (1981:7).
No obstante, esta ambiguedad entre "experimental science" y el papel del diseño
en su construcción no se ha puesto en evidencia, al menos en forma de un debate
público. Computer Science de CMU se le sigue definiendo como una "experimental
science" al modo de las ciencias naturales y sin embargo, como veremos, se le
hace avanzar mediante una labor incesante de diseño, actividad propia de la
ingeniería. El propio Newell en el 25 Aniversario de la institución simposium
reconocía que la computer science había tenido un inicio "specially confusing
because of the computer’s origin as an engineered and manufactured device". (
"Revisiting ‘What is Computer Science’"1990:41).
1.5. "COMPUTER SCIENCE AND THE UNIVERSE OF DISCIPLINES". 1985.
Durante 25 años, la definición de Perlis, Simon y Newell ha servido para poder
unir dos denominaciones con las que se suele nombrar el mismo campo: "computer
science" e "information processing" .
Con motivo de los debates para la formación de la SCS, Allen Newell, junto con
Nico Habermann, John McDermott y Raj Reddy trataron de avanzar en la

clarificación del lugar de la computer science respecto al resto de disciplinas.
Su papel, no publicado, " Computer Science and the Universe of Disciplines".
(1985 Habermann, N. McDermott, J. Newell, A. Reddy, R.), es un intento de
esclarecer el lugar de la computer science en relación con todas las otras
materias.
La idea central del mismo es que la computer science ha de desarrollarse y
mantener contacto con todas, absolutamente todas , las otras disciplinas. Se le
compara con las matemáticas, en tanto que éstas sirven a su vez a una gran parte
de las ciencias. Pero la computer science va más allá. Se pone el ejemplo de la
Inteligencia Artificial y su intento de explicar la poesía. No se trata,
finaliza el papel, de establecer una nueva disciplina-reina sino hacer la
información y la computación propiedad común de todas las disciplinas.
Para estos autores, en los años 80s, el universo de disciplinas relacionadas con
el procesamiento de información era ya increíble: inteligencia artificial,
ciencia cognitiva, comunicaciones, ingeniería informática y de las
telecomunicaciones, cibernética, educación, epistemología, lógica , linguística,
matemáticas, sicología, semiótica, estadística, ...Y entre ellas, la computer
science parecia jugar el papel central.
Desde el punto de vista de estos autores, las razones son complejas pero destaca
una: la computer science juega el papel central en tanto que es una disciplina
que se centra en la programación ("programming").
Recordemos que la computer science de Carnegie Mellon ha priorizado desde los
años 60s el trabajo en software y programación. Fue la cuna de la Inteligencia
Artificial y acoge al primer centro federal para el estudio del software, el
Sofware Engineering Institute.
Comúnmente, se considera la informacion como la materia sustantiva de la
"sociedad postindustrial", y su procesamiento, mediante el computador, como el
adjetivo. Pero el centro de la "computer science" no es la información, materia
de estudio que comparte con otras muchas disciplinas, como las ciencias sociales
o el periodismo. Su epicentro parece ser, en CMU al menos, la programación, la
información procesada según un programa de ordenador. Algoritmos, lenguajes
lógicos, hardware, e incluso inteligencia humana, son instrumentos de una
función que da sentido a este conjunto de herramientas: el computer program.
Como afirmó Simon: "En el campo de las computadoras la hora de la verdad es un
programa que funciona; todo lo demás es profecía." (1977:8).

En este sentido, ni siquiera el conocimiento ("knowledge") sería lo sustancial.
Ni tampoco la inteligencia, ("intelligence"). La clave sería el conocimiento
como programación. Y la programación como computer program. El "mythos" y el
"logos" son función, en esta cultura, del "programming", actividad intelectual
que da sentido a la utilización del resto de conocimientos como simples medios
para construir programas.
Ello implica que la jerarquía intelectual se establece en torno al programa
informático. El computer scientist con más influencia sera el que produzca el
más potente y complejo programa informático. Para ello se puede utilizar la
sicología o la lógica, o los algoritmos ingenieros. Pero la "cognition", o el
"learning", o la "logic" o los "algorithms" son, en esta cultura" funciones del
programa, de la máquina. No objetos de estudio en sí mismos. Así fue con el
Logic Theorist Machine de Newell, Shaw y Simon en 1956, así fue con el General
Problem Solver de Newell y Simon en 1958, con Dendral de Feigenbaum desde 1965 a
1983, y ha sido con SOAR de Newell, PRODIGY de Jaime Carbonell y THEO de Tom
Mitchell en los 80s.
"Programming" en computer science significa computer programming :programas
ejecutables por un ordenador. No todo programa humano es un computer
programming. El antropólogo Roy d’Andrade estableció en 1981 una diferenciación
interesante entre "computer programs" y "cultural programs". (1981), basada en
entre otros elementos en la "especificidad" de los mismos. Mientras los primeros
han de estar rigurosamente especificados siendo exactos y no-ambiguos, los
segundos tienen una falta de especificación.
El problema de esta división es que parece no considerar los programas
informáticos como programas culturales. Y lo son. Son obras humanas, y para su
construccóon el computer scientist ha debido dejar a un lado las ambiguedades y
centrarse en determinar un "effective procedure", un "well-structure problem".
La diferencia es pues entre programas culturales, no entre programas culturales
y programas informáticos.
Con todo sí hay una distinción a rescatar en la matización de D’Andrade. Una
cosa es el programa informático, el programa de la máquina, y otra y programa de
investigación del computer scientist que da lugar al programa informático. Su
distinción permite abrir una antropología de la "computer science culture",
basada en el análisis de los programas de los "computer scientists", aquellos
que dan lugar, que construyen las máquinas, en tanto que artefactos humanos. La

tarea de analizar las máquinas y sus programas es propia del experto en computer
science, pero la de analizar a los constructores de dichas máquinas es tarea de
los antropólogos que estudian tecnoculturas.
Así, como veremos, la propia Artificial Intelligence es una ciencia que tiene un
programa cultural que va más allá de los programas informáticos que construye:
el programa de la unidad de la inteligencia del ser humano y la del computador.
Un programa de origen religioso y científico al mismo tiempo, que da sentido y
significado a los concretos programas de ordenador que construye.
Han habido intentos en CMU de generalizar el "programming" al conjunto del
procesamiento de información humano. Así Nico Habermann, decano de la escuela
hasta 1991, puede afirmar: " The symbolic processing of information is something
that has interest in it self, but it affect other disciplines in a similar way
that mathematics affects physics and engineering. Information processing is not
restricted to just physics and engineering. It applies to everything.
Computer science shouldn’t be buried in an engineering school, for example,
because it is not just engineering , mathematics, data processing or artificial
intelligence. Computer science really has something to say about the way that
information is processed in all disciplines."( Carnegie Mellon Magazine
1990:56)..
Esta equiparación ("similar way") de la computer science con la matemática y la
física no deja de ser sorprendente. La cultura científica moderna, en efecto,
nace de la unión de la matemática y la física en el Renacimiento, renovando la
tradición de la cultura científica griega. La física, la ciencia del "orden
natural", es concebida como la disciplina que fundamenta la visión del mundo
como Cosmos. (El surgimiento de una física del Caos, a partir del principio de
incertidumbre de Heisenberg, es una expresión de la crisis de la antigua
cosmología, pero conserva la misma problemática).
El que se empiece a plantear que existe una nueva disciplina, el"information
processing", dentro de una universidad, que tiene tiene una función similar a la
que la matemática juega en la moderna ciencia, es un hecho con implicaciones
culturales significativas.
En su discurso de despedida, el 27 de septiembre de 1991, Nico Habermann volvió
a repetir estas ideas: " Creo firmemente que computer science es un nuevo tipo
de disciplina, distinta a las matemáticas y a la ingeniería, un tipo de
disciplina que posibilitará a las restantes materias de la universidad el

dedicarse al diseño de nuevas realidades simuladas con ayuda del ordenador".
(1991).
Lo primero que un análisis cultural ha de hacer es estudiar el programa cultural
de la computer science, qué fines últimos persigue, qué métodos utiliza, que
personas lo llevan a cabo, y que realizaciones concretas (esto es, que programas
informáticos) produce. La computer science no es un programa de un ordenador
sino un sistema de conocimientos que un grupo de seres humanos han puesto en
marcha para hacer programas de ordenadores. Y como tal no puede prescindir de
los deseos ("desires") y creencias ("I believe that"), de las ilusiones, de los
conflictos de poder, los pactos y convenciones que acompañan la cultura humana,
sin los cuales no habrían nacido los ordenadores.
En Carnegie Mellon, se llegó a un pacto entre dos versiones de la disciplina, la
de Newell y Simon defensores del "information processing" y la de Perlis,
profesor de "computer science". Este pacto es el que ha permitido que durante 25
años personas provenientes de la matemática, las ciencias sociales, el
management y la ingeniería, se consideraran trabajando en el mismo campo. La red
Andrew, y la propia SCS, se pensó con la visión de poder abarcar al conjunto del
campus como un laboratorio del "information processing".
Si esta versión del computer science se mantiene , si la disciplina se sigue
definiendo como "el estudio de los fenómenos que rodean al ordenador", dado que
éste es un fenomeno en expansión ( que abarca a 55 millones de ordenadores
personales sólo en Estados Unidos), esta propia definición puede acabar
conduciendo al estudio de las "computer cultures" en su complejidad, esto es, el
conjunto formado por los seres humanos, sus programas informáticos y sus
máquinas y redes electrónicas que las conectan, en un país y a escala cada vez
más internacional.
1.6. CARNEGIE MELLON Y LA "COMPUTER SCIENCE COMMUNITY" DE
NORTEAMERICA.
La definición de los "founding fathers" del Computer Science de CMU fue un
acuerdo entre dos visiones de la disciplina que han estado en conflicto en
Estados Unidos desde los años 60s.
Esta disciplina se denomina en este país "computer science" por características
culturales propias. En 1965, la Association for Computing Machinery celebró una
histórica votación a cerca de su cambio de nombre. La alternativa era pasar a

denominarse "Association for Computing and Information Sciences". Ganó la opción
de conservar el nombre por 3794 votos contra 2203. Destacados directores de
departamento como George Forsythe eran partidarios de la segunda opción. Herb
Simon y Allen Newell han estado denominando su investigación "complex
information processing" y no computer science, que consideran un termino
"parochial" (1972:888). Pero la nueva institucion se denominó School of Computer
Science.
En efecto, "computer science" es un término propio de la cultura informática
norteamericana. Y tiene un carácter ambiguo.
En Europa, la disciplina se denomina "informatique" (Francia), "informatik"
(Alemania), "datalogi" (Dinamarca). Para Donal Knuth , prestigioso computer
scientist de Stanford, "These other names for computer science all de-emphasize
the role of computing machines themselves, apparently in order to make the field
more ‘legitimate’ and respectable" ( 1974: 324). Sin embargo, también habría que
decir que algunos de ellos como "informatique" o "informática" no necesitan del
calificativo de científicos como en Estados Unidos. En Estados Unidos los
doctorados son en Computer Science, término que funde ciencia y máquina en una
sola expresión. El propio equipo interdisciplinar inventor del ENIAC, el físico
Mauchly y el ingeniero Eckert son un símbolo de la disciplina.
La definición de computer science como "the study of the phenomena surronding
computes" es propia de CMU. Pero no es la única definición ni la mayoritaria
entre los computer scientists en Estados Unidos. El debate sobre la naturaleza
del computer science dura ya 42 años en Estados Unidos y no se ha terminado.
Ward Goodenough definió en los 60s la cultura como "shared knowledge", un
sistema de conocimiento compartido. Desde hace siglos, el sistema de
conocimiento dominante de la cultura occidental es la ciencia y la tecnología,
formando lo que podríamos denominar una logo-cultura. La computer science ha
nacido en Estados Unidos hace apenas unas décadas y constituye la primera
ciencia nacida en Norteamérica.
Tras la II Guerra Mundial, Estados Unidos recogió de Europa la tarea de liderar
los valores de la moderna civilización occidental. Este sistema de valores tiene
como conocimiento superior la ciencia. Hasta ahora el sistema de ciencias que
rige en Estados Unidos, como en Europa, está presidido por las ciencias
naturales y representado en su escalón superior por la National Academy of
Sciences, bajo la dirección de los físicos, y otros científicos.

La computer science ha nacido en América en los años 60s, de la confluencia de
la ciencia, tanto natural como social y de la ingeniería, y sus objetivos,
métodos y estructura de actuación son una innovación en ese sistema de
conocimiento cultural. Es quizá el principal cambio en el ámbito académico desde
el establecimiento de el moderno sistema de las ciencias, establecido por
Auguste Comte a principios del siglo XIX.
En el reciente informe de la Association for Computing Machinery, se parte de
esta incertidumbre sobre la naturaleza de la disciplina: " It is ACM’s 42nd year
and an old debate continues. Is computer science a science?. An engineering
discipline? O merely a technology, an inventor and purveyor of computing
commodities?. What is the intellectual substance of the discipline?." (P.
Denning.1989: 9).
Esta situación de incertidumbre no llega comunmente al gran público, ni siquiera
al resto de disciplinas. Se considera a la computer una tecnología en sí misma
determinante de los cambios en el conjunto social. Un análisis más afinado de la
propia comunidad de computer scientists nos permite apreciar las enormes
contradicciones que implican las innovaciones que la computer science conlleva.
En 1978, en una reunión entre directores de departamentos de Computer Science
celebrada en Snowbird, Utah, bajo el título, "Quo Vadimus". , y presidida por
Joseph Traub (1981), el entonces director del Department of Computer Science de
CMU, se trató de abordar un análisis entre otros temas sobre la naturaleza de la
computer science y sus paradigmas. Tres posiciones destacaron. 1. Las que
afirmaban que computer science era una ciencia nueva pero de la misma naturaleza
que la física o la química. 2. Las que sostenían que era una "nueva especie de
ciencia" con paradigmas distintos a las anteriores y 3. por último los que
colocaron a la computer science como una disciplina al servicio de la sociedad
al mismo nivel que la ingeniería o la medicina.
En el primer caso, paradójicamente no estaba un académico universitario sino
J.S. Birbaum, miembro del Computer Science Department de IBM T.J. Watson
Research Center, sostenía que: " For me, computer science is an emerging
science; I view is as an experimental science whose nature is almost
interdisciplinary...Computer Science does not differ in these regards from other
more established sciences at comparables stages of gestation, such as physics,
chemistry, and applied mathematics, and in my opinion is that its paradigm
should be based on the history of those sciences". (1981:352).

En la segunda corriente, Juris Hartmanis, matemático y director del Computer
Science Department de Cornell University, arguía que : "I believe very sincerely
that computer science is a brand new species among all the known sciences and
that is fundamentally differs from the older sciences...I am deeply convinced
that computer science does not obey these and other paradigms from physical
sciences. To repeat my main point, ...in computer science we are much more
interested in exploring what can be done, what kind of computing structures can
be built, what kind of languages are easily specified and understood, what data
structures are economical, etc...At the risk of oversimplifying, we can say that
in physical sciences we are primarily interested in the existing and in computer
science (or the new species of the sciences of which there surely will be more)
we are primarily concerned with that which is possible, with what can exist."
(1981:354).
La ultima posición estuvo representada por Raj Reddy, profesor de Inteligencia
Artificial de Carnegie Mellon. En lugar de preguntarse según la clásica forma
socrática sobre qué son las cosas, o qué es computer science, se preguntó por su
papel en la sociedad: " The question I would like to adress myself to is, "What
is the role of computer science and how can it say relevant to the needs of the
society in the 80s and the 90s?". Note that I am not asking "What is computer
science? but rather, "what is the role of computer science?". Once we agree on
the role of computer science we can derive as a consequence the central issues
that will drive the field in the future. I would like to propose an expansive
view of computer science and say that "computer science is a science devoted to
the enhancement of the mental abilities of the human being". I suggest that
computer science has the same type of role to play as engineering or medicine".
( ibid.:354-355).
Estructura básica de este enfoque: 1.¿ Para qué computer science?.¿ Qué
objetivos sociales puede cubrir?. 2. En función de ello, ¿qué es computer
science?.
Esta pregunta por la utilidad, por el "para qué" es característica de una mente
tecnológica, más que científica. Y es la propia de CMU como universidad nacida
de un instituto tecnológico. Y en cuya cultura hay una inversión de las
relaciones profesional-liberal education, en la que la segunda está en función
de la primera.
Pero ésto es sólo un aspecto. El otro es, que esta definición se pregunta por la

utilidad social de esta tecnología, por su lugar al servicio del desarrollo del
ser humano. Esta pregunta no es ya propia de un tecnólogo, sino de un educador.
Un clásico ingeniero pone la ciencia al servicio del desarrollo tecnológico. Un
científico pone la ingeniería al servicio de su labor descubridora. Un político
pone la tecnología y la ciencia al servicio de la sociedad. Pero sólo un
educador pone la tecnología al servicio del reforzamiento de las habilidades
mentales del ser humano.
" How can one enhance the mental habilities of a mathematician or a biologist?.
Will computer science take over all other fields? What does it mean to enhance
the mental habilities? And so on. I believe our job is not to replace a
biologist of a civil engineer but rather to develop tools and techniques that
will make it possible for them to do their job better, faster, and with greater
productivity...The primary mission of computer science is to develop techniques
and systems which make "effective use of knowledge in day-to-day problem
solving". (ibid.:355).
1.7. CARNEGIE MELLON Y EL INFORME DENNING: LA VUELTA " TO TRADITIONAL
SCIENTIFIC STANDARDS".
Este debate en los últimos años ha entrado en una etapa en la que parece que
existe un consenso en torno a la mayor parte de los directores de departamentos
de Computer Science del país en torno a la necesidad de conformar la enseñanza
de la computer science según los patrones tradicionales de la ciencia y la
ingeniería.
Estos patrones rigen un sistema de conocimiento, codificado según la
Nomenclatura Internacional Normalizada para los campos de la Ciencia y la
Tecnología, propuesta por la UNESCO en 1974 ( Comisión Interministerial .1990"
:27-68).
Esta clasificación está encabezada por los "campos" de la Lógica ( código11), y
la Matemática ( código12), y seguida por las ciencias naturales (Astronomía y
Astrofísica, Física, Química, Biología...), las Ciencias Tecnológicas . A
continuación vienen las Ciencias Sociales. Y finalmente los últimos escalones
los ocupa la Etica (código71) y la Filosofía (72). Su orden no es arbitrario o
casual sino expresión de un consenso internacional en la comunidad científicia y
tecnológica a cerca de la jerarquía de saberes en la presente cultura.
En esta clasificación la "ciencia de los ordenadores" (1203) es una disciplina

dentro del campo de las matemáticas, y la "tecnología de los ordenadores" (3304)
una disciplina dentro del campo de las "Ciencias Tecnológicas" (33).
En 1989, un informe de la"Task Force on the Core of Computer Science", dirigida
por Peter J. Denning expresaba el claro propósito de conformar la computer
science "to traditional scientific standards". La definición que hacía de la
disciplina era : "The discipline of computing is the systematic study of
algorithmic processes that describe and transform information: their theory,
analysis, design, efficiency, implementation and application. The fundamental
question underlying all of computing is . "What can be (efficiently) automated."
(P. Denning,Communication ACM January 1989 : 12).
Esta pregunta ya fue formulada por George E. Forsythe, matemático, y fundador en
1965 del departamento de Computer Science de Stanford. Pero este consideraba en
1963 la "computer science" como " the birth of a coherent body of technique" y
concebía su departamento incluyendo "experts in Programming, Numerical Analysis,
Automata Theory, Data Processing, Business Games, Adaptive Systems, Information
Theory, Information Retrieval, Recursive Function Theory, Computer Linguistics,
etc..." (1963: 166-178).
La nueva definición del Informe Denning sobre Computer Science estrecha la
disciplina y está en conflicto con la de CMU.
Como señaló A. Newell en el 25 aniversario citado al referirse a otras
definiciones acerca de qué es computer science: " The preferred candidate
usually has a strong flavor of computer science being the study of algorithms.
However important algorithms are--and they are indeed important--much of the
richness of computer science would disappear if we really took the central task
to be discovering algorithms and understanding their nature".
("Revisiting..."1990: 41).
El informe Denning es significativo dentro de la situación de la "computer
science culture" en Estados Unidos. Es el resultado de un trabajo de varios años
de la Association for Computing Machinery , organización que se define como
"scientific and technical society" y que abarca la mayoría de la comunidad de
computer scientists del país, así como a estudiantes, ingenieros, y técnicos de
las empresas "computer professionals" que trabajan en esta área. Su análisis
permite apreciar mejor el significado diferencial de "computer science" en CMU.
El modelo tradicional que propone el informe Denning para encuadrar el computer
science de ahora en adelante esta organizado en tres patrones culturales o

"cultural styles" que corresponden a la matemática, la ciencia natural y la
ingeniería: " The three major paradigms, or cultural styles, by which we
approach our work provide a context for our definition of the discipline of
computing. The first paradigm, theory, is rooted in mathematics...The second
paradigm , abstraction, (modeling) is rooted in the experimental scientific
method...The third paradigm, design, is rooted in engineering... Despite their
inseparability, the three paradigms are distinct from one another because they
represent separate areas of competence. Theory is concerned with the ability to
describe and prove relationships among objects. Abstraction is concerned with
the ability to use those relationships to make predictions that can be compared
with the world. Design is concerned with the ability to implement specific
instances of those relationships and use them to perform useful actions. Applied
mathematicians, computational scientists and design engineers generally do not
have interchangeable skills" (Denning, 1989:10-11).
Lo sorprendente de esta definición es que intenta meter en una sóla disciplina
"computer science" los paradigmas que hoy estan repartidos entre tres tipos de
campos distintos: matemática, ciencias naturales e ingeniería.
Al comentar esta nueva orientación que apunta en la comunidad de computer
scientists norteamericana con la veterana profesora Mary Shaw de la SCS afirmó
textualmente que no estaba de acuerdo con esta triple división, ni con las
conclusiones del informe.
Si esta definición de "computer science" de la ACM se impusiera en Carnegie
Mellon, se daría la paradoja de que quedarían fuera de la escuela dos de sus
fundadores, Allen Newell y Herb Simon, que han dedicado su vida a demostrar que
la computer science no se reducía a la matemática sino que abarcaba todo tipo de
manipulacion de símbolos. Científicos a su vez que confiesan que su principal
objetivo no es hacer más inteligentes los ordenadores sino "understanding the
nature of human mind". (Newell. "Desires and Diversions". Dec,4.1991).
Pero guste o no en CMU, esta tendencia a la normalización de Computer Science es
la tendencia que se está imponiendo en todo el país. La matemática sirve de
teoría a la ciencia natural que proporciona los modelos para los diseños
ingenieros. ¿Ha sido este el tipo de investigación seguida en CMU?. ¿Qué ha
distinguido la investigación de computer science en CMU para que no acabe de
cuadrar en los "traditional scientific standards" del informe Denning?.
Carnegie Mellon aparece como una comunidad de computer scientists particular en

Norteamérica con características propias:
1. Como señala Merrick Furst, Vicedecano de la escuela, un hecho excepcional en
CMU es que no ha tenido área de Theory, hasta los años 80s, a diferencia del
resto de departamentos de similar categoría. (Entrevista. 16 Abril).
Todavía hoy, profesores como Allen Newell sostienen que un programa informático
(SOAR) es a su vez la teoría en "information processing" ..
2. La Artificial Intelligence (AI) ha tenido, en proporción a otras áreas como
hardware o programming systems, un mayor peso en CMU que en otros departamentos
del país.
Y a su vez, la AI de CMU ha estado muy influída por un científico social, Herb
Simon, educado en Ciencia Política, más que por la matemática o la ingeniería.
El punto de partida de los padres fundadores de la disciplina en CMU ha sido más
un "model of man", el hombre de racionalidad limitada, que un modelo de máquina.
Y es a imitación del "model of man", y su forma de pensar (heurística) como se
han construido los programas informáticos.
La pregunta, en el programa de investigación de Newell y Simon, no es tanto qué
proceso humano puede ser automatizado sino qué software puede ser construido
según el modelo de pensamiento de un human problem solver.
En consecuencia, se ha tratado sistemáticamente en CMU de abrir el ordenador a
los científicos sociales, incluso a los escásamente formalizados como los
sicólogos, y a todo tipo de disciplinas, en un esfuerzo de integración, de
"putting it all together", de hacer del "problem solving" un lenguaje común a la
ciencias y la ingeniería. Andrew fue una red pensada principalmente no para los
computer scientists sino para el resto del campus, con un especial énfasis en el
College of Humanities and Social Sciences.
Sin embargo, para el Denning Repport solo hay cabida para tres categorías de
investigadores en este campo: matemáticos aplicados, "computational scientists"
al modo de los científicos naturales, e ingenieros diseñadores.
3. Por último, la computer science de CMU ha tenido unos lazos con la Defensa
proporcionalmente mayores que los otros departamentos en Estados Unidos, en
parte determinada por su menor relación con la industria. Ello ha permitido a
este centro un desarrollo de una visión estratégica basada en planes a largo
plazo, muy relacionados con el interés nacional. .
Esta trayectoria ha terminado favoreciendo un ejercicio de strategic planning de
la propia universidad, siendo una de las primeras universidades en programarse a

sí misma con esta técnica.
Esta dependencia de los fondos de DARPA, y no de la Academia (National Science
Foundation) le ha permitido una gran libertad de determinar su estructura
educativa y su organización interna, más similar a un "think tank" tipo RAND Co,
que a una institución universitaria.
En estos momentos, los doctorados que otorga CMU en computer science los avala
el prestigio investigador de la institución, no una orden oficial.
La tendencia que apunta el informe Denning parece perseguir un sentido
contrario: fijar los límites de la profesión, delimitando quién está dentro y
quién fuera. Para ello funciona una comisión de acreditaciones (the Computing
Science Accreditation Board. CSAB), como ya se hizo con la carrera de
ingeniería, encargada de normalizar los curriculums en todos los departamentos.
Describamos más en profundidad el programa de investigación en Computer Science
de CMU y observemos sus innovaciones, entroncadas en una tradición cultural
propia de instituto de tecnología con una tradición humanística y en ciencias
sociales.
1.8. "THE DOCTORAL PROGRAM IN COMPUTER SCIENCE" DE LA SCS Y LOS
PROGRAMAS DE INVESTIGACION DE LA ESCUELA.
La investigación básica de la escuela se realiza principalmente por profesores
del área denominada "THE DOCTORAL PROGRAM IN COMPUTER SCIENCE" en la School of
Computer Science. El grupo de profesores que forma este programa constituye la
columna vertebral de la School. Este grupo y sus proyectos pertenecen a lo que
antes era el Computer Science Department de CMU, fundado en 1965.
La investigación y la estructura educativa de este programa se divide en cuatro
"áreas" : "ARTIFICIAL INTELLIGENCE", "PROGRAMMING SYSTEMS", "COMPUTER
SYSTEMS" Y
"THEORY".
Dentro de estas áreas, el profesor en cuestión trabaja en varios "interests",
(p.e. redes de ordenador, problem solving, o supercomputers). Y estructura con
ellos sus "projects".(p.e. Prodigy, Mach,...). Estos proyectos forman la espina
dorsal de los grandes programas de investigación que toman la forma de
contratos, esponsorizados en su mayor parte por DARPA (Defense Advanced Research
Projects Agency). En 1990 se agrupan en cuatro grandes proyectos: "INFORMATION
PROCESSING", "STRATEGIC", "SPEECH" y "ERGO".

Estos programas forman parte de un inicial contrato único que desde los años 60s
el Computer Science Department de CMU ha mantenido con DARPA, denominado
"INFORMATION PROCESSING RESEARCH", y que ha sido la columna vertebral de la
investigación en computer science en CMU.
Este contrato ha marcado un hecho diferencial de esta escuela, y de los otros
tres enclaves estratégicos seleccionados por DARPA para realizar la
investigación básica en Artificial Intelligence en Estados Unidos durante los
pasados 30 años: Stanford, Massachusetts Institute of Technology , el Stanford
Research Institute y CMU. Hasta el punto que en sus proposals se afirma: " It is
often referred to ...as one of the four ARPA AI Laboratories (though the work
under this contract is much broader than AI,) (CMU-CS-Proposal,1976-78:8).
Ello ha colocado a los seleccionados centros en el centro de la investigación en
computer science en Estados Unidos. La diferencia con otros departamentos
medianos que también tienen áreas de investigación similares, es que ellas no
tienen estos grandes programas de investigación estratégicos, que son los que
permiten la producción de los sistemas como Mach o Nectar de los que se
enorgullece con motivo, la escuela, y hacen aparecer a ésta como un centro de
primer orden en computer science en Estados Unidos y a nivel mundial.
La escuela cimenta su prestigio y se basa en la investigación en torno a los
programas de investigación y desarrollo con interés nacional, y de larga
duración que tiene. La SCS no es, principalmente,un centro de enseñanza para la
producción de doctores en computer science, sino un centro de investigación
básica en computer science, y en especial en Artificial Intelligence. Y entre
ambas funciones existe un conflicto real, dado que obedecen a dinámicas
culturales distintas.
Es en el sector de investigación donde se han producido históricamente las
principales innovaciones de la School. Lo cual es una razón para escogerlos como
base de análisis. Estos proyectos están organizados por los profesores más
cualificados de la School.
El objeto de estudio quedará pues delimitado por estas cuatro áreas de
investigación y dentro de ellas por aquellos proyectos dirigidos por los
profesores que combinen dos factores: mayor cualificación investigativa
reconocida en la School por sus colegas, y también se tiene en cuenta la
dedicación a las tareas educativas, medida por el número de alumnos que
supervisan. A esta figura se le reconoce por "advisor".

He seleccionado distintos proyectos que reunen algunas de las características
que considero valores culturales propios de la School, y que forman lo que
podríamos considerar su patrón cultural:
1.) La SCS está estructurada principalmente en torno a una investigación básica
en computer science, y en especial en Artificial Intelligence, investigación
financiada principalemente por DARPA. Durante la mayor parte de su corta
existencia su carácter fue el ser un "ARPA Artificial Intelligence Laboratory".
2) La SCS rige mayoritariamente su investigación por un "pragmatic approach"
orientado a "construcción de sistemas" ("building systems"), rasgo propio de
esta School. Este enfoque fue adoptado en 1964 en la propuesta de fundación del
Center for Information Processing, firmada por Allen Newell y Alan Perlis,
origen de la actual School. (1963: 13). En particular, la actividad
característica de la School es la construcción de "programs" o software
informático, bien de Inteligencia Artificial o de Programming Systems, las dos
áreas fundacionales del Department en 1965.
3.) El enfoque para acometer la investigación es "sistémico" u holista : "total
system effort", abierto al trabajo interdisciplinar y de innovación entre
distintas áreas del computer science y entre esta disciplina y otros
departamentos de CMU considerados como laboratorios para el estudio del "
information processing"( "open center"). Esta orientación está ya en el origen
de proyectos interdisciplinares como el Logic Theorist, y a experimentos como la
red Andrew en los años 80s.
Dentro de este enfoque, y el papel clave de la AI en esta escuela, es
característico de la computer science de CMU una relación preferente con
determinados departamentos del College of Humanities and Social Sciences: en
particular con Psychology (Herbert Simon) y Philosophy (Dana Scott).
4.) Este "total system effort" conlleva un estilo de trabajo que promueve la
formación de equipos ("teamwork"), y una estructura informal en la escuela con
menor compartimentación y controles burocráticos que en instituciones de similar
tamaño , estructura que favorece el trabajo en forma de redes ("network").
Internet, y dentro de ellas, subredes por especialidad, es la red electrónica de
mayor uso en la SCS,
El resultado de todo ello son sistemas como MACH o NECTAR. Nico Habermann, con
motivo de la celebración del 25 aniversario de la School celebrado en Septiembre
de 1990 los valoraba así: " Another example of Carnegie Mellon’s contributions

to computer science is the Mach system, which is very successful and useful in
the design of architectures and the development of large programming
systems....That is indeed a success story. You might say a similar thing is true
of iWarp and the Nectar project..." (Carnegie Mellon Magazine, Fall 1990). Ambos
sistemas son resultado de la Strategic Computing Initiative adoptada por DARPA
en Octubre de 1982.
Otros proyectos como SOAR, PRODIGY Y THEO son programas de Inteligencia
Artificial basados en capacidad de aprendizaje y están en proceso de maduración.
Uno de ellos, Theo de Tom Mitchell, ha encontrado ya una aplicación en forma de
robot autónomo. Ambler es el primer robot autónomo construido por el Robotics
Institute de esta escuela en 1990 para la exploración del planeta Marte, con
apoyo de la NASA, dentro del programa "Space Exploration Initiative" de la
Administración Bush.
Por último, hay proyectos de lenguaje de programación como ERGO y TYPES IN
PROGRAMMING, dirigidos por Dana Scott, que pretenden utilizar la lógica en
beneficio de una mejor y más fiable construcción de programas informáticos.
Los profesores o "faculty" constituyen el núcleo principal de investigación. En
total suman 86 profesores, 35 en Inteligencia Artificial (40%), 22 en
Programming Systems (22%), 16 en Computer Systems (18%) y 12 en Theory (14%),
aunque gran parte de estos últimos trabajan en el área de Programming también.
Su distribución por área de interés fue , en el curso 1990-91 la siguiente según
el Faculty Research Guide de la escuela:
ARTIFICIAL INTELLIGENCE.
SCIENTIFIC DISCOVERY. H. Simon.
INTELLIGENT ARCHITECT.....SOAR...Newell, Lehman.
PRODIGY....Carbonell.
THEO...Mitchell, Mason, Schlimmer,Simmons.
SPEECH....Reddy, Rudnicky, Stern, Ward, Young.
VISION....Kanade, Ikeuchi, McKeown, Shafer, Webb, Witkin.
MACHINE TRANSLATION...Nirenburg, Tomita, Waibel.
REPRESENT.KNOWLEDGE....Berliner, Touretzky.
MAN-MACHINE INTERFACES....Bates, Giuse, Perlin.
AUTOMATED THEOREM PROVING...Andrews
COMPUTATIONAL LINGUISTICS...Evans.
NEURAL NETWORKS...Fahlman.

PROGRAMMING SYSTEMS.
SOFTWARE (SEI)...Barbacci, Shaw, Garlan, Gibbs.
PROGRAM. ENVIRON...Habermann, Wing, Clarke, Rollins, Cooper.
PROGRAM. LANGUAGES... Lee, Pfenning, Reynolds, Scott, Brookes.
HUMAN-COMPUTER INTERACTION...Myers.
DISTRIBUTED SYSTEMS... Howard, Tokuda, Satya, Morris.
OPERATING SYSTEMS...Rashid, Forin.
COMPUTER MUSIC...Dannenberg.
PROGRAMMING EDUCATION...P.L. Miller.
NETWORKS.....Bruegge, Sansom, Steenkiste, Gross.
SECURITY...Tygar.
COMPUTER SYSTEMS.
PARALLEL COMP...Bianchini, Bisiani, Blelloch, Fisher, Subhlok,Rutenberg.
VLSI SYSTEM VALIDATION....Bryant,
VLSI CAD...Director.
NETWORKS MULTICOMPUTERS...Kung, Gross, Melziolgu, O’Hallaron,
DATA STORAGE SYSTEMS...Gibson.
MULTIPROCESSORS...Siewiorek, Segall.
THEORY.
ALGORITHMS....Bianchini, Furst, Kannan, Miller, Sleator.
COMPLEXITY....Rudich.
LOGIC....Andrew, Scott, Reynolds, Leivant, Harper, Lee, Pfenning, Clarke,
Brookes, Statman.
Estos 86 profesores cuentan para la investigación con 227 estudiantes de grado
seleccionados en función de su capacidad investigadora. La selección en la
School es rigurosa. En 1987 se recibieron 900 solicitudes tanto del país como de
todo el mundo, siendo admitidos tan sólo unos 30 estudiantes, de los cuales un
tercio aproximadamente eran estudiantes extranjeros. Como dato de referencia, en
el curso 1991-92 se han admitido dentro del Programa de Doctorado de Computer
Science 67 estudiantes, y de ellos, 15 provienen de otros paises en su mayoría
asiáticos: 5 de universidades chinas, 5 indúes, 4 europeas (3 inglesas y 1
griega) y 1 israelí.
Como afirma el Graduates Studies in Computer Science, la admisión en la School
se rige por el criterio de capacidad investigativa: "The potential for

outstanding ability in research is always the primary criterion".
A estos estudiantes hay que sumar alrededor de 200 colaboradores entre
programadores (68personas), profesores visitantes, secretarias, managers y
técnicos de servicio.
Por último, la escuela se ha dotado de una infraestructura técnica de primera
calidad. Según se afirma en su informe Goals and Strategic Plans 1988: " The
Department is probably matched by no other academica computer science department
in the richness of its computing environment. There are more than 300 scientific
workstations in use, 45 DEC-VAX machines, several multiprocessor machines of the
Encore and Sequent type, and a variety of special-purpose machines such as
Symbolics, Warp, Hitech, etc." (:28-29). Por ultimo, la Escuela esta conectada
por la red Internet a toda la comunidad nacional e internacional de computer
scientists, y mediante la red Andrew al resto del campus.
1.9. AREAS DE CONOCIMIENTO EN CONTINUO CAMBIO.
La relación profesor-estudiante se establece sobre un terreno común: el de la
investigación, está en función de la investigación. El profesor tiene unos
intereses de investigación que ha conseguido concretar en un programa de
investigación , financiados prioritariamente por Defensa. El estudiante es libre
de seleccionar entre los profesores de la escuela aquél cuya investigación más
se ajuste a sus preferencias.
Un elemento clave a la hora de estudiar una cultura como ésta en proceso de
construcción es el tiempo. Los conocimientos son caducos y cambiantes como la
propia tecnología. Los datos que aparecen en este estudio son válidos en la
fecha 1990-91. Muchos de ellos quedarán obsoletos probablemente en los próximos
dos tres años, sino lo son ya. El Departamento de Computer Science empezó hace
25 años con dos docenas de profesores y estudiantes. Hoy ya no existe. Lo que
existe es una School of Computer Science, con 700 personas, dentro de la cual,
lo que antes era el Department hoy es el Doctoral Program of Computer Science.
Esta escuela tiene hoy tres institutos de investigación, pero otros se están
formando ya en su interior. Se acaba de iniciar un programa sobre High
Definition Television. Por otra parte, casi todo el personal del Information
Technology Center ha sido trasladado al Instituto de Robotics, a fin de
profundizar la investigación en multimedia.
¿Qué significa ello en materia de áreas de investigación y de disciplinas?.

Uno de los mayores problemas para entender el sistema de conocimiento de la SCS
es que este sistema está en construcción y estos propios profesores están
edificando en estos momentos una clasificación o taxonomia clara de los
diferentes componentes de dicho sistema.
Dentro de ella los 86 profesores e investigadores que la forman tienen distintos
intereses o "interests".
Bajo el título de "interests", el Faculty Research Guide del Programa de
Doctorado en Computer Science publicado en 1989-90, enumera para el conjunto de
los 86 profesores de las cuatro áreas, hasta 246 intereses distintos . Los
profesores con mayor número de "interests" son Dana Scott (27), A. Newell (17),
J. Carbonell (16),H.T. Kung (12), M. Shaw (11).
Por citar un ejemplo dentro del área de AI, los "interests" de Allen Newell en
esa fecha eran 17 según esta guía: "Chunking", "Cognitive Architecture",
Cognitive Modelling", Cognitive Science", "Computer Architecture", "Human
Computer Interaction", "Human Factors", "Intelligent Architectures",
"Intelligent Tutoring Systems", "Interfaces Human-Computer", "Machine Learning",
"Parallelism", "Practice", "Problem-Solving", "Production Systems", "Program
Synthesis", "Psychology".
En este conjunto hay componentes heterogéneos : hay técnicas como "chunking";
subáreas de Inteligencia Artificial como "Machine Learning"; hay también otras
áreas de computer science como "Computer Architecture" o "Parallelism"; hay
ciencias tradicionales como "Psychology", y por último , también hay nuevas
ciencias como "Cognitive Science".
Dos años después los "interests" de este profesor han aumentado a 22, según el
Faculty Guide de 1991-92. Se conservan los fundamentales pero se añaden unos y
se dejan otros. Los nuevos intereses son: "Concept Formation", "GOMS",
"Intelligent Control of Software", "Knowledge Adquisition", "Knowledge- Based
Systems", "Parallel Processing", "Protocol Analysis". Se abandonan los
siguientes: "Practice" y "Program Synthesis".
Estos cambios se relacionan con el programa SOAR, el software inteligente que
esta construyendo A. Newell desde principios de la década de los 80s, en
colaboración con investigadores de ésta y otras univesidades.
Esta diversidad de áreas de investigación los profesores de la escuela han
tratado de agruparla, a efectos educativos, en conjuntos más reducidos. Pero,
como veremos a continuación, el área educativa también cambia de un año para

otro.
Así en el Syllabus o programa de estudios de 1990-91 en el área de Inteligencia
Artificial, cuyos responsables eran Alan Bates y Tom Mitchell , se delimitaban a
efectos de los exámenes o "qualifiers" de los estudiantes sólo cuatro subáreas :
"Search", "Logic and Knowledge Representation", "Machine Learning" y
"Architectures".
En el curso actual, 91-92, esta división ya se ha cambiado. Está en discusión un
cambio de curriculum. Al parecer el estudiante ahora puede elegir entre 2 o 3
áreas entre una docena de campos dentro de la Artificial Inteligence de esta
Escuela:
a. " Search and Problem Solving Techniques.
b. "Representation of Knowledge".
c. "AI Languages, Software Tools, and System Organizations".
d. "Expert Systems and Knowledge Engineering".
e. "Learning, Knowledge Acquisition, and Analogical Reasoning".
f. " Parallel AI Arquitectures and Connectionism.
g. "Natural Language Processing".
h. "Speech Understanding".
i. "Vision".
j. "Robotics, Manipulation and Locomotion".
k. "Theoretical Foundations of AI (logical and philosophical foundations).
l. "External Areas of Study Directly Related to AI- for example:
-"Linguistics".
-"Human Cognition".
- "Automated Programming"
-" Automated Mathematics".
Estos datos son una muestra de cambios de las áreas de conocimiento en el sector
de la AI, en relación con su clasificación y construcción taxonómica. Estos
cambios han ido, hasta el momento, en la dirección de una mayor complejización
de áreas y opciones a elegir.
Pasemos a analizar con más detenimiento el programa de investigación en AI de
CMU.

2. LA ARTIFICIAL INTELLIGENCE DE CMU.
2.1.¿ QUE ES LA A.I. DE CMU?.
La "Artificial Intelligence’ (A.I) en Estados Unidos es una corriente
minoritaria dentro de la "computer science" , pero tiene unas características
particulares que la destacan sobre el resto de la comunidad.
En primer lugar, es una corriente fundamentalmente académica, enraizada en el
medio universitario, no empresarial. Se concentra principalmente en una élite de
centros tecnológicos de excelencia de Estados Unidos: M.I.T., Stanford, y
Carnegie Mellon. Se podría considerar la intelligentsia de la "computer
science". De sus líderes, Herbert Simon, Allen Newell, John McCarthy, Marvin
Minsky , uno de ellos es Premio Nobel en Economía, H. Simon, y todos ellos son
miembros de la National Academy of Science y , a su vez, de la National Academy
of Engineering, excepto Simon que sólo pertenece a la primera.
No obstante, ninguna de estas universidades donde la Artificial Intelligence es
fuerte, pertenece a la Ivy Leage, el núcleo de las ocho universidades encabezado
por Harvard, Yale y Princeton donde se forma tradicionalmente la clase dirigente
norteamericana. A su vez, los líderes de esta corriente, a excepción de Herbert
Simon, no ocupan un papel destacado de liderazgo de la comunidad científica
norteamericana, encabezada por los físicos. Más bien ocupan un lugar un
intermedio entre la comunidad de científicos y la de ingenieros. Considerados
demasiado ingenieros por los primeros y excesivamente científicos por los
segundos.
En segundo lugar, este carácter principalmente académico se ha debido en gran
parte a que durante tres décadas la AI ha sido un campo de investigación
estratégica, de alto riesgo, financiada exclusivamente por DARPA, en el que sólo
empresas aisladas como Digital, con fuertes conexiones académicas, se han
atrevido a invertir.
En el documento denominado "Proposal for Continuation of Research in Information
Processing" de Marzo de 1975, sometido por CMU a la Advanced Research Projects
Agency del Department of Defense podemos leer: "CMU has a long history as a
center for research into the nature of intelligence, both in humans and
computers. It is often referred to , along with the laboratories at Stanford,
MIT and SRI, as one of the four ARPA AI Laboratories..." (CMU-CS. Proposal
1875-76:8).

Pero la AI de CMU tiene características propias distintas a las otras
universidades con quie compite, en especial Stanford y M.I.T.
Desde la formación del Computer Science Department, la Artificial Intelligence
de CMU ha sido el grupo de computer scientists que ha ejercido el liderazgo en
la investigación del citado departamento y luego de la School. Esto no es un
rasgo común al resto de departamentos de informática del país, sino una
excepción a la regla.
Esta fuerza de la AI dentro de la Computer Science en CMU, y en todo el país,
proviene, entre otros factores, del hecho de que fue el denominado
‘RAND-Carnegie group",formado por Newell, Shaw y Simon, los que iniciaron la
disciplina en 1955, gracias a la invención del Logic Theorist (LT), el primer
programa de ordenador inteligente. El LT representa para la Artificial
Intelligence lo que ENIAC, el primer ordenador digital significa para la
tecnología informática.
La propia estructuración de la AI en CMU es anómala. A diferencia de MIT o
Stanford, donde sus respectivos líderes están dentro de laboratorios de computer
science, en CMU se considera AI el trabajo realizado tanto en Computer Science,
liderado por Allen Newell y Raj Reddy, como el que realiza Herbert Simon, en el
Department of Psychology, al que también pertenence Allen Newell.
Así se explicita en la propuesta enviada a DARPA, y citada anteriormente:
"The totality of research at CMU that should be discussed under the rubric of
Artificial Intelligence actually occurs in three separate places: the work on
human cognition, going on the Psychology Department and supported by other than
ARPA funds; the work in Speech Understanding Systems,...and the work described
in this section, officially labeled "artificial intelligence". (ibid:8).
La excepción consiste en considerar que un científico, Herb Simon hace también
A.I. al estudiar la cognición humana. El carácter más científico de la A.I. en
CMU es la anomalía. El "scientist of the artificial" es lo extraño.
La Inteligencia Artificial (AI) es dentro de las áreas de la SCS el grupo más
numeroso no sólo de profesores sino también de estudiantes. Es el que aporta el
mayor número de proyectos y por lo tanto de financiación. Es una de las dos
áreas fundacionales de lo que fue el antiguo Department of Computer Science.
Como recordamos se formó por Allen Newell y Herbert Simon que provenían de esta
área y por Alan Perlis, primer director del departamento, y cuyo trabajo estaba
dedicado principalmente al área de los lenguajes de programación, hoy

considerada dentro de Programming Systems. El punto de unión de ambas corrientes
era su interés en el "software".
Esta área de investigación está formada por 35 profesores e investigadores (
Faculty Research Guide.1991) . De estos 24 se dedican también a supervisar la
investigación de un conjunto de 90 alumnos que los han elegido como "advisors".
Estos 90 estudiantes de postgrado son el 39% de un total de 227 en enero de
1991, del conjunto de este programa de doctorado.
Este núcleo de profesores es el que sostiene en el área de Artificial
Intelligence en 1991, las dos actividades fundamentales propias de esta escuela:
la investigación y la dirección de las tesis doctorales de los futuros "computer
scientists". Son los responsables de los principales proyectos de investigación
y de la dirección de los futuros "computer scientists" en esta área. Estos son
sus nombres: Joseph Bates, Hans Berliner, Jaime Carbonell, Scott Fahlman, Mark
Fox , Dario Giuse, Katsushi Ikeuchi, Bonnie John, Takeo Kanade, Kaifu Lee,
Matthew Mason, David McKeown, Tom Mitchell, Allen Newell, Raj Reddy, Alexander
Rudnicky, Jeffrey Schlimmer, Steven Shafer, Reid Simmons, Herb Simon, Masaru
Tomita, David Touretzky, Alexander Waibel y Andrew Witkin.
De este grupo, si nos fijamos en la relación con los estudiantes como "advisors"
vemos que hay grandes diferencias en cuanto al número de los estudiantes que
cada uno dirige, lo cual constituye un dato significativo. En el curso académico
1990-91 los profesores Jaime Carbonell y Tom Mitchell supervisaron grupos de 13
y 12 estudiantes de doctorado respectivamente, los grupos más numerosos , no
sólo de esta área sino de toda la escuela.
En ese año, un reducido nucleo de 7 profesores del grupo de Inteligencia
Artificial (un 20% del total) , los dos citados más A.Newell (8 alumnos), A.
Witkin (7), M. Tomita (6), T. Kanade (5) y A. Bates (5) supervisaron un total de
56 estudiantes, el 62% del total de graduate students del área de Inteligencia
Artificial. Si analizamos a continuación los intereses de estos profesores
podemos hacernos una idea de las áreas que suscitan más interés en los
estudiantes de A.I. en CMU.
Allen Newell, Jaime Carbonell y Tom Mitchell participan junto con otros
profesores (H. Berliner, D. McKeown, H.Simon, y K Van Lehn) en un programa de
investigación básica denominado: "INTEGRATED ARCHITECTURE FOR INTELLIGENT
SYSTEMS"( 1990-1993). Como primera definición podríamos decir que se trata de
construir programas de ordenador que puedan desarrollar una conducta inteligente

similar a la de un ser humano. En particular, Jaime Carbonell y Tom Mitchell,
han sido protagonistas en la puesta en marcha durante los años 80s de una nueva
subárea dentro de la A.I. denominada: "MACHINE LEARNING", cuyo objetivo es
construir máquinas que puedan aprender, "one of the defining features of
intelligence" (Carbonell, 1987: 464).
Por su parte, Andrew Witkin y Takeo Kanade trabajan en el campo del "COMPUTER
VISION", que trata de conseguir que los ordenadores puedan adquirir una visión
igual o mayor que la de los humanos. Ambos, junto a otros investigadores (S.
Shafer, K. Ikeuchi), participan en el programa "IMAGE UNDERSTANDING"(1990-93),
que desarrolla estos objetivos.
A su vez, Takeo Kanade, director del programa y co-director del Robotics
Institute, ha colaborado con T. Mitchell, y Red Whittaker, ingeniero civil, en
la construcción de AMBLER, un robot inteligente y autónomo, finalizado en 1990
en CMU y destinado a la exploración expacial dentro de los programas de la NASA.
Masaru Tomita y Jaime Carbonell, trabajan en el área de MACHINE TRANSLATION,
cuyo objetivo es construir máquinas que puedan traducir automáticamente
lenguajes naturales. En una reciente reunión en Washington, the Machine
Translation Summit III, Jaime Carbonell presentó el sistema KANT, construido en
colaboración con el linguista T. Mitamura y el programador E.Nyberg III, que
puede asimilar información técnica en inglés y generar un texto en japonés,
alemán o francés. Para esta tecnología, se basan en una subárea de la
Inteligencia Artificial denominada NATURAL-LANGUAGE PROCESSING (NPL), definida
por J. Carbonell y Philips Hayes como "the formulation and investigation of
computationally effective mechanisms for communication through natural
language". (1987: 661).
Alan Bates, coordinador, junto con Tom Mitchell, del área educativa de la A.I.
en la School, para el curso 90-91, se dedica a la nueva área de los INTERACTIVE
MULTIMEDIA. Estos últimos años han surgido los primeros ordenadores que pueden
procesar imágenes, no sólo texto o gráficos. Este es el campo llamado "
MULTIMEDIA", y que emparenta con la televisión. La diferencia estriba en que en
el ordenador la persona puede manipular, cambiar, crear, las imágenes que
aparecen en la pantalla. Alan Bates se dedica a crear estos medios visuales
interactivos, como MetaPrl y Sythetic Realities, en palabras de Bates "Paper and
film provide ways for people to express their thoughts and fantasies. Computers
may provide equally significant means of expression by supporting interaction

with those thoughts and fantasies ‘brought to life’. I work in the areas of
interactive environments and antificial intelligence, with the goal of creating
these new interactive media." (CMU-CS.FRG, 1990-91:3).
Por ultimo "SPOKEN LANGUAGE UNDERSTANDING", es un programa de investigación
dirigido por el Dr. Raj Reddy y su objetivo es la construcción de un sistema que
sea capaz de reconocer la voz humana, en concreto 5.000 palabras con un acierto
del 95%. Forma parte del área denominada "Speech" en A.I.. Su equipo esta
formado en 1990-91, por los profesores Kaifu Lee, Alexander Rudnicky, Richard
Stern, Wayne Ward y Sheryl Young.
Estos programas, particularmente tres de ellos: "Integrated Architectures",
"Image Understanding" y "Spoken Language Understanding" engloban a los
profesores de A.I. con una mayor experiencia en el campo de la investigación en
esta disciplina. Y sus directores Allen Newell, Takeo Kanade, y Raj Reddy se
pueden considerar líderes representativos de la investigación en la A.I. de esta
comunidad.
Estos programas de Inteligencia Artificial son el resultado de un programa de
investigación que fundó la disciplina y que se inició en 1955-56 con la
invención del Logic Theorist por Allen Newell, Cliff Shaw y Herb Simon. Programa
que constituye el patrón cultural dominante sobre el que se ha construido la
A.I. en CMU.
2.2. LA CONSTRUCCION DE LA "LOGIC THEORY MACHINE" : EL PROGRAMA
CULTURAL INICIAL DE LA "ARTIFICIAL INTELLIGENCE" DE CMU.
2.2.1. "THE PARENTS OF THE ARTIFICIAL INTELLIGENCE".
La Inteligencia Artificial es una nueva disciplina, un nuevo sistema de
conocimiento, en torno al cual se ha organizado inicialmente en Estados Unidos y
luego en Europa y Japón, un grupo de personas para su desarrollo. Constituye por
lo tanto una cultura particular, una construcción humana histórica, que puede
ser analizada por el antropólogo como una innovación cultural, dentro de lo que
serían las "computer cultures".
A efectos de un estudio antropológico, la construcción del programa de
Inteligencia Artificial , la "Logic Theory Machine", inventado por Allen Newell,
Cliff Shaw y Herb Simon en 1955-56, lo podríamos considerar como una de las
bases para la confección del modelo etnográfico de esta comunidad.

Al referirnos a la "Logic Theory Machine" entendemos el programa de
investigación y desarrollo que dió lugar a dicho programa informático.
El análisis de este programa puede aportar esta base, máxime cuando el mismo fue
creado por dos de los fundadores del Computer Science Department, Allen Newell y
Herb Simon, aún hoy dos activos investigadores con 64 y 75 años, y que se
consideran a sí mismos como "parents" ("padres"), de la disciplina (Simon,
1991:190). La relación "parents"-"padres"-"patrones culturales" nos parece, no
sólo etimológicamente ajustada, sino además ,en este caso, culturalmente
apropiada. Aunque la influencia de estos científicos va decayendo con los años,
aún siguen siendo considerados por la nueva generación de la escuela como un
modelo de referencia respetado.
Es evidente que todo modelo etnográfico es una reducción del conjunto de
conductas y conocimientos observados en una comunidad dada, pero dado que es
imposible aspirar a una observación sincrónica de la totalidad de las
actividades de todo un colectivo humano, esta técnica está considerada, según
antropólogos como Claudio Esteva, como "la técnica de conocimiento más
productiva" (1978: 233). Dentro del modelo, trataremos de obtener un patrón
cultural, o modo de conducta referencial para el conjunto del grupo. La
actividad de estos profesores ha seguido ella misma un patrón sustancialmente
idéntico durante estas cuatro décadas. Este modelo cultural ha sido y es el
fundacional de la Inteligencia Artificial en CMU, y sigue aportando el modelo de
actuación principal. En antropología, un patrón cultural, como vemos en este
caso, es un "model of man" (utilizando la expresión "man" común para ambos
géneros).
Anteriormente ya hemos citado al antropólogo Roy D’Andrade (1981) y su noción de
"programa cultural" para el estudio de los sistemas culturales en general.
Estos, definidos hasta ahora como sistemas de conocimientos organizados, se
podrían ver como programas organizados, esto es, como programas culturales
compartidos. D’Andrade diferencia programas culturales y programas informáticos,
considerando los primeros como "programas humanos" y los segundos, los "computer
programs". Pero, como ya hemos analizado antes, esta diferencia no es del todo
ajustada.
Los computer programs, como el caso del Logic Theorist muestra, son también
programas culturales, un tipo particular de ellos. Son productos humanos, obras
humanas. La oposición programa humano-programa informático se podría superar si

consideraramos ambos como subconjuntos de un programa mayor: el programa
cultural.
Todos los programas informáticos son programas culturales pero los programas
culturales no han sido hasta ahora programas informáticos.
Carnegie Mellon es una "computer-intensive university". Su cultura, sus habitos
de trabajo, sus modos de comunicación, sus costumbres ("mores") y por lo tanto
su moral, finalmente, está siendo regulada parcialmente ya por un programa
informático. Su computer environment, Andrew, se rige en efecto por un programa
informático.
No obstante éste ha sido hecho por unos computer scientists que trabajan en una
institución con un programa cultural anterior a Andrew, el programa
pre-informático de CMU como institución iniciada en 1900 y sus sucesivas
actualizaciones, a su vez, concreción de todo un programa cultural
característico de Norteamérica.
Se puede pensar que ahora puede iniciarse la construcción de programas
culturales, los programas de las tecnoculturas, que sean realizados
conjuntamente por seres humanos y ordenadores inteligentes. Hasta ahora podíamos
pensar que los programas culturales simplemente se heredaban. Los construía la
historia. Luego se pensó que los construía la naturaleza y nos adaptábamos a
ella. Aún hoy se habla de Andrew como "environment". Un medio al que adaptarse.
Pero lo cierto es que este "environment" ha sido una decisión humana,
deliberada, una innovación, no una mera adaptación.
El Logic Theorist fue a su vez otra innovación. El resultado de la acción
voluntaria y deliberada inteligente de un determinado colectivo humano
organizado sobre su propio proceso de pensamiento, y sobre el medio externo. En
estos conjuntos, la iniciativa para formar nuevos programas informáticos la
tienen los seres humanos. Son los elementos generadores del proceso, los
inventores, sus autores, lo que les permite ser responsables de sus actos.
Mientras la ciencia era sólo observación y análisis podía equivocarse o no en
sus predicciones , pero no era responsable. Cuando la ciencia pasó a diseñar en
los años 40s, bombas atómicas o ordenadores, cuando empezó a actuar, a
transformar, se convirtió en agente del cambio cultural. El problema de la
responsabilidad, antes circunscrito a la figura del profesional, con su código
de ética profesional, se ha extendido a la ciencia. La ciencia se ha hecho
programadora. Y el "computer science" es una prueba de ello.

El uso del concepto "programa cultural" es particularmente útil para el estudio
de la cultura informática. El concepto de programa permite entender mejor que la
cultura es una actividad humana normativa que se caracteriza por su
artificialidad, contingencia y posibilidad de acción innovadora sobre el medio.
En las computer cultures, la actividad del científico es claramente política
("policy"). Como afirma el antropólogo Erve Chambers: " The value of forming an
idea of policy is that it enables us to start thinking about human issues and
problems in terms of their intentionality. Programs and activities of change do
not just happen. They are thought out, planned out, and put into action by human
beings for particular reasons" (1985:38).
O como afirma Harold Abelson, profesor del Department of Electrical Engineering
and Computer Science, del M.I.T.: "Computer Science is the business of
formalizing imperative knowledge..." ( Abelson, H.1991:193)
No obstante no hay que olvidar que un programa es una función de un sistema en
el caso de una tecnología o de una comunidad en el caso de una ciencia social.
Logic Theorist era una Logic Theory Machine, el olvido, más tarde del último
término, trajo consecuencias graves para la A.I.
La Inteligencia Artificial la empezó un grupo de científicos y programadores
decididos a construir un programa informático que podía ejecutar en el ordenador
una función inteligente que sólo el ser humano había realizado hasta la fecha:
encontrar una prueba de un teorema de lógica matemática.
Esta prueba se realizó el 9 de agosto de 1956 en un ordenador JOHNNIAC en la
RAND Co. Fue el resultado final de un programa cultural iniciado por tres
personas en torno a una investigación denominada "complex information
processing". La secuencia podría describirse así. Un equipo de científicos
vislumbraron la posibilidad de inventar una máquina con esas características.
Como dice Simon: " The sudden and permanent change came about because Al Newell,
Cliff Shaw and I caught a glimpse of a revolutionary use for the electronic
computers...We seize the opportunity to use the computer as a general processor
for symbols (hence for thoughts) rather than just a speedy engine for
arithmetic."( Models of My Life.1991: 189).
No había realidad natural preexistente a su invento. Vieron una posibilidad
plausible.
A continuación , tras distintos ensayos y fracasos, seleccionaron una tarea que
vieron realizable. Una vez seleccionada, uno de ellos resolvió dicha tarea

simulándola, a la vez que analizaba su propio proceso de resolución de esta
tarea . Mientras, los otros miembros del equipo construyeron un nuevo lenguaje
de programación para introducir esta forma de pensamiento en un ordenador.
Finalmente comprobaron si funcionaba o no el invento en la máquina. Y funcionó
el 9 de agosto de 1956.
En palabras de Simon:" By the end of 1955 we had invented list-processing
languages for programming computers and had used them to create the Logic
Theorist, the first computer program that solved non-numerical problems by
selective search. It is for these two achievements that we are commonly adjudged
to be the parents of artificial intelligence." (ib:189-190).
Con ello no sólo construyeron un artefacto inteligente sino al mismo tiempo una
disciplina para construir estos artilugios, la Artificial Intelligence.
Analicemos más en concreto el proceso cultural de invención.
2.2.2. EN LA RAND CORPORATION. : DEL DISEÑO DE ORGANIZACIONES AL DISEÑO
DE UN PROGRAMA INFORMATICO INTELIGENTE.
Herb Simon cuenta en su autobiografía que todo empezó en el verano de 1954 en la
RAND Corporation en Santa Mónica, California: " Al and I had a long discussion
of the possibility of simulating human thinking by computer" (1991:201). Diez
años atrás Simon concedió una entrevista a un periódico de Pittsburgh, the
Post-Gazette, el 7 de julio de 1980, donde afirmaba: "The work really began in
Santa Monica about 1955...Al Newell and I began to talk about the possibility of
writing a computer program that would solve problems".
Este modelo empieza pues con la misma pregunta que se formulara Allan Turing en
1950: "Can machines think?", aunque, según los autores, la influencia en ese
periodo de Turing sobre estos personajes fue mínima o nula.
Quizá Simon y Newell no lo supieran en ese momento, pero esta posibilidad ya la
había planteado A. Turing cuatro años antes, en 1950. Lo interesante a resaltar
aquí es cómo aparece esta posibilidad a los ojos de Herbert Simon.
Según ha escrito en su autobiografía, "The completely new turn that my life took
in 1955 was the unanticipated result of my work in the Systems Research
Laboratory at RAND and my contact there with computers" (1991:198). Para este
científico, Premio Nobel en Economía en 1978, : " The most important years of my
life as a scientist were 1955 and 1956". (ibid.:189). Los años de la invención
del Logic Theorist. Herb Simon tenía en 1955, 39 años y Allen Newell, 28.

Pero la razón por la que Simon y Newell se conocieron en la RAND Co en febrero
de 1952 no fue el ordenador sino por el hecho de estar ambos implicados en un
proyecto de la Defensa: el diseño de una estación de seguimiento aéreo de la Air
Force para estudiar en ella el comportamiento humano en relación con la máquina
en condiciones de stress.
La RAND Co. a finales de los 50s era un nuevo tipo de institución, "a nonprofit
corporation formed to further and promote scientific, educational, and
charitable purposes, all for the public welfare and security of the United
States of America" (Articles of Incorporation). (The Rand Co.1963: The First
Fifteen Years). La cultura de la RAND Co. afectará directamente al tipo de
investigación a realizar por el Department of Computer Science de CMU, y a la
propia estructura de esta institución académica. Allen Newell, en particular,
afirmará: "In relation with problem solving, my influence is from the Rand Co,
not from the Doherty Plan".(Entrevista 17 dic. 1990).
La RAND Co era entonces un nuevo tipo de institución, el original "think tank",
"a university without students", cuyo propósito era la investigación aplicada
con fines nacionales estratégicos. RAND era un acrónimo de "RESEARCH AND
NATIONAL DEVELOPMENT". El propósito de su constitución era preservar el cuerpo
de científicos que había participado en la guerra en tareas como el Manhattan
Project, y seguirlo interesando tras la finalización de esta en tareas de
investigación al servicio de la defensa nacional: "In postwar years the United
States has undertaken vastly expanded responsabilities involving the well-being
of much of the world...It was clearly important to preserve part of the
scientific corps that had been mobilized during the war to develop the atomic
bomb...That work had been done though emergency organizations, such the
Manhattan District and the Office of the Scientific Research and
Development...With victory, most scientists were anxious to return to former
pursuits, and it was imperative that some cohesion be maintained among
them...Various settings were considered after the war to a permanent research
organization of a new kind" (ib: 6). Y así nacio RAND Co.
En este centro, se mantendría el carácter aplicado de la investigación
científica, no ya al servicio de la industria, sino de los intereses nacionales
estratégicos. En ella tenían cabida, en proyectos interdisciplinares las
siguientes especialidades: " Aero-Astronautics, Computer Science, Cost Analysis,
Economics, Electronics, Logistics, Mathematics, Physics, Planetary Sciences,

Social Sciencies and System Operations". (ib:2-3).
En esta institución, se empezó a desarrollar a fines de los 40s un enfoque
denominado "system analysis", que progresivamente iría ganando terreno al
anterior, la " operation research", utilizado ante todo durante la II Guerra
Mundial. Los problemas de la postguerra se fueron viendo de naturaleza más
compleja que los de mera optimización de las fuerzas militares en campaña. Uno
de los subproductos de este enfoque fue el Systems Research Laboratory, cuna del
programa de Inteligencia Artificial de CMU.
Mientras que la "operation research" consistía en una técnica matemtática que
proveía de ayuda cuantitativa para los "decision makers" militares en
condiciones de guerra, decisiones caracterizadas por tener objetivos claros, una
vez finalizada la II Guerra Mundial, las necesidades de planificación militar se
transformaron, convirtiendose en decisiones cada vez más de tipo político. (La
operation research ha seguido siendo utilizada en los problemas del management
industrial, especialmente a los niveles medios y bajos, donde el objetivo está
claro ("profit") y se puede medir en unidades de análisis no ambiguas ("money").
Como explica Bruce L.R. Smith, historiador de este periodo de la RAND Co, "this
type of approach has limited utility on the broad policy questions where
objectives cannot be precisely specified and no "optimum" solutions are
possible." (1966:162). Esto llevó al desarrollo de un nuevo enfoque denominado
"system analysis". Este era un método menos cuantitativo y más orientado hacia
"the analysis of broad strategic and policy questions, and particularly in
seeking to clarify choice under conditions of great uncertainty" (ibid:8).
"The useful systems analysis in this area typically attempts to identify
relevant policy alternatives under conditions of great uncertainty, and helps
policy maker to assess the costs and consequences of different courses of
action" (ibid:162). Este es el nacimiento de lo que hoy se denomina "policy
analysis".
"The task of sytem analysis work, indeed, is principally that of integrating a
variety of specialized research skills into a common analytical framework
bearing on an important problem. The aim of such work is to be precise where
possible and where precission is ruled out by a context of conflicting values
and unclear objectives, analysis strives to identify the many complex dimensions
of a critical policy choice and to help the policy maker assess the costs and
consequences of alternative courses of action". (Smith: 10).

Esta cultura de integración de elementos de distintas disciplinas para la
solución de un problema importante, es similar a la del "total system effort"
que se sigue en los proyectos de investigación de la SCS.
La RAND Co. en los años 50s fue, a su vez, la cuna de una mentalidad
estratégica, derivada de su interés por la elaboración de alternativas políticas
de alcance nacional: ""This strategic consciousness serves to distinguish RAND
from some of the other advisory corporations whose major concern is more or less
exclusively with nonstrategic matters". (Smith: 105).
Esta orientación estaba claramente orientada al futuro,siendo uno de los centros
donde nacieron las técnicas de " technological forecasting" (Jantsch,E..1967),
así como la "social technology" (Olaf Helmer. 1966), el método Delphi, en suma,
las bases de la cultura futurológica que se desarrollaría en los 60s. Nacía el
científico del diseño.
La investigación que más tarde daría pie a la Inteligencia Artificial de CMU
nació en 1950 en el marco de esta cultura propia de la RAND. "In 1950 a team of
psychologists began to study how men and machines works together; in particular,
how men respond to conditions of stress. They simulated an Air Defense Direction
Center, and used college students as experimental subjects" ( The Rand CO. 1963:
17). Allen Newell, graduado en Físicas por Stanford y con un año de matemáticas
en Princeton, fue contratado en 1950 por la RAND incorporándose a ese proyecto
de científicos sociales. Dos años después solicitaron la colaboración de Herbert
Simon como experto en organizaciones.
Se trataba de un tipo de investigación para "immediate application", como era
característico de la cultura de la RAND Co.. Como reconoce Herbert Simon, la
RAND Co. gozaba en ese tiempo de "tremendous success and visibility as a new way
of enlisting research talent to help advance applied goals". (.
Models.1991:164).
Durante los veinte años anteriores, la investigación principal de este profesor
Simon había tratado con organizaciones y cómo las personas que las dirigen toman
decisiones. De esa época arranca su concepto del hombre como animal de "bounded
rationality" expuesto en su libro "Administrative Behavior" (1948). Partiendo de
una crítica de la visión neoclásica del Economic Man, Simon ofrecía un nuevo
model of man basado en un nuevo tipo de conducta, la "administrative behavior",
la propia del animal político , más dedicado a la toma de decisiones ("decision
making") en un limitado campo de opciones, que a una búsqueda incesante de

optimización de sus beneficios económicos en el mercado.
Este interés por la ciencia política y secundariamente por la economía es lo que
le llevó a colaborar con la Comission Cowles y con la RAND Co como experto en
organizaciones. Ambas eran instituciones que trataban de asesorar a organismos
políticos de la Administración y de la Defensa sobre "decision making" en temas
económicos y estratégicos.
Una vez en RAND, y después de tres años intentando formalizar las diferentes
comunicaciones entre los miembros del laboratorio sin conseguirlo, cambiaron de
terreno de investigación: " Yet Al and I sufferend from continuing frustration
in trying to write formal descriptions of the process. Somehow, we lacked the
necessary language and technology to describe thinking people as information
processors...The frustration that Al and I experienced with the SRL experimental
data had major consequences". (ibid: 168).
En un borrador de su biografia escrito en 1977, y hoy conservado en sus archivos
personales en CMU, H. Simon explica su nuevo centro de atención : "At Systems
Research Laboratory, I became fascinated by the method that Al Newell had
devised for using a Card Programmed Calculator to produce the simulated radar
maps needed for the air defense simulation. What was remarkable about this
application was that the computer was being used not to generate numbers, but
locations--points--on a two-dimensional map. Computers, then, were not merely
number crunchers; they were general symbol manipulators, capable of processing
symbols of any kind --numerical or not! This insight, which dawned only
gradually, led AI and me even more gradually to the idea that the computer could
provide the formalism we were seeking --that we could use the computer to
simulate all sorts of information processes, and use computer languages as
formal descriptions of those processes" ("Choices and Paths,1977:31).
En su más reciente biografía escribe: "All this changed radically in the last
months of 1955...This sudden and permanent change came about because Al Newell,
Cliff Shaw and I caught a glimpse of a revolutionary use for the electronic
computers that were just then making their first public appearance. We seized
the opportunity we saw to use the computer as a general processor for symbols
(hence for thoughts) rather than just a speedy engine for arithmetic.".
(1991:189).
La idea de "opportunity" nos parece clave en este texto. Puede traducirse al
castellano por "oportunidad", y tambien por "posibilidad, ocasión". Esta palabra

tiene un significado cultural en la sociedad norteamericana que es distinto al
que tiene en España. La cultura norteamericana, tradicionalmente, se ve a sí
misma como" The Land of Opportunities", el país donde "everything is possible".
Ser "oportunista" tiene una connotación en la cultura europea, al menos la
española, de carácter peyorativo. Es sinónimo de abandonar los principios, la
moral. En Estados Unidos, es lo contrario: socialmente está bien visto el saber
ver una posibilidad única y sacar provecho de ella ("take advantage"), tanto en
el aspecto económico como intelectual. Si ésta es la tierra de las
oportunidades, ¿por qué no aprovecharlas?. La pregunta en la cultura
nortamericana no es tanto la búsqueda de un "¿por qué?" sino un oportunista "Why
not?". No es un interés tanto por los orígenes históricos o genealogías de las
cosas sino a a preguntarse por los "purposes", los "goals", los "desires", los
objetivos de la acción humana, en suma, por su futuro.
Pero la idea de "oportunity" indica aquí en concreto no una posibilidad
cualquiera, sino una posibilidad plausible, realizable. Esta consiste en una
alternativa ya seleccionada, no realizada aún, pero no un simple sueño o una
fantasía. Las posibilidades son múltiples, innumerables. La oportunidad es una,
singular, particular, en un momento dado. De entre todas las posibilidades se
selecciona una que se ve con visos de poderse realizar, a esta alternativa la
denomino: posibilidad plausible, y es clave para entender una mentalidad
tecnológica. Es sinónimo del término, "feasible" (M. Furst), realizable.
Ed Feigenbaum, alumno de Simon en 1955, ha sido el que ha recordado la expresión
utilizada por Herb Simon, la primera clase después de las vacaciones de Navidad
del curso 1955-56: "Over Christmas, Al Newell and I invented a thinking
machine". (1989:166).
2.2.3. DISEÑO Y ADAPTACION: LA DOBLE PAUTA CULTURAL.
Para la mentalidad científica clásica más determinista, la tecnología se
muestra, a modo de "naturaleza", como un proceso objetivo que discurre
independientemente de los hombres, y ante la que éstos han de adaptarse. Ello
explica que, hasta la fecha, la función principal de las ciencias sociales que
pretenden acercarse al estudio de la tecnología ha sido el estudio de los
"efectos sociales" de la misma en los seres humanos.
Se considera que el ser humano va detrás de la tecnología. La antropología ha
colaborado en el campo industrial sobre todo a establecer el área de "human

relations", que se preocupa de adaptar el personal de la empresa a los cambios
tecnológicos, mediante enseñanza y aprendizaje continuo. Es el campo que
estudian habitualmente los sicólogos y científicos sociales aplicados que
trabajan en la industria.
Ello se deriva de la visión que ellas tienen, siguiendo a Darwin, del ser humano
como un animal fundamentalmente adaptativo a los cambios del medio ambiente.
Esta fue a su vez la clásica la visión de Marx sobre el movimiento de las
fuerzas productivas que empezando por las máquinas y su incesante cambio
arrastraban y cambiaban toda la estructura social, visión compartida por el
determinismo cultural de Leslie White y su escuela.
Esta visión del mundo se opuso al creacionismo, a la visión de un mundo fijo
creado por Dios, doctrina que proporcionaba a la Iglesia su poder espiritual
básico en el Ancien Regimen. Esta teoría ha servido para un estudio del cambio
de las especies naturales sin necesidad de intervención del primer "diseñador".
El problema es que ahora el ser humano empieza, mediante la biotecnología, a
diseñar especies, y esta teoría se ha quedado insuficiente para explicar el
nuevo mundo artificial, surgiendo de las nuevas tecnologías.
La tecnología es un invento humano . No es una adaptación pasiva al medio, sólo.
Es un cambio innovador del mismo. O, si se prefiere la construcción de un nuevo
medio. Newell, Simon y Shaw inventaron el LT, como CMU ha inventado Andrew. No
sólo se adaptó a los cambios del medio preexistente, adaptó ese medio a sus
propósitos. Han inventado un nuevo medio ambiente: "a computer-intensive
campus".
Antes de 1955 no había Inteligencia Artificial, después la hubo. Si como
antropólogos estudiamos como se generó esta tecnología podemos entender como
unos seres humanos inventan tecnología.
La visión a posteriori de la tecnología afecta hasta a los propios tecnólogos.
Estos, en gran parte, construyen su imagen personal sobre la que le proporcionan
los científicos sociales que los estudian. Se ven a sí mismos como científicos,
como si fueran físicos o químicos, lo cual está favorecido, porque la ciencia es
un tipo de saber con más valoración académica que la ingeniería. El propio
Herbert Simon que se define como un científico (Entrevista personal ,17 dic.
1990) , sin embargo, reconoce que los años marcados por la invención junto con
Newell Y Shaw de la Inteligencia Artificial fueron los más importantes de su
vida.

Por otra parte, la mente artística o humanística suele adoptar una doble actitud
ante la tecnología: o bien la mira con recelo , al considerarla "inhumana", o
bien la consideran aún como arte, como una expresión de un poder humano de
transmutar las cosas casi "mágico", "divino". En ello se acercan a la visión del
hombre corriente de esta cultura que ante la tecnología oscila entre el terror y
el visceral rechazo o su asombramiento y abandono total ante lo que considera
"fantástico", "incompresible", o "misterioso". Edison era conocido popularmente
en América como "The Wizard of Menlo Park", el mago de Menlo Park. Todavía en
1970, ingnieros como Alvin S.Weinstein y Stanley W. Angrist, profesores de CMU
definían así al ingeniero: " The engineer is an artist who begins with an idea
or a need, and using his special tools and raw material, he creates". (1970:2).
En efecto magia y tecnología han estado ligadas estrechamente en las culturas
primitivas, pero no como un rasgo propio de los dioses sino algo específicamente
humano. Malinowsly ya indicó que la magia, en toda tradición, en toda mitología,
es siempre posesión del hombre: " La magia no resulta derivada de una
observación de la naturaleza o del conocimiento de sus leyes, sino que es
posesión primigenia de la raza humana que sólo puede conocerse mediante la
tradición, y que afirma el poder autónomo del hombre para crear los fines
deseados" (Magia, Ciencia, Religion, 1982: 89).
Hoy sabemos que magia y tecnología forman mundos separados. La creencia en la
omnipotencia del pensamiento es una característica del mago pero no del
tecnólogo, o al menos no de la mayoría. La ciencia nos ha enseñado a diferenciar
nuestros deseos y un mundo objetivo que no se transforma por el mero hecho de
que así lo queramos. El invento sabemos que es, como dijo Edison, un uno por
cien inspiración y un 99 por ciento transpiración.
La Inteligencia Artificial es un invento técnico humano, no un acto mágico. De
la misma forma, no podemos verla ya como un mero descubrimiento científico.
Sus protagonistas son contemporáneos nuestros, aún viven. Han relatado sus
inventos, han escrito miles de páginas que constituyen un material inapreciable
para un estudio etnográfico detallado, y a través del cual empecemos a entender
mejor la mentalidad tecnológica, y su relación con la cultura norteamericana.
Este estudio es sólo una introducción a un programa de investigación a largo
plazo sobre las tecnoculturas.
El proceso general que hemos descrito en palabras de H. Simon se resume asi: 1.
Se empieza a trabajar en un medio nuevo (los ordenadores). 2. Se vislumbra una

posibilidad de cambiar ese medio, introduciendo una innovación. 3. Se utilizan
todos los conocimientos y habilidades que se tienen para llevarla a cabo. 4. Se
termina diseñando dicha innovación, un objeto, programa o lenguaje que antes no
existia. 5. Se prueba y se comprueba que funciona.
Podrían haberse adaptado sin más al nuevo entorno, tratando tan sólo de
comprender mejor empírica o lógicamente sus propiedades. Pero entonces no
habrían inventado LT. También podrían haber deseado con todas sus fuerzas
construir una máquina pensante sin tener en cuenta la realidad del medio
informático, o sin poner a prueba sus primeros experimentos mentales. En ese
caso, se habrían quedado en meros esbozos sobre el papel como los dibujos de
helicópteros de Leonardo. Pero no habrían inventado LT.
Imaginaron, analizaron empíricamente, y además consiguieron hacer una síntesis
entre el medio que tenían ante sí y sus deseos y fantasías. El resultado : han
engendrado una nueva tecnología, esto es, un nuevo medio , un
nuevo"environment".
Veamos más en concreto cual fue el proceso de la invención.
2.2.4 "USING MYSELF TO SIMULATE MACHINE": HERBERT SIMON.
La invención consistía en la solución de dos problemas principales: uno, el
proporcionar al programa las vías para resolver problemas intelectuales
sencillos ,y dos, inventar un lenguaje nuevo para introducir al ordenador las
instrucciones a cerca de su ejecución.
Cliff Shaw y Allen Newell tomaron la principal responsabilidad en este último
tema, Herbert Simon y Al Newell en el primero.
La selección de la tarea fue una primera limitación del campo de posibilidades.
Se eliminaron las más difíciles como el juego del ajedrez, quedándose con
aquellas que se veían más aptas para conseguir el objetivo previsto. La tarea
seleccionada fue la de descubrir pruebas de teoremas de lógica simbólica.
Una vez seleccionada la tarea, el procedimiento fue el siguiente: " We spent
some time introspecting about our own mental processes while solving problems in
different domains. By the summer of 1955, discovering proofs for theorems,
either in geometry. or in symbolic logic,appeard to be a likely candidate. (The
accident that I had the volumes of Principia Mathematica on my bookshelves led
us to the latter task)." (Choices and Paths, 1977:32). .
A través de esta introspección, Herb Simon derivó la principal forma de trabajo

del LT, el trabajo "hacia atrás" o "backwards". Su característica era el
trabajar desde los fines perseguidos, el teorema a probar, hacia atrás: los
pasos necesarios para ello. No se trataba pues de un método secuencial,
algorítmico, o progresivo: desde el estado inicial al final, sino que realiza
una inversión del proceso: partía del estado final y considerando el estado
inicial seguía una secuencia de pasos para conseguir el objetivo deseado. Este
proceso se lo introdujo a la máquina.
En 1956 cuando se trató de generalizarlo como una teoría general del proceso de
pensamiento humano, Newell y Simon se dieron cuenta que los individuos que
resolvían problemas de lógica en el laboratorio no usaban el mismo proceso que
la máquina, esto es, que el propio Simon al programar la máquina. La opción
tomada no fue intentar cambiar el funcionamiento mental de esos individuos sino
el de la máquina. Se introdujo el método "means-ends analysis", y se abandono el
anterior, que era la forma básica de trabajo del LT.
Paul R. Cohen y Ed. Feigenbaum, en su Handbook of Artificial Intelligence (1982)
constatan el hecho: " When they tested their theory, they found that it failed
in one respect: Humans did not use the same control process (working backward
from theorem to axioms) as the program. Thus, they revised the theory, and wrote
a new program, to incorporate what they had learned about human control
processes during problem solving. They called the new program the General
Problem Solver (GPS) , and the new control process means-end analysis, and found
that this process was much more efficient (in terms of computer time) than its
predecessor ". (Barr, A, & Feigenbaum, E.The Handbook of A.I.1982, vol. 3:3).
Prosigamos con el método de cómo , según Simon, inventó el L.T.: " By October,
we were beginning to have a feel for the problem-solving heuristics used in
tacking these problems, and we settled definitely on symbolic logic. Al was then
working on the programming language and taking his preliminary examinations. He
and I discussed almost daily our progress toward specifying the theorem-proving
program. My method of working was to take theorems in the Principia and work out
proofs while trying to dissect as minutely as possible, not only the proofs
steps, but the cues that led me to each one. Then we tried to incorporate what I
had learned in a flow diagram. We repeated this day after day, with the flow
diagram steadily approaching a description that could be programmed on the
machine. On December 15, 1955, I simulated by hand a proof of Theorem 2.15 of
Principia in such detail that we agreed the scheme was programmable. I have

always celebrated that date as the birthday of heuristic problem solving by
computer, although it was not until the following August (1956) that the LOGIC
THEORIST, programmed on JOHNNIAC, produced its first complete proof of a
theorem." (1977:33).
Para un antropólogo, este proceso es el primero quizá en la historia, al menos
que quede constancia, en el que un ser humano conscientemente simula en su mente
el funcionamiento intelectual de una hipotética máquina, a fin de poder
construirla. Se mete "dentro" del posible ordenador y simula, no su
funcionamiento, dado que aún no existía, sino su posible funcionamiento.
Ello exige un desdoblamiento mental : 1. Ha de resolver el teorema hallando la
prueba. y 2. Ha de analizar y describir el proceso mental de como lo ha hecho.
El lógico matemático sólo realiza el primer esfuerzo. Simon realizó dos tareas :
la del lógico matemático y además una introspección, que podría considerarse
sicoanalítica, de su propio proceso de solución y la describe de forma que pueda
ser entendida por el ordenador. En suma una tarea de sicólogo. El resultado
final se obtiene sumando las dos partes en una síntesis nueva apta para ser
programada.
El resultado es doble: el descubrimiento de un problema matemático y el
descubrimiento del saber como lo ha descubierto. A partir de aquí no es extraño
que Simon diga que la AI se basa en la sicología y prefiera residir en el
College of Humanities and Social Sciences. Y visto desde su exclusivo punto de
vista no le falta razón. Si se concibe que el LT como veremos más adelante que
él lo ve así, como nacido en este momento, es claro que el L.T. nació de un
proceso de descubrimiento científico, basado en un autoanálisis y cuyo resultado
fue el descubrimiento de unas heurísticas determinadas. Pero estos
descubrimientos eran sólo parte, un subconjunto, de un proyecto tecnológico mas
amplio: conseguir que una máquina razonara, inventar la A.I.
2.2.5. "THE HEURISTIC SEARCH".
La aportación clave de Herbert Simon a la construcción del L.T. fue el haber
descubierto un procedimiento mediante el cual el ordenador podía resolver esos
problemas de lógica. Con ello inició el paradigma de "heuristic search", una
técnica particular de resolución de problemas. Para Feigenbaum, este fue el
paradigma fundacional de la Artificial Intelligence en su primera época.
Las heurísticas son reglas para resolver problemas, operaciones mentales que

ayudan a conseguir resolver una tarea. Por ejemplo, "think on the end before you
begin", (piensa en el final antes de empezar), el antiguo "respice finem" de los
romanos. Usualmente se denominan en Estados Unidos, "rules of thumb", reglas del
pulgar . Son técnicas, normas, utilizadas por los expertos para emitir un juicio
intuitivo sobre la vía a seguir en la resolución de un problema, adquiridas
después de una larga experiencia.
Lo más curioso es que no forman parte de los métodos científicos clásicos, sean
el de empírico-inductivo o el hipotético-deductivo. La heurística, rescatada por
el matemático europeo George Polya en su libro "How to solve it"( 1945 ),
presentaba una nueva forma de entender la ciencia: tratata no sólo de las
matemáticas sino del proceso de invención de las propias matemáticas: "Trying to
understand not only the solution of this or that problem but also the motives
and procedures of the solution".(1945:vi). Normalmente, todo curso de
matemáticas o física está acompañado de un apéndice con problemas que el
estudiante ha de resolver. Se considera suficiente que acierte en su solución.
Pero no importa el procedimiento seguido ni los motivos por los que se ha
seguido ese y no otro procedimiento. Pero eso es precisamente la heurística del
problema, las vías que se han seguido para su solución, tanto o más importantes,
como la última, pues son las que permiten resolver otros problemas similares.
Procedimientos como el trabajo hacia atrás, antes descrito, ya se conocian hacía
siglos. Simon no inventó la heurística como modo de resolver problemas . Lo que
sí inventó es la heurística como método utilizable por un ordenador para
resolver problemas, y con ello convirtió a la heurística en una forma de pensar
sistemática y de uso general en la cultura informática, al menos,
norteamericana. Para ello tuvo que ingeniarse una forma concreta de representar
el problema en el ordenador de forma gráfica: "el problem space". En el "problem
space" se representan los objetivos que se quieren o "desired state", el estado
inicial o "initial state" y los pasos para alcanzar el estado final desde donde
se está. Modelo que se denomina "maze ", el modelo del laberinto.
Con la heurística ideó una forma de buscar soluciones a un problema distinta a
la seguida tradicionalmente hasta entonces: la solución algorítmica. En lugar de
buscar todas las soluciones posibles y seleccionar entre ellas la mejor,
consideró que la tarea inteligente no era generar el máximo de alternativas sino
alternativas sólo "plausibles", para evitar una explosión exponencial de
búsqueda: "to generate only structures that show promise of being solutions or

of being along the path towards solutions". (Newell & Simon, 1976: 123).
El programa generaba un árbol de búsqueda o "exploration trees" y tenía una
serie de heurísticas o reglas de conducta que determinaban de entre los
subproblemas generados cual debería resolverse a continuación, proveyendo
garantías de que ese camino sería válido para llegar al objetivo previsto. Por
ejemplo, la técnica "best-first search" inducía a una búsqueda del nodo que
aparecía más cercano al objetivo.
En su autobiografía, Herb Simon relata el cuento de Hugo, un "ordinary man" ,
que vive en un castillo heredado de sus padres, un enorme edificio con
innumerables habitaciones que va explorando a lo largo de su vida, ocupado en la
búsqueda de soluciones , hasta que al final se da cuenta, releyendo el pasaje de
la Biblia en el que la mujer toma la manzana y la encuentra buena para comer,
que el secreto no estaba en la manzana sino en él mismo.
Herbert Simon se ve a sí mismo como un investigador, como un científico dentro
de un laberinto, interesado sobre todo en "to observe people as they encounter
bifurcations and try to understand why they take the road to the right or to the
left" (Models , 1991:179).
No obstante, un cosa es tratar de entender , "understand" y otra, inventar un
procedimiento para la toma de una decisión por el ordenador. En un momento de su
vida, en los años que el califica los "más importantes", no sólo observó o se
observó, sino que construyó un procedimiento para representar la solución de
problemas en un ordenador. Y esta construcción fue parte de un esfuerzo de un
equipo que abrió paso a la A.I..
El descubrimiento de su funcionamiento de su procesos mentales fue, como hemos
indicado, una función del proyecto de inventar la máquina inteligente. Ello
explica que en el famoso episodio antes citado por Feigenbaum, afirmara: "Al
Newell and I invented a thinking machine", en lugar de: " I discovered how does
my mind work". Su introspección sicoanalítica no era simplemente un ejercicio de
sicología, sino de sicología aplicada a la invención de la máquina pensante. El
fin era inventar The Logic Theorist Machine, el medio, resolver un problema de
sicología.
Esta invención se presentó en los papeles dirigidos a la comunidad científica e
ingeniera de su tiempo de una forma ambigua. Por un lado se presento en un papel
titulado " The Logic Theory Machine, a Complex Information Processing System",
(1956, July 12) y a su vez, se decía en él que éste era el resultado de un

proyecto más amplio de estudio de los "complex information processing systems".
Y por ello este programa se escindirá luego en dos : la ciencia cognitiva y la
Artificial Intelligence "in the narrow sense" realizada también por ambos, pero
sobre todo por el segundo, en el Computer Science Department.
2.2.6. EL 15 DE DICIEMBRE DE 1955.
Herb Simon afirma en el capítulo de su reciente autobiografía titulado ‘ The
Logic Theorist is Conceived" : "I have always celebrated December 15, 1955, as
the birthday of heuristic problem solving by computer, the moment when we knew
how to demonstrate that a computer could use heuristic search methods to find
solutions to difficult problems" (Models,1991:206).
Si como hemos visto al principio por L.T. se entiende sólo un proceso de
simulación de pensamiento humano formalizado, se puede en efecto afirmar que el
L.T. nace cuando Herb Simon escribe en la hoja de papel el proceso simulado de
su mente de una forma programable. Pero eso no es lo que dice aquí: aquí dice
que es el nacimiento de " "heuristic problem solving by computer". Aquí habla de
una acción de resolución de problemas por el ordenador no sólo simulada sino
real, de una solucion real de problemas por el ordenador.
Eso no se había conseguido aún el 15 de diciembre de 1955.
El programa de ordenador aún no existía. Simon nos dice que le preguntó a Newell
si era programable su esquema, y al estar éste de acuerdo, a continuación
empezaron a trabajar en el segundo problema: escribir el procedimiento en una
forma programable en un ordenador.
El avance que realiza Simon, el saber qué heurísticas puede seguir el ordenador
para resolver el problema es sólo una tercera parte de la invencion del L.T.. Si
el trabajo se hubiera detenido aquí, el L.T. no existiría. Existiría la
simulación de un procedimiento simulado de un proceso mental humano. Faltaban
tres pasos más: 1. escribirlo en un lenguaje intermedio o "seudo-cod e"
programable y 2. programarlo y 3. probar que funcionaba. Lo que se había
generado era un avance en la posibilidad plausible de construir un programa
inteligente.
Esta diferencia entre programa simulado y programa que funciona nos parece
importante, máxime en una cultura que se define cada vez más como una "sociedad
del conocimiento" y cuya fuerza estriba en el valor añadido que produce en forma
de conocimiento que pone en las cosas, por sus programas. La tecnología no es

una "posibilidad plausible" o "realizable" (feasible), es una posibilidad
realizada, que funciona, que ya se ha realizado, y funciona. Por eso lo que
importa son los resultados, no tanto los fines, sino los finales.
La cultura de la tecnología está pasando a ser cada vez menos una cultura de
cosas, a una cultura del conocimiento de las cosas, de cómo se hacen éstas. El
problema es que si este conocimiento no se prueba, y la única forma de probarlo
es construyendo lo que se dice saber construir, no se tiene conocimiento
tecnológico, sino su simulación, que en el caso de la cultura informática
usualmente se queda en un procedimiento matemático formalizado, y de "computer
science" volvemos a las matemáticas de nuevo.
La simulación del pensamiento humano puede ser un objetivo científico
interesante, pero es una simulación, una metáfora, algo que se asemeja al
pensamiento humano. Si se considera la metáfora o la simulación como la realidad
en lugar de pasar de las logoculturas a las tecnoculturas, volveremos a las
mitoculturas, a las culturas basadas en la imaginación y la creación de imágenes
como modo cognitivo básico. Un ejemplo aclarará la diferencia.
Con un programa de CAD-CAM podemos simular en el ordenador un avión. Este diseño
no es el avión, sino la idea de avión que se hace el diseñador con ayuda del
ordenador para hacer un avión que vuele de verdad. El puede creer que al hacer
este diseño ya conoce como se hace un avión, pero lo que conoce es cómo diseñar
una idea de avión en el ordenador . Pero aún no ha construído el avión. Para
realmente probar que su conocimiento de como hacer un avión funciona, este
diseño ha de servir para construir el avión, no sólo su prototipo , su idea. De
lo contrario, se queda en la simulación. Por ello nos parece oportuno
diferenciar dos conceptos: conocimiento tecnológico simulado y conocimiento
tecnológico probado.
La idea de simulación ha servido para liberar al ingeniero de limitarse a una
mera actividad estrecha de "learning by doing". Antes, en época de Edison se
inventaba por el método de "cut-and-try". Mera práctica, y de la práctica salía
el "expertise". La revolución cognitiva tras la II Guerra Mundial cambió todo
ésto. Puso la fuerza en el conocimiento: "Knowledge is Power" (Feigenbaum). Pero
este planteamiento vemos que tiene también sus problemas. El peligro es quedarse
en Platón , en el reino de las ideas, independiente de la materia. Esta visión
del conocimiento en parte ha supuesto un avance respecto al viejo pragmatismo
ingeniero, pero al mismo tiempo, se ha retrocedido a un mundo cultural,

pretecnológico, al mundo de la ciencia, separando lo concebible de lo
realizable, la investigación de su producción en forma de productos
industriales, una de las actuales debilidades de Estados Unidos frente a Japón.
El conocimiento es poder si y sólo si transforma la realidad, no sólo si la
simula. La ciencia cambió la visión de la realidad. La tecnología hace algo más,
cambia la realidad misma.
2.2.7. "THE INTERPRETATIVE CODE": ALLEN NEWELL.
El 15 de diciembre termina una etapa clave en la construcción del L.T.:
descubrir como una mente humana, en concreto la de Herbert Simon, resolvía
problemas de lógica. Pero esto no es "el nacimiento de la solución heurística de
problemas por el ordenador". H. Simon no era un ordenador sino que su mente
había "simulado" un supuesto funcionamiento de un ordenador.
Faltaba una serie de pasos decisivos para que realmente un ordenador digital
procesara la información contenida en el L.T. y probara los teoremas. Había que
hacer algo más: inventarse un lenguaje nuevo para que el ordenador realizara
efectivamente ese procedimiento simulado, había que programarlo en ese
lenguaje-máquina, y había que comprobar que el programa funcionara realmente en
un ordenador digital. Y así lo hicieron.
" During the subsequent several days, Al and I worked hard to sharpen up the
program, and put it in a form where one could consider coding it for the machine
(that is in the interpretative code). ( (Simon. "Some Notes..."1957:2).
Este fue el segundo paso. Newell y Simon tradujeron los teoremas y las formas de
resolverlos hechas por Simon en un "intermediate language" o "logic language"
("L.L.").¿ En qué consistía éste?. En papel presentado en Mayo 1, 1956, a la
conferencia sobre Computers and Automation, en Washington, así lo explicaban: "
This language is similar to a computer code in that it consists of sequences of
instructions that the computer can execute. However, to execute these
instructions, the computer uses a special program that translates the
intermediate language instructions into machine code." (Newell & Simon,
Currents...1956:19). Este lenguaje se denominaba usualmente "pseudo-codes" o
"interpretive languages" y su principal objetivo era "to free the user from the
additional planning and envisioning of information flows that is required if a
problem is put in machine code" (ibid. :20).
La "Logic Theory Machine" que Newell y Simon presentaron en esta conferencia era

como ellos mismos afirman " a code in an interpretive language". La primera
simulación de los procesos de resolución de los teoremas realizados a mano por
Herb Simon se había traducido a una segunda simulación por Newell y Simon, que
se acercaba aún más a la solucion del problema inicial: cómo construir una
máquina inteligente. Pero el programa de ordenador aún no existía, o si se
prefiere aún no funcionaba en el ordenador y por lo tanto no se sabía realmente
si iba a funcinar o no. Se esta hablando aún de un programa sobre papel, en
proceso de construcción. Parecía que podía funcionar, pero no se había probado.
Para que L.T. se convirtiera en un programa de ordenador faltaba un tercer paso:
programarlo informáticamente, y para ello Allen Newell y Cliff Shaw,
paralelamente al trabajo de Herb Simon, se estaban encargando de construir un
nuevo lenguaje para la máquina. Según escribe Simon en su autobiografía:
"Although all three of us participated in its design, Al and Cliff took primary
responsibility for constructing such an information-processing language (IPL) or
list-processing language...My role consisted primarily of comparing proposed
language with the analogous human functions." (Models,1991:204).
El documento clave para analizar el proceso de programacion del LT es elaborado
por Newell y Shaw:"Programming the logic theory machine" (1957), en que se
especifica que las ideas del mismo están compartidas por el conjunto del equipo.
En este papel se describe un nuevo lenguaje de programación, el IPL o "
Information Processing List". La novedad fundamental que aportaba es que no era
un lenguaje para el procesamiento de números como los concebidos hasta la fecha,
como el FORTRAN, sino un nuevo tipo de lenguaje para procesar símbolos lógicos.
2.2.8. EL 9 DE AGOSTO DE 1956: LA INVENCION DE LA LOGIC THEORY MACHINE.
En resumen, de todo lo anterior se puede deducir que la invención del L.T. es un
proceso que parte de una posibilidad imaginada de construir una máquina
pensante, una secuencia de acciones para conseguir este objetivo, y un resultado
final, probado.
En este proyecto inventivo, el descubrimiento , mediante autoanálisis, por
Herbert Simon de cómo una mente humana resuelve un problema de lógica es un
medio de un proyecto más general basado no en este descubrimiento sino en la
invención del L.T. La ciencia empírica se puso como instrumento de la A.I..
Este complejo proceso de medios y fines explicaría la evolución y las
características del modelo de AI de Herb Simon y Allen Newell en CMU. Si se

considera que el 15 de diciembre fue el nacimiento de la resolución heurística
de problemas por el ordenador, ello explicaría dos profundas convicciones que se
tienen: 1. Creer que el L.T. nació de una copia del funcionamiento de su mente,
esto es, de un descubrimiento. Por ello se piensa que la clave del avance de la
A.I. es la simulación del pensamiento humano, ésto es, el mismo procedimiento
que él siguió. 2. Pensar que la actividad de simulación es el punto común
denominador entre la ciencia cognitiva y la AI.
Pero esta versión dificulta entender la unidad del proceso de invención del LT,
está fuera de un contexto concreto: el ordenador como máquina de circuitos
electrónicos, y de las personas de carne y hueso que materializaron la Logic
Theorist Machine.
Se identifica invención con actividad mental exclusivamente. Lo cual induce a
errores. Pocos meses antes en Octubre de 1955, según el propio Simon relata en
su biografía, también tuvo la convicción de que podía programar la máquina para
resolver problemas de geometría: " The example I had in mind had to do with
angles inscribed in circles and semicircles...Suddenly I had a clear conviction
that we could program a machine to solve such problems. I jotted some notes on a
piece of paper and thought hard about it for a few minutes, the conviction
remaining very strong. I think the conviction arose from the fact that I could
see the heuristic I was using and how it cut down the search space".(Models,
1991:203-204). Pocas semanas después el equipo tuvo que abandonar esta tarea. No
podían representar los diagramas en el ordenador. La lógica matemática se
convirtió en la nueva tarea.
Esto demuestra que no bastaba tan sólo con simular la idea, había que
programarla.
Podia haber ocurrido lo mismo con la prueba simulada a mano del 15 de diciembre.
Pero¿ cuál fue la diferencia?. Se pudo programarlo. Y se pudo probar, además,
que el programa funcionaba.
Sin estas dos tareas no hubiera habido invento. La invención tecnológica era la
síntesis de las tres funciones. Ninguna de ellas por separado podría haber
producido la Logic Theory Machine. A la Conferencia de Darmouth Simon y Newell
llevaron un código, todavía no tenían el programa probado. No obstante, ello ya
fue suficiente para tener ventaja sobre el resto de participantes. Pero tomar
esa conferencia como punto de partida de la A.I. es separar a ésta de la prueba
de sus programas. A esa conferencia no fue Cliff Shaw que en ese momento estaba

programando el L.T. en el ordenador de la RAND en California. Pero el L.T. no
nació en la Darmouth Conference de junio de 1956.
Es tradición en la cultura tecnológica americana decir que lo que importa son
los resultados. Y según confirma el propio Simon, sólo el 9 de agosto de 1956 el
Logic Theorist, programado en el ordenador JOHNNIAC en lenguaje IPL-II, produjo
su primera prueba completa del Theorema 2.01 de los Principia de Russell y
Whitehead. Ese fecha quedó probado que un ordenador podía pensar utilizando un
programa basado en una simulación de la mente humana. Pero esa prueba no fue un
conocimiento simulado, sino un conocimiento realizado.
Ello sólo pudo lograrse por el trabajo conjunto del equipo triangular de Herb
Simon, Allen Newell Y Cliff Shaw.
La visión de la invención del L.T. que manifiesta Herb Simon concluye el 15 de
diciembre, al ser concebida la idea. Ello puede explicar la escisión del
programa inicial de investigación de la A.I. en CMU en dos: una parte en
sicología cognitiva y otra en la A.I. de la SCS.
El dejar fuera del invento al programador, a la persona que en palabras de A.
Newell era "the genuine computer scientist of the three", ha tenido
repercusiones en el curso de la computer science en CMU. La ciencia puede
limitarse al mundo de las ideas pues su tarea es explicar con ideas una realidad
dada. No esta obligada a construir otra nueva. La tecnología, no. Incluso la
ingeniería del conocimiento implica su manipulación y transformación.
La ciencia puede pensar el mundo como idea, como mente. El mayor avance
científico en las pasadas décadas ha sido el nacimiento de la ciencia cognitiva.
Como reconoce su principal historiador Howard Gardner (1985), dicha ciencia
tiene el programa de investigación establecido por Platon hace más de 2000 años
en el Menón a cerca de cuál es la naturaleza del conocimiento. Y cómo Platon
piensa que conocimiento son ideas.
Pero en la computer science, y en particular en la A.I., esta escisión
ideas-materia está siendo sustituída por una entidad, el programa informático,
que es un producto de conocimiento distinto al mundo de las ideas platónico.
Newell, Shaw y Simon no hablan sólo de programa, sino de Logic Theory Machine,
en la mayoría de los textos que escribieron explicando su invento.
2.2.9. ¿"QUIEN" ES Y QUE HACE "LOGIC THEORY MACHINE"?.
L.T. es un programa de ordenador que prueba teoremas de lógica matemática.

Se considera el primer programa informático inventado por el ser humano que
soluciona problemas no numéricos mediante la técnica de "heuristic search" o
búsqueda selectiva. Sus autores: Allen Newell, Cliff Shaw y Herb Simon. Lugar:
Carnegie Institute of Technology y RAND Corporation.
H. Simon y A. Newell en Human Problem Solving (1972) nos exponen un caso que
ejemplifica el procedimiento seguido por los autores para que la máquina
consiguiera realizar la prueba de un teorema : " We supply LT the list of five
axioms, instructing it that these are theorems it can assume to be true...LT
already has stored the rules of inference and the definitions -the processes
that substitute, replace, detach, and chain. Next we give LT a single
expression, say Theorem 2.01, and ask L.T. fo find a proof for it. LT works for
about ten seconds, then prints out the following proof:
_______________________________________________________
SOLUTION PATH SOLUTION ACTION SEQUENCE
(P> ~ P) >~P (THEOREM 2.01, TO BE PROVED)
1. (A V A) > A P1. (copy Axiom 1.2.)
2. (~ A V ~A) > ~A P2. (subs. ~A for A in 1).
3. (A>~A) > ~A P3. (replace V with > in 2).
4. (P>~P) >~P P4. (subs. P for A in 3;QED).
________________________________________________________" (1972: 110).
Esta fue la primera prueba construída por el programa LT en el ordenador
JOHNNIAC el 9 de agosto de 1955.
Los cinco axiomas antes citados los tomó Herb Simon de los Principia Mathematica
de Whitehead y Russell. Los símbolos que aparecen en el teorema (A, P,...) se
denominan variables y están unidos entre sí mediante conectivas (~, >...) cuyo
significado es fácil de entender mediante simple traducción de la anterior
prueba escrita en lenguaje de lógica simbólica a lenguaje "natural" :
_________________________________________________________
CAMINO DE LA SOLUCION. SECUENCIA.
(P implica no-P) implica no-P (TEOREMA 2.O1)
1. (A o A) implica A 1. Copiar el Axioma 1.2.
2. (no-A o no-A) implica no-A 2.Sustituir no-A por A en 1.

3. (A implica no-A) implica no-A 3.Reemp. o con implica en 2.
4. (P implica no-P) implica no-P. 4.Sust. P por A en 3.
__________________________________________________________
La parte de la izquierda indica el teorema probado y la de la derecha las
heurísticas seguidas para probarlo.
¿Cómo consiguieron el equipo de Newell-Shaw-Simon que Logic Theorist probara
teoremas matemáticos?. Una vez seleccionado el campo de la prueba de teoremas,
al ser más fácil que otros que exploraron como los de geometría o el ajedrez,
tuvieron que construir un problema: "a problem".
Según su teoría del HUMAN PROBLEM SOLVING: " A person is confronted with a
problem when he wants something and does not know inmediantly what series of
actions he can perfom to get it. The desired object may be very tangible (an
apple to eat) or abstract (an elegant proof for a theorem). It may be specific
(that particular apple over there ) or a quite general (something to appease
hunger). It may be a physical object (an apple) or a set of symbols (the proof
of a theorem). The actions involved in obtaining desired objects include
physical actions (walking, reaching, writing),perceptual activities (looking,
listening,) and purely mental activities (judging the similarity of two symbols,
remembering a scene,and so on)" (1972:72).
El "problema" según esta definición lo construye una persona que quiere algo, a
"desired object". Empieza pues por un "want" ("querer"). Esta persona no sabe
como conseguir lo que se propone. La solución consistirá en saber cuál es la
secuencia de acciones a seguir para transformar su estado inicial en su "desired
object". Este "goal, problem or task" se genera en un medio determinado
"evironment". La unión de ambos forma un "task environment" (Newell
&Simon:1972:55). Y para Simon y Newell, "it is the task that defines a point of
view about an environment, and that, in fact, allows an environment to be
delimited" (Ibid: 55).
2.2.10. "OPERADORES BINARIOS" Y LAS TRES DIMENSIONES DEL PROBLEM SOLVING.
Levi Strauss, en el Hombre Desnudo,(1987, 1a ed. 1971) después de un exhaustivo
estudio de los mitos de los indios norteamericanos, afirma que el pensamiento
mítico nace, como todo pensamiento, inicialemente como una oposición entre el yo
y el otro. "A fin de cuentas, para todo sistema mitológico no hay más que una
secuencia absolutamente indecidible. Llevada a sus contornos esenciales merced a

transformaciones sucesivas, se reduce al enunciado de una oposición o, más
exactamente , al enunciado de la oposición como primero de todos los
datos...está el cielo, está la tierra" ( ibid.:543).
Los operadores binarios son mecanismos del pensamiento mítico que producen una
continua división de todas las categorías que forman los mitos en una oposición
binaria: muerte-vida, noche-día, hombre-mujer,... Según Levi-Strauss son "las
piezas elementales de esa vasta máquina combinatoria que es todo sistema mítico"
( ibid.:505). La estructura profunda del pensamiento mítológico.
Basándose en el modelo de la linguística estructural de Saussure y Jakobson, las
Mythologiques constituyen un enciclopédico esfuerzo por explicar los mitos desde
este modelo de pensamiento binario. Para Levi-Strauss: " El problema de la
génesis del mito se confunde pues, con la del pensamiento humano...Las
condiciones de aparición del mito son así, las mismas que las de todo
pensamiento, puesto que éste no podría ser sino pensamiento de un objeto, y un
objeto no es tal...más que por el hecho de constituir al sujeto como sujeto, y a
la consciencia misma como consciencia de una relación" ( ibid:544).
Pero el modelo de pensamiento que vemos en esta cultura tecnológica, a partir
del la obra Human Problem Solving (1972) introduce un cambio significativo.
Lo que vemos en el "problem solving" es un intento de resolución intelectual del
problema planteado de forma binaria, entre lo que el sujeto desea y la realidad
externa a él. Puede considerarse un intento de superación de esta dicotomía que
plantea al individuo: la oposición de sus deseos o "estado final" con la
realidad o "estado inicial". Lo nuevo de este pensamiento es que traza un
programa, una secuencia ordenada de acciones para transformar, cambiar su estado
inicial en su estado preferido. No sólo analiza uno u otro estado sino que
diseña una vía de cambio de la situación en dirección hacia su estado deseado.
Por eso se constituye en pensamiento tridimensional, no binario.
Curiosamente éste es también un modelo nacido en una cultura americana , a
partir de determinados grupos de investigadores de Inteligencia Artificial.
Curiosamente no de toda la computer science. El funcionamiento binario se ha
querido asociar, y en efecto lo está, con el de los ordenadores, y con su
códigos binarios de 0 y 1. Pero el LT es un programa particular elaborado bajo
un modelo de problem solving complejo, de comportamiento simbólico no sólo
númerico-matemático.
Podría ser la base de una teoría de conocimiento no binaria sino, a mi parecer,

tridimensional. Un sistema de conocimiento nacido de la obra de construcción de
un invento técnico: un programa de ordenador inteligente.
Lo nuevo que aporta el paradigma del Human Problem Solving es la posibilidad de
que el ser humano, partiendo de esta escisión inicial, encuentre una vía de
resolución de la escisión binaria, no para volver a la unidad original, sino
para formar estructuras de realidad más complejas.
Levi-Strauss indica que en todas las mitologías, a pesar de funcionar por medio
de oposiciones binarias, permanece un misterio inexplicable, sin embargo: ¿cómo,
si existe tal separación cielo-tierra, vida-muerte, existe en la tierra esa cosa
celeste que es el fuego?. " Está el cielo, está la tierra; entre ellos no podría
concebirse paridad; por consiguiente la presencia en tierra de esa cosa celeste
que es el fuego constituye un misterio; en resumidas cuentas, desde el punto y
hora en que el fuego del cielo se encuentra ahora aquí a título de hogar
doméstico, por fuerza hubo que ir por él de la tierra al cielo" (ibid. :
543-44). Levi Strauss, la conquista del fuego marca el tránsito del estado de
naturaleza al de sociedad, iniciando la evolución cultural. La cultura humana
nace como tecnocultura: " Este acontecimiento decisivo para la vida y el
porvenir de la humanidad no es otro -ya lo sabemos- que la conquista del fuego
en el cielo por un héroe terrestre que se aventuró por allá voluntariamente o a
pesar suyo..." (ibid.:561). Como señala E. Benveniste (1969), citado por
Levi-Strauss, la noción de dios ("deiwos") en la comunidad indoeuropea está
asociada con lo "luminoso" y "celeste", lo opuesto a lo humano, lo "terrestre"(
eso significa homo en latín).
Pero la conquista del fuego es un invento humano, entendible desde un
pensamiento de "problem solving". Este misterio, y por tanto una clave para
entender el sistema cultural humano, puede ser explicado desde una análisis de
las tecnoculturas. El que hasta ahora la cultura humana se haya visto como una
mito o una logo cultura quizá se haya debido al escado desarrollo e
independencia del pensamiento propio del inventor. Pero, al empezar a
generalizarse la cultura tecnológica, los citados misterios quedan aclarados.
Pero ello es a costa de una crisis en la definición de lo que entendemos por ser
humano, al menos en Occidente.
Herb Simon afirma que al inventar un programa de ordenador capaz de pensar
no-numéricamente, "nosotros resolvimos el venerable problema mente/cuerpo,
explicando como un sistema compuesto de materia puede tener las propiedades de

la mente" (1991: 190). Pero ello plantea un problema aún mayor: la crisis de la
propia definición del hombre propia de Aristóteles, y del sistema de
conocimiento que lo cimenta.
El ser humano ha sido definido desde hace 2000 años como "animal racional",
teniendo la Logica por obra cumbre en cuanto a sistema de conocimiento , y la
Política , en cuanto sistema de organización del "zoon politikon". Detengámonos
en el primer aspecto.
Aristóteles empieza afirmando en De la Interpretación: "No toda oración es un
enunciado; sólo son enunciados las que tienen en ellas verdad o falsedad. Así,
una jaculatoria es una oración, pero no es ni verdadera ni falsa. Desechemos
todos los tipos de oración excepto el enunciado pues es este último el que
importa para la presente investigación" (cit. Daniel Quesada. 1985:8).
Los enunciados se rigen por "el principio de contradicción": las proposiciones
han de ser verdaderas o falsas. Esta doctrina fundamenta el principio del
"tertium non datur" o tertium exclusum. Un pensamiento ha de ser verdadero o
falso. No puede ser ambas cosas al mismo tiempo. O una tercer opción. Este tipo
de pensamiento nace de la ruptura de la unidad inicial del pensamiento mítico,
basado en la idea de participación. Levi-Bruhl explica que en todos los pueblos
primitivos encontramos que todo se explica por metáforas y analogías, por
símiles, dado que se considera que existe una realidad común a todos los seres ,
en la que todos formamos parte. "Mana’, "wakan",... Se trata de un pensamiento
unitario, holista. ("holly": sagrado, en inglés).
Levi-Strauss en su reciente libro "De pres et de loin" (1990) reconoce que: "Une
des differences essentielles entre la maniere dont nou reflechissons et la
maniere dont ces peubles reflechissent, c’est notre besoin de morceler. Nous
avons appris cela de Descartes: diviser la difficulte en autant de parcelles
qu’il est requis pour la mieux resoudre. La penssee des peuples dits primitifs
recuse ce morcellement. Une explication ne vaut qu’a condition d’etre
totale...Aussi chaque expression de la vie collective constitue ce que Mauss
appelait un fait social total.’ (1990:157-158).
Occidente con su pensamiento binario quebró en su día esta "com-unión" del
hombre con la naturaleza. Permitió un análisis de la naturaleza independiente de
los deseos o voluntades humanas. La Lógica de Aristóteles consagra la visión
binaria propia de Occidente, basada en la oposición verdadero falso.
La Logic Theory Machine utiliza élementos de esta lógica pero en un sentido

distinto, como instrumentos al servicio de un sistema tecnológico, que para su
construcción precisa de un modo de pensamiento no binario sino tridimensional,
más complejo que el de Aristóteles.
2.2.11. COMO RESUELVE PROBLEMAS LA "LOGIC THEORY MACHINE"?.
El equipo en cuestión se planteó el problema en un contexto determinado.
Según la definición anterior, los problemas partieron de sus "wants". Los
"wants" de Simon-Newell-Shaw, sus "desires", dentro de un medio determinado,
Carnegie Tech y la RAND, y en un momento histórico dado, los Estados Unidos de
1955. Y adaptándolos al medio con el que tenían que trabajar, el ordenador,
construyeron el siguiente problema a Logic Theorist: "If we take as the desired
object the theorem to be proved, then the condition for a problem solution is
that this object be obtained by a sequence of admissible operations on the
axioms and previously proved theorems taken as the initial objects". (1972:
112).
Ellos eligieron el objetivo final a resolver : teoremas de lógica simbólica a
probar, y cuáles de ellos. Seleccionaron el estado inicial del que partir: los
axiomas de Russel y Whittehead. Y una vez construído el problema le
proporcionaron a la máquina la vía de cómo resolverlo : el" heuristic search
method".
Este método se basaba en cuatro procesos: 1. seleccionar un elemento. 2.
Seleccionar un operador. 3. Evaluar el nuevo elemento y 4. Decidir el siguiente
paso. (1972: 103).
Los operadores o "heurísticas" o "methods" eran operaciones razonables y
limitadas que en el caso de funcionaran contribuían al descubrimiento de la
prueba.
Estas heurísticas eran los siguientes: 1. "Sustitution", un método que buscaba
una prueba encontrando un axioma o un teorema previo probado que pudiera ser
transformado mediante una serie de sustituciones de variables y cambios de
conectivas en la expresión del problema. 2."Detachement", un método que
intentaba separar del problema un nuevo subproblema que , en caso de resolverse,
proveería una prueba para el problema. 3. "Chaining", dos métodos que usan la
relación de implicación para crear un nuevo subproblema que ayuda a encontrar la
prueba. Al ser la relación transitiva, tanto puede operar hacia adelante
("forward chaining") como hacia atrás ("chaining backward").

Tanto los métodos de "substitution" y "detachment" son reglas clásicas de
inferencia.
Una vez establecido el problema y el método de resolución del mismo decidieron
que procedimiento seguir para aplicar estos métodos. La elección adoptada fue el
que la máquina trabajara hacia atrás ("backwards"), ésto es, el elemento inicial
en el espacio de búsqueda sería el teorema a probar, y la búsqueda procedería
hacia atrás en dirección de los axiomas y teoremas supuestos.
En resumen, el "problem solving" tal como lo concebían Newell y Simon consistía,
en un sentido amplio, en la generación de un conjunto de posiblidades y dentro
de ellas mediante una labor de selección y test, delimitar aquellas que
encajaban con los objetivos deseados.
2.2.12. EL PENSAMIENTO DE LA "LOGIC THEORY MACHINE" : 38 TEOREMAS
PROBADOS.
Los autores como tarea inicial le proporcionaron a la máquina 52 teoremas y un
conjunto de especificaciones a seguir. Y la máquina logró probar 38 (73%) de los
52 teoremas. En un caso, el de la proposición 2.85, la máquina encontró una
prueba más sencilla incluso que la hallada por los propios B. Russell y A.
Whittead en su libro. Cuando Herb Simon escribió a princios de septiembre de
1957 a B. Russell dándole a conocer orgulloso este hecho, al final de la carta
añadía : "I am not sure that these facts should be made known to schoolboys"
(Models, 1991:209). La respuesta del lógico británico fue : "I am delighted by
your example of the superiority of your machine to Whitehead and me. I quite
appreciate your reasons for thinking that the facts should be concealed from
schoolboys. How can one expect them to learn to do sums when they know that
machines can do them better?. I am also delighted by your exact demonstration of
the old saw that wisdom is not the same thing as erudition". (Carta personal 21
Sept, 1957. Models: 209).
El hecho nuevo y muy significativo culturalmente es que una máquina inventada
por un científico norteamericano había sido capaz de "create a beautifully
simple proof to replace a far more complex one", en palabras de Simon, que un
lógico inglés, uno de los fundadores de la moderna lógica simbólica.
Los teoremas resueltos por L.T. los resolvió la máquina no sus inventores. Igual
que los problemas escolares de los niños los resuelven éstos aunque sus padres
les hayan engendrado y los maestros los esten instruyendo. No simulan la

inteligencia de los padres, tienen una real inteligencia propia. Esto plantea
nuevos problemas a la antropología. Ya no somos la única especie que procesa
símbolos. Ni nos podemos definir por esta función. Sin embargo las ciencias
sociales aún creen en el animal simbólico, como rasgo único del sapiens.
Las preguntas claves de una tecnocultura, las planteó más acertadamente Antonio
Gramsci y su "filosofía de la praxis": " Pensando un poco se ve el hacernos la
pregunta de que es el hombre queremos decir:’ que puede llegar a ser el hombre?,
es decir, si el hombre puede llegar a dominar su propio destino, puede
‘hacerse’, puede crearse una propia vida. Decimos, pues, que el hombre es un
proceso y , concretamente, el proceso de sus actos". (1978:48). Igualmente, la
pregunta no es ya ¿qué es el conocimiento?, sino que nuevos tipos de
conocimiento pueden generarse en las tecnoculturas?, ¿cuales apuntan ya
germinalmente?, y ¿ cómo construirlos activamentes?.
2.2.13. LOGICA E INTELIGENCIA ARTIFICIAL: DOS CULTURAS ACADEMICAS
ASIMETRICAS.
Este diálogo entre B.Russell y Herber Simon que parece anecdótico puede
significar algo más profundo: el nacimiento de una nueva cultura académica
asimétrica en el terreno del conocimiento. Esta expresión la sugirió Simon en la
primera entrevista que tuvimos el 1 de mayo de 1990 en CMU. Pero el sentido que
le doy no es el mismo que Simon apuntó.
El se referí al clásico esquema de C.P. Snow y la oposición entre la cultura
científica y la humanística. Decía que los primeros solían conocer la segundo
pero no ocurría tanto al contrario, lo cual hacía dificil la comunicación.
Ello se ve claramente en el tipo de lenguaje utilizado. Mientras que los de la
cultura científica pueden expresarse en dos tipos de lenguaje: el simbólico
tradicional y el lenguaje matemático o lógico-formal, los de la cultura
humanística sólo conocen el primero, normalmente.
Pero ahora, está surgiendo una nueva cultura, que guarda con la científica, una
relación parecida. Los lenguajes de programación de la informática utilizan la
lógica formal, como el científico utiliza en sus artículos el lenguaje natural,
pero no forman parte sustancial de la misma. Simon afirma que: "El científico es
un problem solver". Que no es lo mismo que decir: el problem solver se reduce al
científico. La ciencia es un subconjunto, en un campo mucho más amplio de
conocimiento denominado "information processing" y que tiene el "problem

solving" como metodología. En palabras de Herb Simon:"The processes of discovery
are just applications of the processes of problem solving".(1989: 375).
Newell y Simon utilizaron los Principia Mathematica como instrumento para
construir un programa informático inteligente. Utilizaron lo que para Russell y
Whitehead eran los fundamentos de la matemática como una técnica útil.
Su utilizacion de la lógica fue instrumental no final. Y no instrumental para
hacer sólo ciencia empírica como los físicos, sino para construir una disciplina
A.I., según ellos no basada en la lógica sino en el "heuristic search".
La relacion asimétrica se establecía por el hecho de que Herb Simon conocía la
cultura científica y al mismo tiempo la tecnológica, lo cual no era el caso de
B. Russell para quien las máquinas eran "horribles y odiosas porque imponen
esclavitud" (Boorstein,: 90).
Como dato curioso de esta subvaloración del lugar de la tecnología y del
ingeniero en la cultura académica inglesa, en 1973, el Science Research Council
del gobierno británico, organismo encargado de financiar la ciencia en ese país,
pidió un informe sobre el estado de la Inteligencia Artificial al famoso
matemático aplicado Sir James Lighthill, que publicó un informe declarando que
el trabajo era insuficiente y en su peor aspecto bordeaba la charlatanería. Este
informe retrasó en varios años la financiación de la AI en el país cuna de la
moderna ciencia y de Alan Turing.
Simon acaba afirmando: " In computer programming languages, I found tools that
classical mathematical languages had not provided for exploring the processes of
human thinking and for attaining accuracy and rigor in the behavioral and social
sciences" (Models, :214).
2.2.14. "HUMAN PROBLEM SOLVING" : EL ENFOQUE DE CMU EN ARTIFICIAL
INTELLIGENCE.
El aspecto nuevo de la teoría del "Human Problem Solving", codificada en 1972 es
que es una descripción del equipo de human problem solvers que inventaron el LT.
Hasta entonces, el "problem solving" eran técnicas, métodos de resolver
problemas. Con este equipo, lo que era una técnica se convirtió en una teoría de
"tipo humano" y de "tipo de máquina". Y en esta teorización jugó un papel clave
que hubiera un científico de organizaciones en el equipo.
La Constitución de los Estados Unidos empieza con esta frase: "We the People of
the United States", pretendiendo indicar que es el "people" el autor de su

propio programa cultural, de las reglas del juego social. El Logic Theorist fue
un invento de un equipo de tres personas: Allen Newell, Cliff Shaw y Herbert
Simon. Equipo que firma los textos conjuntos que entre 1957 y 1961 presentaran
su trabajo a la comunidad cieníifica, y lo firman en estricto orden alfabético,
pretendiendo aparecer iguales en su contribución.
Este equipo son los autores del invento, y de su teorización. Para hacer un
programa informático inteligente, y una teoría del mismo tres individuos con
intereses y especialidades distintas tuvieron que formar un equipo humano con
unas características particulares. Construyeron un artificio colectivo nuevo: un
" task force", o equipo con una tarea, formado por un científico político
(Simon), un matemático aplicado(Newell) y un programador (Shaw), una combinación
particular de elementos teóricos y prácticos.
Como explica Herb Simon en una carta personal a Pamela McCorduck el 12 de agosto
de 1975: "It was precisely because there were three of us, because each of us
brought different knowledge and experience and different viewpoints to the
project, and because we found a mode of operation that allowed us to take
advantage of that variety of experience while working intimately within a common
framework--it was precisely for these reasons that we were able to make such
rapid progress and to solve the two basic problems (a) of representing
heuristics for problem solving research, and (b) of designing programming
formalisms that allowed those heuristics to be implemented. I do not believe
that what he did was simply to pour into a common pot three separate,
identifiable ingredients, each contributed by one of us, or that either of the
two problems was solved by a subset of us". (Carta a P. McCorduck. 1975).
En el plano de las ideas, este equipo formó su propia teoría de cómo hacer una
máquina inteligente, separándose en ésto de la corriente mayoritaria en el
campo, que desde Von Newman y N. Wiener, se basaba o en la teoría de los
autómatas o en las redes neuronales.
En los medios de A.I. se considera la histórica Conferencia de Darmouth de junio
de 1956 como el inicio oficial de la Artificial Intelligence en Estados Unidos.
En esto ha influido el libro de Pamela McCordurk, "Machines who think", (1979)
la versión más completa ,hasta la fecha ,sobre la historia de la Artificial
Intelligence en Estados Unidos. Esta reunión fue convocada por John McCarthy
entonces en Darmouth ,Marvin Minsky del MIT, Claude Shannon de la Bell Telephone
y Nat Rochester de IBM. En total asistieron 10 personas.

Se presentaron muchas ideas de programas para resolver problemas, reconocer
modelos, y realizar juegos, pero los únicos esquemas concretos de AI que se
presentaron en ella fueron el Logic Theorist de Newell-Shaw-Simon y un programa
para probar teoremas en cálculo proposicional por el método de deducción natural
escrito por Trenchard Moore.
Dos meses después de la Conferencia, el 9 de Agosto de 1955, el L.T. programado
en lenguaje IPL-II en un ordenador JOHNNIAC, produjo su primera prueba completa
de un teorema de lógica simbólica. Con ello, el equipo Newell-Shaw-Simon
resolvía el problema planteado por A. Turing en 1950, "can machines think?", en
su famoso texto "Computing Machinery and Intelligence". Estos científicos
probaron que podían y este hecho, este invento, dió nacimiento a la moderna
Inteligencia Artificial como nueva disciplina probada.
¿Qué les dió la ventaja a este equipo sobre los restantes?.¿ Por qué un equipo
"marginal" en los ambientes informáticos se adelantaron a los científicos que
trabajaban desde hacia años sobre el tema?.
Shannon era una reconocida autoridad ya en 1956, al haber creado la teoría
estadística de la información, basada en una síntesis de matemáticas e
ingeniería electrónica. En esa época trabajaba con John McCarthy, matemático, en
un modelo de AI basado en la teoría de los autómatas, en la línea abierta por
Von Newmann y Norbert Wiener, el fundador de la cibernética. M Minsky, también
matemático, trabajaba en el MIT tratando de conseguir Inteligencia Artificial
basándose en el modelo de redes neuronales de la fisiología, modelo expuesto por
el neurofisiólogo Warren McCullock.
Cada uno definía la Inteligencia Artificial desde sus conocimientos. Para los
ingenieros-matemáticos, la A.I. era un autómata lógico, para los
matemáticos-neurofisiólogos, una red neuronal.
Pamela McCorduck considera el "turning point" de la Inteligencia Artificial esa
famosa Conferencia. Como antropólogos, nos interesa más el conocer cuál es la
versión que de esta Conferencia tiene el propio Herb Simon, versión no publicada
en la citada historia y aún a la espera de su publicación. Ello nos puede guiar
en la pregunta antes formulada.
En una carta personal dirigida a Pamela McCorduck, el 27 de Septiembre de 1977,
H. Simon explica así su versión: " There was the emergence of the cybernetic
Zeitgeist...It flowered in the early 50’s, then came to a kind of stalemate
...because of its preoccupation with physiology. That’s where things stood at

the beginning of the Darmouth Conference, which John pulled together with the
hope of becoming the organizer and leader of a team that would generate the new
research direction...Except that it turned out that there were these other two
guys, Newell and Simon, who, marching to a different drum, had already defined
the new direction and had demonstrated its rightness with an actual running
computer program, LT, that was an artificial intelligence. A great vitory for
the field but a shattering blow to the hopes for Darmouth. It is probably
neither accidental nor dramatically uninteresting that the two gate-crashers
came from outside the main cybernetic stream (though certainly not outside or
unaware of the cybernetic Zeitgeist), and that they were responding parly to
cues (heuristic, cognitive psychology) to which the others hadn’t been exposed.
A classic piece of science history, and a very different one from the present
draft of the Darmouth chapter. More dramatic and less anti-climatic too...
Darmouth was not the successful launching of the new search; it was the moment
of recognition that the old search had been superceded by an impulse coming from
without... LT and GPS dominated the entire scene from 1956 to 1963. Gelernter
and Slagle take these programs, not Darmouth or pre-Darmouth, as their starting
point...
There was a major paradigm shift in 1956, it was produced by LT, a running
program, and it made the Darmouth Conference rather irrelevant except as the
channel through which it was announced to the then AI world." (Los subrayados
son de H. Simon).
El equipo de Newell-Simon-Shaw ofrecieron un paradigma nuevo, distinto al
anterior. Construyeron una inteligencia artificial inspirándose en cómo un
humano resolvía un determinada tarea, acción que más tarde fue teorizada como
"human problem solving". Se consideraba al ser humano como un "problem solver",
y en concreto, un problem solver que usaba un particular método: la "heuristic
search", o búsqueda heurística. Este paradigma, como se verá más tarde, no es
compartido por toda la Inteligencia Artificial, ni por la sicología cognitiva.
Este enfoque no partía del campo tradicional de la matemática o la ingeniería y
su teoría de los autómatas, ni tampoco del campo tradicional de la sicología ,
dominado entonces por el conductismo. El nuevo enfoque provenía de autores
minoritarios en sicología como Tolman y de la ciencia política y de los estudios
sobre "decision making". Herbert Simon era ante todo un cientifico politico, y
sus estudios desde 1949 se habían centrado en el "Administrative Behavior".

Allen Newell conocía también al matemático aplicado Polya (: How to Solve It") y
a autores provenientes de la sicología (Dunker,Wertheimer).
El "human problem solving" sintetizó estos distintos enfoques del problema.
2.2.16. " THE CARNEGIE-RAND GROUP".
Esta teoría fue codificada por primera vez en el texto de 1957, "Elements of a
Theory of Human Problem Solving" firmado por los tres y realizado más de un año
después de inventado el Logic Theorist.
La novedad que aporta la teoría del HUMAN PROBLEM SOLVING reside no en explicar
el hombre desde la máquina, o al menos sólo desde la máquina, como es lo propio
desde la Mettrie (1747), L’Homme Machine, ( cuyo eco es la definición de hombre
de Marvin Minsky , the Meat Machine), sino considerar la máquina como un
"information processing sistem" capaz de simular tareas hasta entonces propia de
los seres humanos. Esto es, la máquina imitaba al ser humano. Y no sus
estructuras neuronales sino sus procesos considerados superiores: sus procesos
mentales inteligentes. Esto fue una revolución: en el campo de la computer
science y en el de las humanidades.
Esto puso por delante al equipo de Carnegie Tech-RAND de los trabajos más
avanzados que en ese momento se hacían en las dos tradicionales culturas
académicas en Estados Unidos: la ingeniera con el el MIT y Stanford a la cabeza
, y la de "liberal-arts universities" encabezada por Harvard, donde un equipo de
sicólogos dirigido por George A.Miller sólo cinco años después de Darmouth
publicaría su obra Plans and the Structure of Behavior (1960), que marcó el
cambio de paradigma del conductismo al cognitivismo en sicología en Estados
Unidos. La llamada "revolución cognitiva" estaba en marcha.
Logic Theorist fue construído sobre la base de esta síntesis de conocimientos y
de personas.
Esta síntesis es a mi entender un elemento clave que permite entender qué
carácter tiene la A.I. en CMU, y el por qué del interés de sus líderes como
Newell y Simon de basar su programa de investigación en dos instituciones
simultáneamente,la School of Computer Science y el College of Humanities and
Social Sciences de CMU. Esta combinación de sicología y computer science les dió
la superioridad en 1955.
¿Qué se conseguía con todo ello ?. Tres objetivos: 1.fundar una nueva
disciplina, la AI, 2.abrir un nuevo paradigma en una ciencia ya antigua, la
sicología, y 3. conseguir validar ambas con una prueba. Realizaron un invento

técnico, una máquina inteligente, y además una teoría del mismo, una disciplina
de invención de máquinas inteligentes. Y algo más : una nueva teoría de la
inteligencia humana, entendida como problem solving, unificada con la
inteligencia del ordenador en forma de "information processing systems". Una
teoría que cambio el paradigma de la vieja ciencia de la sicología, pasando del
conductismo a paradigma cognitivo, y en concreto, a una forma particular del
mismo: el que se basa en la construcción de programas de ordenador para simular
procesos cognitivos humanos.
Pero también señala los límite de este enfoque. Al pretender imitar al ser
humano se ha cogido un "model of man" racional, inteligente, lógico. Pero el
problema es que al inventar el Logic Theorist el científico (Simon) y el
matemático (Newell) se transformaron a sí mismos en tipos humanos distintos.
Para inventar una máquina lógica había que ser algo más que lógicos, había que
ser inventores de máquinas lógicas. Y esta reflexión aún no se ha iniciado. Al
considerar al animal racional el modelo del L.T. finalmente matemáticos y
lógicos han desplazado a Simon y Newell en la dirección del proceso que ellos
iniciaron. El modelo humano de la A.I. son sus inventores, y estos no son meros
animales de "bounded rationality".
2.2.15. LA PRESENTACION DE LA "LOGIC THEORY MACHINE" A LA COMUNIDAD
CIENTIFICA E INGENIERA.
Herb Simon considera 1955 y 1956 como los años más importantes de su vida como
científico, y dice que son las invenciones que realizon las que los consagraron
como los "parents of artificial intelligence". Sin embargo, estos inventos según
los textos donde se los presentó a la comunidad científica e ingeniera, se
consideraban por sus autores como simples medios de un programa más amplio de
investigación. Estos textos académicos se presentaron después de que Simon y
Newell ya habían construído el programa informático.
En la presentación oficial del LT ante el Professional Group of Information
Theory of the Institute of Radio Engineers, en Septiembre 10 de 1956 afirmaban:
"The logic theory machine is part of a program of research to understand complex
information processing systems by specifying and synthesizing a substantial
variety of such systems for empirical study". ("The Logic Theory Machine: A
Complex Information Processing System").
Para conseguir este fin propuesto: " One tactic for exploring the domain of

complex systems is to synthesize some and study their structure and behavior
empirically". (:3).
Este objetivo aparece en textos firmados por todo el equipo de tres personas.
Así, ante la Joint Computer Conference realizada en 1957 se vuelve a explicitar
en el texto "Empirical Explorations with the Logic Theory Machine: A Case Study
in Heuristics" firmado por todo el equipo que : "The research reported here is
aimed at understanding the complex processes (heuristics) that are effective in
problem-solving...We wish to understand how a mathematician, for example, is
able to prove a theorem even though he does not know when he starts how, or if,
he is going to succeed...This focuses on the pure theory of problem-research
solving...Our research strategy in studying complex systems is to specify them
in detail, program them for digital computers, and study their behavior
empirically by running them with a number of variations and under a variety of
conditions". ( 1963:109-110).
¿Qué teoría nueva aportó este equipo al estudio de los "complex information
systems": la teoría del "Human Problem Solving".
Para ello se basaron, según escribieron en 1972, (Human Problem Solving.
Addendum) fundamentalmente en teorías de sicólogos gestaltistas (Duncker ,1945,
Wertheimer,1945)que también habían trabajado este tema del "problem solving" en
los seres humanos y también en los trabajos del matemático Polya que ya había
escrito en 1945 un libro titulado "How to solve it", en el que basándose en los
griegos, explicaba diferentes heurísticas para resolver problemas de
matemáticas.
Así el 4 de marzo de 1957, un año después de construído el Logic Theorist, en
"Elements of a Theory of Human Problem Solving" afirmaban: "Our position is that
the appropiate way to describe a piece of problem-solving behavior is in term of
a program--a specification of what the organism will (ilegible) under varying
environmental circumstances in terms of certain elementary information processes
it is capable of performing. This assertion has nothing to do--directly-- with
computers. Such programas could be written...if computers had never existed. A
program is no more and no less an analogy to the behavior of an organism than is
a differential equation to the behavior of the electrical circuit it describes
Digital computers come into the picture only because they can, by appropiate
programming, be induced to execute the same sequence of information processes
that humans execute when they are solving problems. " (1957:5-6).

El objetivo de simulación de la mente humana mediante el uso del ordenador fue
el objetivo fundamental de Herb Simon en este proyecto. No obstante y de forma
paradójica su contribución fundamental al mismo tuvo que empezar al revés :
simulando el funcionamiento de un programa de ordenador en su propia mente, como
el mismo reconoce. La razón es que ese programa de ordenador para simular
procesos cognitivos humanos aún no existía. Había que inventarlo primero. No se
podía hacer exploraciones empíricas sin máquina. Y el programa informático
empezó al analizar Herbert Simon su propio comportamiento de programarlo.
Los inventores de esta máquina se inspiraron no tanto en como piensa "la mente
humana" universalmente sino, en como pensaban ellos cuando estaban resolviendo
el problema de cómo inventar una inteligencia artificial: "By using a human
(myself) to simulate the machine". (Carte de H. Simon a A. de Groot, January 3,
1956. Models 1991:206). A continuación escribieron estos procedimientos en forma
de código, luego en forma de lenguaje informático y se los introdujeron al
ordenador.
Este conjunto complejo de actividades organizadas en que se mezclaron: 1. un
doble interés de varias personas, tanto en simular procesos cognitivos humanos
en un ordenador, como conseguir una máquina que realizara procesos similares a
la mente humana. 2. un trabajo a continuación se selección de entre los
conocimientos de todas estas personas provenientes de las ciencias sociales, la
lógica matemática y la ingeniería de aquellos que podían ser útiles para el el
fin previsto, y al tiempo la construcción de una teoría de human problem solving
y 3. por último un trabajo práctico de puesta en marcha del invento mediante una
continuada y ardua experimentación fue lo que dio al equipo Simon-Newell-Shaw
una clara ventaja sobre otros intentos de construir AI a mediados de los 50 en
Estados Unidos, que se limitaron a síntesis de conocimientos más elementales,
quedándose en la mera formulación teórica, esfuerzos basados en meros intentos
individuales. Este es un capítulo histórico clave de la cultura de CMU.
2.3. EL "COMPLEX INFORMATION PROCESSING" Y LA "ARTIFICIAL INTELLIGENCE"
DE CMU.
2.3.1. EL DOBLE PROGRAMA DE LA A.I. DE CMU.
Una cultura son los seres humanos y sus obras, como escribió el antropólogo
norteamericano Melville Herskovits(1981). En esta cultura informática, las obras
son los programas de ordenador, los sistemas construídos.

Estos forman parte de un programa cultural más amplio que resume la visión del
mundo de sus autores, establece sus prioridades de investigación y determina sus
estrategias a seguir.
En 1987, H. Simon definía así la disciplina en la Encyclopedia of Artificial
Intelligence: " Artificial Intelligence (AI) is a domain of research,
application and instruction concerned with programming computers to perform in
ways that,if observed in human beings, would be regarded as intelligent" (
1987:xi).
Y continuaba afirmando: "1.AI in the narrow sense is a part of computer science,
aimed at exploring the range of tasks over which computers can be programmed to
behave intelligently. ...2.The second branch of AI, part of the new field of
cognitive science, is aimed at programs that simulate the actual processes that
human beings use in their intelligent behavior. These simulation programs are
intended as theories (systems of differents equations) describing and explaining
human performances" (Ib. ix).
La AI en CMU, bajo la dirección de Herbert Simon y Allen Newell, puede
considerarse partícipe de dos ciencias, la computer science y la cognitive
science, pero en cualquier caso se sitúa, según estos autores, en el terreno
firme de la ciencia.
Este doble aspecto de la A.I. es propio de Carnegie Mellon, y responde a una
estrategia de investigación que se ha mantenido en lo fundamental idéntica desde
1955. Los dos objetivos perseguidos han sido simultáneamente: " One was to use
the computer to understand better how human thinking works by modeling it--by
simulating it--and the second was to get computers to do smart things".
(Post-Gazette 1980).
En entrevista personal para estudio , Herbert Simon confirmó que : "El objetivo
de mi vida ha sido entender la mente humana. Y en todos sitios funciona igual,
por búsqueda heuristica " ( 3/11/90). A la pregunta de cómo se entendía que
construyera programas de ordenador contestó: "De la misma forma que Mendel
cultivo guisantes para mejor entender la transmisión de caracteres". (ibid).
Por su parte Allen Newell, en una reciente conferencia en la SCS, confirmó que
su "single ultimate scientific question" había sido, no los computadores ni la
A.I., sino la "nature of human mind". (. "Desires and Diversions. 6/12/91).
Newell y Simon, personajes que se reconocen al ser llamados "the parents of
artificial intelligence" (Models. 1991:190), han representado durante 30 años lo

que se denomina la versión dura en Inteligencia Artificial, "strong AI". Según
ésta, el ordenador tenía los medios suficientes para adquirir una inteligencia
similar a la del ser humano. La versión "blanda" aceptaría construir programas
de ordenador que manifestaran conducta inteligente, pero no necesariamente
imitando a la humana. El M.I.T. está ahora, por ejemplo, construyendo una
generación de robots inteligentes imitando la inteligencia de los insectos.
El programa de la A.I. ha sido entendido de forma distinta en los otros centros
de país. Así, Patrick H. Winston, Director del M.I.T. Artificial Intelligence
Laboratory, afirma que : "The primary goal of the Artificial Intelligence
Laboratory is to understand how computers can be made to exhibit intelligence"(
Kernoff,Who’s who in A.I.:132). Comprender cómo pueden ser hechos los
ordenadores para que exhiban una conducta inteligente.
De esta finalidad principal se derivan dos objetivos secundarios, dos
consecuencias: " "Two corollary goals are to make computers more useful and to
understand certain aspects of human intelligence". Pero la premisa no es cómo en
CMU "understanding the human mind".
Por su parte, para Avron Barr y Ed Feigenbaum, del Departament of Computer
Science de Stanford University: "Artificial Intelligence is the part of computer
science concerned with designing intelligent computer systems, that is, systems
that exhibit the characteristics we associate with intelligence in human
behavior-understanding language, learning, reasoning, solving problems, and so
on." (Handbook, 1981:3).
El modelo Newell-Simon constituye un modelo único, específico de la Inteligencia
Artificial de Carnegie Mellon . Es un modelo nacido en 1955 y ha marcado a la AI
de CMU con unos rasgos culturales propios, que la hacen distinta a otros
programas seguidos en MIT o Stanford, los otros dos centros de excelencia
reconocidos de Estados Unidos en este campo. Ello no significa que sea el único
modelo en la AI de CMU.
¿Cuál es la diferencia?. Es un programa en que sus fundadores tienen como
objetivo fundamental: "understanding the human mind".
Para H. Simon, "What is unique here is the closeness of the two sides of the
coin -the human side plus the straight artificial intelligence. We have more of
a balance and union of the two here than any other of the other places. I guess
we at CMU, plus the people who are interested in this over at the University of
Pittsburgh, have by a factor of two or three the largest collection of

activities of this sort in the country". (: Post-Gazette: 1980).
Mientras en el M.I.T. y Stanford, la Inteligencia Artificial se considera sólo
una disciplina parte del Computer Science, en Carnegie Mellon se denomina
Inteligencia Artificial a una misma actividad realizada tanto en la School of
Computer Science como en el Department of Psychology del College of Humanities
and Social Science, pero presidida por este departamento. La sicología cognitiva
dirige, en gran medida, el programa de investigación de la A.I. de CMU.
2.3.2. EL PROGRAMA CULTURAL UNITARIO DEL "COMPLEX INFORMATION
PROCESSING".
El programa antes citado se basa en una "teoría unificada de la cognición",
expuesta en su forma más completa en la obra HUMAN PROBLEM SOLVING, escrita en
1972.
Para H. Simon y A. Newell existe una igualdad entre la mente humana y el
ordenador a la hora del comportamiento inteligente. "Our theory of human
thinking...postulates that the human operates as an information processing
system". ( 1972: 19).
La idea que unifica mente humana y ordenador es la de "Physical Symbol Systems".
Esta hipótesis es para Allen Newell, "the most fundamental contribution so far
of artificial intelligence and computer science to this joint enterprise had
been the notion f physical symbols system" ( 1980:1). Así, lo afirmó en la
reunión constitutiva de la Ciencia Cognitiva celebrada en La Jolla, California
en 1980.
Para Newell y Simon no se trata que el ordenador sea una "metáfora" de la mente
humana, sino que tiene los medios necesarios y suficiente para la misma acción
inteligente en el mundo que la mente humana.
A esta hipótesis se la denomina "PHYSICAL SIMBOL SYSTEM HIPOTHESIS". Asi, para
A. Newell, su sistema inteligente SOAR es, en sí mismo, una teoría de la mente
humana. Igualmente, los programas de simulación que escribe H. Simon intentan
ser, como el mismo afirma más arriba "teorías...describiendo y explicando
actividades humanas".Los programas de ordenador pueden ser en sí mismos teorías
sicológicas.
En esto se diferencian Newell y Simon de la mayoría de sicólogos cognitivos. Muy
pocos de ellos han construido programas de ordenador para implementar sus
teorías. La sicología cognitiva considera mayoritariamente al ordenador como una

herramienta para simular procesos cognitivos humanos, una "metáfora" de la mente
humana, no un mismo tipo de sistema simbólico.
Por otra parte, para otros fundadores de la Inteligencia Artificial, como Marvin
Minsky del M.I.T., la inteligencia exhibida por las máquinas puede basarse en
principios simples de "feedback" como los de la cibernética, en principios
biológicos como las redes neuronales o imitando a los humanos. Pero no
necesariamente de esta última forma.
La posición radical de Simon y Newell, que ha marcado y sigue marcando el
contenido de la investigación en Inteligencia Artificial en CMU, y no sólo de la
AI sino de todo la Computer Science, implica que la AI ha de basarse en la
construcción de programas informáticos que manifiesten una actividad inteligente
semejante a la humana, una actividad inteligente de carácter general y no sólo
basada en conocimientos especializados, como los sistemas expertos inventados
por Edward A. Feigenbaum, uno de los primeros discípulos de H. Simon en CMU. En
la A.I. de SCS hasta los años 90s no se consideró importante la investigación en
Sistemas Expertos, a pesar de lo cual se realizó alguno importante como el R1 de
Peter McDermott.
Esta unidad disciplinaria de la Inteligencia Artificial, dividida en dos patas
una en Computer Science y otra en Sicologia Cognitiva, y dirigida por esta
última, se la denomina en Carnegie Mellon, "Complex Information Processing".
Corolarios de esta visión es que las teorías sicológicas del Departamento de
Sicología tendrán validez si se expresan en programas informáticos, y viceversa
los programas informáticos de la AI en la SCS han de buscar representar una
acción general inteligente. La consecuencia en los años 80s ha sido la nueva
generación de arquitecturas inteligentes iniciada por Allen Newell con el
programa SOAR, y la nueva disciplina del MACHINE LEARNING, puesta en marcha por
J.Carbonell y T. Mitchell.
Las estrategias no obstante seguidas por Newell y Simon han sido distintas.
Allen Newell se ha centrado en la construcción de arquitecturas cognitivas, como
SOAR, un sistema, por un lado, que se pretende capaz de una acción general
inteligente en el mundo, y al mismo tiempo, considerado una teoría unificada de
la cognición.
Por su parte, Herbert Simon se ha dedicado en los últimos 10 años a simular, en
forma de programas de ordenador, lo que desde una mentalidad científica puede
considerarse las más avanzadas producciones cognitivas humanas: los

descubrimientos científicos. BACON es un programa para simular ciertos procesos
de descubrimiento científico.
La extensión de este paradigma conlleva el que no sólo las teorías de la
cognición humana realizadas en el Departamento de Sicología de CMU, sino
cualquier teoría realizada en cualquier otro departamento para tener validez a
los ojos de esta concepción del conocimiento tenga que ser presentada en forma
de software informático. Pero a cambio, todo programa informático es una teoría
científica.
Según este programa cultural, conocimiento significa "computation", y
"computation" es la actividad de procesamiento de la información que realiza la
mente humana. No existe por tanto ninguna razón para que sus resultados no
puedan ser expresados en programas de ordenador. En principio esto es válido
para todo "el universo de las disciplinas".
Las consecuencias de este programa de investigación científica, por usar una
terminología de Lakatos, han afectado a todo el campus de CMU durante los
últimos 25 años. Uno de los objetivos claves de la red ANDREW tanto en su
comienzo en los años 80s como ahora es conseguir que los profesores del campus
de cualquier disciplina pudieran producir software educativo. Como afirmaba
James Morris, director del Information Technology Center:" The ultimate
producers of educational software must be faculty members...We and the CDEC
diffuse technology and tools to them"(IBM, 1986:16). En estos años, se han
construído ya docenas de "courseware", o cursos educativos informáticos en
disciplinas tan diversas como arquitectura, arte, filosofía, física o
ingeniería.
Ha empezado a nacer un tipo de profesor-programador que traduce sus
conocimientos tradicionales a programa de ordenador, como base educativa y de
conocimientos. El Dr. Preston Covey, profesor de Etica y director del Center for
Design of Educational Computing, es una muestra. Su video disco interactivo,
"Right to Die?" es un programa de ética, construído bajo soporte informático, en
el que estudiante se enfrenta ante un dilema de la vida real: ha de decidir si
permite o no a un ser humano que sufrió un accidente el derecho a quitarse la
vida.
2.3.3. "THE PHYSICAL SYMBOL SYSTEM HYPOTHESIS".
En su último libro , Unified Theories of Cognition (1990), Allen Newell afirma

que : "Science, even more profoundly than politics, is the art of the possible.
It does only that can be done next" (1990:26). Allen Newell es miembro a la vez
de la National Academy of Sciences y de la National Academy of Engineering. Y la
definición de ciencia citada es significativa de lo que Herb Simon, experto en
ciencia de la administración, llamó "las ciencias de lo artificial", expresión
nacida en la cultura de CMU.
Esta figura del profesor-programador conlleva cambios importantes en la
concepción del propio saber científico, aún conservando su naturaleza esencial.
La ciencia se hace programadora, diseñadora, a cambio de intentar hacer el
diseño una ciencia.
La hipótesis en la que se basa la AI tal como se concibe en CMU se denomina:
"PHYSICAL SYMBOL SYSTEM HYPOTHESIS", o hipótesis del sistema de símbolo físico,
formulada por Herb Simon y Allen Newell en 1975, coincidiendo con la concesión
del Turing Award, el premio más prestigioso que la Association for Computing
Machinery otorga a los computer scientists que han realizado una contribución
más importante en el campo en los Estados Unidos.
Esta hipótesis dice así: "A physical symbol system has the necessary and
sufficient means for general intelligent action" (Newell, Simon, 1976:116).
¿Qué significa para estos autores "a physical symbol system"?. Este sistema es "
a machine that produces through time an evolving collection of symbol
structures..it bears a strong family resemblance to all general purpose
computers".(ib. :116).
¿Qué significa a su vez "a general intelligent action"?. Como ellos explican:
"By ‘general intelligent action’ we wish to indicate the same scope of
intelligence as we see in human action: that in any real situation behavior
appropiate to the ends of the system and adaptive to the demans of the
environment can occur, within some limits of speed and complexity" (ibid:116)
Se podría resumir esta hipótesis de la siguiente manera: un sistema de símbolos
físicos, como el ordenador digital, tiene los medios necesarios y suficientes
para una acción general inteligente en el mundo, similar a la que vemos en una
acción humana.
Para Allen Newell, "The notion of general intelligence can only be informally
circumscribed, since it refers to an empirical phenomenon. However, the intent
is clear --to cover whatever will come to be called intelligent action as our
understanding of the phenomena increases...General intelligence implies that

within some broad limits anything can become a task..." (1980:42).
Herb Simon está de acuerdo con esta idea: " Creo que en nuestra época las
computadoras podrán realizar cualquier tarea cognoscitiva que pueda realizar una
persona" (1977: 6).
Allen Newell se ha concentrado en la construcción de arquitecturas integradas
inteligentes, o sistemas informáticos que simulan o pretenden dicha acción
general, como SOAR, consideradas a su vez como teorías unificadas de la
cognición. Herbert Simon se ha centrado más en lo que llama "teorías de rango
medio", o sistemas informáticos que sólo simulan determinadas tareas
inteligentes como por ejemplo descubrimientos científicos. El objetivo ha sido
el mismo, la estrategia distinta.
El problema es que esta hipótesis sólo se puede verificar construyendo ese
sistema. No hay aquí sistema a menos que se construya, y si no se construye no
puede validarse la hipótesis. El problema es que lo que está enunciando , no es
una mera proposición empírica, el "un juicio de hecho" de Hume, sino una
intención humana. No es una proposición sino un propósito.
Es un enunciado que no describe un acontecimiento dado sino que ordena una
acción, una tarea: construir un sistema de símbolos físicos que tenga los medios
de una acción inteligente general. Enuncia una "posibidad sugerida" en palabras
del filósofo pragmático norteamericano John Dewey. (1989. Cómo pensamos.:26).
Simon indica:"las computadoras podrán realizar cualquier tarea cognoscitiva que
pueda realizar una persona". Es una hipótesis que sólo se puede validar haciendo
un programa informático. Dado su carácter normativo, implica un discurso ético
que compromete la voluntad y el deseo ("desire state") del que lo emite. También
un enunciado científico responde a una ética, como demostró R. Merton: lo que
es, debe de ser. El problema es que la hipótesis formulada por Newell y Simon no
enuncia un "hecho", un "facta" sino un "futura" en palabras de Bertrand de
Jouvenel.
Esta hipótesis puede ser, en efecto, verificada. La Physical Symbol System
Hypothesis no es un mero deseo, un "desired state", o "buenas intenciones".
Implica tres acciones: 1. dicho deseo de construir ese sistema,2. un
conocimiento tanto de las capacidades del ordenador como de las de la mente
humana. Y algo más importante, 3. una vía práctica de solución del problema o de
validación de la hipótesis: el saber cómo se va a construir ese physical symbol
system.

Newell y Simon comparan su método con la teoria de los gérmenes : " The basic
paradigm for the initial testing of the germ theory of disease was: identify a
disease; then look for a germ. An analogous paradigm has inspired much of the
research in artificial intelligence: identify a task domain calling for
intelligence; then construct a program for a digital computer that can handle
tasks in that domain." (1976:118).
Pero una cuestión es buscar un germen causante de una enfermedad, y otra
construirlo. Una actividad es un "look for" y otra distinta "construct". La
primera es la propia de la ciencia, la segunda le corresponde a la ingeniería.
Se ha formulado una hipótesis ingeniera, no científica.
En 1980, Allen Newell reconocerá que este concepto, de "physical symbol system"
tiene un origen en la lógica y la ingeniería: " This concept has not followed
the usual path of scientific creation, where development occurs entirely within
the scientific attempt to understand a given phenomenon. It was not put foward
at any point in time as a new striking hypothesis about the mind, to be
confirmed or disconfirmed. Rather, it has evolved through a much more circuitous
root. Its early history lies withing the formalization of logic, where the
emphasis was precisely on separating formal aspects from phychological aspects.
Its mediate history lies within the development of general purpose digital
computers, being thereby embedded in the instrumental, the industrial, the
commercial and the artificial --hardly the breeding ground for a theory to cover
what is most sublime in human thought". (1980:2).
Los programas informáticos no existen antes de su construcción. No se pueden
buscar como si fuera un gérmen. Una vez construído , en efecto se puede analizar
y estudiar empíricamente, pero dicha tarea de descubrimiento es posterior a la
construcción del programa. Estos se costruyen para probar una "posibilidad" (la
tarea inteligente que se considera posible reproducir en el ordenador) no para
comprobar una "realidad" dada.
John McCarthy , profesor de AI en Stanford, y uno de los fundadores de la AI, y
P.J. Hayes de Edinburgh, en 1969 señalaron el papel clave de la forma verbal
modal "can" en la contrucción de programas de ordenador y su estrecha relación
con el "free will" o el libre albedrío humano: "The problem of ‘free will’
assumes an acute but concrete form. Namely, in common-sense reasoning, a person
often decides what to do by evaluating the results of the different actions he
can do. An intelligent program must use this same process, but using an exact

formal sense of can, must be able to show that it has these alternatives without
denying that it is a deterministic machine". (1969: 467).
El contenido teórico de la A.I. esta por ello en los programas que construye.
Estos programas pueden tener objetivos más ambiciosos (SOAR) o más limitados
(BACON) pero su construcción es el sentido final de la hipótesis. Por ello la
prueba es el programa mismo que funciona, no una recolección empírica de datos o
una teoría científica al modo de la física.
La física matemática ha sido hasta el momento la ciencia que ha servido hasta
ahora como patrón de conocimiento para el resto de saberes académicos. Las Leyes
del Movimiento de Isaac Newton, los famosos Axiomas, condensan una aportación
clave de esta disciplina. Recordémoslos : "Law I. Every body continues in its
state of rest, or of uniform motion in a right line, unless it is compelled to
change that state by forces impressed upon it....Law II. The change of motion is
proportional to the motive force impressed; and is made in the direction of the
right line in which that force is impressed... Law III. To every action there is
always opposed an equal reaction: or, the mutual actions of two bodies upon each
other are always equal, and directed to contrary parts" (Newton, 1946:13).
Comparando estas leyes con la hipótesis más importante de la Inteligencia
Artificial, según Newell y Simon podemos apreciar diferencias importantes.
La formulación newtoniana es una construccieon explicativa de cómo funcionan
unas determinadas fuerzas del universo físico. Su resultado son leyes
explicativas, que descubren un fenómeno natural dado. La hipótesis del "Physical
Symbol System" es un programa de una disciplina normativa y descriptiva al mismo
tiempo, según Simon. Se basa en la "intención" (Newell) o la "creencia" (Simon)
en que una máquina puede realizar cualquier tarea cognoscitiva que pueda
realizar una persona. Esta máquina aún no existe pero se ve posible diseñarla.
El resultado de la primera es ciencia natural, el de la segunda, una "artificial
science", según Simon . Se cree que el resultado final de esta será el saber
como construir un sistema artificial que tenga las mismas capacidades cognitivas
que el ser humano. Sistema que primero habremos tenido que construir. Es como si
Isaac Newton tuviera que haber construído primero un universo con sus leyes, que
intentaba probar, y, una vez finalizada la obra, comprobara de esta forma que ,
en efecto, eran ciertas.
En el primer caso el criterio es la verificación, o su falsación. En el segundo
caso, el criterio es su validación, medida en términos ingenieros sobre si

funciona o no . "It works". Si en efecto se realiza, la hipótesis será válida.
De lo contrario, no. Newton no ha de ejecutar sus leyes, se limita a
enunciarlas. El investigador de A.I. ha de poner en práctica sus hipótesis, como
única forma de validarlas. Un enunciado científico puede ser verdadero o falso.
No tiene sentido preguntarle eso a un programa informático. Pueden ser, incluso,
correctas sus inferencias lógicas y al final no funcionar por estar mal
planteado el problema a resolver.
Herb Simon y Allen Newell en su famosa conferencia "Computer Science as
Empirical Inquiry: Symbol and Search" (1976) sostuvieron que ésta era una
disciplina empírica, "an experimental science, but like astronomy, economics,
and geology, some of its unique forms of observation and experience do not fit a
narrow stereotype of the experimental method". (ibid:114).¿Por qué no encaja en
el estereotipo del método experimental?. El metodo de la ciencia experimental se
pregunta: "¿qué existe y qué es?" (Kunh. 1965:97). El método de la computer
science se plantea: 1. que sea lo que deseo ("wants"). 2. que es lo que existe y
3. cómo hacer para que sea lo que deseo a partir de lo que existe.
El primero método parte de una realidad anterior al científico. En el segundo
caso, el computer scientist es previo a su "computer". William James,
pragmatista norteamericano, expresó esta visión al afirmar: "La verdad se hace".
Y para hacerla hace falta un hacedor, un programador. El símbolo físico lo hace
el computer scientist. No sólo construye la hipótesis, como todo científico.
Construye el propio resultado de la investigación. Volviendo a la comparación
con Mendel, la diferencia entre Simon y Mendel es que éste no tuvo que construir
el programa genético de los guisantes, se limitó a estudiarlo. Los computer
scientists han de hacerlo para poder estudiarlo luego empíricamente. Esta simple
inversión cambia toda la relación "Science&Technology" en otra
"Technology&Science" al menos en este campo del saber.
A la hora de evaluar si esta hipótesis ha sido probada y por tanto es una teoría
de Inteligencia Artificial, su primera teoría, las opiniones no son unánimes.
Para Ed Feigenbaum, por ejemplo, en la reunión celebrada en 1987 en honor de
Herb Simon en CMU decía: "If we ask whether general intelligent action involving
commonsense reasoning has been empirically demonstrated, the answer is not.
However, because I am inclined toward the dimension I called
competence/performance, I assess the evidence as providing strong confirmation
of the PSSH". (1989:178). Y concluía sugiriendo que se pasara a denominarla "

the Law of Intelligence of Physical Symbol Systems".
No obstante, si nos atenemos al hecho empírico, en 1991 los sistemas de símbolos
físicos existentes en la actualidad no tienen aún esa capacidad de acción
general inteligente, pero manifestan determinadas conductas que sí lo son.
Existen son numerosos programas informáticos, resultado de más de 25 años de
A.I., que exiben acciones inteligentes parciales, especializadas. El intento más
ambicioso es el de de construir arquitecturas inteligentes integradas, sistemas
capaces de aprender como SOAR, PRODIGY o THEO.
Todo ello no invalida la hipótesis para sus autores. Lakatos ya indicó que un
programa de investigación no se cambia por que se encuentren pruebas que falsean
sus hipótesis , como creía Popper, sino cuando se presenta un nuevo programa de
investigación que supere al anterior.
2.3.4. LA MENTALIDAD PRAGMATICA NORTEAMERICANA Y MAS ALLA: EL
CONOCIMIENTO-PROGRAMA.
Este programa de investigación de Simon y Newell para entenderse ha de situarse
en el marco de un programa de conocimiento cultural más amplio que el de la
propia ciencia. Necesitamos analizar sus bases culturales, su "situación" (L.
Suchman. 1987) , el contexto cultural de donde ha salido.
Newell ha definido la computer science como una "ciencia experimental". Simon
opone su enfoque "empírico" al "lógico-formal". Pero el programa de
investigación de la A.I. en CMU no viene del experimentalismo inglés que arranca
con Bacon.
El programa de Newell y Simon entronca directamente con un bagaje cultural en
materia de conocimiento, específicamente norteamericano. Por un lado, es un
programa que se alimenta del pragmatismo , la contribución más específicamente
norteamericana a la filosofía occidental. Esta filosofía ha sido
tradicionalmente poco estudiada en Europa, pero sin cuyo conocimiento no se
puede entender el significado de la tecnología en Estados Unidos, y en
particular, de la "computer science and technology" en CMU.
En 1977, en su libro "La Nueva Ciencia de la Decisión Gerencial", el propio
HerbertA. Simon se definía como un "radical tecnológico, un conservador
económico y un pragmatista filosófico". De este mismo libro es su expresión: "
En el campo de las computadoras la hora de la verdad es un programa que
funciona: todo lo demás es profecía.". (ibid.:8).

Desde finales de los 80s, apreciamos en Estados Unidos una ofensiva contra la
identificación mente humana-ordenador caracterizada como visión racionalista y
unilateral del conocimiento.
Asi T. Winograd y F. Flores (1989) han elaborado, desde la propia comunidad de
computer scientists norteamericana, una crítica al racionalismo de Simon.
Apoyándose en diversas escuelas europeas, principalmente la hermeneutica alemana
de Heidegger y la filosofía del lenguaje anglosajona de Austin, colocan a Herb
Simon dentro del programa filosófico de la "tradición racionalista". Desde este
ángulo, intenta ofrecer una alternativa basada en el "diseño
ontológico"(1989:217).
Esta opción dicotómica entre saberes, "razón" versus "diseño", lo volvemos a
encontrar en el sicólogo Jerome Bruner (1990) que anuncia su desengaño y
separación de la "revolución cognitiva" del que fue uno de los fundadores,
oponiendo "information" a "meaning". Según este autor, la revolución cognitiva
con su metáfora de la computación, ha dejado de lado el mundo del significado,
de la polisemia, la metáfora y las conexiones connotativas.
Bruner viene sosteniendo que existen dos modos de pensamiento o "modes of
thought", irreductibles uno al otro: "One mode, the paradigmatic or
logico-scientific one, attemps to fulfill the ideal of formal, mathematical
system of description and explanation..." (1986:12). El otro es el "narrative
mode": "The imaginative appliction of the narrative mode leads instead to good
stories, gripping drama, believable (though not necessarily ‘true’) historical
accounts. It deals in human or human-like intention and action..." (ibid: 13).
También la antropóloga Lucy Suchman (1987), de Xerox PARC, opone también la
"situated action" al "plan", forma de pensar característica, según ella, del
racionalismo europeo.
Pero estas visiones dicotómicas son muy propias de la cultura filosófica
europea, y no acaban de encajar en una cultura de la "computer science"
norteamericana como la de CMU. Herbert Simon ha defendido en efecto la
racionalidad, pero dentro de un marco cultural tecnológico que hace del "design"
su forma de pensar nodal.
Bruner, en crítica al cognitivismo, se coloca en la tradición de Geertz,
Goodman, y otros científicos sociales y filósofos constructivistas. Pero el
cognitivismo norteamericano, criticado por estos de racionalista, proviene de
una concepción ingeniera de la inteligencia, de una tradición constructivista,

no de una concepción racionalista.
Ninguna de estas críticas acierta a señalar que la cultura informática es un
invento norteamericano, y que existe una estrecha relación de la misma con el
programa pragmático, la filosofía nacional de este país. Esta filosofía, al
menos en autores como William James, fue un intento de conciliar ciencia y
religión, la clásica dicotomía de saberes de la cultura europea. Y el terreno
que encontró para ello fue el de la acción humana, el campo de las
"posibilidades no garantizadas" (W. James. 1984:234).
Se puede considerar el programa de Newell y Simon como un programa racionalista.
Simon, en efecto, defiende al "rational man". Pero Simon no es Aristóteles. En
CMU, Simon tiene dos caras como el dios Jano: por un lado, ante los científicos,
los matemáticos y los economistas, se le conoce por su crítica sistemática a la
visión del "rational behavior" de Von Newmann y la economía clásica. Se le
considera un teórico de la organización, que empezeo su carrera y ha dedicado su
vida a teorizar la "bounded rationality", los límites de la racionalidad: : "
Rationality, then, does not determine behavior...Instead behavior is determined
by the irrational and nonrational elements that bound the area of rationality.
The area of rationality is the area of adaptability to these nonrational
elements...Hence , administrative theory must be concerned with the limits of
rationality". (Models, 1991:88).
Este combate se ha traducido dentro de la A.I., Simon por su oposición al
paradigma denominado "Logic" , y la defensa de los métodos heurísticos, los
menos racionales y más empíricos, contra el enfoque formalista lógico y
algorítmico al tema. Métodos que ha considerado los apropiados para el
tratamiento de los "ill structured problems", o problemas que incluyen
decisiones de política novedosas o mal estructuradas (Simon,1977: 45).
Sin embargo, Simon ha presentado también la otra cara: la del científico que ha
introducido los métodos cuantitativos en la ciencias sociales desde los 40s. La
del científico que ha intentado converitir el diseño ingeniero de arte en una
ciencia. Se da la paradoja que ha recibirdo un Premio Nobel en economía siendo
que ha dedicado su carrera profesional criticando esa disciplina y su "model of
man", y oponiendo a la "mano invisible" el "decision making" de la conducta
administrativa.
Esta mentalidad pragmática explica una notable capacidad de absorción que está
demostrando la computer culture de CMU para integrar artistas, matemáticos,

sicólogos o managers en el universo computacional.
Charles Peirce fue el primero en establecer lo que William James consideraba el
principio del pragmatismo. En un artículo titulado: "How to make our ideas
clear?" (1878), aquél filósofo estableció que nuestras creencias eran reglas
para la acción. Para desarrollar el significado de un pensamiento necesitamos
determinar qué conducta es la adecuada para producirlo: tal conducta es para
nosotros toda su significación.
En la tradición científica europea un pensamiento, en forma de teoría,
hipótesis,etc. es significativo si se propone explicar racional o empíricamente
un fenómeno de la naturaleza. Los problemas están planteados en forma de
incógnita a resolver, sin certeza de que lo sean.
Aquí sin embargo, los problemas se formulan como "problem-solving", problema a
resolver. La finalidad es su resolución. Lo que da sentido al problema es que se
pueda resolver. Para ello, el problema es un "issue" que inmediatamente se
tranforma en una "task", una tarea a ejecutar.
Son propias de esta cultura, los "task force" u organizaciones para una tarea,
para una operación. La red Andrew fue promovida por un Task Force on the Future
of Computing.
En esta cultura, el mundo se ve como un "problem solving". Se parte de una
brecha o "gap", una brecha entre un "desired state" del individuo y el "initial
state" del que parte. Como señala John Hayes, profesor de sicología cognitiva en
CMU y encargado de los cursos de problem solving en la facultad de Humanities
and Social Sciences de CMU: " Whenever there is a gap between where you are now
and where you want to be, and you don’t know how to find a wary to cross that
gap, you have a problem". (1989:xii).
La tarea es la forma de resolver este "gap". Esta estructura de conocimiento la
denomina Newell : "problem space", y es la estructura básica de la Inteligencia
Artificial, y de la Computer Science.
Un programa de ordenador es esa secuencia de pasos dirigida a conseguir que la
máquina realice la tarea asignada. En este marco se explica que hacer teoría se
identifique con hacer programas. Por eso A. Newell puede considerar a SOAR, un
programa de ordenador inteligente, como una teoría de la cognición humana.
En una primera etapa, el pragmatismo alentó el conductismo o "behaviorism"
nortemericano. La acción se concibió como simple "conducta". Era la época del
"learning by doing", de la "efficiency". Saber era hacer. Con todo, la Depresión

y sobre todo la II Guerra Mundial generó una distinción entre "behavior" y
"planning". Se distinguió entre el nivel de planeamiento de la acción, y la
propia acción. La era de Roosvelt y el New Deal introdujo la planificación en
proyectos como el Tennessee Valley. La II Guerra Mundial profundizó este
pensamiento estratégico. Por último, el Manhattan Engineering District educó a
la élite de la ciencia en esta mentalidad planificadora, propia de la
ingeniería.
En el campo de la ciencia social, sicólogos norteamericanos como Tolman
(Purposive Behavior in Animals and Men, 1932.) empezaron a destacar la
"purposive behavior". Línea que fue continuada en los 60s por G. Miller, E.
Galanter y K. Prinbram: "Plans and the Structure of Behavior" 1960. La
cibernética de N.Wiener (Rosenblueth-Wiener-Bigelow: Behavior, Purpose and
Teleology, 1943) fue la culminación de este periodo. El ordenador se convirtió
en una "general-purposeful machine". El conocimiento pasó a considerarse no como
una mera acción (behavior), sino como un programa de acción.
Desde esta óptica, los conocimientos lógico-matemáticos o empíricos de la
cultura científica europea importados durante y tras la II GM han sido
utilizados en este país para generar disciplinas como la computer science o la
A.I., distintas a las antiguas disciplinas científicas europeas. Es tradicional
en Europa reducir el fenómeno informático al concepto "información", olvidando
la aportación específica de la computer science , la idea de "programming", la
información procesada para ser ejecutada por una máquina. El "processing" no es
el adjetivo sino el sustantivo en la expresión "information processing". Ello
está tanto más dificultado, dado que en paises como Francia, al "programming" se
le denomina "logiciel".
En Computer Science, la lógica o la matemática se utiliza para construir un
lenguaje de programación distinto al clásico lenguaje matemático de la ciencia
europea. Como indica Newell: "Modern logic, of course, was integrally involved
in the development of the digital computer....But logic did not enter A.I. at
all as the logic of thought...Logic was part of the underlying technology of
making mechanisms do things". (1982:8).
Es una matemática para cumplir tareas, donde un concepto básico es el de función
matemática. Por otra parte las heurísticas o técnicas de descubrimiento ya no se
utilizan como los griegos para resolver problemas de geometría sino para la toma
de decisiones por el programa de ordenador. Las heurísticas del L.T. no eran

para buscar ("search") en el sentido empírico del término sino mecanismos de
ayuda a la toma de una decisión para generar una acción. Incluso el mecanismo
"If...then" de la A.I. tiene un doble sentido: uno, el de la inferencia lógica
aristotélica y el otro que forma parte de la casuística procedimental propia del
pensamiento normativo de la jurisprudencia. No se pretende inferir conocimiento
descriptivo sino, ante tal o cual caso, emitir una orden que solucione un
"impasse" de la máquina en su proceso de ejecución de un programa.
Este saber no es sólo "performative", como ha señalado F. Lyotard en "La
condition postmoderne". Es "programador". Su clave no es la "performance", sino
el "programming". La cultura que inicia es la de la programación, la de una
sociedad programadora, y en este sentido, prefigurativa.
2.3.5. "COMPUTER SCIENCE AS AN EMPIRICAL INQUIRY."
Este saber también permite el considerar la computer science como una ciencia
empírica, pero no como disciplina previa y fundacional del ordenador sino
secundaria e instrumental para su diseño.
En 1976, Simon y Newell, al recibir el premio de la ACM, el más importante en
esta comunidad científica, definían computer science como una "empirical
inquiry" : "Computer Science is an empirical discipline. We would have called it
an experimental science, but like astronomy, economics, and geology, some of its
unique forms of observation and experience do not fit a narrow stereotype of the
experimental method...Actually constructing the machine poses a question to
nature; and we listen for te answer by observing the machine in operation and
analyzing it by all analytical and measurements means avalaible...They are and
we can open them up and look inside...As basic scientists we build machines and
programs as a way of discovering new phenomena... (1976:114).
En efecto, una vez construídos se le pueden aplicar al ordenador los métodos de
la ciencia empírica. Y ese ha sido la finalidad de gran parte del programa de
Newell y Simon, considerar al ordenador como un "tool" para comprender la mente
humana.
El problema es que hay algo que no encaja, según sus autores ("do not fit").
¿Qué es?. Que esta visión del ordenador no explica cómo se inventa el ordenador.
Y por lo tanto no se puede entender el conocimiento del inventor del ordenador,
y en consecuencia no se puede comprender "the human mind", al menos la mente de
este inventor. Hay un agujero negro en este esquema: ¿qué tipo de conocimiento

humano es el que construye el ordenador y permite que a continuación los "basic
scientists" lo analizen empíricamente?.
Este aspecto que no encaja en la teoría de la computer science como "empirical
enquiry" es el que nos conduce a la hipótesis inicial de este trabajo:
"Knowledge is design". El "computer" no es un simple "fact" es un "deed", un
acto humano, un acto libre. Y éste es el que provoca una invención tecnológica.
Y esta invención permite a la ciencia entrar a continuación a realizar su labor
analítica, que servirá para seguir inventando nuevos artefactos.
2.3.6. "FACTS" Y "DEEDS".
Los organismos biológicos también se rigen por fines, por programas. Existe un
código genético. Newell considera, por ello, la biología como una "science of
the artificial". (Entrevista.17 dic. 90), en tanto que disciplina que analiza
organismos con fines, mediante los procedimientos de la ciencia empírica. Simon
opina lo mismo para la ciencia de la administración. Y lo mismo se podría decir
de todas las ciencias sociales, incluida la antropología.
Pero hay un aspecto que sigue sin reconocerse. El "científico del diseño"
diseña. No sólo analiza organismos o sistemas que tienen un programa, o sino que
hace esos programas y esos sistemas. Lo cual no es el caso para la ciencia
social positiva, al menos, hasta ahora.
En 1991, en su Autobiografía Simon ha revelado qué politica han seguido Newell y
él, históricamente, frente a las críticas de sicólogos o filósofos: "We have
adopted the policy (was it the anarchist Bakunin’s or Sorel’s) of "propaganda of
the deed, not propaganda of the word". The best rhetoric comes from building and
testing models and running experiments. Let philosophers weave webs of words;
such webs break easily". (Models,1991:272).
El lema de la Royal Society inspirada en la filosofía de Francis Bacon decía:
"Nullius in verba". Pero el empirismo inglés no consideraba central la acción
humana en un sentido contructivista. Su tema es la experimentación para conocer
mejor a la Naturaleza. Era un programa de ciencia natural, en primer lugar , y
sólo en segundo lugar,de tecnológico. Sin embargo, la filosofia nacional de
Estados Unidos no es el empirismo sino el pragmatismo: la acción humana es la
que determina el medio, "hace la verdad". Su matriz no es científica sino
ingeniera. Confundirlas es un error. El hecho es que Newell y Simon lo hacen
sistemáticamente. La única explicación posible es para justificar

científicamente sus construcciones tecnológicas.
Años antes, Simon confesaba a su hija Barbara, en medio de la polémica nacional
en Estados Unidos sobre el carácter moral de la Inteligencia Artificial, su
actitud al respecto: " My own posture has been this: my scientific work, and
that of other AI researchers, will, in the long run, determine how many of Man’s
thinking processes can be simulated. I believe that ultimately all of them can,
but feel no great urge to try to prove that to others who feel differently. In
science, it is the facts that give us the final answers". (1991:274).
La ciencia física europea, hasta Heisenberg, se regía por el principio
determinista, según el cual existía un orden natural independiente del
observador que tenía sus leyes propias, necesarias, analizables por el
científico como hechos empíricos, o "facts", a partir de cuya observación y con
ayuda de la matemática se obtenían enunciados generales en forma de leyes. El
científico era ante todo un observador, un "investigador" de los secretos de la
Naturaleza. En 1927, Heisenberg con su principio de indeterminación, demostró
que la observacieon del investigador influía en la posición de partícula
observada. Cuanto más claramente quedaba especificada la posición de la misma,
menos podía fijarse su momento. Con todo, la disciplina no ha cambiado. La
física matemática, y su visión del Universo, como realidad comprensible por
medio de la razon y los sentidos , sigue siendo la contribución más importante
de la civilización europea a la historia del pensamiento humano.
El problema es que, ahora, con la Computer Science entramos en el "artificial
world". Y en él un científico como Simon o Newell "determinan" este mundo, o al
menos así lo creen. Profesores de la escuela como Dario Guise al ser preguntado
por las razones de su elección de Computer Science, indica la libertad que
permite: " You are only limited by your imagination...Total freedom with real
world. Your own limitation are you.". (Entrevista.15 de mayo.).
No obstante "ciencia del diseño" y ciencia empírica son dos programas de
investigación que no acaban de encajar en esta visión. La negativa a analizar el
mismo proceso de diseño del ordenador reduce la comprensión de la propia "human
mind". ¿Por qué no se analiza?. ¿Por qué se es empírico para el resultado y no
se entra en analizar el agente que inventa la máquina?. Al preguntar a Herbert
Simon si guardaba notas de su proceso de invención, me dijo que no. Tampoco las
tiene Newell. Lo mas aproximado son los papeles que por esas fechas publicaron.

2.3.7." NATURAL WORLDS" Y "ARTIFICIAL WORLDS".
Ha sido un computer scientist el primer científico en destacar la diferencia
entre los "mundos naturales" propios de las ciencias tradicionales como la
física y los "artificiales" propios de la ingeniería y la computer science. (The
Sciences of the Artificial. 1981). Esto desde un punto de vista científico
occidental es incorrecto dado que todos los mundos artificiales son a su vez
naturales. Pero el ingeniero puede contestar que lo contrario no es verdad, dado
que no todos los mundos naturales son artificiales. Artificial para una cultura
de matriz ingeniera significa "man-made", hecho por el ser humano, y tiene
sentido dado que significa diferenciar lo que es propio del ingeniero, el
diseño, en lo que se distingue del científico.
Podría afirmarse que tambien las sociedad humanas son "mundos artificiales", y
por lo tanto son un objeto de estudio propio de este tipo de ciencias. Y así lo
ve Simon, dado que él empezó su carrera como científico de las organizaciones.
Sin embargo, hay algo más en esta división que escapa al mero científico social.
El "scientist of the artificial" no sólo estudia esos mundos, también, y sobre
todo, los diseña. Lo cual no es normal en la ciencia social positiva o empírica.
Y no sólo los diseña en el sentido que construye el cuerpo de herramientas
teóricas para entenderlo, los diseña en el sentido ingeniero del término. Esto
es, no sólo los piensa o los simula, sino que los hace, "man-made world".
Para Simon, los "natural worlds" son el objeto de las ciencias naturales, que se
basan en el descubrimiento. Sin embargo, los "artificial worlds" son el producto
del diseño humano. Son un "colective artifact", un terreno común para tecnólogos
y científicos sociales interesados en el diseño.
Según este autor: "With goals and "oughts" we also introduce into the picture
the dichotomy between normative and descriptive. Natural science has found a way
to exclude the normative and to concern itself solely with how things are. Can
or shoud we maintain this exclusion when we move from natural to artificial
phenomena, from analysis to synthesis?. (1981:7-8).
Esta pregunta ha recibido en Simon respuestas contradictorias.
Por un lado , en The Sciences of the Artificial afirma en una nota a pie de
página en la edición de 1969 y de 1981 : " I may say that I hold to the pristine
positivist position of the irreductibility of "ought" to "is"...This position is
entirely consistent with treating natural or artificial goal-seeking systems as
phenomena, without commitment to their goals". (1981: 8).

Por otro, en el Congreso fundación de Cognitive Science , en 1980 en la
Universidad de California San Diego, ha sostenido : "En las ciencias
artificiales, lo positivo (descriptivo) y lo normativo no están nunca muy
distanciados. Así, por ejemplo, en economía, "el principio de racionalidad" se
afirma a veces como una invariante descriptiva, otras como un consejo a los que
adoptan decisiones... De modo semejante ,en sicología, la perspectiva según la
cual los sistemas inteligentes son adaptativos, pueden aprender y evolucionan,
no impide que los estudiemos para descubrir como mejorar su aprendizaje o su
capacidad para resolver problemas...La inteligencia artificial, en particular,
se dirige a metas normativas y tiene que hacerlo. En sus aspectos aplicados, se
interesa no sólo por comprender la inteligencia sino por mejorarla. Quizá nos
sea necesario reconocerlo explícitamente, hablando de ingeniería cognitiva y no
sólo de una ciencia de la cognición...Los riesgos de confundir lo normativo con
lo positivo son menores comparados con las perdidas que provocaría aislar a la
ciencia de sus aplicaciones técnicas". (1987:36).
Esta contradicción se ha vencido, no obstante, históricamente en favor de una
posición positivista, coherente con su visión de la computer science como
"empirical enquiry", y su medio universitario. A la pregunta sobre los distintos
saberes en CMU y donde se ubicaba personalmente entre la ingeniería, la ciencia
o el arte, Herbert Simon respondió que en la ciencia. (Entrevista. 17/12/90). Lo
que resulta paradójico con las citas anteriores, y sin embargo, ambas citas son
del mismo autor.
Una visión más detenida del tema nos permite explicar estas contradicciones. Un
programa pragmático no se rige necesariamente por una lógica binaria
(verdadero-falso) de tipo aristotélico. Como ya hemos señalado, la estructura
del "human problem solving" está compuesta de tres elementos: "desired state" (o
conocimiento normativo), "initial state" (conocimiento descriptivo) y un tercer
factor nuevo: la actividad humana deliberada que soluciona la contradicción,
entre mundo normativo y mundo descriptivo, operando, reduciendo la diferencia
entre ambos mediante su actividad deliberada. (o programada en el ordenador).
La distinción de la ciencia clásica entre normativo y descriptivo tuvo sentido
para liberar a la ciencia ("conocimiento descriptivo") de la tutela de la
religión ("conocimiento normativo"). Es la aportación clave del pensamiento
griego: la escisión del Logos respecto al Mythos.
Pero este esquema ya no sirve para explicar la cultura tecnológica. Y menos la

norteamericana. Esta cultura, como ya señalo Margaret Mead, es profundamente
moral y al mismo tiempo científica.
¿Cuál es el "ethos", el núcleo central de este programa cultural?. Por un lado
se hace una defensa clásica de la visión científica, por la cual, todo es
naturaleza.
En 1977, Herb Simon en un significativo artículo a la revista Science, titulado
"What Computers Mean for Man and Society", afirmaba: " Perhaps the most
important question of all about the computer is what it has done and will do to
man’s view of himself and his place in the universe.... The definition of man’s
uniqueness has always formed the kernel of his cosmological and ethical systems.
With Copernicus and Galileo, he ceased to be the species located at the center
of the universe attended by sun and stars. With Darwin, he ceased to be the
species created and specially endowed by God with soul and reason. With Freud,
he ceased to be the species whose behavior was-potentially- governable by
rational mind. As we begin to produce mechanisms that think and learn, he has
ceased to be the species uniquely capable of complex, intelligent manipulation
of his environment.
What the computer and the progress in artificial intelligence challenges is an
ethic that rests on man’s apartness from the rest of the nature. An alternative
ethic, of course, views man as a part of nature governed by natural law, subject
to the forces of gravity and the demands of his body. The debate about
artificial intelligence and the simulation of man’s thinking is , in
considerable part, a confrontation of these two views of man’s place in the
universe. It is a new chapter in the vitalism-mechanism controversy". (1983:
199-200).
En 1987, con motivo de la construcción de Andrew, Simon volviía a insistir en
esta alternativa: "We are learning to describe the human mind as an
information-processing system. We are learning to describe the human mind as a
kind of computer made out of neurons that is able to imput information, output
information, store information, manipulate information. I earlier referred to
the computer as a brain and to the fact that some people find that unsettling.
Why unsettling?. Darwin persuaded a lot of us, apparently not everybody in this
country yet but a lot of us, that we are simply wrong in thinking that our
species was created in any different way than other species were created. So we
lost that sense of uniqueness...But there are responses other than denying that

computers can in fact do that...Why don’t we try to get our sense of worth in
this world, not in uniqueness, not in being apart from the rest of nature, but
in being a general and integral part of nature". (1987:14-15).
Por otra parte se sigue admitiendo que el orden ha sido creado y que el ser
humano es creador.
Desde una visión europea, esta lectura de Darwin es sorprendente. El Darwin que
se enseña en Europa no es el que demuestra que todas las criaturas han sido
creadas iguales, sino el que con su teoría de la evolución, hace innecesaria la
tarea de crear especies, incluída la especie humana. La selección natural ha
sido criticada por el creacionismo religioso por atreverse a explicar el origen
de las especies sin hacer intervenir la voluntad de un ser trascendente al
propio orden natural, que "crea" dicho orden. Fue la clásica disputa sobre el
"design argument", que Darwin, zanjó. (Hurlburtt III, R., 1965).
Uno de los términos que sorprenden en CMU es la utilización del término
"creation" por los propios científicos. Parece no haber contradicción entre
creación y descubrimiento. Herb Simon titula el capítulo de su Autobiografía
relacionado con CMU: "Creating a University Environment for Cognitive Science
and A.I.".(1991:248)
¿Cómo se explica esta conciliación?.
2.3.8. " THE UNITARIAN ETHOS".
Descubrimiento científico, creación artística e invención técnica no están
separados como modos de conocimiento radicalemente distintos en el programa de
Herbert A. Simon.
Por contra trata de mantenerlos unidos y teorizarlos unitariamente. En una
entrevista personal mantenida el 30 de noviembre de 1990, el Dr. Simon, ante la
sugerencia que podían existir distintos tipos de saber, acaloradamente exclamó:"
Discúlpeme, pero esta división de conocimientos me ha molestado. He dedicado mi
vida a entender la unidad de la mente humana. Y en todos los sitios funciona
igual: por búsqueda heurística".
Esta defensa ética de la unidad del hombre y la naturaleza, así como del hombre
y el ordenador, sólo puede encontrar una explicación en el terreno de la propia
ética.
No es un secreto en Carnegie Mellon, que el Dr. Simon es miembro de la First
Unitarian Church de Pittsburgh, en la que participa, y en la que da charlas

sobre educación o sobre temas en los que es experto. En esto se emparenta con
otros destacados científicos, políticos y autores norteamericanos, como Thomas
Jefferson, Ralf W. Emerson, el pastor William E. Channing, o el histórico
presidente de Harvard, Charles William Eliot. Razón y religión no son
incompatibles para el unitarianismo.
El unitarianismo es una religión de tipo racionalista, que se basa en la
doctrina de la "unity, or oneness, of God". Se denominan a sí mismos "liberal
Christians" y creen en la libertad humana.
Denominado Arminianismo en el siglo XVIII, este credo fue el determinante de un
importante movimiento contra el calvinismo y su doctrina de la predestinación
que tuvo lugar en Nueva Inglaterra. Fue el denominado "The Great Awakening"
(Wright: 1955). Boston fue el centro de lo que se denominó la "liberal
Christianity". Y entre sus figuras destacaron Charles Chauncy y Jonathan Mayhew.
La mayor parte de sus líderes procedían de Harvard. Para uno de sus críticos, el
pastor Jonathan Edwards de Yale, centro de la oposición calvinista , el punto
clave que dividió ambas doctrinas fue "the freedom of will". Para arminianistas
como James Dana o Samuel West, el ser humano era un agente moral ("agent") con
capacidad de iniciar acciones en el mundo físico. "The will" era el poder de
elegir ("power of choice"). Sus acciones estaban determinadas por "moral
incentives", más que por causas físicas. El estímulo para la acción era el
"motive". Por ello, el ser humano era "self-determined"(Wright :107).
La objeción principal frente al calvinismo fue "the moral argument", planteado
por el pastor William Ellery Chaning, uno de sus reconocidos líderes
unitaristas. Frente a la doctrina de la predestinación y la depravación humana
propia del calvinismo, el unitarismo planteó que "the ultimate reliance of a
human being is an must be on his own mind...Men who, to support a creed, would
shake our trust in the calm, deliberate, and distinct decisions of our rational
and moral powers endanger religion more than its open foes". (Chaning, Unitarian
Christianity: 47). Para Chaning: " Conscience, the sense of right, the power of
perceiving moral distinctions,the power of discerning between justice and
injustice, exellence and baseness is the highest faculty given us by God, the
whole foundation of our responsability, and our sole capacity for religion"
(ibid:52).
Uno de los puntos básicos del unitarismo de Channing es que Dios es
"incomprehensible" al ser infinito. Pero no por ello es "unintelligible".

Conocemos muy poco de él. "Our knowledge of all is limited" (ib:49). ¿Cómo
podemos ganar conocimiento?: "By witnessing the effects, operations, and
expressions of these atributes. It is a law of our nature to argue from the
effect to the cause, from the action to the agent, from the ends proposed and
from the means of pursuing them, to the character and disposition of the being
in whom we observe them". (ib.:50).
Rasgos culturales básicos de este programa unitarianista lo volvemos a encontrar
en la cultura moral y tecnológica norteamericana, así como en el programa
cultural de Herb Simon en la Inteligencia Artificial: "bounded rationality",
"means-end analysis", "unity of mind".
En palabras del propio Simon:"The goal of my life has been understanding the
unity of human mind" (Entrevista 30/11/90).
Allen Newell admitió que "existe un intento en CMU de hacer una síntesis en los
distintos saberes" (Entrev. 17/12/90). Pero como escribió en un poema titulado :
" How It All Got Put Together, A Story" dedicado a Simon en el 21 Simposio de
CMU dedicado a Cognición, celebrado ese año en honor de su obra: " It is not all
put together yet, And it never shall be, For that is the way of the world..."
(1989: 445).
Este código ético descansa en dos pilares: la unidad de la mente humana, y la
libertad humana. Por el primero se pretende resolver el clásico problema de la
división de la mente y el cuerpo. Como declaró Herb Simon, con L.T. "solved the
venerable mind/body problem explaining how a system composed of matter can have
the properties of mind" (1990:190).. Por el segundo se mantiene abierta la vía
de la innovación, al concebir contra el determinismo , que el propio científico
es el que determina el alcance de sus trabajos.
Este socavamiento del determinismo calvinista por el arminianismo lo detecta
también Daniel Bell al analizar la cultura norteamericana: "El calvinismo, aun
en las primeras colonias norteamericanas, fue constantemente corroido a medida
que nuevas doctrinas, como el arminianismo...trataron de reemplazar la
predestinación absoluta por la elección condicional". (1977:65). La preocupación
por la "decision making" sólo se puede explicar en un marco que posibilita dicha
elección y donde las decisiones humanas cuentan.
Según este modelo, crear y descubrir se considera parte de una misma actividad
intelectual. Ciencia, ingeniería y arte pueden verse como saberes equivalentes.
La discusion en la School of Computer Science sobre si esta disciplina es

ciencia, ingeniería u otra cosa carece de sentido para la mayoría de los
entrevistados. Y tantas veces se ha planteado en las entrevistas, el
entrevistado responde con que es ambas cosas, dejando al antropólogo europeo
desconcertado.
La cultura norteamericana es parte de la cultura occidental y como tal participa
de la visión científica del mundo. Pero, al mismo tiempo, esta arraigada la idea
del "American Dream". La palabra "visionary" no tiene la connotación de
charlatán en este contexto, sino que se valora como una característica positiva
de líderes políticos o empresarios innovadores . Y la creencia en el "everything
is possible" aún forma parte del "common sense" del ciudadano medio.
"Human Problem solving" no es sólo una mera técnica es un "ethos", un tipo
humano ideal para el cual su forma de ver el mundo, conocer su esencia, se
resume en poder construirlo, cambiarlo, transformarlo, operar con el. Para
Newell, "Science is in the techniques". ("Desires and Diversions, 4-12-91).El
criterio de validez no está puesto en los principios o la teoría que se aplica
sino en los resultados que se obtienen. Por lo tanto es el "solving" lo que
cuenta ante todo. Como afirmó Newell recientemente: "If a domain can’t get
beyond having just discover...that science is in fact in a preparadigmatic
state. It’s in a very early stage. My idea is that discoveries in physics, in
chemistry, in biology all convert routingly into thinks you can do later, things
that help you actually do things, like solutions ...build new devices, or build
calculations that you can do."( ibid. 4-12-91).
La definición de qué es investigación para un pragmático como John Dewey es la
siguiente: " La investigación es la transformación controlada y dirigida de una
situación indeterminada en otra que es tan determinada en sus distinciones y
relaciones constitutivas que convierte los elementos de la situación original en
un todo unificado". (1950:123).
Esta búsqueda del saber aplicado, a la vista de un europeo, siempre ha aparecido
como un rebajamiento de la ciencia,esto es, de lo que se entiende por saber
fundamental en la cultura universitaria modelada por la Sorbona, Oxford o
Cambridge.
Pero si analizamos antropológicamente el tipo de saber constitutivo de la
cultura norteamericana encontraremos que la tecnología no se concibe
fundamentalmente como mera aplicación de la ciencia , sino "profession". El
ingeniero, "the engineer", es ante todo un "professional", con todo el

significado que este término tiene en una cultura protestante como ya Max Weber
indicó en su Etica protestante y el espíritu del capitalismo (1985). La
tecnología es una ética de la "professional culture". El lema de Andrew
Carnegie: "My heart is in the work" es una máxima moral. Igual que el "man of
bounded rationality", o el "human problem solving" de Herbert Simon. Son valores
culturales, no meros conceptos científicos.
El propio significado del termino "rationality" en Estados Unidos es distinto al
que definió el racionalismo ilustrado europeo. "Rationality" en América es un
término aplicado a la conducta humana, en primer lugar. Esta es "rational" si
esta orientada a fines o "goals" y existe una concordancia entre estos y los
medios para conseguirlos . Va asociado, pues, a una teoría de la elección,
"choice", y estos conceptos basan una teoría de la decisión, "decision making".
En este contexto la creencia en Dios puede ser "rational" pues puede
considerarse útil para conseguir determinados fines.
Por contra el Racionalismo en Europa inicialmente fue una doctrina filosófica,
según la concepción iniciada con Descartes, por la cual la razón humana era
autosuficiente para la explicación del orden natural. Mientras la cultura
norteamericana funda la racionalidad en la libertad de elección humana, el
racionalismo europeo funda la libertad humana en la razón autónoma.
Esta ética para autores como J.W Smith y A.Leland Jamison (1961) tiene una base
religiosa. De hecho durante siglos la separación ciencia-religión en Estados
Unidos ha sido superficial, a diferencia de la Ilustración europea. Este
fenómeno se ha denominado "superficial accommodation" (J.W. Smith: 413). Según
esta teoría, el ajustamiento puritano a la ciencia newtoniana fue en cuanto al
cuerpo empírico no en cuanto al espíritu metodológico de la ciencia. " The
Puritan theologians never themselves seriously adopted the method of science,
and never ceased to approach the problems of physics with a moralizing rather
than an objective and inquiring spirit". (:414).
Margared Mead detectó este carácter eminentemente "moral" de la cultura
norteamericana: " I have emphasized that we are a moral people; a people who
believe that there is direct connection between effort and efficiency and
rewards on this earth; and that we, therefore, need success, because as failures
we must also brand ourselves as evil in the sight of God and Man." (1942:261).
La separación europea, especialmente instaurada por Max Weber entre "juicios de
hecho" y "juicios de valor", la doctrina de la "Wertfreiheit", es débil en la

cultura universitaria norteamericana. En ésta, un científico puede y acaba
siendo un diseñador de "public policy", aunque le llame "policy analysis". Y la
diseña siguiendo una metodología de "problem solving" con una marcada tendencia
ingeniera.
Por eso D. Boorstin llama a la cultura norteamericana: "The Republic of
Technology"(1978). No es la fuerza de la religión, o de la ciencia, sino la de
la tecnología la aportación más específica de esta cultura al mundo moderno.
Pero este carácter nacional, aún no se ha elaborado en profundidad.
2.3.9. LA CULTURA DE LA INNOVACION EN CMU: "THE RENAISSANCE MAN"
Los años 90s se han iniciado con el final de la Cold War y el planteamiento de
un New World Order por parte de la Administracion Bush. Estados Unidos, cultura
que ha propuesto dicho nuevo marco internacional, se encuentra una crisis
interna que afecta tanto a la economía, como a la educación, la sanidad y el
conjunto de sus valores. Los estudios antropológicos sobre la cultura
norteamericana son escasos. Se da la paradoja que en el país con más
antropólogos del mundo (30.000 en 1990), sigue siendo válida la afirmación de
Clyde Kluchhohn hecha hace 40 años: "Sobre la cultura de este país, en el
sentido antropológico, conocemos menos que sobre la cultura esquimal"
(1983:244).
La obra "And keep your power dry" (1942) de Magaret Meat fue de los primeros
intentos para profundizar acerca del llamado caracter nacional. Durante la II
Guerra Mundial, Mead, Bateson, Benedict, Kluckhohn y otros antropólogos de
primera fila trabajaron para el Foreign Morale Analysis Division, una sección de
la Office of War Information. Sus estudios realizados sobre el "national
character" puede volver a ser útiles de nuevo ante la conflictiva situación de
crisis nacional que se vislumbra.
El principio constitutivo de Norteamérica para Margared Mead es el carácter
puritano : "The essence of the Puritan character, the character which has
reached its most complete development in America, is the mixture of practicality
and faith in the power of God--or moral purpose" (1943:161).
M. Mead considera el lema del puritano O. Cromwell: " Trust in God, my boys, and
keep your power dry",(1943:161) como la clave de la moral norteamericana. Esta
confianza en el poder de Dios y a su vez, en el trabajo duro y en el esfuerzo
humano, sería el resumen de esta ética.

Ya Max Weber había elaborado esta ética puritana referida al desarrollo del
capitalismo. Robert Merton, siguiendo a Weber, estudió como esta concepción es
la base del sistema de conocimiento científico-técnico propio del presente
sistema cultural. La predestinación calvinista ("Trust in God") habría alentado
la fe en el orden natural, y en la ciencia; y el esfuerzo humano ("keep your
power dry") seria la base del esfuerzo tecnológico. El sistema Science and
Technology partiría de esta base, y su conclusión sería el "innovation cycle":
R&D, cuya última expresión es el Computer Science and Technology.
Siguiendo este modelo, la ciencia tendría como fin "la gloria del Creador", y la
tecnología perseguiría "el alivio del estado del hombre", en palabras de Francis
Bacon en su Advancement of Learning.
Pero estos autores no se detienen a explicar el hecho sorprendente de cómo una
religión como la puritana, y en especial el calvinismo, con su dogma de la
predestinación y pesimismo sobre la condición humana, puede ser la base de una
cultura como la nortemericana que ha empezado a hacer de la libertad individual
su principal lema, del inventor tecnológico una figura nacional y de su "problem
solving mentality" una forma de pensar ampliamente aceptada, y que incluso ,
como indica Kluckhohn, aprecia el buen humor y el carácter optimista como rasgos
del carácter nacional.
La ascesis del protestantismo reformado explica una filosofía de la acción
("ascesis"), pero no la idea de la responsabilidad de individuo ante su propio
futuro. El calvinismo explica el individualismo, pero no el individuo libre. El
protestantismo reformado explica la ética del trabajo, pero no el trabajo
inventor, innovador. El modelo del empresario calvinista weberiano no explica el
"entrepreneur" de Schumpeter, el empresario innovador norteamericano. Y menos
aún el "entrepreneur" político como son los técnicos y militares de DARPA.
Para profundizar en la figura del inventor norteamericano, de la relación del
trabajo como ética con la invención y la innovación vemos preciso analizar no
sólo el protestantismo calvinista sino la influencia del unitarismo
nortemericano, secta de origen cristiano, que, aunque minoritaria, cobró una
importancia decisiva en la forja del carácter norteamericano.
El rasgo cultural que nos parece clave para explicar esta cultura de innovación,
propia de Norteamerica, y en particular de CMU, es la idea del "free will" tal
como la encontramos en la religión racional del unitarianismo norteamericano.
Esta religión entronca curiosamente con el Renacimiento humanista europeo, a

través de uno de los fundadores del unitarismo, el científico de origen
valenciano Miguel Servet, y su doble polémica contra Calvino y contra la Iglesia
Católica.
Este humanismo renacentista se alimenta de los ideales de la Paideia griega
(Werner Jaeger), y del concepto de educación de los sofistas atenienses. El más
importante de ellos, Protágoras, fue el primero en expresar la máxima: "El
hombre es la medida de todas las cosas", máxima que curiosamente repite Herb
Simon al final de una de las reuniones fundacionales del Machine Learning:
"Gaining a deeper understanding of human learning will continue to provide
important clues about what to imitate and what to avoid in machine learning
programs...Here as elsewhere, Man seems to be the measure of all things"
(1983:36).
En varias entrevistas hemos podido observar a ingenieros de informática como
Rich Stern, expertos músicos a la vez, o ingenieros como Granger Morgan con una
profunda preocupación ética y política. En una entrevista con Herb Simon tenida
el 30 de Noviembre de 1990, éste afirmó que " the model of man of CMU is
Leonardo da Vinci". Según él, este campus con su interdisciplinariedad entre
diversos saberes, artes, ciencias, ingeniería y humanidades se había inspirado
en este tipo humano polivalente del Renacimiento, una época en que tecnología y
humanidades podían convivir en una misma persona, que destacaba a su vez en la
construcción de ingenios militares.
Esta figura no encuentra explicación en un país si nos ajustamos estrictamente
al modelo weberiano, o incluso al modelo de Robert Merton sobre "ethos" de la
ciencia. El patrón de la ciencia no es un "model of man" sino un orden de la
naturaleza al que se ha de adaptar el "model of man". El sistema de conocimiento
es "Science and Technology", primero entendemos el orden natural mediante la
ciencia y luego lo transformamos mediante la tecnología.
Pero en CMU, como antes en el M.I.T., el orden de conocimiento está invertido.
Primero fue un instituto tecnológico y la ciencia sirve en ellos a la
tecnología. Este hincapié en el orden artificial es lo que curiosamente lleva a
introducir las humanidades en el marco de conocimiento pero no ya no en el
sentido antiguo sino unas humanidades que tienden a estar ligadas a problemas
prácticos, esto es, "ingenieras", informatizadas.
Poner el "computer" en lugar de la "nature" como objeto central de estudio en un
campus invierte el orden tradicional del conocimiento de la presente cultura.

Del ordenador se pasa a estudiar el artífice del mismo, el "human problem
solver" y su sistema de saber "el problem solving".
De la ingenieria del ordenador se pasó a Inteligencia Artificial, de ésta a la
"cognitive engineering", y posiblemente a la ingeniería social o cultural, en
suma, a un tipo de saberes basados en una común base metodológica, el diseño,
que se puede reemplazar los métodos inductivos-deductivos de la ciencia como
sistema de conocimiento de las culturas tecnológicas.
2.4. CAMBIOS EN LA A.I. DE CMU.
2.4.1. EDWARD FEIGENBAUM Y EL “KNOWLEDGE ENGINEERING”: O COMO SE
RENUEVA LA A.I..
El programa de investigación de Newell y Simon empezó como hemos visto con la
invención del Logic Theorist, que era sustancialmente un razonador lógico
mediante procedimientos de búsqueda heurística. Pero este programa no tenía
conocimiento del mundo empírico. El siguiente paso significativo de la
Inteligencia Artificial lo daría un discípulo de Herb Simon, Edward A.
Feigenbaum.
Su programa DENDRAL (1965-1983) construído en la Stanford University era un
sistema experto que permitía inducir hipótesis de estructuras químicas a partir
de los datos espectrales y fórmulas químicas proporcionados por los
quimicofísicos.
El sistema experto es un programa de ordenador que puede proporcionar realizar
funciones que requieran un conocimiento especializado como el propio del médico,
del ingeniero o del arquitecto. Está compuesto por dos partes fundamentales: la
base de conocimientos y el procedimiento de inferencia.
La primera a su vez consistía de dos partes: en la primera, el knwoledge
engineer incluía los hechos de la área o dominio en cuestión, organizados en
forma de datos empíricos y teorías, el material que componen las llamads bases
de datos, y en la segunda se introducían lo que Feigenbaum denomina el "saber
heuristico", "el saber de la práctica y el enjuiciamiento correctos. Es el saber
experimental, el ‘arte de hacer suposiciones acertadas’, que un especialista
humano adquiere después de años de dedicación". (1983:95).
Una aportación clave de Feigenbaum fue separar en un sistema inteligente lo que
denominan base de conocimientos ("knowledge base") del mecanismo de inferencia
("inference engine"). Como afirma Bruce Buchanan, uno de los pioneros con

Feigenbaum de la
"knowledge engineering": "This has become the fundamental organizing principle
of all successful work on expert systems".( Dec.1985:2).
Ello permitía centrar la búsqueda de Inteligencia Artificial en lo que denominan
"knowledge". Dentro de él, el "saber heurístico" era para Feigenbaum, "lo mas
dificil de conseguir, porque los especialistas--o cualquier otra
persona--raramente se dan cuenta en que consiste". (1983:95). Según D. Lenat, el
método seguido por Feigenbaum, Lederberg y Buchanan para construir DENDRAl fue
ese: " "What they did ...was to talk to chemists and find out heuristics, rules
of thumb, that led them to solve problems...And gradually, by talking with them,
they got rules of chemical topology, mass spectography, first principles in
chemistry, nuclear magnetic resonance, and so forth" (1989:37).
La antropóloga D. Forsythe ha destacado el hecho que la labor del "knowledge
engineer" es similar a la del antropólogo al realizar el trabajo de campo y
extraer del informante, hablando con él, las pautas culturales de su comunidad,
el conocimiento compartido de la misma.
En cualquier caso, este saber llamado "heurístico" exige una investigación
antropológica mas detenida en el futuro, dado que parece ser clave en el origen
de la A.I. y en su desarrollo.
Tradicionalmente, la ciencia occidental ha admitido dos métodos para la
obtención de conocimiento verificable, el que provenía de los sentidos, que se
traducía en hechos empíricos de los que se inducían leyes generales, y el que
provenía de la razón, que por procedimientos lógicos derivaba consecuencias
particulares. Una combinación de racionalismo y empirismo ha sido la que ha
caracterizado la ciencia moderna.
Pero la "heurística" como saber de la práctica no se ha considerado tema de
estudio, dado que entra en el terreno que Judea Pearl (1984) denomina " rules of
thumb, educated guesses, intuitive judgments o simply common sense", terreno que
no es facilmente formalizable. Quizá se aclararía haciendo una investigación
específica de caracter antropológico sobre su naturaleza, dado que al parecer es
fundamental para construir sistemas expertos y como veremos más adelante, la
ausencia de "common sense ", es decir, la ausencia de buenas heurísticas,
limitan su desarrollo.
¿Qué aportó Feigenbaum?. Ante todo la creación de una nueva disciplina en la
A.I.: la "knowledge engineering" o ingeniería del conocimiento. Fue el primero

que intentó plantear claramente que la A.I. debia dirigirse a finalidades
prácticas y resolver problemas del mundo real.
Su principio, tomado del dictum baconiniano, "Knowledge is power", permitió
conectar la A.I. con el mundo industrial y hacerla operativa, sacándola del
mundo meramente académico, en el que se había quedado, después de su primer
surgimiento en laboratorios como la Rand Co..
Nos interesa la figura de Feigenbaum por su papel innovador en la cultura de la
A.I. y en especial, nos interesa en relación con el programa cultural de Newell
y Simon. El "knowledge engineering" se saltó un principio del programa de Newell
y Simon según el cual la A.I. avanzaba primero gracias al descubrimiento de
principios generales de cómo funciona la mente humana , principios que luego se
aplican en la A.I. como ingeniería. Feigenbaum empezó por hacer ingeniería, como
habían hecho Newell, Simon y Shaw en 1955.
Durante años CMU no consideró trabajar en sistemas expertos y aún hoy en este
campo es un centro atrasado en comparación con Stanford. No obstante, Feigenbaum
en 1989, en un seminario en honor a Herbert Simon, llamaba a su antiguo maestro:
"the first Knowledge Engineer" (1989:173).
La aportación de Feigenbaum continuó la línea de investigación originariamente
iniciada por Newell y Simon con el L.T., pero detenida más tarde al anteponer la
investigación sicológica sobre los principios generales de la resolución de
problemas en la mente humana. La A.I. no avanzaba por la ciencia cognitiva sino
por un nuevo salto adelante en el diseño de sistemas informáticos, que se valían
de conocimientos científicos. No como se preconizaba tras un avance científico
fundamental sino por una línea de hacer más compleja la teoría tecnológica,
abriendo nuevos campos de ingeniería.
Los sistemas expertos se unían a la ciencia, pero de otra forma: convirtiéndola
en tecnología. Así, Feigenbaum logró para construir DENDRAL la colaboración de
Josuah Lederberg, profesor de genética y también premio Nobel como Herbert
Simon. Mientras Simon, tras inventar el L.T. se había instalado en la sicología
como científico cognitivo, el profesor J. Lederberg pasaría de profesor de
genética a ingeniero del conocimiento.
La A.I. nació con Simon y Newell antes que fueran sicólogos o que la ciencia
cognitiva se hubiera formado. En realidad nació al convertirse en ingenieros de
su propio conocimiento para así introducírselo a la máquina, y poder hacer
Inteligencia Artificial. Y la comprensión de cómo inventar un sistema

inteligente la que dió luces de lo que sería una sicología de la mente humana,
entendida por tanto como "human problem solving".
El ciclo de innovación en la A.I. es primero tecnología, segundo, estudio
empírico de los sistemas inventados , y tercero, producir una tecnología más
compleja. Y esta tecnología empezó con ingenieros del conocimiento humano. Y se
renovó con Feigenbaum, Lederberg y Buchanan, por la ingeniería, de nuevo.
2.4.2. SPEECH UNDERSTANDING: CAMBIOS EN EL PROGRAMA DE INVESTIGACION EN
LA AI DE CMU.
CMU no inició la nueva linea de "expert systems", pero esta orientación hacia
una A.I. aplicada influyó en un cambio en la trayectoria de la A.I. en CMU,
reforzando lentamente su cariz pragmático e ingeniero. El cambio se empezó a
introducir a principios de los 70s con el programa denominado Speech
Understanding Systems.
El profesor Raj Redd, proveniente de Stanford y en la actualidad unos de los
líderes fundamentales de la School junto con Newell y Simon, fue pionero en
dicha área. El y su equipo consiguió inventar los primeros sistemas de
comprensión del lenguaje hablado continuo, el HARPY y el HEARSAY II.
Estos sistemas fueron el resultado de una iniciativa tomada por un grupo de
científicos encabezado por Allen Newell que en 1971 recomendaron a ARPA el
comienzo de un proyecto de cinco años "towards the demostration of a
large-vocabulary connected speech understanding". (SUS 1976-77:1). Se fijaron
requerimientos concretos: "The system was required to accept connected speech
from many speakers based on a 1000 word vocabulary task-oriented grammar, within
a constrained task". ( ibid.:1). El sistema tenía que cometer menos del 10% de
errores.
En una competencia nacional, HARPY y HERSAY-II desarrollados en CMU consiguieron
la mejor realización, al final de los 5 años.
El profesor Reddy, miembro de la National Academy of Engineering, obtuvo su
grado de ingeniería en el Instituto Technologico de Madras en la India. Se formó
en Stanford y su programa de investigación desde el principio siguió una
orientación marcadamente ingeniera en A.I.: diseñar un sistema tecnológico
nuevo, según las especificaciones requeridas, en los plazos previstos y sin
salirse del presupuesto. El problema a resolver: el "speech problem", conseguir
que la máquina entienda el lenguaje hablado continuo, una barrera que dificulta

el uso masivo del ordenador más allá de su uso por los expertos.
La comprensión del lenguaje hablado por la máquina se inició diferenciando
diversas funciones que ésta debía cumplir: 1. Verificar que las sentencias oídas
tienen sentido y son plausibles. Lo que requiere conocimiento semántico
("semantic knowledge"). 2. Comprender el contexto del discurso e interpretar las
sentencias que reconoce de acuerdo con dicho contexto. Lo cual requiere
conocimiento pragmático ("pragmatic knowledge").
Para realizar estas funciones la máquina debía realizar varias acciones, las dos
más significativas: 1. buscar una construcción plausible de la frase hablada, y
2. realizar una hipótesis de que intentaba decir que el interloculor cuando no
podía reconocer la frase en cuestión, en suma, interpretar la intención de una
frase determinada. Ello permitió que este proyecto sirviera a su vez para
avanzar los "knowledge-intensive systems".
Ello se consiguió mediante el diseño de un sistema que comprendía múltiples
"fuentes de conocimiento" ("knowledge sources" o KS) distintas: semántica,
pragmática, sintáctica, léxica, fonémica, fonética, y otras. Todos estas fuentes
comunicaban entre sí en una base de datos global o "blackboard". El dispositivo
funcionaba de la siguiente forma: una vez que una frase era reconocida, la
fuente de conocimiento que es relevante empiezaba a operar a fin de encontrar la
mejor interpretación lo más rapidamente posible, reduciendo el número de
hipótesis incorrectas que eran generadas y probadas.
Para ello se utilizaba una nueva heurística inventada, una estrategia para
dirigir la búsqueda denominada "beam search", por la cual en el gráfico de
búsqueda, se descartaban todas las alternativas generadas alrededor de mejor
camino en cada punto de decisión, a excepción de un haz ("beam") de ellas,
precisamente las más débiles(" weakest"), y por ello, las que tenían mayor
potencial de mejora. Esta técnica según Reddy fue clave para hacer de HARPY, el
mejor sistema de comprensión del habla humana continua en su época.
Nótese que el método "hypothesize-and-test" utilizado aquí para que cada fuente
de conocimiento interpretara la frase, es un clásico método de la ciencia
experimental, pero con una salvedad, aquí está utilizado como un instrumento del
método de diseño que sirve para construir el conjunto del sistema, de forma
análoga a como Simon utilizó la lógica de Russell para diseñar el L.T.. Se
diseñó un sistema de comprensión del habla que formulaba hipótesis para
interpretar dichos mensajes. Igualmente, la búsqueda heurística es un

instrumento al servicio del diseño del sistema. La tecnología se ha servido de
la ciencia experimental para inventar.
Este proyecto fue planteado según una forma de trabajo propia del ingeniero:"The
success of the speech understanding research effort is all the more interesting
because it is one of the few examples in AI research of a five year prediction
that was in fact realized on time and within budget". (op. cit.:8).
Este programa tras más de 20 años de investigación aún no ha conseguido sus
objetivos finales como el propio Reddy ha admitido: "Recognition of unrestricted
spontaneous continous speech appears unsolvable at the present" (1988:10), pero
sistemas de reconocimiento de voz más sencillos están ya en el mercado. Una de
las mayores dificultades es la comprensión de la ambiguedad del lenguaje hablado
continuo. Lo que se han conseguido han sido sistemas de reconocimiento del habla
como SPINX, que usan alrededor de 1000 palabras y tiene un nivel de acierto del
94%.
Dada estas dificultades, el Speech Understanding Systems, fue una de las
primeras áreas que se interesó en cómo utilizar conocimiento incompleto,
impreciso y parcial para resolver problemas, el mismo tipo de conocimiento que
se pretende ahora conseguir en la denominada segunda generación de sistemas
expertos.
La importancia del Speech Understanding Systems en la cultura de CMU fue el
permitir un nuevo avance a la A.I. en una línea de construcción de sistemas que
manifestaban una conducta inteligente más compleja. Ya no sólo razonaban según
búsqueda heurística como el LT. Ahora empezaban a entender el lenguaje hablado
continuo.
La A.I. de CMU ya no era sólo el programa de investigación de Newell y Simon.
Esta orientación mas ingeniera y estratégica de Raj Reddy, y en parte de Newell,
fue acelerada a principios de los 80s, por una iniciativa de DARPA, la Strategic
Computing Initiative (SCI).
2.4.3. LA "STRATEGIC COMPUTING INITIATIVE" DE DARPA Y EL ROL ESTRATEGICO
DE CMU.
CMU, y en especial, su área de Inteligencia Artificial, ocupa un lugar
estratégico dentro de la cultura de "computer science" en Estados Unidos. Por
estratégico hay que entender un lugar decisivo para mantener la superioridad
tecnológica norteamericana, y su primera aplicación, la superioridad militar.

Desde los años 80s, a la tradicional competición con la URSS, USA vió nacer una
creciente competición tecnológica con un nuevo adversario: Japón, y en segundo
lugar, la C.E.E. Una línea decisiva de esta competición fue la construcción de
una nueva generación de ordenadores, los ordenadores inteligentes o "Machine
Intelligence Technology".
La inmensa mayoría de ordenadores existentes hoy en el mundo no contienen
inteligencia sino tan sólo memoria. Almacenan gran cantidades de datos e
información , que son capaces de procesar en forma de cálculos matemáticos o
recuperación de dicha información para tareas como tratamiento de textos o
llevar la contabilidad.
Incluso las redes informáticas, que tanto auge han tenido en los 80s, son redes
no inteligentes. Sus servicios más usuales son el correo electrónico y la
transferencia de archivos. La introducción de gráficos o imágenes en los
actuales ordenadores tampoco los hacen inteligentes. El actual boom del
multimedia, acompañado una tecnología óptica como el CD-ROM que permite acumular
enormes memorias de datos e imagenes, es la más reciente tecnología de un modelo
de informática basada en el mero almacenamiento de información que ha dominado
durante los primeros 25 años, y que ya resulta obsoleto. Su modelo empresarial
ha sido el de la IBM y "los siete enanitos", el tipo de empresa que simbolizan
este tipo de informática que ha encontrado en el Silicon Valley su Meca.
Desde los 80s se está abriendo paso un nuevo modelo de informática, denominado
en Estados Unidos, "Machine Intelligence Technology", y en Japón, "Fifth
Generation Computer Systems", basados en la generación de conocimiento y en una
mayor potencia de procesamiento de información.
Este nuevo tipo de ordenadores no sólo almacenan información, en las
tradicionales bases de datos, sino contienen bases de conocimientos que
almacenan también un conjunto de heurísticas y reglas de inferencia que le
permiten generar nuevo conocimiento experto. Según Edward Feigenbaum, padre de
los sistemas expertos: "Estos ordenadores podran aprender, asociar , hacer
deducciones, tomar decisiones y comportarse en general de un modo que siempre
hemos considerado coto exclusivo de la razón humana". (1983:21). Las empresas
creadoras de sistemas expertos como Carnegie Group, DEC parcialmente, u otras
basadas en ordenadores que procesan en paralelo como Thinking Machines
representan este nuevo modelo de informática incipiente. Determinadas redes
dentro de Internet son el lugar de trabajo habitual de los grupos de

investigadores del Strategic Computing, siguiendo el modelo iniciado en los 70s
por Lynn Coway y Carver Mead, de "red de mentes". (Feigenbaum, 1983:1963).
En 1982, Japón se adelantó a Estados Unidos lanzando la iniciativa nacional del
Fith Generation Computer Project, fundando su Instituto de Tecnologia de los
Ordenadores de Nueva Generación (ICOT), projecto centrado, según su director
Kazuhiro Fuchi en la "parallel inference machine " (PIM) o la tecnología de la
inferencia simbólica procesada por computadores en paralelo. (1991: 22)
Esta iniciativa fue promovida por el MITI, el Ministerio japones de industria,
contando con el apoyo de las principales empresas japonesas de ordenadores, que
han concentrado una selección sus mejores cerebros durante 10 años en dicho
laboratorio nacional, y con un presupuesto de 450 millones de dólares.
Un año más tarde, en octubre de 1983, DARPA, influído por esta iniciativa,
lanzaba su Strategic Computing Program. Según el documento oficial del DARPA:
"The overall goal of the program is to provide the United States with a broad
base of machine intelligence technology that will greatly increase our national
security and economic power". ( Strategic Computing Initiative.1983:10).
Este programa ha quedado oscurecido durante años por el macro programa Strategic
Defense Initiative (SDI), popularmente concido como "Guerra de las Galaxias".
Esta iniciativa la puso en marcha el Presidente Reagan en marzo de 1983,
inicialmente con un mega presupuesto de 26.000 millones de dólares para los
cinco primeros años.
La tecnología principal que este programa se proponía producir era una tercera
generación de ingenios nucleares, ante todo, rayos láser y rayos de particulas
subatómicas, y en segundo lugar, una generación de proyectiles inteligentes,
relativamente lentos.
En medios informáticos, se consideró que el mayor problema técnico de este
programa era la enorme complejidad del software necesario para dirigir toda la
eventual defensa militar. Pero la SDI no era esencialmente un programa de
investigación en informática, y menos en informática estratégica, ni contó con
el apoyo de la comunidad de "computer scientists". Estaba pensado globalmente
dentro de la tecnología nuclear para competir militarmente con la URSS ante un
eventual ataque atómico. Ha sido el ultimo proyecto del periodo denominado
Guerra Fría.
El Strategic Computing de DARPA, por contra, fue pensado teniendo en cuenta, no
a la URSS, sino a Japón como competidor tecnológico y económico, y su proposito

ha sido crear una "new-generation computing technology".
Según este plan, el rasgo diferenciador de la nueva generación de ordenadores
sería su capacidad de exhibir inteligencia como los humanos: "In contrast with
previous computers, the new generation will exhibit human-like, ‘intelligent’
capabilities for planning and reasoning. The computers will also have
capabilities that enable direct, natural interactions with their users and their
environments as, for example, through vision and speech". (op. cit.: 1).
Raj Reddy, líder del la investigación en Speech Understanding en CMU denomina a
estas máquinas: "3-G machines", ordenadores con un poder de procesamiento de un
gigaops ( mil millones de instrucciones) por segundo, con memoria primaria de un
gigabyte y una anchura de banda de otro gigabyte al menos. En suma, un
superordenador del tamaño de una estación de trabajo. Esta nueva generación de
ordenadores permitirá la creación de redes informáticas nacionales e
internacionales para transmitir y recibir tanto información escrita como
imágenes de alta definición, sonido y voz, en suma, "Speech, Image, Language,
and Knowledge, SILK" (Raj Reddy, 1991:467).
Para Raj Reddy: "By the turn of the century, it appears possible that a low cost
(e.g. costing less than $1000) super computer could be accessible to every man,
woman and child in the world. Using such a system, AI researchers should be able
to create a personalized, intelligent assistant which would use voice and vision
for man-machine communication, tolerate error and ambiguity in human interaction
with machines, provide education and entertainment on a personalized basis,
provide expert advice on day-to-day problems, make vast amounts of knowledge
available in active form, and make ordinary mortals perform superhuman tasks
leading to new discoveries and inventions at an unheard of rate. Believe me or
not, such a system would help the illiterate farmer in Ethiopia as much as the
scientist in U.S.A. or Japan...We would then witness a true revolution."
(1988:AI Magazine:19).
El epicentro de esta nueva tecnología es la "Machine Intelligence Technology".
Dentro de ella, DARPA se ha planteado desarrollar los siguientes campos:
"Understanding Natural Language Expressions", "Information Fusion and Machine
Learning"," Planning and Reasoning", "Vision and Visual Image Generation" y
Speech Recognition and Production". (1983:8). Pero no es ésta la única
tecnología a desarrollar.
El plan preveía un avance en las arquitecturas en paralelo ("Computer

Architectures: Methods for exploiting concurrency in parellel systems"), así
como en microelectrónica, ("graphics display/image generation" y "distributed
communications").
La metodología del programa consistía en construir varios experimentos piloto y
desde las aplicaciones desarrollar la tecnología: "building on a selected set of
intelligent computing capabilities that are ripe for development in the near
term...The objective is to evolve these capabilities into a broad base of new
generation technology and to demonstrate specific applications of the new
technology to solving a number of critical problems in Defense". (1983: 14). La
aplicación debía proveer un efectivo tirón ("pull") para la generación de la
nueva tecnología. Las tres aplicaciones que se proponían era un vehículo
inteligente autónomo, un asistente inteligente de piloto, y un sistema
inteligente de dirección de combate.
DARPA ha actuado de coordinador de la investigación entre universidades,
industrias y gobierno: " Engineers and scientists from many disciplines must
collaborate in new ways in an enterprise of very large scope. A framework must
be created for the effective, adaptive planning of the discovery and development
processes in this enterprise". (Ibid. :10).
Este modelo de innovación, empujado por la figura de innovadores o
"entrepreneurs" con cargos públicos, es el que dió nacimiento al ordenador hace
25 años. Es un modelo distintos al estudiado por Schumpeter y su empresario
innovador o "entrepreneur". La innovación no viene ahora desde abajo,
fundamentalmente, sino top-down, de arriba abajo. El politico o militar
innovador, usuario de tecnología, junto con profesores universitarios
tecnólogos, con visión estratégica y cargos de "advisor" en dichos comités,
deciden qué tecnología alentar para mantener su superioridad en ese campo. Raj
Reddy en 1988 dirigía un comité de planificación estratégica patrocinado por
DARPA para aconsejar al Presidente de Estados Unidos y al Congreso a cerca del
futuro desarrollo y aplicación de la "computer science and technology".
DARPA inició con el Strategic Computing en 1983 la investigación en esta "
Machine Intelligent Technology" con un presupuesto de 600 millones de dólares
para los 5 primeros años. La Information Processing Techniques Office (IPTO) era
la oficina responsable. El Programa preveyó la creación de 10 "new
‘computing-technology communities’ and another five to ten ‘applications
communities’". (ibid: 63). Cada una de ellas se componía de al menos 100

personas. El plan se planificó con una duración entre 8 y 10 años, y un costo de
150 millones de dólares al año.
La redes electrónicas mantendrían esta comunidades separadas en comunicación: "
Special and unique arrangements will be considered to establish an effective
research community by leveraging existing computer tools and communications
systems. Electronic mail and electronic bulletin boards are the simplest
examples." (ibid: 62).
El papel de la universidad en todo este programa ha sido proporcionar las ideas
más avanzadas en materia de inteligencia artificial: " There will be a selection
of ideas on especially difficult topics from a set of several dozen leading
contenders. The most advanced artificial intelligence ideas that seem ripe for
developing will be exploited with heavy university involvement". (ibid. :64).
Este ha sido, y es, el papel solicitado a CMU como uno de los centros
estratégicos, líderes en Inteligencia Artificial.
La aportación de CMU al Strategic Computing Program ha abarcado un conjunto de
proyectos y líneas de investigación coordinados en distintos campos. En
Artificial Inteligence, hay fundamentalmente tres grandes proyectos dirigidos
respectivamente por Raj Reddy, Takeo Kanade y Allen Newell: "SPOKEN LANGUAGE
UNDERSTANDING", "IMAGE UNDERSTANDING" y "INTEGRATED ARCHITECTURES
FOR INTELLIGENT SYSTEMS". Entre sus resultados están el NAVLAB, un vehículo autónomo
desarrollado por el equipo dirigido por el profesor Kanade; el SPHINX, un
sistema de reconocimiento de voz para ayuda de pilotos, con un margen de error
del 6% de las frases, construido por Kaifu Lee y el equipo del profesor Reddy y
por último, las tres arquitecturas inteligentes, SOAR, PRODIGY y THEO en
construcción, y dirigidas por los profesores Newell, Carbonell y Mitchell,
respectivamente.
En Programming System y en Computer Systems, la investigación relacionada con
esta iniciativa estratégica se ha centrado en "Parallel Computing", y ha sido
dirigida hasta 1991 por H.T. Kung y Rich Rashid, con los programas "NETWORK-BASE
MULTICOMPUTERS" y "VERY LARGE SCALE OPERATING SYSTEMS" y cuyos resultados
han
sido los ordenadores , Warp, iWarp y Nectar, y el sistema operativo Mach.
Este conjunto de proyectos, organizados alrededor de un sistema experimental
específico ejercen entre sí una sinergia. Esta búsqueda de "total system effort"
y el organizar los proyectos en torno a un sistema experimental,son dos

características propias de la cultura de investigación de CMU : "
DARPA-supported research in the Carnegie-Mellon University environment tends to
be organized around specific expeimental systems that attempt to attain
particular objectives, e.g., the development of a multi-processor system or the
demostration of an image understanding system...A major strength of the CMU
environment is the synergy resulting from the close cooperation and
interdependence of various research efforts despite their diverse foci".
(CMU-CS. Proposal 1980-83:1-3).
Dentro de estos programas estratégicos, el de Machine Intelligence, se ha
desarrollado en CMU un nuevo campo de investigación denominado Machine Learning,
uno de los campos más nuevos de la A.I.., aunque ya va a cumplir una década.
2.5. EL MACHINE LEARNING DE CMU: HACIA UN "ENGINEERING APPROACH".
2.5.1. LA SEGUNDA GENERACION DE INVESTIGADORES DE ARTIFICIAL
INTELLIGENCE DE CMU.
La Strategic Computing Initiative de DARPA fue promovida para responder,
principalmente, al desafio de Japón. A ello contribuyó que la A.I. gracias a los
sistemas expertos y los avances en otras áreas como comprensión del lenguaje
hablado y de la imagen había avanzado lo suficiente para construir sistemas
inteligentes operativos.
No obstante, ese proyecto se basa aún en lo que constituye la primera generación
de sistemas operativos de la Inteligencia Artificial, encabezada por los "expert
systems".
En 1987 había en Estados Unidos aproximadamente 1.500 sistemas expertos
funcionando y varios miles en desarrollo. Según el Computer Science and
Technology Board, las dos áreas de aplicación que tienden a dominar son la
manufactura y las finanzas, donde los sistemas expertos sirven ayudando en la
tarea configuración de la programación o de diagnóstico.( Dertouzos,1988:53).
No obstante, a pesar de sus reconocidos méritos, estos sistemas han recibido
críticas de no ser capaces de representar el sentido común ("common sense") y no
ser capaces de aprender. Contienen un conocimiento experto formalizado pero se
ven incapaces aún de razonar con el sentido común de un niño y tener su
capacidad de aprendizaje.
Una nueva generación de computer scientists, la segunda generación tras la de

Newell y Simon, y una intermedia representada por Feigenbaum, se han planteado
la resolución de estos problemas. Esta segunda generación en términos culturales
correspondería a lo que en Estados Unidos se denomina "babyboomers", o la
generación nacida tras la II Guerra Mundial, entre 1945 y 1965, en la época de
mayor expansión económica y militar de Estados Unidos. Esta generación está
adquiriendo su madurez cuando se anuncia un periodo de declive de dicha
supremacía, y cuando se impone un enfoque más pragmático en la resolución de
problemas del "real world".
La A.I. de CMU, y en particular su programa sobre Machine Learning, encabezado
por Jaime Carbonell y Tom Mitchell, y en el que también trabaja Allen Newell con
su sistema SOAR, están tratando de diseñar máquinas que aprendan, en particular
PRODIGY y THEO. El punto central de este programa de investigación para J.
Carbonell y Pat Langley es: "to develop methods and techniques to automate the
adquisition of new information, new skills, and new ways of organizing existing
information". (Langley, Carbonell,CMU-CS-84-108).
El Computer Science and Technology Board, una organización del National Reseach
Council que agrupa a científicos destacados del campo, denomina a esta segunda
generación de AI: "deeper cognitive systems"(Dertouzos, 1988: 56). Y una de sus
formas más avanzadas es el Machine Learning.
CMU fue pionera en este campo a principios de los años 80s. Las razones que
llevaron a ello no fue un avance sustancial en la comprensión de cómo aprenden
los seres humanos, sino la necesidad de superar los problemas que se habían
detectado en los sistemas expertos: 1. su conocimiento era "brittle", frágil,
superficial, y 2. su adquisición, el trabajo de extraerlo de la mente del
experto, extremadamente costoso produciéndose en este punto un verdadero cuello
de botella o o"bottleneck".
En este sentido, el grupo de promotores de esta nueva tecnología del Machine
Learning, J.Carbonell, R. Michalski y T. Mitchell escribían en 1983: "In
response to the difficulties of encoding ever-increasing volumes of knowledge in
modern AI systems, many researchers have recently turned their attention to
machine learning as a means to overcome the knowledge adquisition bottleneck".
(1983:1 CMU-CS-83-135). El programa de investigación del Machine Learning es
pues una consecuencia directa del Knowledge Engineering de Feigenbaum, y trata
en principio de resolver el principal problema que se encuentra la tecnología de
los expert systems: el "knowledge adquisition", o la adquisición de

conocimientos por el sistema experto. En lugar de plantear su adquisición
mediante la transmisión de conocimientos de un experto, se optará por
proporcionar un conjunto de técnicas al sistema para que pueda aprender
autónomamente.
2.5.2. J. CARBONELL, R. MICHALSKY, T.MITCHELL:"THE OBJECTIVES OF MACHINE
LEARNING".
Para conocer este programa de investigación recurriremos a conocer los
objetivos, las finalidades, los "goals" que se marcaron en 1983 los promotores
del campo: Jaime Carbonell de Carnegie Mellon, Ryszard Michalski, de la
University of Illinois at Urbana-Campaign y Tom Mitchell , entonce en la Rutgers
University, que pasaría en 1986 a CMU.
Este nuevo programa de investigación, iniciado a principios de los 80s, se
organizaba en torno a tres focos primarios de investigación: 1. "Task-Oriented
Studies- the development and analysis of learning systems oriented towards
solving a predetermined set of tasks (also known as the ‘engineering
approach’)". 2." Cognitive Simulation--the investigation and computer simulation
of human learning processes (also known as the ‘cognitive modelling approach’)"
y 3. "Theoretical Analysis--the theoretical exploration of the space of possible
learning methods and algorithms independent of application domain".
(CMU-CS-83-135).
Obsérvese que los objetivos eran en primer lugar ingenieros ("task oriented
studies"), en segundo lugar se planteaba el estudio empírico sobre cognición
humana simulada mediante el ordenador("computer simulation of human learning
processes"), y en tercer lugar, un nuevo tipo de teoría dirigida a explorar no
ya los actuales métodos de aprendizaje sino los posibles ("possible learning
methods"), que, en cualquier caso, se planteaba tras la necesidad práctica (
"practical necessity" )de construir sistemas de aprendizaje aplicados ("applied
learning systems").
Los autores partían de un problema marcado por una necesidad práctica ," a
practical necessity" , y una posibilidad , "a possibility".
1º. La necesidad práctica: " At present, instructing a computer or a
computer-controlled robot to perform a task requires one to define a complete
algorithm for that task, and then laboriously program the algorithm into a
computer. These activities typically involve a tedious and time-consuming effort

by specially trained personel.Present-day computer systems cannot truly learn to
perform a task...". (Michalski, Carbonell, Mitchell,1984:4).
2º. La posibilidad: "Machine learning research strives to open the possibility
of intructing computers in such new ways, and thereby promises to ease the
burden of hand-programming growing volumes of increasingly complex information
into the computers of tomorrow. The rapid expansion of applications and
availability of computers today makes this possibility even more attractive and
desirable". (1984:4).
3º. La estrategia o via para su solución, era el conjunto de focos de
investigación que se planteaban abordar: a). "Task-Oriented Studies".
b)."Cognitive Simulation". c) "Theoretical Analysis".
El primer foco participa de ragos culturales propios de la investigación en CMU:
Task-Oriented Studies, ésto es, "the development and analysis of learning
systems to improve performance in a predetermined set of tasks". Primero,
"development", después, "analysis".
Podríamos analizar este planteamiento siguiendo el "problem solving" codificado
por Newell y Simon, como "problem space" y compuesto de tres componentes:
"desired state", "initial state" y "strategy" que transforma el estado inicial
en el deseado.
Lo nuevo de este enfoque es que pretendía tener un enfoque orientado
primariamente a resolver necesidades prácticas, al modo de la ingeniería.
En el primer número de la revista "Machine Learning", Herbert Simon en un
artículo denominado "Why should Machines Learn?"(1984), objetaba excéptico
contra la investigación en Machine Learning arguyendo que aunque tiene sentido,
podríamos encontrar que tales programas no pudieran ser construídos: "The
difficulty may be intrinsic in the task; human learning, though slow, may be
close to optimally efficient...It may turn out that there aren’t procedures more
efficient than these very slow ones that human beings use"(1984:27-35).
Las prioridades de su investigación las dejaba explícitas: 1. " I would give a
very high priority to research aimed at simulating, and thereby understanding,
human learning...". 2., " I would give a high priority, also, to basic research
aimed at understanding why human learning is so slow and inefficient, and
correspondingly, at examining the possibility that machine learning schemes can
be devised that will avoid, for machines as well as people, some of the
tediousness of learning". (ibid:35). Por último, planteaba que su finalidad

prioritaria era en torno a programs que hacían descubrimientos :"my final
priority is research on discovery programs--programs that discover new things".
Campo ahora denominado Machine Discovery.(Valdez-Perez, 1990).
Analizando con detenimiento el texto vemos que se afirma como la más alta
prioridad la investigación para comprender la mente humana, y al mismo tiempo se
afirma como prioridad final la investigación en programas informáticos que
realizan descubrimientos. Ello puede no ser una contradicción en el caso que se
considere a la mente humana como un programa informático que hace también
descubrimientos.
En cualquier caso esta visión escéptica sobre el Machine Learning contrasta con
la de Carbonell, Michalsky y Mitchell. Mientras que para Simon la compresión del
aprendizaje humano es el objetivo principal, para esta nueva generación es un
medio para desarrollar "applied learning systems".
A su vez, Machine Learning es también para estos autores un campo teórico,
consideran "Machine Learning as a Science", pero en una acepción distinta a la
de Simon: " An equally basic scientific objective of machine learning is the
exploration of alternative learning mechanisms, including the discovery of
different induction algorithms, the scope and limitations of certain methods,
the information that must be available to the learner,...the creation of general
techniques applicable in many tasks domains. There is no reason to believe that
human learning methods are the only possible means of acquiring knowledge and
skills. In fact, common sense suggests that human learning represents just one
point in an uncharted space of possible learning methods...Most theoretical work
in machine learning has centered on the creation, characterization and analysis
of general learning methods, with the major emphasis on analyzing generality and
performance rather than psychological plausibility" (1984:5).
Lo novedoso de este texto es que se utiliza el término "science" en una acepción
totalmente distinta a la tradicional. La ciencia clásica, la física, la química,
etc. no estudia partículas atómicas o estructuras moleculares "alternativas" o
"posibles" sino las existentes. El principio de incertidumbre de Heisenberg no
modifica la tarea de la ciencia sino que la hace más difícil al admitir que el
observador modifica el campo observado. Por otro lado, la reciente física del
caos, admite un principio no determinista en el estudio de la naturaleza. Pero
es ciencia del Machine Learning persigue otro objetivo.
Lo que los autores de esta ciencia del Machine Learning pretenden es considerar

también científico la exploración de mecanismos alternativos de aprendizaje:
"Whereas theoretical analysis provides a means of exploring the space of
possible learning methods, the task-oriented approach provides a vehicle to test
and improve the performance of functional learning systems". (ibid:5). En esto
sintonizan con un objetivo similar de todo la computer science. Como afirma el
informe "The National Challenge in Computer Science and Technology": "
Theoretical computer scientists seek to understand all possible architectures or
algorithms, which computer scientists create themselves". ( Dertouzos,1988:60).
Esa ha sido la tarea de la tecnología: el diseño de mundos posibles, no de como
son las cosas sino de como podrían ser,o "how they might be" (The Sciences of
the Artificial, 1981:xi). La diferencia es que ahora estea empezando a
entenderse esta actividad como un conocimiento teórico en sí mismo, no un mero
quehacer o "doing". Y este nuevo conocimiento se le denomina con un término
antiguo, el de "ciencia", que ya no corresponde a su anterior significado. Se
está conservando un término para designar contenidos del todo distintos.
Pero este texto de Carbonell, Michalski y Mitchell contiene una tradicional
visión que dificulta poner en marcha la anterior innovación, y explica en parte
el por qué se conserva el términocitado: identifica como hecho dado e inmutable
el "human learning process", considera la invención de procesos de aprendizaje
alternativos como un campo ajeno a los "human learning methods", es decir,
considera que la innovación en métodos de aprendizaje ha de dejar fuera los
métodos humanos, dado que considera a éstos en gran parte inmutables, y objeto
de estudio para la ciencia cognitiva, no para la A.I.
En parte no les falta razón. Las técnicas de aprendizaje fundamentales, no
únicas, de los estudiantes de este computer-intensive campus siguen siendo la
"lecture" medieval dada por el profesor a sus alumnos, con algo más de
participación de éstos, complementada con el correo electrónico. Lo cual explica
que una mera compresión de dichas formas de aprendizaje no sirvan de mucho para
avanzar la A.I..
Pero el que estas técnicas de aprendizaje humano sean anacrónicas no significa
que en el campo de los "human learning methods" no pueda innovarse con métodos
ingenieros.
El problema se podría volver al revés: ¿Puede avanzar el Machine Learning si no
se innova radicalmente en lo que podríamos llamar el Human Learning?. ¿Cómo
puede innovarse en human learning?.¿ Es preciso primero entender científicamente

como aprenden los estudiantes para luego mejorar su aprendizaje , o más bien es
al contrario, avanzando en el diseño de nuevas formas de aprendizaje humano se
darán nuevas luces a la ciencia cognitiva y al Machine Learning?.
Si no se avanza en esta dirección lo que puede ocurrir es que Machine Learning
no haga más que repetir métodos de aprendizaje ya conocidos adaptándolos a la
máquina. Con lo cual su avance es problemático.
Veamos algunos ejemplos.
2.5.3. "BASIC RESEARCH" EN MACHINE LEARNING, PRODIGY PROJECT, THEO
PROJECT, SOAR PROJECT: EL NUEVO "KNOW WHAT".
Las tres arquitecturas integradas que están en construcción en CMU son SOAR,
dirigida por Allen Newell, PRODIGY, dirigida por Carbonell y THEO, dirigida por
T. Mitchell. Estas tres arquitecturas forman el principal programa de "Basic
Research in Computer Science" denominado:" Integrated Architectures for
Intelligent Systems (1990-93), presentado a DARPA para su financiación.
(CMU-SCS- Basic Research in CS, 1989).
Este programa esta presidido por una finalidad común : "One ultimate goal of
A.I. research is to understand how to create an agent capable of general
intelligent action in the world, with the same openness, flexibility and power
as we see in educated humans" (1989: 7-1). A destacar en el texto la combinación
entre la función de la ciencia, "understand", y la del arte, "to create", en
suma, la combinación de la tecnología.
Los resultados de esta "basic research" serán según los autores los siguientes:
"The basic scientific results of this research will be a technical understanding
of what types of total system organizations are capable of integrated
intelligent behavior, as well as an understanding of which aspects of the total
system belong in the architecture. This include an understanding of what
problems remain unsolved and what difficulties stand between the current
generation of systems and the next generation of more effective systems".
(ib.:6-1).
Es decir, los resultados científicos serán una mejor compresión de la tecnología
que estos mismos tecnólogos habrán inventado. Ya no se trata de sólo un nuevo
"know-how", un aumento del saber-como-hacer sistemas tecnológicos. Es un nuevo
"know-what", qué nuevos sistemas se pueden construir capaces de comportamiento
inteligente. Y es por este nuevo conocimiento que son capaces de hacerlo por lo

que obtienen un nuevo saber-como o "know-how". No pretenden pues una mera
"performatividad" (Lyotard) sino un conocimiento teórico de una nueva realidad,
pero no ya dada, sino posible y que ellos mismos construyen.
"The direct products of this research are software systems of two kinds:
integrated systems and software support. The integrated systems are the Prodigy,
Soar and Theo systems. The software support are the programming languages,
software systems and tools used to implement the Prodigy, Soar and Theo
systems". (ibid.:6-1). Estos productos son los que se exportan y paises que los
compran creyendo que compra tecnología, cuando en realidad sólo se adquiere así
la mitad del proceso, aquella que no se puede reproducir dado que no se tiene el
conocimiento para ello. La clave de la tecnología está en el conocimiento como
invención, en el saber que productos nuevos se pueden hacer, y cómo hacerlos.
Y este conocimiento no puede vivir separado de organización, de actividad
socialmente compartida, en suma, de cultura. Este nuevo conocimiento no son
libros sólo,sino los investigadores que los hacen, los equipos que construyen el
software, las agencias que los financian, los otros investigadores que utilizan
sus productos, en suma, todo un sistema cultural tecnológico o tecnocultura, sin
el cual no puede haber "conocimiento".
Para un investigador de la A.I., PRODIGY Y THEO son "integrated architectures"
para un tecnoantropólogo son proyectos culturales. Por tanto los denominaremos
PRODIGY PROJECT y THEO PROJECT.
Me detendré en estos dos últimos, dado que son las que están siendo construídas
dentro de un enfoque centrado en el Machine Learning. SOAR es un sistema más
antiguo, aunque quizá más maduro, que responde al programa inicialmente
denominado Machine Intelligence.
2.5.5. " THE PRODIGY VIEW" Y LA "COGNITIVE ENGINEERING".
La orientación ingeniera antes analizado en el MACHINE LEARNING de J. Carbonell
y T. Mitchell de CMU, inspira también el proyecto PRODIGY . Se evidencia en el
papel "Designing an Integrated Architecture: The PRODIGY View" (Carbonell, et
al. 1990) escrito en 1990 por todo el equipo compuesto en esas fechas por Jaime
G. Carbonell, Yolanda Gil, Robert Joseph, Craig A. Knoblock, Steve Minton y
Manuela Veloso. Este "paper" fue presentado a una conferencia de Cognitive
Science, ese mismo año.
En el se plantea, en el resumen final, el siguiente conflicto: "PSYCHOLOGICAL

VALIDITY vs. COGNITIVE ENGINEERING". Los autores afirman: "The PRODIGY project
strives to produce a useful, scalable, and maintainable reasoning and learning
architecture. Where this matches human cognition, it is so by accident, by the
limited imagination of the PRODIGY designers, or perhaps because the human mind
has indeed optimized such aspects of cognition. In all others aspects, the goal
is at reengineering cognition the way it ought to be, in order to be most useful
in problem solving, planning, and learning". (1990:6).
Ese mismo año 1990, Jaime Carbonell daba una charla en Barcelona denominada
"Artificial Intelligence: Past, Present &Future" (VIA-90)., en la que tras
trazar un recorrido por la breve historia de la disciplina acababa con cuatro
"basic messages": "1. AI is an unquestioned success at handcrafted solutions. 2.
AI must move from a craft into an engineering discipline. 3. AI must live in the
world of classical informatics. 4. AI must strive for standard software
environment". (VIA-90).
PRODIGY, como sistema informático, y como proyecto cultural, es una concreción
de esta filosofía. Según la propuesta de "basic research" antes citada, PRODIGY
es : "a general problem solver combined with several learning modules".
(Ib.:7-3). El "problem solver" es un mecanismo que resuelve problemas en
diferentes dominios de aplicación como planificación de la actividad de un
robot, planificación logística y otros, mediante una búsqueda de alternativas en
un "problem space". Recordemos que "problem space" es una forma de representar
los problemas en la cultura de computer science de CMU, según la cual, estos
pueden verse como un mapa en el que están representados el estado final o
"desired state" y el inicial "initial state" y la resolución del mismo consiste
en decidir cuál es un camino satisfactorio que lleve al robot o al agente
informático a alcanzar el estado final a partir del inicial. Esta representación
inspirada en como se representa una operación militar sobre el mapa parece
adecuada para representar la actividad de sistemas informáticos.
Pero la novedad de PRODIGY es que a este mecanismo de resolución de problemas se
le han añadido varios módulos de aprendizaje "learning modules", varias formas
mediante las que el "agent" puede usar la información que recibe y usarla de dos
formas, o bien para aprender "control rules" o reglas de control o normas que
guían la acción general del agente o bien "domain knowledge" o conocimiento
empírico sobre el dominio de actuación.
Estos módulos son de varios tipos. A diferencia de SOAR, que sólo utiliza un

tipo de aprendizaje denominado "chunking", PRODIGY y THEO utilizan distintos
tipos. En concreto PRODIGY usa principalmente tres: 1. "Explanation-Based
Learning" (EBL), 2. "Derivational Analogy", y 3. "Learning-by-Experimentation".
El primer módulo, EBL, desarrollado principalemente por Steve Minton, consiste
en un método analítico ("analytical method") de aprendizaje de reglas de control
o "control rules", que permite al sistema aprender de ejemplos al poder
conceptualizarlos y explicar ("explain") su adecuación para tomar determinada
decisión. El sistema no sólo resuelve problemas sino que puede explicar el por
qué ha elegido este camino y no otro al disponer de un conocimiento sobre su
propio sistema de resolución ("problem solver") y sobre el dominio específico de
aplicación. En este sentido, el sistema puede aprender de su propia experiencia.
Un segundo módulo es el denominado "ANALOGY", desarrollado principalemente por
Manuela Veloso. Este mecanismo de analogía se basa en el uso de problemas
similares resueltos con anterioridad para resolver nuevos problemas. El "problem
solver" graba las justificaciones para cada decisión tomada durante el proceso
de búsqueda y son usadas para la reconstrucción de la solución de situaciones
problemáticas análogas.
Por último, se está desarrollando ahora un nuevo mecanismo, "EXPERIMENT",
principalmente por Yolanda Gil, que consiste en aprender nuevo conocimiento del
dominio en cuestión o "domain knowledge" que sea incompleto o mal especificado.
Para ello se esta desarrollando un método denominado "operator refinament
method" para activar una experimentación reactiva o"reactive experimentation"
cuando el sistema obtiene consecuencias distintas a las esperadas de una acción.
Este mecanismo sirve para adquirir conocimientos empíricos de área de actividad
en cuestión. Se inspira en cómo adquiere conocimientos "real-world learners
ranging from children at play to scientists at work. (Carbonell, Gil: 1987:1).
Lo curioso de este último módulo es que está instrumentalizado dentro de un
sistema tecnológico de conjunto. El método experimental, propio de la ciencia,
sirve aquí para diseñar una arquitectura informática integrada. La
experimentación es un subconjunto del diseño como forma de aprender del conjunto
del sistema.
Teóricamente, podría resultar interesante extraer un nuevo módulo de aprendizaje
basado en cómo el equipo de PRODIGY ha aprendido a hacer PRODIGY. Este nuevo
módulo podría llamarse "learning by design", o "learning by possibilities" dado
que es la actividad en la que están todos ellos comprometidos, según hemos visto

en el papel que firmaron como equipo en 1990.
Bajo la dirección de Jaime Carbonell, distintos estudiantes de doctorado de la
escuela han desarrollado cada uno de los módulos dando lugar a diferentes tesis
doctorales en Computer Science. Así, Steve Minton tuvo una contribución
destacada en el diseño de el EBL. Su tesis o "dissertation" se denominó:
"Learning Effective Search Control Knowledge: An Explanation-Based Approach"
(1988). Manuela Veloso, desarrollo su investigación sobre "Learning Analogies by
analogy" (1989) y Yolanda Gil la está desarrollando ahora sobre
"Learning-By-Experimentation".
La financiación de estas tesis ha corrido a cargo de contratos con DARPA y con
una Ph.D. Scholarship de algunas empresas como AT&T Bell Laboratories.
2.5.6. EL PROYECTO THEO: "TOWARD A LEARNING ROBOT".
Tom Mitchell es, junto con Carbonell, uno de los fundadores de la disciplina
Machine Learning.
Formado en Stanford y llegado a CMU en 1986, Mitchell es el responsable
principal de THEO, una arquitectura inteligente integrada que también exhibe
funciones de aprendizaje. Su principal aplicación ha sido servir de sistema de
control de un robot móbil provisto de sensores que puede responder tanto a
situaciones de rutina como reaccionar ante cambios del medio.
THEO usa varios "learning mechanisms" , que usa en diferentes situaciones. Estos
incluyen "chunking" también usado por SOAR, "Explanation-based learning" usado
por PRODIGY y otros como "statistical learning" o "caching of slot values".
(1989. Basic Research: 7-5).
La aplicación más directa de esta arquitectura ha sido en el área de Robotics.
Theo está construido con una orientación central hacia esta área, dentro de la
cual se encarga del mecanismo de control del robot.
Una de las áreas de esta investigación se desarrolla en el programa AUTONOMOUS
PLANETARY ROVER, iniciado en 1987, en el Robotics Institute de CMU. El robot
inteligente AMBLER ha sido una de sus primeras realizaciones. Este un robot que
la NASA ha previsto para la exploración de Marte a comienzos del próximo siglo,
ahora dentro del programa SPACE EXPLORATION INITIATIVE un programa estratégico
para los próximos 20 años que el Presidente Bush anunció el 20 de julio de 1989,
y que marca la nueva política de este país en materia espacial.
Este es un denominado "collaborative project", realizado mediante acuerdo con la

NASA, que abarca varios profesores de Computer Science , Robotics como Takeo
Kanade, Reid Simmons y Red Wittacker de Carnegie Institute of Technology. Su
construcción se ha realizado en el Robotics Institute de CMU, en concreto en el
Field Robotics Center, y para su construcción se ha precisado de la colaboración
de tres equipos distintos que han resulto los tres problemas de este tipo de
robots: 1. "Perception", 2. "Cognition", y 3." Manipulation". (CMU-Robotics
Ins-1987).
El paso clave de este proyecto ha sido el pasar de Machine Learning como mero
mecanismo cognitivo a un sistema más complejo que incluye, no sólo cognición
sino visión y manipulación. Ello ha llevado a Tom Mitchell a colaborar con un
computer scientist, Takeo Kanade, especializado en Computer Vision,y con un
ingeniero Red Whittaker experto en construir robots capaces de manipular objetos
y desplazarse por el "real world". David Pahnos, director adjunto del Field
Robotics Center, denomina este enfoque "integration, synthesis.", habiendo
formado un "integration group" que se reúne semanalmente (Entrevistas, 20 Mayo
1991, 7 junio).
La actividad autónoma de aprendizaje en un mundo como el de Marte, ha requerido
construir robots con visión, manipulación y desplazamiento. Y eso el mundo sólo
de la A.I. sólo no lo puede proporcionar. Para Steve Shafer del Robotics
Institute: "For decades, computer scientists have been studying toy problems
such as compiling computer programs, playing chess, designing parallel
computers, and finding convex hulls. Now, under the impetus of robotics,
computer scientists are trying to represent the physical world in computer
hardware and software..."( 1990:295).
El hecho nuevo de este proyecto es que MACHINE LEARNING ha salido a la calle y
el robot ha empezado a aprender del "real world".
Si Machine Learning es el área más compleja de la A.I., el proyecto de Learning
Robot, es uno de los mas complejo de Machine Learning, dada la diversidad de
campos para su construcción. El resultado es un Machine Learning que puede
actuar con cierto grado de autonomía en el mundo real.
Lo curioso es que cuando el Machine Learning pasa a diseñar máquinas que
aprenden se encuentran con los ingenieros que son los encargados de realizar la
síntesis: el robot inteligente, siendo la inteligencia una subconjunto de un
sistema mecánico, en suma, de una máquina. W. Whitaker ha sido el que ante la
opinión pública ha quedado como el principal responsable de AMBLER. El New York

Times, Business, del 21 de abril de 1991, dedicaba un artículo al proyecto
denominado, "The Creature That Lives in Pittsburgh", en el que W. Whittaker,
aparecía en solitario junto al robot.
2.5.7. FREDERICK REIF : EL "HUMAN COGNITIVE ENGINEERING" EN EL CENTER FOR
DESIGN OF EDUCATIONAL COMPUTING.
Otra línea de investigación que tiene relación con esta orientación de la A.I.
hacia un "engineering approach" la desarrolla el profesor Frederick Reif en el
Center for Design of Educational Computing, y la denomina: "Human Cognitive
Engineering" (1980), o más recientemente "Artificial Natural Intelligence"
(1991)
En 1980, Frederick Reif, en un congreso celebrado en CMU sobre "Problem Solving
and Education" planteó que existía lo que él denominó un "gap" entre la A.I. y
la Ciencia Cognitiva: mientras la primera era normativa y descriptiva, la
segunda sólo era descriptiva. Para resolver el "gap" proponía lo que llamaba una
"human cognitive engineering": "This neglected domain of prescriptive human
cognitive engineering might be called ‘human cognitive engineering’ (or ‘human
knowledge engineering’, if one adapts a term used by Feigenbaum to denote
applied work in complex artificial intelligence). Human cognitive engineering
would thus take into account the special capabilities and limitations of human
cognitive functioning (e.g., highly developed language and pattern recognition
capabilities, but significant memory limitations) in order to address questions
such as the following: Can one design or invent modes of human information
processing that can specifically enhance human cognitive
performance...?"(1980-44). La premisa para ello es que, en efecto, dicha mejora
es posible, lo que significa que el aprendizaje humano no está en su punto de
casi optimización, como afirmaba antes Simon.
Esta "human cognitive engineering" se está utilizando para averiguar y guiar las
formas de resolución de problemas de los estudiantes de física. Frederick Reif
es físico de profesión y su interés educativo está centrado en como utilizar
esta tecnología al servicio de mejorar el bajo nivel de los estudiantes de esta
ciencia. Esta línea de investigación requerirá un estudio etnográfico con más
detenimiento en el futuro, pues apunta en directo hacia la ingenieria cultural,
entendiendo la educación como el método de implementar los diseños culturales
que tienen los antropólogos para el cambio de las comunidades culturales,como ya

se evidenció en proyecto Vicos (Holmberg, 1956a: 17, "The role of education").
2.5.8. CAMBIOS EN LOS MODELOS EDUCATIVOS DE CMU.
Esta orientación de la A.I. hacia un "engineering approach" en cuanto método, y
una dirección hacia el "learning", hacia el aprendizaje, la educación, tiene
conexión con tendencias más profundas en Carnegie Mellon.
De hecho, cada avance de CMU, desde su fundación en 1900, se ha identificado con
un avance del "engineering method" y la generación de un nuevo modelo de
"education". Cada reforma ha significado una extensión del "design" y la
"problem solving mentality" a nuevas áreas.
Andrew Carnegie en 1900 introdujo la idea de la "professional education" como
alternativa a la educación universitaria tradicional por creerla separada del
"real world", y elevando al "technical education" a rango universitario. Este
modelo educativo se basaba en el método llamado "learning by doing", una
aplicación directa del primitivo pragmatismo norteamericano.
Robert Doherty, en los años 30s, abordó una reforma educativa introduciendo
elementos de una" liberal education" como complemento de la anterior: fue el
denominado "Carnegie Plan", que sirvió de modelo educativo para una generación
de ingenieros norteamericanos. A su vez codificó el "problem solving" como
"engineering method" . Líderes de la institución como el Provost Dunlap Smith,
incluso fue más allá como hemos visto en la primera parte de la tesis tratando
de hablar del "problem solving" como un " basic form of scholarly thought" para
el conjunto disciplinas del campus.
Herbert Simon, discípulo de Dunlap Smith, continuaría este intento uniéndolo con
el ordenador, los años 60s y 70s, introduciendo con Allen Newell el "human
problem solving". Se realizó un congreso sobre "Problem Solving and Education"
que culminó en los años 80s, con la red Andrew y la "computer science
education", para el conjunto del profesorado y estudiantado. En ese periodo,
Simon teorizó sobre la posibilidad de transformar el "design" ingeniero en una
ciencia.
Al calor del Andrew Project, se plantearon diversos intentos en CMU por
constituir el diseño en un "core curriculum" para todo el campus, intentos que
no fructificaron. (Achenbaum, W.A. 1985).
Pero los años 90s, una nueva reforma se esta planteándose no sólo en los campus
sino en el conjunto de la sociedad norteamericana. El modelo de investigación y
educación denominado Science and Technology está en crisis. Una orientación

hacia la ingeniería y la cultura de la innovación se discute de nuevo. Y CMU
podría considerar el "design", como método de aprendizaje e investigación común.
Una innovación en métodos educativos ayudaría a disciplinas como la A.I, y el
Machine Learning a dar un nuevo salto adelante.
Esta fase coincide con un movimiento similar que ha comenzado en la "higher
education" en Norteamérica en los principales campus como Stanford, Cornell o
Michigan ( Grassmuck, The Chronicle of Higer Education, Sept 12, 1990). Se
considera la necesidad de una mayor "globalization" de los campuses, una mayor
atención a la diversidad étnica y cultural y una mayor atención a la educación
de los "undergraduate".
Si ponemos estos periodos dentro de un contexto más amplio apreciaremos que
coinciden a grandes rasgos con ciclos alternativos de prosperidad y crisis
económico-social en Estados Unidos, cada uno de los cuales se ha resuelto con
una extensión del mundo tecnológico ,en un sentido amplio, esto es, no sólo de
tecnologías primarias como la electricidad o la informática sino de tecnologías
secundarias, como el marketing, o la planificacion estratégica.
La primera reforma de Andrew Carnegie, coincidiría con la Progressive Era,
1890-1920s, donde floreció la economía de las grandes corporaciones, basada en
la tecnología de la electricidad, el autómovil y los métodos del trabajo en
cadena. En polítíca, coincidió con administraciones republicanas.
A este periodo, le siguió una etapa marcado por la Gran Depresión (1930s-1950s).
En el cual, el anterior modelo industrial entró en crisis, y la administración
del país pasó a manos de los demócratas. Ambas etapas conforman un primer ciclo
económico-social.
En los años 60s, se inició un nuevo ciclo económico de gran prosperidad basado
en la tecnología informática que ha hecho crisis a finales de los 80s, bajo la
Administracion republicana. Ha sido en CMU el periodo dorado de la computer
science, marcado por la Administracion Cyert y el liderazgo de Newell y Simon.
Y en los 90s se ha abierto la etapa de recesión económica, y de crisis del
actual modelo industrial, basado en la informática y las nuevas tecnologías cuyo
futuro es incierto, al coincidir con el final de la Guerra Fría y una
reestructuración internacional profunda.
Estos ciclos vienen a corresponder a los llamados "long waves cycles" analizados
en los años 20s por el economista ruso Kondratieff (1984), y estudiados más
tarde por Schumpeter(1939), Kutnetz (1953) , y Volcker(1978).

El programa de Andrew Carnegie y los primeros presidentes establecieron la
figura del "professional engineer". La reforma de Doherty abrió paso al
"professional manager". Se formó al ingeniero en técnicas de administración
industrial y en la dirección de personas. Los años de Cyert han producido un
"computer scientist", que ha ocupado en parte el papel del "professional
engineer" en la era informática. Los años 90s pueden dar lugar al nacimiento del
diseñador de organizaciones informáticas, ya a escala internacional. Para ello
hará falta una nueva generación de tecnologías secundarias, o segunda generación
de "high tech".
Si la primera generación se basó en la informática, la biotecnología, los nuevos
materiales y otras la segunda generación de nuevas tecnologías puede partir de
una "tecnoantropología", una "tecnosociología", una "tecnosicología"...
Tras la II Guerra Mundial, una de las aportaciones más novedosa en el campo de
ciencia tradicional ha sido iniciar la construcción de un nuevo campo denominado
"cognitive science". Es el campo más reciente de un sistema de conocimiento que
empezó como ciencia de la naturaleza con la astronomía de Copernico y Kepler, la
física de Galileo y Newton, continuó con la selección natural de Darwin, con las
ciencias sociales de Adam Smith, Comte, Wundt y Taylor y ha culminado con las
ciencias cognitivas. Sucesivamente Italia, Inglaterra, Francia, Alemania y tras
la II Guerra Mundial Estados Unidos fueron los paises que tuvieron el
protagonismo en estos campos.
La ciencia cognitiva fue iniciada en la mayor época de esplendor científico y
técnico de Estados Unidos, en los años 50s y 60s, y sigue ejerciendo en el un
papel de liderazgo. Hasta ahora la historia más completa de la "revolucion
cognitiva" es la escrita por Howard Gardner, profesor de sicología de Harvard.
Es una historia que empieza en el programa de investigación de Platon en el
Menon y considera por este orden las disciplinas fundamentales que la componen:
filosofía, sicología, inteligencia artificial y linguística (Gardner, 1987:53).
Y secundariamente, antropología y neurociencia. Según este esquema, la creación
de dicho campo habría estado presidido por el programa de la filosofía
tradicional y de la ciencia.
Pero se da una anomalía, una curiosa ironía, en este caso: el modelo inicial de
inspiración de la actual ciencia cognitiva, a diferencia de la iniciada con
Platon, no ha sido el funcionamiento de la mente humana, sino el de los procesos
cognitivos del ordenador. La ciencia cognitiva moderna ha nacido inspirada en el

Computer Science y la Inteligencia Artificial, no al revés. El ciclo de
innovación en este campo es de la tecnología a la ciencia.
Como afirmaba el sicólogo George Miller, unos de los fundadores de la sicología
cognitiva, en un seminario celebrado en CMU en homenaje a Herbert Simon: "The
irony that it took a machine to arouse psychologists to an active interest in
mental processes has been frequently noted. Cognitive psychology broke free from
behavioristic psychology in the 1950s largely due to the growing recognition
that mental phenomena can be analyzed using concepts that were developed to
analyze electronic communication and control systems. In part, this realization
was the result of the development of servomechanisms, which played a central
role in cybernetics theories, and in part a result of increasing mathematical
sophistication, thanks to mathematical theories of information games, and
learning, but
mostly it was consequence of increased familiarity with the new computers and
with the kinds of information processing of which they are capable". (1989:146).
El propio H. Gardner admite la "inspiración proveniente de las computadoras".
Según este historiador de la ciencia cognitiva: "Los estudios cognitivos fueron
legitimados gracias al advenimiento de las computadoras (que en sí mismas
representaban una conducta de resolución de problemas) y al auge de la teoría de
la información (que suministró una base objetiva para establecer los elementos
componentes del lenguaje o de los conceptos)". (1987:137).
La A.I. dentro de la ciencia cognitiva ha jugado un papel de inspiración. Si la
ciencia cognitiva avanza por la A.I., y ésta avanza por la "knowledge
engineering", podemos suponer que un nuevo avance de esta última disciplina
provendrá no de una comprensión general de la mente humana, sino de considerar
el conocimiento humano como diseño, de considerar el conocimiento del ingeniero,
en particular, y ampliar la ingeniería a las áreas humanas como la sicología, la
linguística, la antropología o la neurociencia, en suma, construyendo una
ingeniería sicológica, linguística, antropológica o neurológica, en suma
"ciencia social tecnológica" según la expresion de Popper. (1987:60), o lo que
sería más ajustado denominar, "una nueva ingeniería".
3. EL AREA DE "PROGRAMMING SYSTEMS" DE LA SCS.
3.1. QUÉ TIPO DE INVESTIGACION SE REALIZA.

3.1.1 ¿ QUIEN FORMA PARTE DE "PROGRAMMING SYSTEMS" EN CMU?.
Programming Systems es la segunda área más influyente en la School of Computer
Science de CMU. Constituye el grupo más numeroso de dicha escuela después de el
de Artificial Intelligence. Es la otra área fundacional del antiguo Department
of Computer Science iniciado por Perlis, Newell y Simon en 1965.
Durante los 25 primeros años, los directores del Departamento han provenido de
esta área: Perlis, 1965-71, Traub 1971-78, y Habermann, 1978-1991. (Traub
realizaba tambien Theory). Todos ellos eran matemáticos de origen. Una razón que
podemos encontrar de esta no-correspondencia entre el área mayoritaria del
departamento, la Artificial Intelligence, y , el carácter de su dirección, es
que a escala nacional, el Programming sí representa la corriente mayoritaria en
la inmensa mayoría de Departamentos de Computer Science. Y dentro de ella juegan
un papel clave los matemáticos aplicados.
Como explica Allen Newell en "Intellectual Issues in the History of Artificial
Intelligence" (1982), entre 1955 y 1965 se desarrolló un conflicto entre dos
visiones del ordenador: "Symbols versus Numbers". La primera defendida por los
que Newell denominada "scientist in AI" sostenia que los ordenadores eran
máquinas que manipulaban símbolos. La segunda, el "the digital-computer field",
sostenía que manipulaban numeros, pudiendo ,cualquier cosa, incluso las
instrucciones, codificarse en números.: " The bulk of the computer field, and
all its responsible opinion-leaders, simply adotep the view that computers are
number manipulators. There was no attempt to argue against the view that
computers are symbol manipulators...The result of this clash of views was to
isolate AI within computer science, but one with a special point of view that
made it somewhat suspect, indeed somewhat radical".(1982:10).
Sin embargo, en CMU, en particular en lo referente a la investigación la
relación entre A.I. y Programming Systems ha sido la inversa. En todas las
propuestas ("proposals") realizadas a DARPA desde los años 70, el área
prioritaria de la misma ha sido Artificial Intelligence y sólo secundariamente
las que correspondían a Programming Systems. Las propias dificultades de la A.I.
para pasar su investigación a tangibles resultados ha permitido que Programming
durante los años 80s cobrará más fuerza en el Departmento. Se ha reforzado el
peso de los matemáticos y lógicos en el área de "Theory", se han conseguido
realizaciones importantes en sistemas operativos como MACH, y por último, se ha
conseguido iniciar un master en Software Engineering que lo dirige esta área.

Programming Systems es un area de investigación formada por un total de 28
profesores e investigadores, y un conjunto de 43 estudiantes en el curso 91-92.
De estos profesores 7 pertenecen también al área de Theory.
"Programming Systems" y "Theory" son las dos áreas dentro de este Programa de
Doctorado con más directas interrelaciones. De hecho, los paradigmas que se
desarrollan en el área de "Theory",( "Algorithms", "Complexity Theory", y
"Logic") se dirigen a fundamentar teóricamente el trabajo realizado
principalmente en "Programming Systems". Por contra, la Artificial Intelligence
encuentra su fundamentación en CMU sobre todo en sicología, y, en menor medida.
en la lógica.
Aquellos profesores que supervisan el mayor número de estudiantes eran en el
curso 1989-90: Thomas Gross (9), Peter Lee (8), Rich Rashid (8), ( que en
1991-92 ha pasado a dirigir el principal laboratorio de investigación de
Microsoft dejando la escuela), M. Satyanarayanan (6), Jeannette Wing (6), y Doug
Tygar (6).
Esta área del Doctoral Program en Computer Science influye en el Information
Technology Center , de igual forma que Artificial Intelligence influye en
Robotics y Machine Translation. En concreto, varios computer scientists de la
misma: Jim Morris, Mahadev Satyanarayanan, John Howard y otros fueron los
principales encargados de construir el software de la red Andrew, el producto
principal del ITC. (1986). Por su parte, Mary Shaw, veterana profesora de
programming está asociada a su vez con el Software Engineering Institute, y ha
sido una de las principales encargadas del curriculum de la School.
3.1.2. LA INVESTIGACION "BASIC" Y "STRATEGIC" EN "PROGRAMMING SYSTEMS".
Programming Systems es un área principal de investigación en la escuela, como la
A.I. En las sucesivas proposals del "basic contract" que CMU tiene con DARPA
para financiar la investigación en "Information Processing", esta área ha
desarrollado una investigación en "Software Technology" (1976-78), "Distributed
Processing" y "Programming Technology" (1980-86), "Reliable Distributed Systems"
y "Programming Environments" (1987-90).
De Programming Systems partieron los trabajos de Alan Perlis en lenguajes de
programación como ALGOL 60 ,en esa misma década, así como los trabajos de Nico
Habermann en ADA, el lenguaje de programación standard del Department of
Defense, y su línea en ambientes informáticos o "environments", de ayuda a la

programación ,en los años 70s que culminaron en el proyecto GANDALF(1980-1990).
También fueron protagonizados por esta área los trabajos en "distributed
processing" que condujeron a la red Andrew y ,por último, el citado proyecto
MACH en los 80s, dentro de la Strategic Computing Initiative de DARPA.
En la actualidad, los proyectos de investigación principales en esta área son
los que se siguen presentando dentro del programa que DARPA financia y se
incluyen dentro de dos grupos: "BASIC" y "STRATEGIC", estos términos no se
corresponden con lo que se entiende por "basic" y "applied research"
tradicionalmente.
Los proyecto de investigacion "BASIC" del area de Programming Systems son dos:
1. "OBJECT MANAGEMENT" (1989-1993) (CMU-SCS-Basic, 1989). En este programa
participan Nico Habermann , Jeannette M. Wing, Edmund M. Clarke Jr., Eugene
Rollings, Mahadev Satyanarayanan, y Doug Tygar. Es un programa que se considera
"basic research". Está dedicado al diseño de una red informática nacional que
permita el almacenamiento, acceso y obtención de un complejo sistema de
información por un extensa red de usuarios. "We envision a future nationwide
network of persistent objects that will support storage, access, and retrieval
by diverse users. Today, files and databases are the only types of persistent
objects that we can manage on a large scale. We propose to build a highly
scalable, distributed system that provides secure and reliable, yet efficient
access to persistent objects spanning a broader range of types". ( Object
Management. 1989:1-1).
"Object Management" es una investigación destinada a poder manejar este sistema
de "objetos" informáticos. Para poder avanzar en el diseño, este preyecto tiene
previsto construir un prototipo experimental, una arquitectura denominada
Odyssey, que soporte un almacén distribuido y el acceso a diversos "objects".
Relacionado con este proyecto de software, esta el proyecto de Theory, "ERGO:
Semantically Based Program-Design Environments".(1989-91) (CMU-Department CS-
1988),en el que participan Peter Lee, Frank Pfenning, John Reynolds, Gene
Rollins y Dana Scott. Es un proyecto para aumentar la habilidad de los
programadores para desarrollar y mantener un software correcto, adaptable y
eficiente. Para ello, el enfoque que se sigue se denomina: "Design-Based
Approach" (DBA) (op. cit.:1). La novedad que aporta es que recoge no sólo las
especificaciones del programa sino también las decisiones que el programador

realiza a lo largo del proceso, "a body of design information that describes how
an implementation is related to the original specification" (ibid:1), esto es,
recoge el programa del propio programador.
2. "CREATING GRAPHICAL APPLICATIONS" (CMU-SCS- Basic Research, 1989), dirigido
por Brad Myers, y con la colaboración de Dario Guise.
Este es un proyecto dirigido a facilitar la tarea de programación creando
interfaces gráficas interactivas que permitan una manipulación directa de los
objetos representados en ellas por el usuario. El sistema a construir continua
el GARNET project, iniciado por Myers con anterioridad.
Los objetivos del proyecto son claros: "We propose to build an environment in
which all aspects of graphical, highly interactive user interfaces can be
specified without programming. Instead, user interfaces will be specified using
graphical direct-manipulation techniques and a very-high-level specification
language. " (1989: 1-1). En suma, se trata de construir como el anterior
proyecto un "artificial environment", en concreto preocupandose de facilitar la
interacción "human-computer". El papel del "computer scientist" es claramente el
diseño de estos ambientes artificiales.
Todos estos proyectos se consideran "basic research", y a diferencia de lo que
se entiende por "basic research" tradicionalmente, esto es, una investigación
dirigida como primer fin al "understanding of the subject under study", según
definición aceptada por la National Academy of Science, la Nationa Academy of
Engineering y el Institute of Medicine, (National Academy of Sciences, 1989:
2-22), persiguen directamente el diseño de sistemas informáticos. Así el
proyecto Object Management afirma: "During the proposed contract period,
Carnegie Mellon University will conduct a broad program of basic research in
distributed, type-specific object management. The principal tasks of our work
will be to:
-Design and build a Common Lisp framework that will support multiple
computationally-intensive satisfaction engines...
-Design and build components that fit into the framework in support of a
software development laboratory...
-Design, build, and evaluate an experimental prototype of an architecture that
supports large-scale object distribution.
-Use the framework and its components in the above distributed prototype.This

use will include demonstrating a distributed version of the software development
application."(1989:5-1).
Estas son las tareas de un programa de "basic research" en Programming Systems
en CMU.
Un segundo gran proyecto de investigación, éste dentro del programa de DARPA
denominado "STRATEGIC", es el denominado: "RESEARCH ON PARALLEL COMPUTING:
VERY LARGE SCALE OPERATING SYSTEMS" (1989-93) (CMU-SCS- Research on Parallel
Computing, 1989). En este proyecto, dirigido por Rich Rashid, (al menos hasta
1992) participan otros profesores como Eric C. Cooper, Scott E. Fahlman,
Alessandro Forin, Robert Sansom, Peter A. Steenkiste y Hideyuki Tokuda.
Su objetivo es desarrollar un "systems software environment called Terra OS
which will address problems created by new computer technology in the 1990s".
(1989:1-1). Específicamente, TerraOS está pensado como sistema operativo de
sistemas de grandes redes de multiprocesadores, como la que se está construyendo
en CMU, denominada NECTAR, dirigida por H.T. Kung. Este sería un "operating
system environment" que perfeccionaría el sistema operativo MACH desarrollado en
CMU en 1985
El objetivo del proyecto es permitir a grandes multiprocesadores,
supercomputadores y colecciones de ordenadores dispersos geográficamente operar
no como una colección de autónomos sistemas con interconectividad, como es el
caso en la actualidad, sino como sistema orgánico único, "a single system
organism".
Ambos programas, BASIC y STRATEGIC forman parte de la STRATEGIC COMPUTING
PROGRAM de DARPA antes estudiado. De las tres aplicaciones que se preveian en
dicho programa: "an autonomous vehicle", "a pilot’s associate", y "a battle
management system (BMS)", la más compleja y decisiva era esta última, dado que
consisitía en un sistema informático inteligente para ayudar en la gestión de
una campaña militar. Esta aplicación requería segun el programa citado :"inmense
planning and reasonning processors, vast knowledge and database management
systems, perhaps no vision systems, but highly complex distributed, survivable
communication systems" (Strat. Comp. Init.1983:12). Proyectos como GANDALF,
GARNET y MACH han contribuido al diseño de estos sistemas de gestión de bases de
datos y conocimiento, y a la construcción de sistema de comunicación
distribuidos altamente complejos. Analizemos uno de ellos, el proyecto MACH

3.2. EL PROYECTO MACH: LA "STRATEGIC RESEARCH".
3.2.1. LA DEFINICION TRADICIONAL DE "APPLIED RESEARCH".
La definición oficial aceptada por la National Academy of Science y la National
Academy of Engineering de Estados Unidos es ésta: "Applied Research is the
systematic study where the primary aim of the investigator is directed toward
gaining knowledge or understanding necessary for determining the means by which
a recognized and specific need or commercial objetive may be met."
(NAS,1989:2-22). Ello la diferencia de la actividad de "desarrollo":
"Development is the systematic use of the knowledge or understanding gained from
research, directed toward the production of useful materials, devices, systems,
or methods, including design and development of prototypes and
processes".(ib:2-22).
Pero como veremos, este proyecto no se ajusta a estas clasificaciones. No tiene
como objetivo principal el "understanding" en el sentido científico, y ni
siquiera pretende ser un prototipo al modo de un diseño experimental. Se concibe
como un producto, "a product", pero no de carácter comercial, sino un producto
de carácter estratégico, distribuido gratuitamente al conjunto de empresas,
universidades e instituciones públicas del país con el sólo requerimiento de una
licencia de CMU.
Mach quizá sea el éxito más notable en la historia de Programming Systems de
CMU. Este nuevo sistema operativo fue desarrollado entre 1984-85 por un equipo
de 20 profesores, estudiantes, y programadores dirigidos por el profesor Rich
Rashid.
Este ha sido uno de los resultados de un amplio programa concebido como "applied
research" en "supercomputer technology" iniciado en 1983 por Allen Newell, Raj
Reddy y H.T. Kung. (CMU-Proposal for Research on Supercomputers, 1983).
En CMU, el proyecto MACH se considera un éxito ("success") en transferencia
tecnológica. De este proyecto afirmaba el hasta hoy decano de la escuela, Nico
Habermann: "Another example of Carnegie Mellon’s contributions to computer
science is the Mach system, which is very successful and useful in the design of
architectures and the development of large programming systems. It has been
accepted by various industries and been taken as the standard by the Open
Software Foundation. It’s going to be the kernel of many parallel architectures
and standards of architectures. That is indeed a success story." (Habermann,

Carnegie Mellon Magazine, 1990: 56).
El profesor Rich Rashid ,su diseñador principal, fue el organizador del pasado
Symposium de la SCS, en septiembre de 1990, celebrando el 25 aniversario del
departamento. Su nombre se estaba barajándo como próximo decano de la escuela,
cuando éste comunicó su decisión de aceptar el cargo como director del principal
centro de investigación de Microsoft, la principal empresa de software del país,
en Seattle.
Rich Rashid era "professor" de la School Computer Science de CMU. En 1974 se
graduó cum laude, ( "with honors") en Matemáticas en Stanford University. En
1980, recibió el doctorado en Computer Science en la Universidad de Rochester,
de donde pasó a Carnegie Mellon. Nació en Iowa en una familia de inmigrantes
cristiano libaneses, llegada a Estados Unidos hacía dos generaciones. Según sus
propias palabras: "I’m the first generation going to University". (12-3-91).
Sus áreas de investigación en Computer Science eran éstas: "My interests are in
the areas of operating systems, file systems and languages for distributed and
parallel processing, computer architectures and distributed Artificial
Intelligence. My major project focus in the Mach Project, in which we are trying
to build a new kernel foundation for distributed and multiprocessor software
development". (CM-CS-Faculty Research Guide, 1991-92:64).
3.2.2. MACH PROJECT : EL DISEÑO DE UN NUEVO SISTEMA OPERATIVO
ESTRATEGICO.
Este nuevo sistema operativo diseñado fue, en efecto, diseñado en CMU entre 1984
y 198585 por un equipo de profesores, estudiantes, programadores y personal
técnico.
Este sistema operativo culmina 10 años de experiencia en el diseño e
implementación de sistemas operativos tanto en CMU, el sistema Accent, como en
la University of Rochester , el sistema RIG , de donde provenía Rich Rashid,
incorporado a CMU en 1979. El propio Habermann habia explorado este campo en el
Department of Computer Science con su libro "Introduction to Operations System
Design" publicado en 1976.
MACH tiene un conjunto de rasgos que lo definen como un producto propio de la
"computer culture" de CMU:
1. Es un proyecto de investigación encaminado a producir un programa que
funciona, un "system that performs very well". Como dirá Rashid: "That comes

back to the long-standing philosophy at Carnegie Mellon that, in the system
area, we not only come up with good ideas and design and build prototype
systems, but we build things that work and that other people can use..."
(Rashid, Carnegie Mellon Magazine. Fall 1990).
2. Es un programa construído con apoyo de DARPA, dentro de la Computing
Strategic Initiative, iniciada en 1982, para promover una nueva generación de
ordenadores: la Machine Intelligence Technology, y los ordenadores en paralelo.
3. Este proyecto aportó un rasgo nuevo en la cultura de Computer Science de CMU:
desde el principio se pensó para tener impacto en las principales industrias del
ordenador, en la área del desarrollo de sistemas operativos para arquitecturas
en paralelo. Se concibió como un modelo de "technology transfer". (Rashid ,1990:
Mach, a case study: 421).
Hasta ese momento la filosofía de los proyectos de CMU había sido la de"concept
demostration" más que la de "system engineering". Los sistemas informáticos
servian para demostrar nuevos principios teóricos pero no para ser empleados en
el "real world". MACH se realizó con otra perspectiva, la perspectiva ingeniera:
se pensó para ser transferido a la industria, para resolver "real world
problems". No se construyó como prototipo sin como sistema para uso práctico en
las empresas, y no en alguna de ellas, sino en el conjunto de la industria del
ordenador.
MACH es un "operating system" (OS), esto es, "the master program that controls
all the computer’s resources (memory, devices,processing time) and allocates
them among all the computer’s users and programs". (Phillip Miller.1987:12).
Es el programa que regula las relaciones entre el usuario y la máquina. Contiene
las instrucciones que definen como el ordenador ha de interactuar con el
usuario, y viceversa, define las reglas básicas de utilización del sistema
informático: los códigos de acceso al ordenador (password, ...), la forma de
manipular los archivos (files), la manera de acceso al resto de programas del
sistema, el funcionamiento de la red, etc.
Inicialmente cada fabricante desarrolló su propio sistema operativo,(VMS, MVS,
MS-DOS) siendo difícil que un programa que funcionara en un sistema operativo lo
hiciera en otro de una empresa distinta. En los años 80s. el sistema UNIX fue un
primer intento de llegar a un sistema abierto , "open system standards", que
permitiera que un mismo programa funcionara en distintas máquinas de distintos
fabricantes. Varios grupos nacionales e internacionales intentaron definir

nuevos entornos informáticos "abiertos", tratando de preservar la continuidad
con los sistemas operativos desarrollados durante los 60s y los 70s.
En 1983, La Defense Advanced Research Projects Agency (DARPA) empezó a financiar
una gran iniciativa, el Strategic Computing Iniciative, para el desarrollo de
una nueva generación de ordenadores, los llamados "high performance parallel
computers". Como explica Rich Rashid: "This goal could not be reached, however,
without a common software base wich could be used on a wide range of new
architectures and provide a single system software environment for application
designers" (1990: 413). MACH se concibió como un instrumento técnico al servicio
de un cliente, DARPA y la industria, que precisaba resolver la incompatibilidad
de sus sistemas informáticos.
3.2.3. EL "ALTERNATIVE APPROACH" DEL PROYECTO MACH.
¿Cómo ha conseguido MACH ofrecer un sistema operativo que permite la
colaboración de distintos tipos de arquitecturas informáticas?. La razón es que
el equipo de diseñadores del mismo, ha partido de un enfoque distinto, nuevo.
Entre los principales miembros de este equipo están a parte de Rich Rashid,
Avadis Tevanian Jr., David B. Golub, David L. Black, Eric Cooper, y Michael W.
Young.
En lugar de construir el sistema operativo en un solo bloque, como los sistemas
tradicionales, UNIX o VMS, y ofreciéndose alternativo a los mismos, ha
construído un sistema operativo "kernel" , una especie de enchufe universal en
el que más de un entorno de sistemas operativos puede conectarse.
Sus dos rasgos únicos son: 1. "Hardware independence", ésto es, la construcción
de un sistema capaz de funcionar en múltiples tipos de máquinas. y 2.
Compatibilidad con los restantes sistemas operativos. Es una "enabling
technology" (Rachid, 1990 Carnegie Mellon Magazine: 42), un sistema operativo
general.
Rashid explica así su nuevo enfoque: "Because of its modular design, Mach
offered an alternative approach which allowed systems builders to separate those
parts of the operating system which control the basic hardware resources--often
called the operating system ‘kernel’--from those parts of the operating system
which determine the unique characteristics of an operating system environment ,
for example a particular file system interface. The advantage of this scheme is
that it can allow more than one operating system environment to be implemented

on the same hardware/software base so that machine dependent software need be
written only one for each new architecture. It also allows, at least
potentially, for more that one operating system environment to be supported in
‘native mode’ simultaneously on the same hardware". (1990, Mach, A case study, :
416).
Estas ventajas se vieron reforzadas por la decisión del equipo dirigido por
Rashid de distribuir libremente todo el software desarrollado por el MACH
Project a cualquier universidad, compañía u otra organización que lo quisiera
usar, según Rashid "the single most important decision" del proyecto.
UNIX hasta el momento era el sistema operativo con más posibilidades de
convertirse en el sistema estandard para la nueva generación de arquitecturas en
paralelo. UNIX es un producto que pertenece a la ATT, la principal empresa
telefónica de Estados Unidos. MACH se concibe no como una alternativa comercial
a este sistema, sino como un sistema operativo que podríamos denominar
"público", que permite que los sistemas comerciales sean compatibles con él, y
que, a través de él, lo sean entre sí. . Es una expresión de las posibilidades
de la colaboración Universidad-Administración-Empresas en una área en la que
hasta ahora los intereses se planteaban de forma disyuntiva.
3.2.4. "TASKS, THREADS, PORT, MESSAGE": NUEVAS ABSTRACCIONES QUE
FUNCIONAN.
MACH es un sistema operativo que aporta nuevas características, nuevas
funciones, que lo hacen distinto a su principal competidor, el sistema UNIX.
Estas funciones son definidas por Rashid como "basic abstractions"o
abstracciones básicas. Y son cuatro: "a task", "a thread", "a port" y "a
message".
Las dos primeras funciones nacieron de la ruptura de una única abstracción del
sistema operativo UNIX, " a process", en dos funciones denominadas "task" y
"thread". "A task", es una abstracción ,que corresponde a esa funcion de
"process", es una unidad básica de recursos del sistema informático
(procesadores, memoria virtual...). Por su parte "a thread" es la especificación
de una operación en esa "task". El objetivo de esta división de abstracciones es
permitir que múltiples operaciones se puedan realizar en paralelo en una unica
tarea o "task". Ello significa que la función denominada "thread" funciona como
un programa independiente contraoperando en una unidad básica de recursos.

Esta nueva función la denomina R. Rashid tanto "abstraction" o "basic function"
(1986:39), como "mechanism" (1990: 415) y se convierte en un instrumento clave
para el funcionamiento de multiprocesadores y arquitecturas en paralelo,
manteniendo al mismo tiempo la compatibilidad con el sistema UNIX.
Pero el invento no consiste en el mecanismo en sí que ya se conocía con
anterioridad, sino en su aplicación dentro del sistema UNIX como tarea
diferenciada. Un sistema de "multi-threading" había sido inventado por varias
generaciones de diseñadores de sistemas operativos como Pathway de Tandem. Los
denominados "developpers" de MACH reconocieron el valor de esta construcción
alrededor de 1984 cuando estaban trabajando en otro sistema anterior a MACH, el
llamado ACCENT.
La tercera abstracción introducida fue "a port". Esta es la abstracción de
comunicaciones básica de MACH. "A port" es un canal de comunicación que permite
el intercambio de mensajes.
Como explica Rashid: "The Mach abstractions were chosen not only because of
their simplicity, but also for performance reasons." (Unix. Review, 1986:39).
Mary Shaw y William Sherlis, profesores de la SCS, (éste en la actualidad con
destino en DARPA) en su "Mathematics Curriculum and the Needs of Computer
Science"(1982), han venido sosteniendo la necesidad de basar la "computer
science education" en un mayor conocimiento de las matemáticas, en particular,
de su poder de abstracción. Tradicionalmente, por abstracción se ha entendido en
matemáticas, la habilidad de captar la estructura esencial de una situación
compleja: "to glean the essential structure from a complex situation" (Lynn
A.Steen. 1983:99).
Esta capacidad se ha considerado uno de los rasgos básicos de la "mathematical
maturity". La geometría euclideana se consideraba uno de los ejemplos de esta
capacidad de abstracción: de los números y objetos se pasaba al formalismo de
variables y definiciones.
Igualmente, la habilidad de sintetizar, de crear nuevas ideas a partir del uso
efectivo de las antiguas, habilidad expresada en la deducción lógica, o el
razonamiento indirecto, se ha considerado la otra marca tradicional de la
"mathematical maturity".
El problema es que en "computer science" esta capacidad de abstracción no está
separada de la capacidad de generación de nuevas estructuras mediante la
síntesis, sino que forman un mismo proceso. El "computer scientist" ha de no

sólo captar la esencia de una estructura existente sino de crear una nueva
estructura abstracta. Esto también lo hace el matemático. Pero en el caso del
"computer scientist" esa estructura además ha de funcionar, pues se trata de una
estructura abstracta que ha de dirigir las operaciones de un ordenador. Es una
nueva función abstracta y a la vez operativa. Y esto es algo más de lo que hacen
los matemáticos.
"A task", "a thread", "a port", "a messages", son las nuevas funciones que el
equipo de Mach introdujo en su sistema operativo, las nuevas abstracciones que
hacen funcionar al sistema.
Computer science parte de esta unión de conceptos de la matemática y la
ingeniería en un solo cuerpo teórico. La matemática se ha hecho ingeniera. Como
diría Perlis: " What will be new is the attachement of algorithms and languages
to a machine--the electronic digital computer--which is the agent commanded to
perform (to do,to accomplish) algorithms expressed in laguages" (1972:2).
La "abstracción" no es la esencia de la "computer science", su clave es la
abstracción que funciona, dado que ha de formar parte de un sistema mecánico.
Son nuevas funciones, en tanto que son nuevas capacidades de actuación que se le
introducen al ordenador, lo que redundara en nuevas posibilidades para el
usuario. "It’s an enabling technology" según Rashid. (Carnegie Mellon
Magazine.Fall 1990). Una tecnología que hace posible otras.
3.2.5. EL DISEÑO Y LA GESTION DEL MACH PROJECT .
Mary Thompson es la Project Manager de MACH. Tiene una experiencia de 13 años en
CMU, y anteriormente otros 13 en el MIT. Según ella: "Developping a operating
system like MACH it takes a lot of time. Only a few group of univerities can do
that. In european universities like Cambridge in United Kingdom, they don’t have
the resources to do that. They must focus only on the theoretical aspects of
computing". (Entrevista personal, 11 junio 1991).
En su momento de máximo desarrollo, el proyecto Mach requirió un equipo de 20
personas, la mitad de ellas " professional staff", es decir, programadores,
encargados de conseguir que el sistema operativo pasara de las ideas a
convertirse en un "product". En palabras de R. Rashid: "We generate products,
not only ideas". (Entrevista personal: 12-3-91).
Este equipo, tan grande como un departamento de un "college" de CMU, contaba aún
en junio de 1991 con 16 personas bajo la dirección de Rich Rashid, la

colaboración de otros dos profesores del departamento: Alessandro Foring y Brian
Bershad. Tenían a su cargo a 7 personal de staff y 6 estudiantes de doctorado.
Un conflicto planteado en el equipo de Mach, según Mary Thompson, fue los
diferentes enfoques de los graduate students y el staff. Mientras que los
primeros pretendían introducir innovación en el sistema, los segundos tendían a
sacar el trabajo adelante, cumpliendo con las especificaciones y los plazos.
Esta labor, según la Project Manager de MACH, se veía entorpecida a su vez
porque los estudiantes, sometidos a las clases , no producían lo que había que
producir a tiempo.
En cualquier caso, y a diferencia de otros sistemas operativos desarrollados por
el departamento que nunca llegaron a la industria, MACH ha conseguido, según
Mary Thompson, su objetivo: "to be useful for the people". Y en primer lugar
para sus patrocinadores, DARPA y la Digital Equipment Corporation.
La construcción de MACH dió lugar a tres tesis doctorales en Computer Science
escritas por A. Tevanian, M. Young y D. Black, que contenían las propias
contribuciones de estos estudiantes al proyecto. La de Avadis Tevanian, Jr.
titulada "Architecture-Independent Virtual Memory Management for Parallel and
Distributed Environments: The Mach Approach"(1987), comenzaba asi : "This thesis
describes the design and implementation of a new, portable, memory management
system and evaluates it by direct comparison with commercially developed memory
management systems....The implementation and evaluation of Mach, described in
this thesis, demonstrates that it is possible to build a virtual memory system
that exhibits: -architecture independence...,-multiprocessor and distributed
system support,...advanced functionality".(1987:1).
Una tesis para el grado de Philosophy Doctor (Ph. D.) basada en demostrar que el
sistema de memoria virtual de MACH era posible, y cuya prueba no era otra que el
citado estudiante lo había construido.
3.2.6. EL PROYECTO MACH COMO "TECHNOLOGY TRANSFER BY DESIGN".
En el 25 Aniversario del Computer Science en esta universidad, Rich Rashid se
encargó de publicar el libro final de la comemoración. En él, el propio Rashid
presentó una ponencia titulada: "MACH, A Case Study in Technology
Transfer"(1990).
En ella, explicaba la historia del "MACH Project" destacando su carácter de
tecnología transferida con éxito a la industria. Su modelo de transferencia

tecnológica lo denomina "technology transfer by design" , y difiere del
tradicionalmente empleado en el medio académico.
Desde hace años existe una creciente preocupación por la transferencia
tecnológica en Estados Unidos, y en Europa. Esta preocupación proviene del hecho
de que tal transferencia no funciona o funciona deficientemente. El modelo del
que se parte es el denominado "unique innovation engine", (Dertouzos.1988
CSTBoard). En él , las "universities" y su "basic research" ocupan el primer
lugar en la generación de innovaciones. Esta , luego, se transfieren a las
"venture companies" y a las "mature companies".
Pero veamos cuál es el modelo del MACH PROJECT. Rich Rashid en dicho papel lo
resume en un conjunto de rasgos:
1.) Mach Project se apoyó, en efecto, en una sólida base previa de investigación
"We began our work from a solid base of previous research experience".
At the time the Mach project began, I and other members of the project already
had as much as 10 years of experience in the design and implementation of
network operating systems. This experience led to simpler interfaces and more
rapid and effective implementation" (1990:412).
En efecto, existe en su origen una investigacóon básica pero basada en el
diseño, esto es, " the design and implementation" de sistemas operativos. Ya
hemos visto con anterioridad que la "computer science" realiza un tipo de "basic
research" distinta a la de la ciencia tradicional. Existe una investigación
básica cientiífica y otra tecnológica, también básica, que tiene por objetivo el
diseño.
2.) El sistema Mach se diseñó con un fin explícito de transferencia tecnológica.
"We had as an explicit goal of the project the transfer of technology to other
research groups and industry.
This was due in part because the project began as a collaboration with
government and industry and in part because our earlier experiences with
operating systems had led us to believe that we could only successfully validate
our research ideas through extensive use by application programmers" (1990:412).
MACH no ha salido del "basic research" ni siquiera tecnologico, sino de un
proyecto de la denominada "strategic research", concebido con una clara
orientación desde el principio de ser transferido al "real world", y por tanto,

con unas característica distintas a otros proyectos estratégicos.
La visión que la universidad tiene una tecnología ya elaborada, nacida de su
misión de crear conocimiento y presta a transferirla a la industria, no se
corresponde con la experiencia de MACH.
El sistema operativo MACH no existia como tecnologia preexistente al acuerdo
entre el equipo de R. Rashid, la DEC y DARPA. Fue un resultado de este proyecto
conjunto, y se pudo transferir porque se concibió desde el principio con esta
finalidad. Como explica Rashid: " From the earliest days of the Mach project, it
was envisioned to have an impact on the industrial and research development of
operating systems for parallel architectures...".(1990:413).
Antes se tuvo el objetivo de transferir la tecnología y luego se construyó ésta
ad hoc. Como afirma Rashid: "Technology transfer can happen by accident, but is
more realiable when done by design". (1990:420).
3.) El sistema Mach se planeó, en directo, como "product" , no como "prototype",
ni como "demo" (demostración).
Pero hay una razón más profunda planteada por Rashid. Este equipo creía que sólo
se podían validar sus ideas a través de su uso por la comunidad de
programadores:" we could only successfully validate our research ideas through
extensive use by application programmers" (Rashid, 1990:,
Ello introduce una visión distinta de la tecnología a la imperante hasta hoy en
la SCS. Hasta ahora, los sistemas informáticos construidos en Computer Science
se regían por el principio de "concept demostration". Servían para ejemplificar
nuevos conceptos. La "demo" es un término usado en esta cultura y que significa
esta actividad de demostrar un sistema construído, ejemplica el hecho que
funciona, "it works".
En explícito, se prefería este enfoque al "system engineering", que es el
sistema de demostración de la tecnología de los ingenieros, ligado más a la
construcción de un producto comercial, y cuya pieza básica es el prototipo.
Pero el enfoque de MACH está pensado para que funcione en el llamado "real
world": "We generate products, not only ideas" (Interview. 12-3-91). No sólo no
pretendía ser una "demo", sino tampoco un "prototype" sino un "product".
La tecnología así vista se valida si y sólo si funciona y transforma el "real
world". La norma de Rashid era clara: "Don’t build prototypes. Code that both
embodies new ideas and that works and works well is the best form of publication

and most convenient vehicle for technology transfer" (1991:420.). En suma,
ideas, diseños que funcionen, y funcionen bien.
Pero el término "product" hasta ahora se ha asociado a producto comercial. Pero
MACH no es un product en el sentido comercial, pues su objetivo no es que se
compre sino que se utilice, y para ello la forma adoptada ha sido distribuirlo
gratuitamente. Si hubiera aparecido como otro producto comercial, las empresas
lo habrían considerado un competidor y habrían ofrecido sus productos, con lo
cual el último perjudicado habría sido la propia empresa al no disponer de un
sistema operativo compatible. De esta forma, concibiéndose como producto
estratégico, no comercial, se ha podido adoptar por un sector más amplio que el
mero mercado: el sector de productores y usuarios de informática en un sentido
amplio.
Ello indica que determinados productos informáticos ven frenado su desarrollo
cuando se consideran sólo como productos comerciales . Esta informatica practica
en CMU no sólo es un "product" es un producto estratégico, y así es cuando se
desarrolla al máximo como el proyecto Mach indica.
4.) El equipo de Mach consiguió que este sistema proporcionara más prestaciones
que los otros sistemas, con igual o mejor "performance", manteniendo la
compatibilidad con ellos.
"We met important needs at a time when more traditional systems software
platforms did not". (Rashid, 1990: 412)
Este sistema daba más prestaciones que los existentes en el mercado, pues
permitía utilizar un solo sistema de software en diversas plataformas de
hardware.
"Mach Project" tuvo libertad para poder construir un sistema operativo
independiente de los diversos sistemas de hardware de las compañías pero
compatible con ellos.
" We recognize the need to provide binary compatible with earliers systems"(
Rashid, 1990: 412).
Este proyecto empezó como un proyecto conjunto entre DEC y CMU con ayuda de
DARPA, pero la finalidad del equipo no se limitó a servir a los planes de una
sola empresa: "In the fall of 1983, DEC approached CMU with a proposal to do
joint research on a 32-processor VAX multiprocessor system. Digital’s efforts
were to be concentrated in the area of multiprocessor hardware design ...CMU’s

contributions to this project were expected to be in the area of operating
systems, mesurement and performance evaluation...At the same time, DARPA was
beginning to fund a major initiative in high-performance parallel
processing--the Strategic Computing Program". (1990:413).
En la entrevista realiza a R. Rashid, este hizo hincapié en que su preocupación
era "how the system would be used". (12-3-91). Pero este usuario no se limitaba
a una sola empresa. Al estar financiado dentro de un programa de DARPA, el
proyecto podía presentarse al conjunto de la industria norteamericana: "We have
an advantage: not to work with a single company" (Rashid. Interview 21-5-91).
Una de las consecuencias de ello fue el que MACH no fue patentado sino que su
software el equipo lo decidió distribuir "free avaible for all people. This is
our decision".(Interview 12-3-91)
5.) El equipo de MACH introdujo una denominada "agressive distribution policy".
(1990:420).
El proyecto se empezó en Octubre de 1984. En un año y medio la primera versión
de Mach funcionaba en un procesador VAX 11/784. Desde el principio el equipo
distribuyó el sistema entre los propios computer scientists de CMU a fin de
convertir a MACH en el "primary computing environment for the school".
En agosto de 1986, aparecía en la UNIX Review un artículo de Richard Rashid,
"Threads of a new system", donde presentaba públicamente el proyecto.
En enero de 1987, empezaron la distribución de Mach a grupos fuera de CMU. En
Mayo de 1988, cerca de 100 sitios fuera de CMU usaban MACH. En septiembre de ese
mismo año, la compañía NeN anunciaba que basaría su nueva estación de trabajo en
una versión de Mach. En noviembre de 1989, la Open Software Foundation (OSF), un
consorcio de grandes fabricantes de computers anunciaba planes de basar su
primer sistema operativo en una versión de Mach, y al año siguiente varios
miembros de este consorcio anunciaban que Mach sería el sistema operativo de
varios productos que se preveían en el mercado para 1991.
Rashid acababa su papel en el 25 Anniversary del departamento con esta frase:
"Be aggressive in marketing new ideas and systems". (1990:420).
Conclusiones del caso MACH como transferencia tecnológica:
1. La innovación es una idea-producto, no una idea sólo. Se apoya en un tipo de
investigación básica basada en el diseño, pero sale fundamentalmente de lo que

se denomina "applied research".
2. La transferencia de Mach se planeó antes de diseñar el sistema operativo. La
"technology transfer by design" se adelanta en este caso a la propia "research".
Se inventa lo que se quiere transferir. No al revés.
3. La empresa productora es usuaria de este tipo de tecnología que tiene un
carácter estratégico, pues va orientada a solucionar un problema no de la
empresa sino del conjunto de usuarios de informática, un sistema operativo
compatible con todo tipo de hardware.
4. El equipo de Rashid produjo no una idea técnica viable sino un producto que
funcionaba. Pero la prueba que funcionaba es que era usado por la comunidad de
programadores. La tecnología es una actividad cultural y su validez la
proporciona su uso por la comunidad en cuestión a la que se dirige. Si no se
utiliza, no es válida.
El problema en la denominada "technology transfer" es que puede que las
universidades tengan menos tecnología de la que se cree para transferir. Con lo
que el "technology transfer" ha de empezar planteándose como "technology
design", la generación de una tecnología que esté pensada para ser utilizada en
el "real world". Y aún más. Se precisa que las universidades se planteen como
centros de diseño de sistemas, productos, organismos innovadores para la
sociedad.
En las mismas jornadas del 25 aniversario, otro antiguo profesor de CMU, Sam
Fuller, hoy reponsable de los programas de investigación de la empresa DEC,
hablaba del mismo tema que Rashid: "Technology Transfer". Si bien señaló la
necesidad de una reevaluación del tema, el esquema que empleó para su estudio
seguía la tradicional secuencia: UNIVERSITIES--INDUSTRY-PRODUCTS.
Pero Mach Project ha introducido una nueva secuencia:
"UNIVERSITIES"-- "STRATEGIC PRODUCTS"-- "SOCIETY", esto es, (Universidades,
administración pública, compañias).
Determinados equipos de CMU empiezan a construir nuevos productos que
distribuyen agresivamente no sólo a las empresas, al conjunto de ellas, no solo
al Departamento de Defensa o la administración pública, sino también a su propia
universidad y otros centros de investigación . Estos productos tienen un
distinto carácter, se rigen por criterios no comerciales sino de utilidad
general o estratégica como MACH

3.2.8." TERRA OS" PROJECT : EL FUTURO DE MACH .
Este proyecto de diseño de este sistema operativo , que permite a ordenadores de
distinto tipo trabajar en red, se ve continuado ahora con el proyecto de CMU:
"VERY LARGE SCALE OPERATING SYSTEMS" (1990-1993), financiado también por DARPA,
dentro del mismo programa de Strategic Computing.
El equipo inicial formado en 1989 estaba formado por Rich Rashid, Eric Cooper,
Scott E. Fahlman, Alessandro Forin, Robert Sansom, Peter Steenkiste y Hideyuki
Tokuda.
Este proyecto pretende construir un nuevo sistema operativo, denominado TERRA
OS, construído sobre el propio MACH, para hacer frente a los problemas de la
tecnología informática en la década de los 90s: "Ultimately, our vision of
TerraOs is one of an operating system environment layered upon an advanced
version of the Mach kernel. This environment would allow large multiprocessors,
supercomputers and geographically dispersed collections of computer systems to
operate not as a collection of autonomous systems with interconnectivity (as is
the case today) but as a single system organism". (CMU-CS, Research on Parallel
Computing. 1989.1-1).
Este proyecto cobra sentido si lo situamos en un contexto más amplio. Estados
Unidos está poniendo en marcha un proyecto denomindo "NATIONAL RESEARCH AND
EDUCATIONAL NETWORK", (NREN), inicialmente aprobado por el Congreso y el Senado,
para construir una red nacional que una a toda la comunidad de investigadores y
educadores en Estados Unidos mediante una red de fibra óptica y basada en
ultrarapidos supercomputadores.
CMU está construyendo la red Gigabit NECTAR que pretende ser un experimento
piloto de este proyecto.
Ello plantea enormes problemas de compatibilizar sistemas informáticos muy
diversos, desde ordenadores personales a supercomputadores y multiprocesadores.
Desde arquitecturas Von Newmann a sistemas de computación en paralelo.
Hace falta un sistema operativo que proporcione una base para el funcionamiento
de dicha red. Son diversos los esfuerzos internacionales que se estan dando para
construir ese tipo de sistema operativo.
En Estados Unidos, hay en la actualidad cinco proyectos que tratan de resolver
dichos problemas: los sistemas SPRITE y DASH en la University of California at
Berkeley, el V KERNEL en Stanford, el LOCUS en la University of California at
Los Angeles, y el QUICKSILVER OS que desarrolla el Almaden Research Center de

IBM. En Europa hay dos proyectos similares, el AMEOBA, de la Universidad de
Amsterdam, y el CHORUS iniciado por el INRIA de Francia, primero y continado por
Chorus System, Ltd.
Este nuevo sistema de CMU continúa la misma orientación hacia la industria
iniciada por MACH: "The commercial success of the Mach kernel has placed us in a
unique position of direct contact with the hardware development organizations of
many companies and given us access to information about their development plans
(both research and commercial). We are currently intimately involved with both
major UNIX systems groups...and with a large numbers of individual
companies...We hope to use our position of access and trust to greatly speed the
transfer of Terra Os technology to industry". (1989:6-1).
Así mismo, MACH está siendo utilizado por otros proyectos en la propia School of
Computer Science como el grupo de Speech Understanding y el que trabaja en " New
Concepts for Advanced High Definition System" (1991-93), basado en la fusión de
la tecnología informática , el video, y las telecomunicaciones, "tres mundos
tecnologicos distintos que tienden ahora a converger" según Angel Jordan,
director de este último proyecto.
En resumen, Mach ha conseguido el propósito que pretendían sus creadores, ser
una "enabling technology", a cambio ha producido cambios importantes en el tipo
de investigación realizada en la School, y continúa otros aspectos de la vieja
filosofía de CMU. En palabras de Rich Rashid: "That comes back to the
long-standing philosophy at Carnegie Mellon that, in the systems area, we not
only come up with good ideas and design and build prototype systems, but we
build things that work and that other people can use...We really do use our own
stuff, and we view that as being an important attribute of our work". (Rashid,
CMmagazine, 1990:42).
Esto significa "research" para este computer scientist de CMU.
3.3. LA DENOMINADA "BASIC RESEARCH IN PROGRAMMING SYSTEMS": "GANDALF",
"ERGO", "TYPES IN PROGRAMMING".
3.3.1. LA DEFINICION TRADICIONAL DE "BASIC RESEARCH".
Según la definición comúnmente aceptada por la National Academy of Science y la
National Academy of Engineering de Estados Unidos :"Basic Research is a
systematic study where the primary aim of the investigator is directed toward

fuller knowledge or understanding of the subject under study, rather than a
practical or commercial application thereof" ( NAS, 1989:2-22).
En esto no se ha cambiado desde la definición de qué era investigación pura
hecha por Vanevar Bush en 1945: "Pure research is research without specific
practical ends. It results in general knowledge and understanding of nature and
its laws. This general knowledge provides the means of answering a large number
of important practical problems, though it may not give a specific solution to
any one of them" (1945:81).
Se mantiene la idea que la teoría no es práctica, y se basa en la comprensión de
las leyes de la naturaleza. Y que ésta es la tarea más propia de la Academia. A
su vez, la práctica no es una investigación propia de la academia sino de la
industria, y su lugar es el laboratorio industrial.
Esta visión de la investigación ha tenido consecuencias para Estados Unidos que
sólo ahora ,con el auge de Japón, se empiezan a apreciar. Igual que a principios
de siglo le ocurrió a Estados Unidos respecto a Europa, el motor actual de la
innovación en Japón, no parecer su potencia científica sino tecnológica.
Pero en "Computer Science", Estados Unidos aún mantiene una clara superioridad.
Veamos que significa "basic research" en esta área de Programming Systems de
CMU. En ella, la "naturaleza" a estudiar la hace el propio "computer scientist"
y éste no puede dejar de resolver los problemas que esta construcción.
Un programa de "basic research" en CMU es GANDALF, dirigido por Nico Habermann,
y que es continuado ahora con el proyecto "OBJECT MANAGEMENT" (CMU-CS- Basic
Research, 1989), dirigido por J. Wing y Nico Habermann. Este último proyecto
está incluído dentro de la propuesta enviada a DARPA como "BASIC RESEARCH IN
COMPUTER SCIENCE", en respuesta a su Announcement 89-05 de 28 de Diciembre de
1989.
3.3.2. "BASIC RESEARCH IN PROGRAMMING TECHNOLOGY": GANDALF PROJECT.
Durante los últimos 10 años, entre 1980 y 1990, un equipo de computer scientists
de CMU dirigido por Nico Habermann, decano de la School of Computer Science
hasta 1991, ha realizado un proyecto de investigación denominado GANDALF. El
proyecto ha investigado "software environments that are interactive, integrated,
task-specific, and have direct manipulation user interfaces" (1990:69).
Nico Habermann es "professor" de la School of Computer Science y hasta 1991,
decano de esta escuela. Bajo su dirección, dos cambios importantes sucedieron en

la Computer Science en CMU: 1. El departamento se convirtió en colegio
universitario, separándose del de Ciencias. y 2. Se constituyó el Software
Engineering Institute (SEI), fuera del Computer Science de CMU.
Nico Habermann es doctor en Applied Mathematics por la Technological University
de Eindhoven, Holanda, país donde nació en 1932. Llegó a Carnegie Mellon en
1969, colaborando con Alan Perlis inicialmente en la área de lenguajes de
programación, y más tarde en ingeniería del software: Según afirma:
"My research interest is in software engineering and in the design and
implementation of programming languages, operating systems and programming
environments" (CMU-CS . Faculty Research Guide, 1991-92:34).
No deja de ser curioso que el principal interés del decano de la School of
Computer Science sea una ingeniería: la ingeniería del software. Habermann fue a
su vez, el primer director del SEI.
Los dos proyectos principales en los que en 1991-92 estaba envuelto eran:
GANDALF y CS-EDU. Ese último es un proyecto educativo: se trata de basar la
educación introductoria en "programming" en un sistema de construcción y
análisis de sistemas de software.
El Gandalf System es un "ambiente" especializado en la tarea de construir otros
"ambientes" de programación. Sirve para tres funciones: 1. Apoya al diseñador de
estos "ambientes" proveyéndole de instrumentos denominados "editors", el
mecanismo que permite al usuario crear estructuras como archivos, bases de
datos,... 2. Coordina el proceso de generación comprobando la consistencia de
las descripciones de dichos mecanismos. 3. Controla la evolución de dicho
"ambiente". Los resultados son que este sistema reduce drásticamente el tiempo
requerido para producir un "ambiente" de programación integrado.
Esta investigación arrancó a mediados de los 70s, bajo la denominación de
"Software Technology" en CMU. Según la proposal enviada a la entonces ARPA para
el periodo 1977-78: "The long range goal of software technology, and the CMU
program in particular, is to increase our ability to predictably produce high
quality hardware/software systems." (CMU-CS. 1977-78:13).
Las implicaciones prácticas de la tecnología del software, según el texto
citado, eran inmensas. Casi el 70% del presupuesto del Departamento de Defensa
en informática por aquellas fechas se dedicaba al software y sólo el 30% al
hardware. Y se preveía que para 1985, el software llegara a representar el
90%.(ibid.:11).

Esta tecnología se componía de dos partes: "the principles and knowledge (the
know-how) to be used in producing software, and the tools (primary software
systems themselves) used in the production of software --compilers, debuggers,
editors, design systems,etc".) (ibid.:11).
El problema planteado en la tecnología del software se resumía en una palabra:
"complexity". El ordenador funcionaba con una extremadamente complicada
combinación de operaciones concretas muy simples. La tarea del programador era
simplificar esa complejidad mediante la creación de operaciones abstractas
dirigidas a ejecutar determinadas tareas. Ya hemos visto en el MACH PROJECT
algunas de estas "task-specific abstractions".
En la Proposal for Information Processing Research, sometida a DARPA, para el
periodo 1980-83 se proponía continuar la "basic research in programming
technology", con varias aplicaciones. Entre ellas ya se proponía un "advanced
programming environment" para el lenguaje ADA, el que preconiza el Department of
Defense para unificar sus diferentes sistemas informáticos.
Segun la propuesta: "Programming Technology (PT) is concerned with all aspects
of the construction of hardware/software systems. Specifically, it aims at
obtaining ‘high quality systems’:systems that are produced on time, that are
produced to budget, that are correct, that are efficient, that can be maintained
and enhanced, and that are tolerant to their human users". (CMU-CS.
1980-83:5-1).
Se trataba pues de una investigación básica pero de carácter distinto a la
clásica en física o química. Era una investigación sobre una tecnología, y el
objetivo de la misma era la construcción de dicha tecnología. Esta tarea se
planteaba con un carácter normativo y claramente prefigurativo,en el sentido de
Margaret Mead.
" Programming Environments of the future must have two properties not found in
current systems. -The environment must provide an integrated set of system
design and maintenance tools. - The environment must support the collaboration
of many programmers and the cohexistence of many software modules over a long
period of time" (1980:5-5).
Si comparamos la noción de "medio ambiente" de las ciencias naturales y la de la
"computer science", en la que se inspira, vemos diferencias claves. La teoría de
la selección natural explica que los seres vivos sobreviven por su mejor
adaptación a las variaciones del medio en el que se desarrollan. Pero en el caso

de los "programming environments" es distinto. Estos sistemas son del todo
artificiales, los construye el "computer scientist". Este tiene la iniciativa en
su diseño, construye el artifacto mecánico y con él construye una nueva
naturaleza artificial.
Es claro que estos "environments" son tambien naturales, no son algo
"sobre-natural" o "anti-natural" y también evolucionan, como el resto de
ecosistemas, pero apreciamos que el ser humano tiene un papel clave en la
iniciación de los mismos y en su evolución. De igual forma que la tecnología se
adelanta a la ciencia en "computer science", el diseñador se adelante a su
diseño. Las relaciones natura-cultura se invierten, y pasan a ser
cultura-natura.
De momento, estos "programming environments" tienen aun una influencia reducida
en la vida del ciudadano corriente. Pero al igual que las redes de carreteras,
teléfonos o los propios sistemas urbanos, estos "environments" pueden ser la
infraestructura básica de las diferentes culturas en un próximo futuro y es
conveniente que en su diseño participen, desde el principio, alguien más que
"computer scientists".
3.3.3. GANDALF PROJECT : DISEÑANDO HERRAMIENTAS PARA LOS SOFTWARE
ENGINEERS.
Pero lo más interesante del GANDALF PROJECT es que se concibe como un proyecto
para diseñar herramientas de programación para los software engineers.¿ Qué
significa esto?. Significa que la "computer science" se concibe a sí misma en
estos proyectos como un instrumento al servicio de la ingenieria del software,
reconociendo así que la relación denominada Science&Technology está invertida en
este campo.
Hasta ahora la tecnología era, y es, considerada por la ciencia como el saber
encargado de producir herramientas, "tools" para avanzar el conocimiento de la
naturaleza. Aún hoy macroproyectos como el High Performance Computing and
Communications (1992) de la National Science Foundation y otras agencias
federales, pretende construir una nueva generación de ordenadores ultrarrapidos
al servicio del avance de la ciencia, la biología y su proyecto Genoma Humano,
la física y su estudio de la dinámica atmosférica y la biosfera de la Tierra, y
otros.
Incluso en CMU, sicólogos cognitivos como Herbert Simon usan el ordenador como

herramienta para el descubrimiento de como funciona la mente humana.
Pero en estos proyectos de investigación básica de Computer Science como
GANDALF, la relación se ha invertido. La ciencia sirve a la tecnología
construyéndole las herramientas, los ambientes y lenguajes de programación
necesarios para realizar la tarea sustancial: diseñar un software adecuado. En
este campo, la que tiene la responsabilidad de avanzar el contenido de la
disciplina es la tecnología, y quien construye herramientas para ayudar en esta
tarea es la ciencia.
Esta relación la volveremos a ver en Dana Scott y su "denotational semantics"
que no deja de ser una técnica de programación. Y la encontraremos de nuevo en
Computer Systems, en investigaciones como la de Randall Bryant que construye
dispositivos de validación lógica que ayudan al diseño de circuitos integrados a
gran escala. (VLSI) que realizan los ingenieros electrónicos.
La ciencia en la "computer culture" de CMU complementa, ayuda a la tecnología,
siendo un instrumento para acelerar el proceso de innovación, no su motor
fundamental.
En la propuesta a DARPA de 1984-86 (CMU-SCS- 1984-86), el proyecto GANDALF
introdujo una nueva dimensión, la del "knowledge-based environment", los
ambientes informáticos podían contener conocimiento experto
Recordemos que la tecnología de programación se dividía en dos partes. En primer
lugar, el "know-how" o los conocimientos sobre como programar ( las metodologías
, los conceptos de programación, los algoritmos a ejecutar). En segundo lugar,
las herramientas o "tools" para programar.
Los investigadores de GANDALF empezaron a considerar la posibilidad de
introducción de conocimientos expertos en el ambiente de programación para
facilitar la labor del usuario:"We want to explore the kind of expert knowledge
about system building that can be included in a programming environment and in
what respects system development can be a cooperative effort of environment and
user". (1984:5-2). A destacar aquí la forma en que aparece este cambio: como una
posibilidad nueva, un "can be". Las innovaciones surgen inicialmente como una
posibilidad u "oportunity", como ya vimos con Logic Theorist y otros proyectos.
El problema era introducir un mecanismo que permitiera al diseñador de los
llamados "environments" definir y comprobar la denominada semantics" de las
estructuras abstractas que él introducía en el sistema. Para ello, se elegía un
"better approach". En lugar del "procedural approach" que complicaba la tarea

del diseñador se optaba por "descriptive mechanisms" como los de la técnica
denominada " mathematical (denotational) semantics" desarrollada por el lógico
matemático Dana Scott, profesor de CMU desde 1981, donde N. Habermann y Merrick
Furst le ofrecieron un puesto.
Se trataba de introducir lo que los autores del GANDALF project llamaban " a
entirely new attitude towards the very role of a programming tool in the program
creation and validation process. It should be emphasized, however, that the
development of practical semantically based tools is a long-term goal requiring
new theoretical insights about programming-language theory. Nevertheless, it is
a goal that is essential to pursue". (CMU-CS-Proposal 1984-86.:5-5).
El cambio era sustancial. Se trataba de pasar de concebir el programa
informático de un "procedure" a una "derivation". El método tradicional de
construcción de los programas había sido el presidido por la frase: "GOTO". Se
trazaba un gráfico ("flowchart") que describía la secuencia de pasos a seguir
para la ejecución de la tarea, con la que se resolvía el problema. De ahí el
termino, "go-to". El programa terminaba cuando se cumplian las especificaciones
u objetivos a cubrir.
El nuevo enfoque partía , por contra, de las especificaciones que debía cumplir
el programa y por derivación se desarrollaban las implementaciones
sucesivamente. Es tipo de programación se denominaba "inferential programming",
dado que se concebía como una sucesión de inferencias derivadas de los objetivos
a cumplir - El primero primaba la eficiencia ("efficiency") el segundo la
claridad ("clarity"). Ambos procedimientos eran técnicas al servicio del mejorar
el "programming".
GANDALF se pasaba a apoyar en un nuevo proyecto de investigación denominado ERGO
PROJECT, presentado a una agencia distinta, la Office of Naval Research, para el
periodo (1984-88) y dirigido por W.Scherlis y Dana Scott, cuyo objetivo era la
construcción de un sistema experimental de "inferential programming", en
concreto para construir los denominados "Semantically Based Programming
Environments".
De esta forma, el programa de investigación básica inicialmente llamado
"PROGRAMMING TECHNOLOGY" se subdividia en dos áreas distintas. En la "proposal"
de 1987-90, se pasaban a denominar "PROGRAMMING ENVIRONMENTS" y "REASONING
ABOUT PROGRAMS", la primera dirigida por Nico Habermann y la segunda por Dana Scott y
William Scherlis.

De forma paralela, a principios de los 80s se había puesto en marcha la
"SOFTWARE INITIATIVE", un programa del Departamento de Defensa, dirigido a
resolver dos grandes problemas a los que se estaban enfrentado los sistemas de
defensa no sólo de Estados Unidos, sino de toda la OTAN : la enorme complejidad
de los sistemas de software y su elevado costo. El concepto de "programming" ya
era insuficiente para abarcar el problema planteado en esos sistemas
informáticos. Se imponía hablar ya de "software", y , más aún, de "complex
software systems", así como de la educación de profesionales para el diseño y
mantenimiento de dichos sistemas. Nacía el "software engineering".
CMU firmaba el 28 de diciembre de 1984 un contrato con el Departamento de
Defensa para establecer el Software Engineering Institute, como centro federal
de investigación y desarrollo con la misión de abordar la solución de esos
problemas.
Analicemos separadamente estos nuevos programas de investigación, que se pueden
concebir como partes del área de "Programming Systems".
3.3.4. ERGO PROJECT : EL "DESIGN-BASED APPROACH".
En julio de 1983, Dana Scott y William Scherlis escribían un artículo titulado :
" First Steps Towards Inferential Programming" (1983) publicado por el
Department of Computer Science de CMU.
En él, se proponía la nueva investigación sobre la siguiente premisa: "Our basic
premise is that the ability to construct and modify programs will not improve
without a new an comprehensive look at the entire programming process".
(1983:2).
Se partía, pues, de pretender mejorar la habilidad de los programadores para
construir y modificar programas informáticos. Para lo cual, estos profesores
proponían un "research program" cuyo propósito inicial era comprender el proceso
de programación: "A initial goal of research must be to discern the basic
structural elements of the process of programming and to cast them into a
precise framework for expressing them and reasoning about them. This
understanding must be embodied in a logic of programming--a mathematical system
that allows us not only to reason about individual programs, but also to carry
out operations (or transformations) on programs and, most importantly, to reason
about the operations". (1983:2).
Scherlis manifestaba que su línea de investigación iba dirigida a comprender:

"understanding of the programming process--the methods by which we invent,
specify, implement, adapt, and reason about programs and systems"(Scherlis.
GSCS:41). Hasta ahora los programas de investigación se habían dirigido en
Programming a mejorar esta actividad, mediante el diseño de nuevos lenguajes o
ambientes. Eran programas aplicados.
Ahora se pretendía investigar como se diseñaban esos mismos programas. Sólo en
sicología cognitiva, Herbert Simon y Allen Newell estaban intentando comprender
también la mente humana vista como "problem solving", y no estaba centrada en la
actividad de programación en especial sino en cualquier actividad de resolución
de problemas. Con esta nueva línea de investigación cobraba fuerza el denominada
"Logic Metaphor" (H. Simon, 1990:459) en Computer Science de CMU.
Scherlis y Scott veían el "programming" como una lógica, y de ahí se podía
considerar a los programadores como lógicos derivando un programa de sus
especificaciones originales mediante procedimientos de inferencia lógica. En el
futuro, los programas según estos autores serían: " descriptions of program
derivations".(1983:23).
William L. Scherlis era associate professor en Computer Science de CMU donde
llegó en 1980, sirviendo en la actualidad en DARPA. Recibió la graduación en
Applied Mathematics de la Harvard University en 1974 y el doctorado en Computer
Science en Stanford en 1980.
Desde el principio, este profesor centró su investigación en "the practical and
theoretical aspects of programming languajes and systems, with a focus on the
development of advanced environments to support the design and adaptation of
software systems". (CMU-CS- FRG. 1989-90:73).
Por su parte, Dana Scott es Hillman University Professor of Computer Science,
Mathematical Logic and Philosophy en Carnegie Mellon, a donde llego en 1981. Se
graduó en Mathematics en Berkeley en 1954 y se doctoró en la misma especialidad
en Princeton University cuatro años más tarde. Es una autoridad internacional en
estas áreas, siendo nombrado miembro de la National Academy of Sciences en 1988.
Sus intereses son múltiples, en concreto en computer science van dirigidos,
según sus propias palabras: "to the development of denotational semantics of
programming languages and the mathematical foundations of a suitable theory of
computability". (CMU-CS-FRG. 1991-92:70). Su llegada a Carnegie Mellon reforzó
la tendencia a una mayor formalización de la Computer Science, animando la
construcción de una denominada "Logic Community" (Carnegie Mellon, Graduates

Studies in Computer Science, 1991-92:9) entre miembros los tres departamentos a
donde este profesor está adscrito: Mathematics, Philosophy y Computer Scienc
En 1984-88 se desarrolló una primera fase del ERGO PROJECT, subtitulado
"Foundations of Program Derivation/Researchfor Semantically Based Programming
Environments". De 1989 a 1991 se ha desarrollado una segunda, donde el proyecto
ha variado algo su título. Ahora se denomina: "Semantically Based Program-Design
Environments". Se introducía un cambio, un nuevo enfoque denominado
"Design-Based Approach", que no estaba en la propuesta inicial. Se trata de una
nueva forma de abordar el paradigma del "inferential programming".
El equipo de ERGO formado por Peter Lee, Frank Pfenning, John Reynolds, Gene
Rollins y Dana Scott, en 1988 en un papel conjunto lo explicaban. En el proceso
de derivación de los programas por inferencia, no sólo se recogerían para su
estudio las especificiaciones y como se cumplían sino también las decisiones del
programador o "design information" (CMU-CS- Ergo Project, 1988:1) que éste
adoptara a lo largo de ese proceso. Estas decisiones no quedan normalmente
representadas explícitamente en los programas, pero son claves para la
adaptación, el analisis, la verificación y otras actividades en la vida de un
sistema de software.
Este programa que tenía por objeto " a sound understanding of the process of
programming", y descubría un aspecto oculto en las distintas teorías de
programación: "During the process of software development, a programmer makes
many decisions. Conceptually, these decisions constitute a body of design
information that describes how an implementation is related to the original
specification or set of requirements...Unfortunately, descriptions of design
decisions are not generally represented explicitly in programs, either as formal
structures or informal comments, and thus are usually lost or forgotten...The
primary need is to capture design information at the appropiate points during
program development, and then to show how to use this information in an
effective way". ( ibid1988:1-2).
En la propuesta realizada para la nueva fase de ERGO PROJECT a DARPA y a la
Office of Naval Research ese mismo año, se incluía ya este enfoque y el proyecto
de construir un denominado "engineeering framework": el Experimental
Program-Design Environment (EDPE). Su misión de "retention, formalization, and
reuse of design information". La comprensión del proceso de programación, de la
"logic of programming" localizaba una información hasta ahora perdida que

denominaba "design information", para lo cual era preciso construir un
instrumento ingeniero para recogerla.
Esta investigación, de continuar, puede llevar a la conclusión que la actividad
de programación es una actividad de diseño, esencialmente.
Simultáneamente, para el periodo 1987-90, Carnegie Mellon presentaba a DARPA
dentro de su Proposal for Information Processing Research, una investigación
básica sobre "Reasoning about Programs". Esta investigación era a la vez una
investigación del area de Programming Systems y de Theory en el Department of
Computer Science de CMU, llevada a cabo por profesores que trabajaban en ambas
áreas como Stephen D. Brookes y Dana Scott.
Se afirmaba en la propuesta: "The overall aims of the project involve basic
foundational research into theoretical issues in the semantics of programming
concepts, motivated by practical needs. In particular we want to develop
semantically based tools for reasoning about programs including such issues as
concurrency and abstraction". (1987-90:6-1).
Este era un programa de "basic research" sobre teoría de los lenguages de
programación o "programming-language theory".
La noción de "theory" es propia del sistema de conocimiento científico, como
sistema cultural dominante en la actualidad. Las culturas primitivas y sus
sistemas de conocimiento mitopoéticos, se basan en representaciones
fundamentales que denominamos mitos, forma socialmente aceptada de organizar sus
principales sistemas de creencias. Las teorías científicas son estas formas para
las culturas científico-técnicas. Con todo, el fin perseguido por ambas es el
mismo: explicar el mundo para poder dominarlo. Para Popper, "Las teorias
cientificas son enunciados universales,...redes que lanzamos para apresar
aquello que llamamos " el mundo": para racionalizarlo, explicarlo y dominarlo"
(1962:57). La meta del hombre de ciencia teórico es, según Popper: "Encontrar
teorías explicativas (si es posible verdaderas); es decir teorías que describan
ciertas propiedades estructurales del mundo que nos permitan deducir,
valiéndonos de condiciones iniciales, los efectos que se trata de explicar".
(1962:59).
Pero, ¿qué significa "theory" para las computer cultures?. Significa lo mismo
que para las culturas cientificas restantes?. Ya hemos visto la diferencia de
"mundos" que separan las ciencias naturales de lo que Simon denomina "sciences
of design". Existirá también una diferente concepción de "theory" en ambos

mundos?.
De entrada, no puede explicarse un mundo que no existe, la teoría de los mundos
artificiales tendrá que estar precedida por el diseño de dichos mundos. Ello lo
volvemos a comprobar en este proyecto de "programming language theory".
Centrémonos en sus dos temas fundamentales de investigación : " fundamental
programming language concepts" y "theoretical foundations".
Empezaremos por este último. El marco de referencia que se propone para
desarrollar la fundamentación teórica de los lenguajes de programación se
denomina: "Constructive Logic". (CMU-CS- Proposal 1987-90: 6-17).
Esta orientación proviene de la matemática constructiva, utilizada por los
matemáticos aplicados, que sostiene que cualquier legítimo objeto matemático
debe ser construído en una serie finita de etapas, comenzando un pequeño número
de objetos primitivos, y procediendo paso a paso. Este enfoque está en directo
conflicto con el platonismo que sostiene que los objetos matemáticos existen
independiente de nuestras mentes, que han de ser descubiertos, no inventados.
William F. Aspray, Jr. (1980) ha destacado la influencia de esta matemática
constructiva en los fundadores de la computer science, Alan Turing y J.Von
Newmann. Igualmente influye en la "constructive logic" de este programa de
"Reasoning about programming" de CMU.
Según los autores del mismo: "Logic cannot be used in a ‘pure’ form entirely
without reference to intended applications. Programming language semantics, for
example, already sets out preferred data types of objects, and proofs must be
oriented to these kinds of defined structures. This causes the logician to take
into account the explicit design of the programming language in working out
proof strategies". (1987-90:6-29). El lógico se hace diseñador, adoptando un
valor de la cultura tecnológica del ingeniero.
Ello empieza a cambiar el sentido de la "theory". De concebirse según la ciencia
empírica , como un conjunto de enunciados que explican una realidad dada, estos
investigadores pasan a darle una nueva función: "The point is this: it is not
true that theory can serve only descriptive purposes. Theoretical insighits are
more appropiately applied in a prescriptive role--as a means for achieving
simplicity rather than alleviating complexity. It is our belief that this type
of role must be adopted before the benefits of theoretical research can be felt
extensively by the programming language community". ( op. cit.1987-90:6-3).
Es bajo este marco de "contructive logic" que se trabaja en el proyecto para

construir una teoría unificada de los lenguajes de programación: "The second
area of research involves knowing how, under the framework of constructive
logic, a unification can be achieved of the methods of recursion theory, proof
theory, type theory, domain theory, and denotational semantics...This
unification will have critical consequences for designers of systems that reason
about programs". (1987-91:6-29).
Pero el enfoque del proyecto parte no de la "constructive logic"en general, sino
una aplicación de ésta a la "computer science", en concreto, su aplicación a los
lenguajes de programación, donde Dana Scott realizó junto con Chistopher
Strachey su contribución fundamental: la técnica de "denotational semantics"
para la descripción de programas informáticos.
Dicha técnica consiste en construir definiciones semánticas en lenguaje
matemático ("denotational") y manipular esas definiciones sobre lenguages y
programas informáticos. Este enfoque semántico formal acerca de los lenguajes de
programación era una innovación. Hasta entonces había prevalecido el enfoque
sintáctico, preconizado en linguística por Chomsky, por el cual se analiza un
lenguaje por su estructura sintáctica, libre de contexto y significado. El
enfoque semántico se basa, por contra, en asignar significados o valores a las
expresiones o programas en el lenguaje.
Dana Scott afirmaba ante la concesión del Turing Award, en 1977: "From the late
1960’s my own work has concentrated to give a better conceptual understanding of
programming languages...What I try to do is to make some results from logic
which seem to me to be relevant to computing comprehensible to those who could
make use of them". (1977:635) y terminaba diciendo: "The method of semantical
definition does in fact work".(ib: 641).
En el texto no queda claro si se trata de una técnica o de una teoría que
permite comprender mejor los lenguajes de programación, o de ambas cosas a la
vez.
Dentro de este enfoque, "Reasoning about Programing" pretendía el desarrollo de
su otro gran tema de investigación: los conceptos fundamentales de los lenguajes
de programación : "type structure", "abstraction mechanisms (procedures,
modules, abstract data types)" "concurrency", "nondeterminacy",interference".
(op. cit.: 6-4). Un principal concepto matemático que se planteaba desarrollar
el proyecto era el de "types", concepto que se consideraba útil para construir
lenguajes de programación. Esta investigación ha dado lugar a un nuevo proyecto

denominado "TYPES IN PROGRAMMING". (CMU-CSD-Basic Research in CS: 1989).
3.3.5. EL "TYPES IN PROGRAMMING PROJECT" : LA DENOMINADA "TYPE THEORY"
COMO INSTRUMENTO DEL "PROGRAMMING".
TYPES IN PROGRAMMING (1990-1993) (CMU-CSD-1989). es uno de los cinco programas
en "basic research" planteados por CMU a DARPA para el periodo en curso. Los
otros ya los hemos citado: dos en Inteligencia Artificial, :"Integrated
Architectures for Intelligent Systems" e "Image Understanding" y dos más en
Programming Systems: "Object Management" y " Creating Graphical Applications".
El equipo que lo lleva adelante está formado por Dana S. Scott, John Reynolds,
Daniel Leivant, Robert Harper, Peter Lee y Frank Pfenning.
Las áreas de interés de Dana Scott ya las hemos descrito con brevedad
anteriormente.
Un investigador destacado del equipo es John Reynolds , Professor of Computer
Science en CMU. Es doctor en física teórica por Harvard, en 1961. Según el mismo
indica en la Faculty Research Guide de 1991-92:
"My research centers on the design of programming languages and languages for
specifying program behavior, mathematical tools for defining the semantics of
such languages, and methods for proving that programs meet specifications".
(CMU-CS-FRG, 1991-92:66).
Esta investigación la divide en dos partes:
"At present, my main interest is type theory .The last fifteen years have seen
the discovery of a variaty of type systems that have vastly enlarged our notions
of what types are and how they might be used. My goal is to understand the
semantics of these systems and to find a general concept of type of which they
are all instances". (ibid.: 66).
"A second area of interest is the design, definition, and proof methodology of
languages, such as Algol, that combine imperative constructs with a powerful
procedure mechanism. This has to led to the design of Forsythe, and extremely
general and uniform Algol-like language that encompasses object-oriented
programming" (FRG 1991-92:66).
Si nos fijamos en estos dos últimos objetivos, éste sería un programa de
investigación tradicional como el de la física, primero descubrir ("what the
types are"), luego utilizar esos descubrimientos para diseñar ("design
languages"). Pero estos dos objetivos estan precedidos por otro objetivo que J.

Reynolds lo sitúa en primer lugar, y por el cual su investigación se centra en
el diseño de lenguajes de programación. El esquema no sería
DESCUBRIMIENTO-DISEÑO, sino DISEÑO 1-DESCUBRIMIENTO-DISEÑO 2.
Por su parte, Daniel M. Leivant, associate professor en CMU y doctor en Lógica
por la Universidad de Amsterdam desde 1975, está especializado en aspectos
fundacionales del computing y en "constructive mathematics": "My research
interests are in the foundations of programming and of computing.".(FRG,
1990-91:47).
Otro investigador del equipo es Robert Harper, Research Computer Scientist en
CMU, y doctor en Computer Science por Cornell desde 1985. Según afirma Harper:
"My principal research interest is in the application of logic and semantics to
the practice of program development. The fundamental tenet of my research is
that the methods of mathematical logic may be usefully applied to problems in
computer science, providing the conceptual basis for the development of reliable
and elegant software systems".(FRG 1991-92:35).
Por su parte, Peter Lee, Assistant Professor de CMU , doctor en Computer Science
por la Universidad de Michigan, e investigador también del proyecto ERGO,
afirma:
"My research interests are in the design and implementation of programming
languages. More specifically, I am interested in languages and compilation
techniques based on principles from formal semantics and type theory. I
specially like finding ways to make such languages and techniques practical to
use in real world applications". (FRG. 1991-92:44).
Por último, Frank Pfenning, Research Computer Scientist de CMU y doctor en
matemáticas por esta universidad desde 1987, afirma:
"My primary current research interest is type theory and its application to
language design, in particular in the areas of logic programming and functional
programming. I have also retained an interest in logic, automated theorem
proving, formal program development, and programming environments". (ibid: 63).
Todos estos investigadores forman parte simultáneamente de la área de
"Programming Systems" y de "Theory" en la School of Computer Science. Y vemos
objetivos diferenciados en ellos. Mientras algunos les interesa primeramente el
diseño de sistemas informáticos como a Reynolds, Harper o Lee, a otros les
interesa en primer lugar, la comprensión de dichos lenguajes de programación
(Dana Scott, Leivant, Pfenning).

Ello se refleja en los objetivos del proyecto "Types in Programming".
El propósito principal del mismo es el siguiente: "We envision a unifying theory
of formal systems that will help us to comprehend, experiment with, and unify
our present understanding of programming"(1989:1-1). Esta teoría se centrará en
la "type structure of languages". Basado en lo cual, el proyecto diseñará varios
lenguajes de programación: FORSYTHE, LEAP, y LF.
La motivación de la investigación según se afirma en el proyecto es :
"The Types in Programming Project (TIP) seeks to understand languages for
programming and program specification by exploring the unifying concept of type
structure. The TIP Project is a community effort in which the results of basic
research on the foundations of programming languages are utilized as an enabling
technology for more immediatly practical systems efforts.".(1989:7-1).
El esfuerzo de comprensión en la ciencia tradicional empieza por las preguntas
clásicas formuladas por Thomas S. Kuhn en "La estructura de las revoluciones
científicas"(1987): ¿qué existe, y qué es?. "El descubrimiento de un nuevo tipo
de fenómenos es necesariamente un suceso complejo, que involucra el
reconocimiento, tanto de que algo existe, como de qué es". (1987:97).
Pero ¿cuáles son las preguntas de este proyecto de "basic research"?: "The
problem in programming systems is how things fit together. For example:
-Can lazy evaluation be applied to languages with assignment statements?
-Can such languages be constrained to permit aliasing to be detected
systactically?
-Can constructive proof methods be extended to programs that produce unbounded
output, have side effects, or use non-local transfers of control?
-Can domain theory and mathematical logic in a way that will encompass the
definition of programming and specification languages and the validation of
proofs methods?." (ib:7-1).
Pero la pregunta por el "can" es una pregunta propia de la ingeniería entendida
como diseño.Estos "computer scientists" quieren algo más que aplicar simplemente la
estructura matemática de "types" a la actividad de programación o "programming".
Pretenden desarrollar una teoría de los "types" ligada a esta actividad.
La noción de "types" designa un conjunto de valores agrupados en un conjunto o
clase. Son conocidos en el lenguaje PASCAL, los cuatro "primitive types":
INTEGER, REAL, CHAR Y BOOLEAN. Los dos primeros representan información
númerica, el tercero caracteres, y el cuarto, información lógica. Cada "type"

incluye un conjunto de valores ("values") o información simbólica y operadores
("operators"), esto es, operaciones a realizar con la información contenida en
el programa.
Como afirman los autores, en el apartado " The Central Role of Types" de su
propuesta: "It is probable the case that the notion of types first found its way into
programming languages mainly as a convenience to compiler writers...Later,
however--for instance in the design of the language Pascal--types began to be
viewed as software engineering tools in their own right. Thus, the use of types
in program design, particularly for data abstraction (e.g. in CLU and Alphard),
modularity (e.g., in Modula and Ada), and inheritance (e.g. in Simula), now
prevails in most software development methodologies.
Despite the success of these and other typed languages, little is known about
the mathematical foundations of types, and even less about the real value of
types in software development". (1989:7-3).
Este proyecto nos conduce a analizar más detenidamente la relación entre
Programming Systems y Software Engineering en CMU, y la relación de Progamming
Systems y la área de Theory.
En primer lugar, Programming Systems es una aárea dentro de Computer Science en
CMU. Sus miembros se consideran "computer scientists". Con todo, podemos
apreciar que su actividad de investigación se centra en el diseño de lenguajes y
sistemas informáticos, según un enfoque que es propio de la ingeniería, no de la
ciencia. Sin embargo, no se consideran oficialmente ingenieros.
Por otro lado, desde los años 60s se viene advirtiendo de la necesidad creciente
de formar una ingeniería del software, dado que la demanda excede con mucho a la
oferta de profesionales preparados. Un estudio de la Office of Technology
Assessement estima en 1990 un deficit de entre 50.000 y 100.000 profesionales
del software sólo en Estados Unidos.
Esta fue una de las razones principales para fundar el Sofware Engineering
Institute en 1986, en CMU. Pero sus relaciones con la Computer Science de CMU se
basan en un modelo que parte de la antigua división : Ciencia-Ingeniería, que no
parece encajar facilmente en una "computer culture".
Respecto a la relación "Programming Systems" y "Theory", apreciamos que hasta
ahora la denominada "Theory se ha desarrollado por detrás de" Programming" , al
menos en CMU. Como veremos, "Theory" en CMU se basa en áreas como Algorithms,
Complexity y Logic, que son ramas de la matemática que tienen relación con

Computer Science pero no son aún una teoría de qué es "Computer Science". Son
este sentido instrumentales, no finales a "Computer Science".
Empecemos con la relación del Computer Science de CMU con el Software
Engineering Institute.
3.4. EL SOFTWARE ENGINEERING INSTITUTE DE CMU.
3.4.1. EL SOFTWARE ENGINEERING INSTITUTE Y LA SCHOOL OF COMPUTER SCIENCE
DE CMU.
Cercano al campus de CMU, pero separado del mismo, se encuentra el Software
Engineering Institute (SEI), fundado en 1984, dirigido por Larry Druffel. Este
es un "federally funded research and development center", un centro nacional en
investigación y desarrollo, el primer instituto nacional, en ingeniería del
software en Estados unidos, administrado por Carnegie Mellon bajo un contrato
del Departamento de Defensa.
Norman Gibbs, director del area de educación de la institución, define así sus
fines: "The objective of the SEI is to provide leadership in software
engineering and in the transition of new software engineering technology into
practice". (CMU-CS-FRG 1990-91:31).
El SEI cuenta con una plantilla total de 273 personas en el curso 1990-91, casi
de iguales proporciones que la área de Computer Science de la SCS. A su vez en
investigación es el tercer centro que más dinero obtiene de todo CMU: 20,9
millones de dólares en 1989, sólo aventajado por la SCS (39,249 millones) y el
Carnegie Institute of Technology (22,800). (Carnegie Mellon Facts 1990:64).
Una novedad que aporta el centro es la institucionalización de una nueva
profesión: el "software engineer", distinta del computer scientist, y el
establecimiento de un Master junto con la School of Computer Science dedicado a
formar este tipo nuevo de profesional.
Esta nueva ingeniería ha vuelto a plantear la necesidad que el diseño esté en la
base del curriculum de este profesional (Mary Shaw. 1990. "Prospects for an
Engineering Discipline of Software.).
La formación de esta profesión responde, según Norman Gibbs, a una distinta
misión del software engineer, que lo diferencia del computer scientist: " Since
software engineers work in a product-oriented field, they requiere a different
kind of education than that typically provided by research-oriented computer

science departments. To meet the needs of an emerging profession, the founders
of the SEI envisaged a graduate professional degree analogous to an MBA (master
of business administration). " (1989: The SEI Education Program: 595). De este
Master in Software Engineering (MSE), de dos años de duración, se encarga la
School of Computer Science.
Hasta ahora, los computer scientists tenían el monopolio de la educación
superior en ordenadores compartida en menor medida por los ingenieros
electrónicos. Ahora está naciendo una nueva ingeniería, denominada "software
engineering", que empieza ya a considerarse titulación superior aunque no aún se
le permite dar doctorados. A su vez ésta coincide en el tiempo con el
surgimiento de otra ingeniería nacida dentro de la Artificial Intelligence, el
"knowledge engineering"(Stefick, Conway. 1982).
Norman Gibbs diferencia claramente esta profesión del computer scientist: "
There are a large number of people who equate software engineering with
programming and argue that software engineering is simply that part of computer
science concerned with programming-in-the-large...This view is held specially in
the academic community which tends to build software systems to demonstrate
proof-of-concept, not products...Professional software developers are interested
in building products which generally are delivered in multiple releases and take
on a lifetime of decades" (1989:596).
Esta orientación sería la misma que hemos visto en el MACH Project: "Products,
not only ideas". La orientación del SEI sería distinta de la de la mayoría de la
School of Computer Science, basada en la "concept demonstration".
Segun el director del SEI: "Software engineers build on and apply the body of
knwoledge known as computer science; they must be facile at
programming-in-the-small,and they need additional education in many of the
following: software development processes, software project management,
requirements analysis, technical communication, computer engineering, systems
engineering, embeded and real-time systems engineering, configuration
management, quality assurance, formality, performance analysis, metrics
standards, verification and validation, security, human factors and specialized
applications domains". (1989:596).
Recordemos que ingenieros de Carnegie Institute of Technology, como el profesor
Norman Chigier, sostienen que la ingeniería es una disciplina más compleja que
la ciencia: "Engineering is really more complex than science. It can’t obey all

the rules of science because it deals with systems that are less easy to
analyze. Engineers have the challenge of working with practical
systems--end-products"( 5 feb.1983: Focus:).
De momento, el "software engineering" se estudia aún dentro de la School of
Computer Science.
La creación de la figura del "software engineer" ha surgido como fruto de la
presión no de la Academia sino del gobierno y la industria, demanda
especialmente apoyada por el Departamento de Defensa. Su surgimiento vino
provocado por la llamada, "crisis del software", "software crisis".
Estas instancias vienen solicitando que se den cursos de "software engineering"
a los estudiantes de universidad, a lo que la Academia se ha resistido. Segun
Norman Gibbs, hablando esta vez como profesor de Computer Science: "We resist by
arguing that the best education remains a solid major in computer science
followed by graduate professional education such as an MSE program...We run the
risk of prematurely fragmenting the still young and evolving field of computer
science". (1989:596).
En este campo, los computer scientists estarían retrasando el surgimiento de una
ingeniería informática, como ocurría en Estados Unidos en 1861 cuando las
universidades tradicionales no admitían la ingeniería como carrera académica, lo
que provocó el nacimiento del Massachussets Institute of Technology, como
institución independiente de Harvard y la universidad tradicional.
Hoy, los problemas para constituir el "software engineering" como profesión
independiente son aún más profundos.
3.4.2. LA "SOFTWARE CRISIS" Y LA "SOFTWARE INITIATIVE" DEL DEPARTAMENTO
DE DEFENSA.
En el estudio "Informatics for a New Century: Computing Education for the 1990s
and Beyond" (1990), Mary Shaw, profesora de CMU y experta en el tema, apunta el
dato antes citado: En Estados Unidos, faltan hoy entre 50.000 y 100.000 puestos
de profesionales del software en estos momentos. Otros profesores como Philip
Miller elevan la cifra hasta 1 millón. (1987:x).
La importancia de este déficit se agrava si se tiene en cuenta que el software
tiende a dominar el precio de la informática. El principal consumidor de
informática del mundo, el Departamento de Defensa de los Estados Unidos que
gastaba a finales de los 80s, según Angel Jordan, una cifra anual de 12.000

millones de dólares, de los cuales el 80% representaban gastos en software.
La necesidad de expertos profesionales en software se detectó ya en 1968 en la
primera Conference International on Sotfware Engineering en Garmish, en la
entonces Alemania Occidental, organizada por la OTAN. Fue allí donde se acuñó
por primera vez el término "software engineering", más como una aspiración que
como una realidad.
Síntomas de esta "software crisis" eran principalmente dos: la falta de calidad
de los sistemas de sotfware y su cada vez más elevado precio. Respecto al primer
punto, el llamado "mantenimiento" ("maintenance") de un sistema de software a lo
largo de su existencia puede consumir un 60% de su coste total. Ello incluye
mejoras, rediseño, reparación de errores, adaptación a los cambios de ambiente,
entre otras tareas. Por otra parte, ya hemos señalalado su alto precio. El coste
anual del software que compraba el Departamento de Defensa en 1980 era de 4.000
millones de dólares . En 1986 subió a 10.000 millones y en los 90s se preveía
que fuera de 30.000 millones. (Lieblein 1986:734). La demanda excedía con mucho
a la oferta, lo cual hacía aumentar aceleradamente su precio.
En 1973, del total de este coste la mayor parte, un 56% , se gastaba en lo que
se denominan "embedded computer systems" o sistemas informáticos insertos en
sistemas de defensa más amplios cuya finalidad no es informática, por ejemplo,
un sistema de radar , un sistema de misiles, o una nave espacial.
Estos sistemas comparten una serie de características comunes: 1. Son programas
informáticos grandes, con miles o millones de líneas de código . 2. Tienen una
larga vida, de entre 10 y 15 años. 3. Cambian continuamente dado que cambian sus
objetivos. 4. Están constreñidos en sistemas de hardware delimitados. y 5. Han
de ser altamente seguros y tolerantes a los fallos. (Booch, G.,1987:15)
Por esas fechas, el Departamento de Defensa empleaba 450 distintos lenguajes de
programación, lo cual hacía imposible cualquier adiestramiento, dado que cada
proyecto podía crear su propio lenguaje. Al mismo tiempo, esta situación no
permitía ninguna transferencia de tecnología entre proyectos ni de estos a la
industria. Cada sistema dependía de un particular vendedor.
A su vez la proliferación de lenguajes hacía imposible la creación de
herramientas de software, como los ambientes de programación.
Para hacer frente a esta "crisis", el "Department of Defense" (DoD) empezó a
organizar una iniciativa centralizada, que se llamaría la "Software Initiative"
(Lieblein, 1986). En 1975 formó el denominado "High Order Language Working

Group" (HOLWG), dependiendo de la "Office of Secretary of Defense", y dirigida
por el teniente coronel William Whitaker, del Ejercito del Aire (USAF). El
objetivo de este grupo era establecer los requerimientos para el lenguaje de
programación a usar por el "Department of Defense" en todos los llamados
"embedded software systems". A este grupo se invitó a representantes de Gran
Bretaña, Alemania y Francia, paises pertenecientes a la OTAN.
Este grupo tras consultar durante varios años a más de 200 personas,
representando a 85 organizaciones del "DoD", 26 contratistas industriales, 16
universidades y otras 7 organizaciones, acabó definiendo unos requerimientos en
un documento llamado STEELMAN para el diseño de un único lenguaje de
programación, el denominado "HOL" ("High Order Language"). Estos requerimientos
exigían un lenguage con considerable poder expresivo para cubrir una amplia
variedad de aplicaciones.
Finalmente, después de un concurso internacional, el proyecto del francés Jean
Ichbiah, de la empresa Honeywell/Honeywell Bull fue el elegido, ayudado por un
equipo internacional formado por franceses, ingleses, nortemericanos y alemanes.
Para cumplir los llamados requerimientos STEELMAN, el equipo diseñador del mismo
se fijó como primer objetivo de su lenguaje, el garantizar la "reliability and
maintainability"de los programas, que se pudiera confiar en ellos y que fueran
mantenibles. En segundo lugar, se marcó como objetivo ayudar a la actividad del
programador para tratar la complejidad de los sistemas a diseñar: "Concern for
programming as a human activity". El tercer objetivo fue su eficacia:
"Efficiency". (Booch:54).
El resultado fue "ADA", lenguaje denominado así en honor de la hija de Lord
Byron, Lady Lovelace, matemática y colaboradora de Charles Babbage. Fue
terminado en 1980.
ADA no es sólo un lenguaje informático más. Grady Booch lo denomina una cultura:
"The ADA Culture" (1987). En febrero de 1983 fue inscrito como lenguaje
standard: ANSI/MIL-STD-1815 A ((Department of Defense, 1983) del Departamento de
Defensa de los Estados Unidos. Es el lenguaje de programación informática del
principal consumidor de software del mundo. Fue adoptado por la OTAN como
estandar para sus sistemas de información. Y en marzo de 1986, 10 paises de la
OTAN firmaban acuerdos para desarrollar ambientes basados en ADA.
La participación de CMU en el mismo fue significativa, aunque secundaria. Nico
Habermann participó en las revisiones del mismo . Este lenguaje, por otra parte,

cultimaba la familia de lenguajes iniciada a finales de los 50s con ALGOL,
diseñado entre otros por Alan Perlis. Familia más tarde continuada con el
lenguaje PASCAL.
En 1983, Nico Habermann escribió un libro con Dewayne Perry titulado: "ADA for
Experienced Programmers", como manual de instrucción en este lenguaje.
ADA sólo fue el primer paso de la Software Initiative. Otros dos siguieron y le
complementaron: el programa STARS y, finalmente, el Software Engineering
Institute de CMU.
El programa STARS (Software Technology for Adaptable, Reliable Systems),
iniciado en 1983, es un programa que tiene ADA como pieza clave y se dirige a
mejorar la capacidad tecnológica de software del Departamento de Defensa, en
particular la de sus llamados "embedded software systems". El teniente coronel,
y doctor en Computer Science, Larry Druffel, director del SEI, jugó un papel
destacado en su diseño.
La novedad que aporta este programa es que se basó no sólo en fomentar la R&D
para producir una nueva tecnología para uso del gobierno, como suelen hacer
otros programas federales, sino que además planteó dos novedades : 1. la
introducción de esta tecnología en el proceso de desarrollo o "system
development process" de sistemas de defensa reales y 2. su transferencia a la
industria.
Como afirma Edward Lieblein: " The STARS program now incorporates two important
new dimensions: technology insertion and industry leadership."(1986:738). Es por
lo tanto un programa que tiene tres áreas distintas: 1. "R&D". 2. "Technology
Insertion" y 3. "Technology Transfer".
La primera es la tradicional que se cubría mediante los llamados "Technology
Projects". Estos se dividian en dos categorías: los destinados a la denominada
"reusability and adaptability", esto es a ser reutilizados y adaptados a otros
sistemas, y aquellos dirigidos a la "software reliability", o la seguridad. El
SEI estaba encargado de establecer los standars para el uso en la construcción
de los componentes de este software.
La segunda funcion era nueva. ¿Qué significa "technology insertion"?.
Principalmente, la introducción de la nueva tecnología en los actuales "embedded
software systems" del DoD. Hasta ahora, la tecnología se pensaba que finalizaba
su ciclo cuando generaba un producto nuevo. El problema es que el software que
necesita el DoD ha de ir insertado, introducido en sistemas de defensa

determinados que pueden ser o no nuevos. Ello obligaba a introducir un nuevo
concepto: "technology insertion".
Y para ello, el programa STARS introducía un nuevo tipo de proyectos: "shadow
projects". Estos proyectos se mostrarían anualmente en público para fomentar su
difusión.
El término "shadow" indica que era projectos concebidos como la sombra
("shadow"), de los reales projectos de construcción de esos sistemas. Se
preveían en áreas como comando y control, armamentos, o sistemas de inteligencia
que no estaban usando ADA. Algunos de estos proyectos se desarrollan actualmente
en el SEI. De ahí las críticas del movimiento pacifista de Pittsburgh contra
este instituto.
Por último, la "industry leadership", o transferencia tecnológica, se conseguía
a través de "Product Development Projects" o proyectos contratados con empresas
seleccionadas para convertir la tecnología generada en STARS en "prototype
advanced software engineering environments", o ambientes para la ingeniería del
software avanzada. Recordemos que GANDALF era uno de estos ambientes.
El objetivo era atraer inversiones del sector privado en herramientas de
software basadas en ADA, y establecer este nuevo mercado, que una vez
consolidado produciría avanzados productos, de alta calidad, a precios
competitivos.
Recordemos que la visión tradicional afirma que el ciclo tradicional de
innovación empieza en la ciencia que produce la universidad, esta transfiere
estos conocimientos a la industria que los aplica y crea la tecnología, y
finalmente se distribuye en el mercado donde el consumidor la compra. La
denominada "innovation engine" (Dertouzos, 1988).
Este es un ciclo que podríamos denominar científico-económico, pues se basa en
que el modelo comienza con el avance de los descubrimientos científicos del
"orden natural", orden aceptado por la propia economía política clásica , la
técnica aplica estos descubrimientos en forma de productos, y el consumidor
compra estos productos en el mercado con el objeto de satisfacer sus
necesidades. Esta visión fisiocrática del ciclo económico ha servido en
economías de bajo nivel tecnológico o "low technology industries", basadas en el
uso extensivo de mano de obra y una base tecnológica basada en la fuerza
mecánica o electro-mecánica. Pero cuando la economía depende cada vez más de la
"high technology", la riqueza de las naciones depende más que del "valor

trabajo" del valor trabajo de innovación, esto es, del trabajo inventor de
tecnología, y de tecnología con contenido intelectual cada vez más elevado.
El ciclo de la Software Initiative no obedece al clásico ciclo de innovación.
Lo inició una institución pública como el Departamento de Defensa al decidir que
quería unos determinados sistemas de defensa basados en un software informático
fiable y económico, que le resolvieran un problema detectado. Para ello,
determinó que necesitaba de un lenguaje de programación único y fijó los
requisitos del mismo ("requirements") . A continuación seleccionó a los técnicos
entre la comunidad internacional de ingenieros del software que lo podían
construir , elegiendo entre ésta a los más capaces técnicamente para esa tarea.
Una vez diseñada la tecnologiía, la citada institución pública inició el fomento
de su generación, construyendo un mercado para ello, animando a las empresas
para que trabajaran dentro de esa nueva tecnología .
Por último, decidió crear una nueva disciplina académica,el software
engineering, y una institución donde se educara a generaciones en esa nueva
profesión.
Finalmente, el ciclo terminó por influir en las propias universidades de dos
formas: 1. Empezaron a cambiar sus curriculums educativos e introduciendo
títulos en Software Engineering y 2. Empezaron a orientar su investigación
básica en función del nuevo lenguaje creado, por lo cual recibieron una
financiación proporcional a su esfuerzo. Este ciclo no es distinto al que dió
lugar al final de la II Guerra Mundial a la invención del ENIAC, el primer
ordenador digital.
En concreto, ¿cómo afectó a CMU?. La "ADA culture" en esta universidad se puede
detectar en varios niveles: tanto de investigación como educativos.
Introducida por Nico Habermann, director del departamento de computer science
desde 1979 y primer director del SEI en 1984, en el terreno de investigación ha
influido en proyectos como GANDALF para la generación de ambientes de ingeniería
del software, así como en el proyecto "OBJECT MANAGEMENT", que continua al
anterior.
A su vez, proyectos como "TYPES IN PROGRAMMING", se basan en uno de los aspectos
fundamentales del lenguaje ADA, los "types". Una de las caraterísticas de esta
estructura matemática es que permite un mayor nivel de abstracción del
programador, y esta mayor abstracción es necesaria para la solución de un
problema fundamental del software engineer: como tratar con la denominada

"complexity" propia de los "embedded computer systems", también llamados
"complex software systems". Como afirma Mary Shaw: " The major practical problem
for software development and maintenance is managing the complexity of software
systems....A dominant theme in this growth is the development of tools dealing
with abstractions...During the late 1970s, most research activity in abstraction
techniques was focussed on one particular topic, daty types." (CMU-CS-FRG
1991-92:72).
Por otra parte, en el terreno educativo, Nico Habermann fue impulsor del
proyecto "ADA-EDU", más tarde llamado "CS-EDU" . Su objetivo general era
producir un ambiente de programación basado en ADA en un Macintosh II por un
precio asequible: 200 dólares. Una de las partes de este proyecto era el
MacGnome Project, dirigido por Philip Miller, y orientado a construir ambientes
de programación apropiados para la enseñanza. Philip Miller es, a su vez, el
autor del libro "Programming by Design"(1987), libro básico del primer curso de
introducción en Computer Science en CMU, basado en el lenguaje PASCAL, cuyo
estudio permite una introducción al lenguaje ADA, al ser ambos lenguajes
algorítmicos, o "procedural languages".
Esta influencia de los militares en la creación de la computer culture no es
nueva. Ya la analizamos en la formación del programa de investigación en
Information Processing de CMU. Como afirmaba Angel Jordan : " En Estados Unidos,
Defensa ha sufragado la investigación básica. Y todos los descubrimientos
tecnológicos como, por ejemplo, la informática, han sido patrocinados por
centros dependientes de la Defensa...Después de la II Guerra Mundial, los
principios de acción, tanto en Estados Unidos como en la Europa aliada...la
investigación básica y aplicada, en ciencia y en tecnología, tenía como objetivo
el desarrollo de la defensa". ( EL PAIS,16-12-90: 34).
Con todo, se han producido cambios importantes en este proceso. En 1945, se
llamó a los científicos físicos a construir la bomba atómica. Esta comunidad ha
dominado y dominan la política de la Science and Technology de Estados Unidos
durante cuarenta años.
Durante ese periodo, la informaáica, una disciplina secundaria, instrumental
hasta hace pocos años, se ha ido asentando. En su primeros 40 años, influída por
el modelo de los físicos, los matemáticos y de los científicos sociales que se
han asociado a ella (Von Newmann, H. Simon,...) , se ha definido como una
ciencia, "computer science".

En los años 80s, la SOFTWARE INITIATIVE, empezó a favorecer la creación de una
área expresa de "software engineering", distinta al "computer science", dado que
había un problema de alcance internacional que esta última ciencia no resolvía.
CMU se había destacado por una orientación hacia el software y tenía un estilo
de trabajo ingeniero, orientado al "programming". Y CMU ganó el concurso
convocado para construir un centro nacional dedicado a la ingenieria del
software. No obstante, sus relaciones con el Computer Science no son todo lo
estrechas que en un principio se esperaban, según Angel Jordán.
La crisis del software tiene más de 20 años en Estados Unidos, y no se ha
resuelto. Por el contrario no ha hecho más que agravarse. Parte de un desajuste
entre la demanda de software y la escasa oferta del mismo. Es una crisis en la
que influye el modelo de Science and Technology (S&T) seguido hasta hoy. Este
modelo podría estar ahora retrasando el desarrollo de la tecnología informática,
y en concreto, ahora un aspecto clave de la misma: la tecnología del software.
Podría contribuir a su solución el que se priorizara el diseño y la ingeniería
como modo de investigación por delante de la ciencia del ordenador,
diferenciando dos tipos de investigación en esta nueva ingeniería, la básica y
la aplicada sobre diseño de software informático.
El SEI es un intento de afrontar estos problemas.
3.4.3. EL SEI Y SU RELACION CON PROGRAMMING SYSTEMS DE SCS.
La tercera pieza clave de la Software Initiative fue la fundación del SOFTWARE
ENGINEERING INSTITUTE. (SEI)
El 28 de diciembre de 1984, después de una dura competición nacional, el
gobierno contrató con Carnegie Mellon establecer en Pittsburgh el SEI como nuevo
"Federally Funded Research and Development Center". Angel Jordan, "provost" en
esa época de CMU, y Nico Habermann, decano de la SCS, jugaron un papel destacado
en su consecución, junto con otros miembros de la escuela como Edmund Clarke ,
Duane Adams, Mario Barbacci, Mary Shaw, Allen Newell y Howard Wactlar.
El SEI tiene tres tareas: "technology transition", "research and development" y
"education". Su misión principal es actuar de puente entre la academia y la
industria en la área del software. Por lo tanto, su actividad principal es la
primera.
Para Mario Barbacci, Senior Research Computer Scientist del SEI, y a su vez de
la SCS, afirma que: " El SEI es un instituto de transferencia tecnológica del

software. La educación es una forma de transferencia tecnológica importante".
(Entrevista 21 feb. 92).
El SEI es un instituto para la ingeniería del software. Uno de los problemas que
tiene es que este campo está aún está poco definido. Cuando aún existe una
indefinición sobre el carácter de la computer science, se plantea ahora en la
"computer culture" la necesidad de abrir un nuevo campo, denominado "software
engineering".
Esta disciplina nace de las necesidades prácticas antes referidas, y detectadas
por primera vez en 1968. Pero en su desarrollo, esta área plantea problemas que
van más allá de los que había en su inicio.
Un primero es la "technology transition". El "DoD" pretende que la tecnología
del software, construída en lenguaje ADA , ha de ser utilizada por la industria.
La particularidad de este modelo de transferencia es que no parte de la
comunidad académica. El lenguaje ADA no fue el resultado de una investigación
básica académica. Este lenguaje nació como encargo de el DoD a un grupo de
software engineers de la empresa francesa CII Honeywell Bull Internacional. Se
construyó al margen de la universidad y ésta manifiesta, de momento, poco
interés en el uso de este lenguaje. La Inteligencia Artificial programa en
lenguaje LISP, y la de Programming Systems en CMU en lenguaje" C", que es el del
sistema operativo UNIX.
La industria, por motivos comerciales, a su vez, mayoritariamente, no programa
en ADA sino en lenguaje "C", y ahora se está volcando en el desarrollo del
"object-programming", otro sistema de programación pensado para el gran público,
aunque, no obstante, se basa en principios como el de la modularidad utilizados
en ADA .
Un segundo problema que ha de resolver el SEI, ligado con el anterior, es el de
la "education" de los nuevos profesionales en esta nueva ingeniería. El SEI no
es una institución que pueda impartir titulos de software engineering, es un
laboratorio federal. Los títulos académicos los ha de impartir la School of
Computer Science.
Sin embargo, este laboratorio se da la paradoja que se llama "Software
Engineering Institute", tal y como si fuera una escuela de ingeniería, no
pudiendo serlo. La contradicción es que tiene la vocación de animar a la
formación de dicha profesión, pero no está reconocido académicamente.
El SEI refleja una gran necesidad por parte del gobierno y de la industria de

programadores cualificados y en gran cantidad, y educados en la "ADA culture".
Pero no son esas las exigencias de la academia. La comunidad nacional académica
en Computer es la "Computer Science Community", y ésta no parece interesada en
alentar ahora una ingeniería que la relegue a un plano meramente teórico.
Los datos son éstos. En 1987, las universidades norteamericanas produjeron sólo
466 doctores en Computer Science, el 2% del total de doctores en ciencia e
ingeniería producidos ese año. La mitad de los mismos fueron a parar a
estudiantes extranjeros. Por contraste, 845 doctores se concedieron en
Matemáticas. ( Dertouzos1988: 36-37).
En 1984, la demanda de doctores en Computer Science por la industria se valoraba
en 1300 anuales (Hamblen,1984). Pero esta demanda es sólo una mínima parte de la
que se precisa en programadores y especialistas en computing. A principios de
los 80s, el National Science Board (1989) valoraba ya el déficit en 140.000
analistas y programadores para ese año. Por último, pronosticaba que en el
periodo 1988 y 2000 , la ocupación que se espera que crezca más es la de
"computer specialist" con 197.000 nuevos empleos, siendo la que tendrá el más
rápido crecimiento de todas los empleos en Ciencia y Tecnología. (un 62%). La
segunda ocupación con mayor crecimiento será la de ingeniero
eléctrico/electrónico con 162.000 nuevos empleos. (ibid: 77).
El hecho es que más de 100.000 plazas de profesionales del software en Estados
Unidos están sin cubrir y los 126 departamentos de Computer Science del país no
pueden resolver este problema.
Una situación de enorme carencia de técnicos e ingenieros se vivió en Estados
Unidos, tras la Guerra Civil , al comienzo de su desarrollo industrial. A
principios de siglo pasado, no pasaba de 2 el número de ingenieros por cada
estado. No existían escuelas de ingeniería industrial. Esta situación exigió
cambios. Las reticencias de Harvard a la presión de la industria para formar
ingenieros al nivel de las necesidades del país llevó a la formación en 1861 del
Massachussets Institute of Technology. En 1862 el Congreso pasó la Morril Act
que garantizaba ayudas a los estados para establecer escuelas de "mechanical
arts". Se favoreció un nuevo tipo de escuela basada en la idea de la "technical
education". Las universidades se adaptaron y crearon los primeros departamentos
de ingeniería en su interior. En 1917 había ya 126 escuelas de ingeniería.
Ochenta años más tarde, en 1986, Estados Unidos ha graduado 77.000 ingenieros.
Sin embargo, por estas fechas, Japón, con la mitad de la población, acaba de

graduar una cifra similar: 73.000. (op. cit.1989:5). Un dato significativo es
que en 1989, el Japón superó por primera vez a Estados Unidos en el numero
proporcional de investigadores en R&D por población activa, 67 por 10.000
personas, comparados con 66 por Estados Unidos.
Lo que el SEI parece indicar es que hace falta una nueva ingeniería, una "high
tech engineering", que alimente una explosión de la industria del software, y el
conocimiento básico de la misma se llama: "design".
El Computer Science and Technology Board (Dertouzos, 1988) afirmaba en su
folleto titulado, "The National Challenge in Computer Science and Technology": "
Unlike other products, the essence of software is in its design, which is
inherently an intellectual activity...Accordingly, the cost of producing
software is dominated by the costs of designing it and making certain that it
defines a correct procedure for performing all of its desired tasks...".
(1988:46). Resolver la "software crisis" está asociado a resolver el problema
del "knowlege is design", lo cual es un problema cultural: legitimar el diseño
como conocimiento valorado socialmente al mismo nivel o más que la propia
ciencia. La "software crisis" no es sólo una crisis del software. Refleja la
limitación del modelo de investigación basado en Science & Engineering
3.4.4. LA INVESTIGACION Y DESARROLLO DE "EMBEDDED SOFTWARE SYSTEMS": EL
PROBLEMA DE LA "COMPLEXITY”.
Por último, el SEI ha de abordar el problema de la investigación en "complex
software systems". Sistemas complejísimos y de carácter estratégico, que
sostienen el funcionamiento de los grandes sistemas de defensa, de exploración
del espacio, de las telecomunicaciones y sistemas de transporte aéreo del país.
Pero esta investigación requiere el trabajo en equipo, interdisciplinar,
coordinado, con objetivos a largo plazo. Y ante todo, requiere que este tipo de
investigación esté legitimada como una investigación valorada intelectual e
institucionalmente. Y no lo está. Se sigue viendo al programador como un mero
practicante de los dictados del computer scientist.
La SCS, a excepción de los programas acogidos a DARPA, sigue dedicándose a
proyectos más propios de la academia. En 1991-92, en la SCS existían 99
proyectos distintos, para un total de 83 profesores. De éstos, sólo 14 reunían 3
o más de tres profesores: Image Understanding, i Warp, Knowledge Based Machine
Translation, Learning Robot, MACH, Mercury (Electronic Library Project), NAVLAB,

Nectar, Planetary Rover, SOAR, Speech Understanding, Types in Programming, VLSI,
y Warp. Y recordemos que esta escuela es uno de los centros caracterizados por
tener grandes programas estratégicos, lo cual no es el caso de la mayoría de los
126 Departamentos de Computer Science del país.
Gran parte de los proyectos citados son realizados por programadores que no
cuentan como "faculty", o profesor titular. En 1990 habían catalogados un total
de 68 "programmers" en la SCS, que son la característica específica que
diferencia esta escuela de un mero departamento universitario. Esta masa
semianónima permite a esta escuela construir sistemas como MACH o NECTAR que
funcionan en el denominado mundo real o "real world" o y no meros esquemas
ideales al modo académico mayoritario.
Estos problemas se reflejan en la área de investigación.
La concepción dominante en la SCS acerca del software aún lo denomina
"programming systems". Por "programming" se entiende normalmente la actividad de
escribir las instrucciones que el ordenador ha de ejecutar. Hemos visto que
varios proyectos de la SCS tratan de proporcionar herramientas o "tools" que
faciliten esta tarea de programación. Pero la ingeniería del software es más
compleja que el mero hecho del "programming". El concepto "software" se ha
separado del de "programming", al considerar que éste último se ha quedado
estrecho.
"Software engineering" se define habitualmente con el nombre
"programming-in-the- large", para distinguirla de la actividad usual del
programador o "programming-in-the-small".
Mario Barbacci, Senior Research Computer Scientist, trabaja ambos centros, el
SCS y el SEI, y explica así la diferencia: "Software no es programming. La
mayoría de los problemas en software no vienen del hecho de programar o escribir
las instrucciones o código sino de dos fuentes: por un lado, de las
especificaciones, de la falta de documentación adecuada para determinar los
requerimientos que ha de tener el software, y por otro, de la falta de
verificación, de validacioón del sistema una vez construído". (Entrevista, 21
feb. 1992).
Para este investigador, la SCS se ha quedado en las mismas cuatro áreas de
investigación que tenían cuando él entró en ella en 1974. En suma, se ha quedado
atrasado.
La investigación en el SEI no se centra en el concepto de "programming systems"

sino en el de "embedded software systems". Estos sistemas son enórmemente
complejos , se espera que duren décadas, y están en contiuo cambio. Se podrían
comparar con una construcción artificial compleja como una ciudad o una red
viaria.
Esta duración conlleva que el diseñador que los construyó será distinto del que
años depués corrija sus errores y mantenga el sistema en funcionamiento. Y ello
sólo se podrá hacer si está explícito y claro el historial del sistema, sus
especificaciones, las instrucciones de su código, y sus sucesivos tests de
verificación.
Estos ingenieros del software no trabajan sólo con ordenadores, sino con
sistemas complejos que incluyen el ordenador pero no se reducen a él. Según
Barbacci, lo más cercano a esta actividad es la área de Robotics, pues como los
robots, estos sistemas pueden tener un procesador incorporado, pero sin tener la
forma de un ordenador.
La complejidad de estos sistemas es una de sus principales características. Para
poder tratarla han tomado un principio básico de la ingeniería: la modularidad,
la descomposición del proyecto a realizar en piezas, y la solución independiente
de cada uno de los problemas. Ello permite construir sistemas complejos a partir
de módulos simples.
La complejidad no es un problema sólo de la ingeniería. Ciencias como la
biología o las ciencias sociales han de tratar con sistemas complejos,
estructurados, jerárquicamente o no. Pero el enfoque seguido por la ingeniería
es distinto al de la ciencia. Mientras ésta trata de comprender el
funcionamiento del sistema mediante un análisis y síntesis explicativos, esto
es, descomponiéndolo en partes y recomponiendo luego el conjunto en forma de
síntesis , la ingeniería trata de diseñar dichos sistemas, utilizando la
descomposición como técnica para realizar una síntesis constructiva del sistema.
Se podría afirma que la explicación científica también es una construcción, y
así es, pero exclusivamente explicativa de una realidad dada. La síntesis
ingeniera es una construcción en el sentido completo, teórico y práctico de un
nuevo sistema.
Este "embedded system", por otra parte, ha de actuar en el mundo real y en
tiempo real. Ha de funcionar y para ello el software engineer ha de verificar
que su funcionamiento sea correcto. Para Barbacci: "Los computer scientists de
la SCS no verifican. No necesitan mantener un sistema durante años". (ibid:).

En suma, los proyectos del software engineer han de seguir una metodología de
desarrollo propia de la ingeniería: "specification, design, implementation,
testing". (Aquí el concepto "design" se toma en el sentido restringido del
término. En un sentido amplio, veremos a continuación que el llamado "design" es
el método que se considera propio de la ingeniería).
Junto a esta metodología, el software engineer tiene otros aspectos que los
diferencian de otros proyectos de programming. Se han de preocupar de la gestión
del proyecto( "project management"), de su presupuesto, de sus fechas de
entrega, de su adecuación de patrones standars,etc. (Gibbs 1989:602).
En suma, estos proyectos del SEI han de resolver los cuellos de botella que
según la Software Initiative están impidiendo el desarrollo del software: "The
first involves the transition from concept(or trial use) to prototype...and the
second involves the transition from prototype to product (or fully supported
method). A third bottleneck impedes the transition of products and methods to
actual practice" (Ed. Lieblein. 1989:741). Este proceso puede llevar entre 15 y
25 años.
Este diferente carácter de la investigación podemos apreciar una diferencia
clave con la que se realiza en la SCS.
Según la Faculty Research Guide de Computer Science de 1991-92, en la escuela
citada existen siete profesores, Barbacci, Fahlman, Garlan, Habermann, Rollins,
Shaw y Wing, que declaran que su área de interés es "Software Engineering". Dos
de ellos, Barbacci y Shaw tienen posiciones simultáneamente en el SEI y la SCS.
Tradicionalmente, los tipos de investigación en la academia y en el laboratorio
industrial difieren sustancialmente, hasta el punto de constituir dos
comunidades de espaldas una a la otra.
Mary Shaw hablaba de distintos "modes of research" en una reunión organizada por
la Association for Computing Machinery en 1989: "Many speakers observed that
culture and tradition have inhibited interaction between researchers and
practitioners. Complex systems expertise resides in places where it may be hard
to find, in corporations or government labs where product delivery schedules,
considerations of propietary information, and differences in the immediate
interests of the participants make it hard to get it." (1989: 52).
Esta diferencia entre tipos de investigación permite entender mejor la
separación entre la cultura del SCS y la del SEI. La primera está influida por
patrones académicos , y la segunda en el "expertise" de ingenieros del software

empleados en la industria o en laboratorios federales. Al fin y al cabo, el
lenguaje ADA no fue el producto de la academia, sino de un grupo de expertos.
Pero esta dicotomía no es tan simple. CMU tiene una cultura que como vimos en el
primer capítulo no respondía a los patrones de la academia tradicional, sino que
estaban conformados según el patrón de un taller: "My heart is in the work". El
Department of Computer Science se caracterizó por realizar una investigación
basada en el "pragmatic approach". Con todo, es cierto que durante las primeras
décadas, la Computer Science y en especial la Artificial Intelligence, ha estado
buscando legitimarse como una "ciencia", y realizando sus experimentos como
"concept demonstration".
Ello provocó dos movimientos hacia la ingeniería: primero, el de Feigenbaum en
los años 70s, dando lugar a los "expert systems" y la "knowledge engineering"
(Stefick, Conway, 1982). Y otro durante la primera mitad de los 80s, que ha dado
lugar al Software Engineering. Ambos movimientos influyeron en CMU favoreciendo
una mayor atención a una Computer Science con proyección útil para la industria
(Robotics Institute, 1979), para el Departamento de Defensa (SEI, 1984), o para
el resto del campus (Andrew, 1982). Pero al mismo tiempo, estos pasos han
favorecido otras reacciones: la constitución de Cognitive Science, en los 80s;
la de Robotics Science, en 1990; la mayor formalización de Computer Science en
la área de Theory,...
Mary Shaw proponía para afrontar esta dicotomía que se realizaran cambios en la
Academia: "Providing incentives for collaborative work by legitimizing academic
exploration of large software systems, and adapting the university reward system
so that collaborative as well as individual efforts are rewarded". (1989:52).
Pero el esfuerzo del SEI no esáa legitimado en la Academia, y no interesa al
"computer scientist" como proyecto intelectual.
El modelo de investigación del software engineering que incluye según M. Shaw: "
building systems, measuring things, improving performance, devising abstract
formal models, devising representations and notations, and making improvements
on previous systems. ..We must better understand group efforts by bringing in
participants not just from computing, but also from management and the
behavioral disciplines".(ib.:52), se considera en Computer Science como
instrumento, aunque paradójicamente muchos de sus proyectos (GANDALF, TYPES,...)
no conducen más que a construir herramientas para la programación. En realidad,
la diferencia entre Computer Science y Software Engineering estriba en dos tipos

de diseño, uno realizado a niveles quizá mas abstractos y otros a niveles más
concretos.
3.4.5. TRANSFERENCIA TECNOLOGICA A TRAVES DE LA EDUCACION.
Una actividad fundamental del centro es establecer las pautas para la educación
de los software engineers. Segun Mario Barbacci: "La educación es una forma de
transferencia tecnológica". 21-2-92).
Su "Education Program" incluye el desarrollo de curriculums en software
engineering para estudiantes tanto pregraduados como postgraduados, la
producción de materiales educativos de apoyo, la financiación de conferencias y
seminarios, la entrega de cursos en videotapes y la exploración de tecnologías
educativas avanzadas. Ahora según informo Barbacci, "estamos empezando a
estudiar la introducción del software engineering en las escuelas" (21-2-92).
Esta misión de educación forma parte de una estrategia. Según , Norman Gibbs,
responsable en el SEI de esta área, refiriéndose a la estrategia de educación
del instituto: "Its role is to serve as a focal point for developments in
software engineering education and as a catalyst that influences computer
science and software engineering curricula".
Esta labor se realiza en conjunto con el "ADA Software Engineering Education and
Training Team" (ASEET). En 1980, el Office of the Secretary of Defense creó el
"Ada Joint Program Office" (AJPO) encargado de una política para ADA, ("Ada
policy"), así como del fomento de la aceptación, el reconocimiento y la
estandarizacion del lenguaje. Esta oficina estableció a su vez el Ada Software
Engineering Education and Training Team (ASEET). Según Edward Lieblein: "Major
objectives of the ASEET Team include the identification of education and
training requirements within the DoD, the development (in conjunction with the
SEI) of Ada-oriented software engineering course materials, completion of a
study to determine whether the certification of Ada-qualified software engineers
would be of value, the establishment of DoD Ada Study Centers, and coordination
with industry on the needs for and approaches to education and training in Ada."
(1986:738).
En el contrato del SEI con el DoD se especificaba que la educación es una misión
del instituto: "It shall...influence software engineering curricula development
throughout the education community". El SEI define y administra esta actividad,
que la llevan a cargo educadores y expertos que colaboran con el SEI, aunque

éste no puede dar títulos académicos.
Esta labor de educación es central en el instituto. Una prueba de ello es que,
Norman E. Gibbs, fue anteriormente el encargado del Software Engineering
Education programme del SEI, y en el curso 1990-91 dirigía el Master en Software
Engineer de CMU. Anteriormente, había dirigido un esfuerzo nacional patrocinado
por la Sloan Foundation para desarrollar un curriculum en computer science
adecuado para programas de "liberal arts".
Una actividad central del SEI Education Program segun Norman E. Gibbs, reside en
su "graduate curriculum project" que se inició en 1985:
"The goal of the project is to identify and disseminate a body of knowledge that
will help current and future software engineers be more productive. This
requieres documenting the body of knowledge called software engineering as the
discipline evolves, and ongoing activity that includes identifying fundamental
software engineering principles and the best current software engineering
practice and methodology". (1989:597).
Una vez conseguida esta documentación, partes de la misma se seleccionan y se
empaquetan adecuándola para diferentes curriculums e instituciones. Cada área se
subdivide en unidades denominadas "curriculum modules", cada uno de los cuales
tiene un núcleo coherente de conocimientos,según Gibbs. El contenido final del
software engineering puede consistir en un total de entre 50 y 100 módulos.
Lo interesante a destacar aquí es que el SEI no sólo realiza una labor
educativa. Lo que realiza, ante todo, es una labor de codificación del cuerpo de
conocimientos llamado "software engineering". Está construyendo la disciplina.
La importancia de esta labor se mide por su impacto. El SEI cuenta con una red
nacional e internacional de centros académicos afiliados que están influenciados
por esta labor de fijación de estándares educativos. En 1989 contaba con 39
universidades en Estados Unidos, entre ellas la Universidad de California,
Irvine, la de Purdue y la Columbia University, y con centros afiliados en
España, Escocia, Australia e Inglaterra.
Los módulos antes citados se distribuyen de distinta forma:
- a traves de masters en software engineering (MSE),
- de especialidades dentro de los programas de graduación en computer science
(MS CS).
- de cursos electivos dentro de los masters de Computer Science.
- de uno o dos semestres para estudiantes de grado ("undergraduates").

- de cursos de proyectos en software engineering.
- de cursos cortos intensivos en la industria.
- de seminarios para managers y políticos ("decision makers").
Una de estas aplicaciones, el MSE es la que la School of Computer Science de CMU
comenzó en otoño de 1989.
En suma la filosofía educativa de este instituto la expone N. Gibbs:
"Encouraging and helping others to implement the curriculum is vital to the
technology transition mission of the SEI. Our strategy is based on the idea that
if many people have a stake in the curriculum, it has a better chance of being
accepted and used. Thus, the SEI does not prescribe educational solutions but
rather cooperates, coordinates, disseminates, and supports. Many outside
educators and experts come to the SEI to learn and to contribute.". (1989:598).
Pero el SEI no reduce sus activades educativas a la formación de postgrado. Ha
dado un paso más y pretende dirigirse también a la gran masa de estudiantes de
grado, los llamados en Estados Unidos los "undergraduates".
Para Norman Gibbs: " In terms of numbers of students affected, the SEI Education
Program can make its greatest impact by influencing undergraduate computer
science curricula. It has established an undergraduate software engineering
education project to exert that influence in effective ways. The project has two
inmediate goals: 1) To increase the awareness of instructors and students about
the differences between programming and software engineering and 2) to develop
curriculum guidelines and support materials to facilitate teaching software
engineering in undergraduate computer science programs." (1989:602).
3.4.6. EL "BODY OF KNOWLEDGE" DEL "SOFTWARE ENGINEER": "SPECIFICATIONS,
DESIGN, IMPLEMENTATION, TESTING".
Como hemos visto, la transferencia tecnológica del SEI considera la educación
una pieza clave. Y a su vez, la labor educativa ha de desarrollar un cuerpo de
conocimientos, "a body of knowledge", que constituye la profesión de "software
engineer".
¿Qué cuerpo de conocimientos sustentan el "software engineering"?. ¿Qué
diferencias tiene con el computer scientist?.
Este cuerpo de conocimientos es el que forma la base del Master of Software
Engineering de CMU, en el que James Tomayko es su director asociado.
Este master consta de dos semestres en el que se imparte dos tipos de cursos :

los dedicados al tema de la programación de sistemas complejos
("programming-in-the-large"), y los dedicados a la gestión de dichos proyectos
("software project management").
Los cursos dedicados a programación son cinco: "Software System Engineering".
"Formal Methods in Software Engineering". "Advanced System Design Principles".
"Software Creation and Maintenance". y "Software Analysis". Estos recorren las
cuatro etapas clásicas de un proyecto de diseño ingeniero, 1."specification",2.
"design", 3."implementation" y 4. "testing".
Los cursos dedicados a la gestión son dos: "Software Project Management" y
"Product Management". Estos tratan de la planificación del proyecto, su
seguimiento y control, la dirección del equipo que lo diseña, su ajuste a los
plazos de entrega, al presupuesto, así como aspectos legales y comerciales del
mismo.
Por último, este Master incluye como rasgo característico e innovador del mismo
un "Software Development Studio", cuyo responsable es James Tomayko, donde los
estudiantes, como en Arquitectura, han de desarrollar un proyecto práctico en
equipo.
Centremonos en el primer bloque de conocimientos: el que estudia la construcción
de proyectos de software, como átomo básico del saber de una cultura
tecnológica, un elemento básico de la "computer culture".
Una de las diferencias básicas entre "programming systems" y software
engineering es el aspecto de los "requeriments specifications".
Según Barry W. Boehm el software engineer ha de producir una documentación
escrita que explicite las distintas fases de desarrollo del sistema, en especial
los requerimientos del mismo: "Software requirements engineering is the
discipline for developing a complete, consistent, unambiguous specification
--which can serve as a basis for common agreement among all parties
concerned--describing what the software product will do (but not how it will do
it; this is to be done in the design specification)". (1975:1227).
Esta necesidad de hacer explícitos los requerimientos es propia de la ingeniería
tradicional, en la que como profesional el ingeniero ha de partir de atender la
demanda de un cliente, normalmente una industria que le solicita sus servicios
para solucionar un problema dado. Estos servicios se plantean en forma de
"design specifications" o "requirements specifications".
Este procedimiento permite ver que la tecnología no es un mero "know-how". El

"saber-cómo" se necesita después del "saber-qué-producto-se-quiere". Este
segundo conocimiento es el que da sentido al primero y sin el cual no se sabe
qué diseñar, pues no se sabe el para qué. Estos requerimientos los puede
plantear el cliente, o se pueden elaborar conjuntamente entre el cliente y el
software engineer, pero son previos al diseño del artefacto, utilizando el
término diseño aquí en un sentido reducido.
En este sentido, hay dos tipos de diseño: el diseño de los requerimientos, y el
diseño del sistema concreto para resolver esos requerimientos. Y ambos dan por
resultado el producto tecnológico. Hasta ahora por diseño se ha entendido la
labor sólo de diseño del artefacto. Conforme la técnica se ha complejizado, e
instituciones de todo tipo precisan de ella (Defensa,políticos, empresas,...),
se advierte que la fase de plantear los requerimientos que ha de cumplir el
sistema es clave. Y, sin embargo, es la menos estudiada.
Esta visión ampliada del diseño puede introducir en una institución una cultura
de planificación , diseño, e invención de sus propios fines, metas y funciones,
en suma, una tecnocultura, una práctica de invención de su propia organización,
incluyendo su sistema informático. No es estraño que el management naciera como
disciplina de la ingeniería. Y la ingeniería estuviera durante siglos bajo la
dirección de los militares. Esta ha pasado tres etapas: ingeniería militar,
ingeniería industrial, y ahora empieza a ser ingeniería del conocimiento y del
software, nacida de la cultura del ordenador.
Esta necesidad de ver el diseño de una forma más amplia fue ya detectada por
Barry W. Boehm, al referirse al software engineering. Este veía preciso "the
necessity of considering a broad enough interpretation of the word ‘design’ to
cover the extremely important activity of software requirements
engineering".(1975:1226).
Tradicionalmente, la ingeniería ha partido de los requerimientos que le
planteaba un cliente. Pero al ser este un cliente poco cualificado e ignorante
en el tema, el ingeniero unía las dos funciones en la misma persona, así los
requerimientos y las especificiaciones del sistema venían a ser lo mismo. Es
más, el sistema es el que planteaba al cliente requerimientos que éste ni se
había imaginado. Es el modelo llamado "technology push".
Pero en el caso del SEI, al ser ésta una institución nacida como resultado de
una iniciativa, comenzada con el lenguaje (ADA) , un sistema construído
explícitamente para cumplir los requerimientos del Department of Defense, o

STEELMAN requirements. El modelo es el inverso, el "technology pull". Y éste se
rige por la demanda de otro tipo de tecnólogos, los técnicos militares, en
concreto el HOLWG o High Order Working Group del DoD.
Si consideramos el diseño del lenguaje ADA como un modelo de "software system
development " (SSD) veremos la importancia que ha tomado la función del diseño
de los requerimientos, esto es, de los objetivos del sistema. El análisis de las
diferentes fases de desarrollo de ADA lo encontramos en Grady Booch, "Software
Engineering with ADA" (1987). Estas fueron según este autor: 1. "Analysis
Phase", 2. "Requirements Definition Phase", 3. "Design Phase". 4. "Testing
Phase". y 5. "Operational and Maintenance Phase". (ib:14-22).
En la comunidad del SEI es muy conocido el modelo de Frederik P. Brooks Jr. (The
Mythical Man-Month. 1982) para la construcción de sistemas de software. Se basa
en el llamado "surgical team" (el equipo del cirujano) o en la relación
"architect" y "builder", el arquitecto y el constructor o maestro de obras.
Según este modelo, el "architect" o "surgeon" es el encargado de diseñar el
sistema, escribiendo el "programming manual". En el caso de ADA habría sido el
diseñador Jean Ichiabh, quien escribió las especificaciones del lenguaje , su
diseño.
A continuación, el arquitecto pasaría los planos del sistema a los aparejadores
o "builders", encargados de su implementación.
Pero este modelo se olvida que ADA fue diseñado de acuerdo con unos
requerimientos previos fijados por el DoD. Y estos requerimientos eran una
decisión adoptada para resolver un problema , ésto es, el famoso "gap" entre
unos objetivos que tenía el DoD, un software de calidad y económico y una
realidad por la cual el precio del software se estaba disparando y su calidad
dejaba que desear.
Ello indica que el modelo del "surgical team" sólo es válido para pequeños
proyectos. A más complejidad del proyecto, más importancia cobra la figura de la
institución que fija los requerimientos, que no es quien diseña el sistema sino
la que decide qué sistema ha de ser diseñado. Esto es, la que diseña al
diseñador.
En CMU , profesores como Angel Jordan, y otros como Allen Newell o Raj Reddy,
han cumplido esa función durante años. Como declaraba a un periódico español:
"Yo no diseño robots, pero sé cuales son los robots que hay que diseñar. Podría
diseñar pero hay gente que lo hace mejor. Me dedico a aglutinar a esas personas

y a marcar las pautas". (EL PAIS, 15 DIC. 90).
Frederik P. Brooks, Jr. llama a esta figura el "producer" y la aconseja como
jefe del proyecto, por encima del "technical director" o "architect" para los
proyectos grandes.
El DoD actuó en el caso del ADA como "producer" o "community engineer",
planteando los requerimientos que esa comunidad, sociedad o institución hacía a
ese nuevo sistema tecnológico, y teniendo en cuenta el conjunto de la
organización donde ese sistema iba a funcionar. Si esta función no está clara,
se puede diseñar un sistema que funcione técnicamente de forma correcta, pero
inválido para atender los requerimientos del cliente.
Pero eso plantea un problema sobre la propia funcionalidad de la tecnología.
¿Puede existir una tecnología que funcione correctamente al margen de su uso por
la comunidad que la ha solicitado?. La naturaleza precedió al surgimiento del
sapiens. Pero la tecnología es su producto. No puede preceder a su diseñador. El
problema es que el modelo tecnológico que hasta ahora se ha seguido es aquel que
derivaba la tecnología de la ciencia , ante todo, la ciencia natural, cuyo
objeto de estudio, la naturaleza, sí precedía a su investigador. De ahí que se
pensara que la técnica imitaba a la naturaleza, y era anterior al propio ser
humano. Era en este sentido natural, "objetiva".
Pero el caso de la computer science apreciamos en su origen hay un propósito
político directo, la defensa nacional, no cientifico natural. El esfuerzo bélico
de la II Guerra Mundial no sólo creó la tecnología informática sino que dio
origen a un nuevo tipo de disciplina, la "computer science", y ahora al
"software engineering". Y este modelo tecnológico es planificado y diseñado
antes con fines políticos y luego tecnológicamente.
Finalizada la Guerra Fría, la función motora del Departamento de Defensa en el
impulso tecnológico pierde justificación social. La pregunta es, ¿qué
institución o combinación de éstas va a plantear los requerimientos del nuevo
modelo tecnológico?.
Si nos atenemos a este modelo que ha hecho derivar saltos tecnológicos de
opciones políticas, nuevos saltos tecnológico de la humanidad dependen cada vez
más del diseño por primera vez de programas culturales complejos y sus sistemas
socio-tecnológicos correspondientes.
Para el diseño de estos sistemas socio-tecnológicos complejos ya no es
suficiente la sola iniciativa de una institución como el DoD, por muy potente

que sea. Una de los fallos de la iniciativa en solitario de ADA y atendiendo
principalemente necesidades militares, es que no consiguió el suficiente apoyo
de la academia y la industria . A más participación y consenso en el diseño de
requerimientos para los nuevos sistemas tecnológicos más aceptación social
tendrán éstos. El actual programa sobre "High Performance Computing and
Communications" iniciado en 1992 reune ya a 10 agencias federales, entre ellas,
DARPA, la NSF, la NASA, la DoE y otras.
La "software crisis" analizada es un síntoma de una enfermedad más profunda: la
crisis del sistema de conocimiento denominado "Science and Technology". Se puede
resolver si se reconoce que la tecnología en el caso de la "computer culture"
antecede a la ciencia en innovación, y no queda relegada por ésta a un papel
secundario.
Pero esta inversión requiere que la tecnología, y la ingeniería, no limiten sus
esferas de actividad al mundo de las máquinas, sino que se extiendan a otras
esferas monopolizadas por la ciencia, como los organismos vivos, incluído, al
propio ser humano y su mundo cultural. El diseño de los requerimientos de un
sistema tecnológico no es tan sólo una tarea de diseño tecnológico sino de tipo
cultural más compleja. La experiencia en CMU del proyecto ANDREW lo demuestra.
3.5. EL CASO DEL ANDREW PROJECT Y SU RELACION CON PROGRAMMING SYSTEMS.
3.5.1. ANDREW PROJECT: UN "COMPUTER-INTENSIVE ENVIRONMENT" AL SERVICIO
DE LA "LIBERAL EDUCATION".
El Andrew Project puede considerarse un proyecto más de Computer Science y en
particular de su área de Programming Systems. Su software fue desarrollado en
los años 80s por un equipo de "computer scientists" de CMU, dirigido por Jim
Morris, en colaboración con la compañia IBM y un equipo de técnicos suyos.
Pero el ANDREW PROJECT fue algo más que un diseño tecnológico. Fue un proyecto
basado en un nuevo modelo de universidad.
Andrew fue un el primer proyecto en una universidad norteamericana de construir
un "computer-intensive campus". Este concepto nació en CMU en 1980 ( Daniel
Updegrove. 1986), y culminó toda una era en CMU, la de la llamada "revolucion
cognitiva". La iniciativa para su construcción partió del entonces Provost,
Richard Van Horn, y tuvo un especial apoyo del College of Humanities and Social
Sciences, teniendo a Pat Crecine, su decano entonces, como promotor.

El entonces presidente Richard Cyert en una declaración fechada el 29 de octubre
de 1981 se comprometía a la expansión del papel del "computing" en CMU. Para
ello formó un denominad "Task Force for The Future of Computing" , dirigido por
Allen Newell (1982).
Este, junto con dicha comisión representativa del profesorado del campus,
redactó un documento básico, donde se exponían las bases de lo que sería el
Andrew Project.
Al tratar de analizar este proyecto advertimos que no se formuló como un
problema a resolver, al clásico modo del "human problem solving". No se trazó
ninguna diferencia entre un "desired state" y un "initial state". Por contra se
partía .por un lado, de una visíón determinada de un proceso tecnológico
"objetivo" que estaba avanzando. Y por otro, se consideraba el computing como un
mero instrumento, o "tool" al servicio de un modelo educativo tradicional,
fundamentalmente el de la "liberal education".
En su discurso "Charge to the Task Force" el President Cyert, el 29 de Octubre
de 1981, partía constatando una realidad dada, un "initial state": "The
importance of computing on our campus continues to increase dramatically. This
is occurring pervasively and not just along a single dimension and for a special
group...But the causes lie also in our own repeated decisions throughout the
last quarter century to involve ourselves with this new element--using it in our
research, understanding its nature, building it into the fabric of our scholarly
lives" ( Newell,1982:15).
El propósito de formar un Task Force era para "to attain a broadly-based view
and a sense of perspective about where we want to go". (Ib:15). Había que
desarrollar lo que aquí denominan la "visión", a dónde querían ir. Dado que se
partía del proceso inexorable, el camino a seguir estaba determinado por dicho
proceso.
3.5.2. "ANDREW": "AN ELECTRONIC NETWORK AS A TOOL".
La tarea de desarrollar la visión , el tipo de futuro que sería más beneficioso
("what kind of future would benefit us most") fue encomendada a un Task Force,
liderado por Allen Newell, y con la participación de 16 profesores presentativos
de CMU: T. Bajzek, B. Berry, L. Cheng, R. Cutkosky, S. Director, Ch. Eastman, J.
Hoburg, Ch. Kriebel, J. Larkin, T. Michalak, D.A. Miller, J. Pople, J.R. Scott,
L. Sproull, H.D. Wactlar, y L. Zuti.

Tres fueron los supuestos básicos de este informe :1. "The base-line is a
substantially increasing use of computers". 2." The analysis should focus on
designing an environment and predicting impacts". y 3" Analysis should be in
terms of general types of computational facilities". ( ibid.:7).
Se trataba de aumentar el uso del ordenador por el profesorado y estudiantado
del campus, en especial, los de liberal-arts.
Se pensaba que el "computing will continue to increase substantially, with or
without comprehensive planning. Both growth of computation in the external world
and the already deep involvement of the university drive CMU along this path"
(1982:7).
Aquí apreciamos dos lógicas distintas de afrontar el problema: la primera,
intenta planificar, diseñar un futuro a donde se quiere ir; la otra, simplemente
constata que ,se diseñe o no, dicho futuro es inevitable y por lo tanto no hace
falta tal plan.
El único requerimiento concreto que se planteó fue la necesidad de construir una
red local informática de calidad: " The campus must have a high-quality
local-area computer network". Y ésta ha sido la más importante realización de
ANDREW. El objetivo de esta red era servir de herramienta, o "tool" al servicio
de las tareas educativas, y en especial, de la "liberal education", aquella que
no es ingenieria o computer science.
Las redes electrónicas no nacieron con ANDREW. fueron inciadas en 1969 por el
Pentágono con la denominada ARPANET . Hasta entonces el modelo de computing
estaba basado en lo que se denominaba "time-sharing": Escasos ordenadores
centrales a los que se tenía acceso en tiempo compartido desde terminales . La
experiencia de un sistema de ordenadores personales distribuídos y conectados a
una red sólo se había iniciado en el laboratorio Xerox Palo Alto Research
Center.
La novedad aportada por Andrew fue, como acaba de afirmar William Y. Arms, acual
Vice President for Academic Services en CMU, reconocer que este estilo de
computing era apropiado para una universidad entera y que la baja de los costes
del hardware lo hacían asequible. (Arms, W. 1990: 33).
El 20 de Octubre de1982 Lewis Branscomb, director de investigación y
vicepresidente de IBM y Richard Cyert, presidente de CMU presentaban en una
conferencia en el Wherret Room de CMU el acuerdo para desarrollar el "personal
computing environment".(CMU/IBM, 1982).

Para Cyert este sistema se iba a convertir en "the prototype for every major
university in the country".(ibid:6) El modelo que se tenía de referencia eran
las universidades de investigación del país, las "research universities".
Para Van Horn, provost de CMU, para poder preveer como iba a resultar el
experimento había que fijarse en lo que estaba ocurriendo en otro computer
intensive environment, "the computer science department". (ibid:11): "The best
kind of model you can get there is to look at the kind of behavior that goes on
now in a computer intensive environment, and that’s really the computer science
department".
El mismo Van Horn ya preveía cuales iban a ser los usos de los ordenadores por
los estudiantes: "The functions that students will use computers for are really
already well defined on this campus. We see a lot of use of electronic mail,
students communicate with each other, they communicate with faculty member,
...Wide use of the device is for text processing. And again, we like to stress
independent activity...We see access to library catalogues, and probably,
eventually, to library materials...Probably the most extensive use will be the
development of skills, problem solving skills...We see this wide range of uses
with emphasis on independent learning by students..." (1982: 9).
IBM preveía invertir 20 millones de dólares en dicho proyecto entre 1982 y 1987,
construyendo el Information Technology Center en CMU donde 30 computer
scientists construirían el sofisticado software de la red.
Pero ANDREW era algo más que un mero experimento técnico. Era la parte técnica
de una estrategia más compleja.
3.5.3. "ANDREW" Y LA "EDUCATIONAL REVOLUTION": "SOFTWARE FOR HIGHER
EDUCATION".
ANDREW fue una red electrónica pensado con una finalidad educativa expresa. Se
trataba de llevar a la práctica, al terreno de la educación, los decubrimientos
realizados por la "revolución cognitiva" años antes. Era la parte educativa de
dicha revolución.
Se veía como el proyecto tecnológico que iba a revolucionar la educación. "The
computer systems we are developing will be a revolution in education" (Cyert.
Pittsburgh Press. Oct 21.1982). La conclusión general era que CMU "should become
the leader of educational computing in universities" (ICT 1984).
Advirtamos que cuando se ha hablado de educación tradicionalmente en CMU se

decía "liberal-professional education", no sólo "education". Y ello era porque
el modelo de CMU era distinto al mayoritario en Estados Unidos. Cuando en este
país se habla de education y más de "higher education" se está hablando de la
educación impartida en las grandes universidades nacionales del país, con
Harvard a la cabeza. Este cambio, el pasar a hablar en general de "revolution in
education" es coherente con la idea de la "knoweledge revolution", que entiende
por conocimiento lo que la ciencia cognitiva , ante todo, conocimiento
científico, basado en dos enfoques o paradigmas, "search" o "reasoning". (Simon
& Kaplan, 1988:20).
La campaña de ANDREW trató de poner a CMU a la cabeza de este tipo de
instituciones universitarias, con un modelo, no obstante, específico. Se trataba
de hacer una revolución educativa en la que la liberal education utilizara como
herramienta los ordenadores para producir software educativo, ésto es, software
de liberal education, principalmente.
Para Herb Simon: "The task now is to further develop that understanding and to
apply it to creating software that we on this campus and other campuses are
going to want to use. That is a valuable goal". (1987:14).
Un principal impulsor de esta orientación fue Pat Crecine, Vice President for
Academic Affairs entonces de CMU: "The major point here is that technological
and institutional preconditions for an electronic information revolution in
higher education can be well in place by the start of the next decade...With a
large, installed base of compatible workstations and machine-independent systems
software or operating environments, institutional preconditions will be in place
to force incentives for producing software for higher education to a
zenith".(1985. EDUCOM:3).
"Higher education" en Estados Unidos significa 156 "universities", 1953 "four
year colleges", 1.378 "two-year colleges" y "technical schools" con un total de
793.000 "faculty", 14 millones de estudiantes y un volumen de negocio de 100.000
millones de dolares. (Time, April 13 1992). CMU estaba catalogada en 1990 entre
las 25 primeras universidades del país. Ese grupo de universidades de élite,
liderado por Harvard, era el modelo de referencia de ANDREW.
Jean Jacques Servan-Schreiber, político , periodista y ahora profesor en CMU
llamaba al proyecto: "La revolucion del conocimiento" (1986). En su opinión, la
universidad estaba pasando a convertirse en "fabricante de conocimiento", en
forma de software. (1986)

Perdida la batalla con Japón en el terreno industrial, en su opinión la única
vía que le quedaba a Estados Unidos era poner a las universidades a producir
software, unos de los campos en que Estados Unidos supera aún a Japón. Las
universidades computerizadas serían la clave de esta estrategia, según
Servan-Schreiber.
En ese mismo libro, este autor elogiaba al Software Engineering Institute
poniendo a este instituto como una pieza más de CMU.
Sin embargo, Servan-Schreiber no advertía que el SEI había surgido de la
deficiencia de la propia universidad para resolver un problema central : la
"software crisis". Y el modelo educativo del SEI era distinto al que se
pretendía para CMU. Esta nueva institución debía formar "software engineers",
capaces de diseñar sistemas informáticos complejos. ANDREW se pensó como
herramienta ante todo para los estudiantes de artes, ciencias y humanidades, a
fin de que pudieran transfomar sus conocimientos con ayuda del ordenador.
El software que Pat Crecine proponía construir en ANDREW no tenía ninguna
finalidad industrial, era software for "higher education": se pensaba que los
profesores de historia, de cálculo, de física, transformaran sus clases en
software educativo que sustituyera a los libros de texto. Era poner la
informática como una herramienta al servicio de las disciplinas tradicionales de
una universidad :"The computer is a tool--a means, not an end--to be used by the
instructor when judged valuable. Like a book, it is powerful and has particular
usefulness in the instructional setting" (Newell,1982:9).
Este había sido el modelo seguido desde los años 60s por Herbert Simon: utilizar
el ordenador al servicio de la "liberal education". ANDREW fue su culminación.
Esta red se pensó, en su aspecto educativo, principalemente pensando en las
"Humanities and Social Sciences", y para las Ciencias en general. Jill Larkin,
sicóloga y física, fue la primera directora del Center for Design of Educational
Computing y Preston Covey, profesor de filosofía, el segundo.
El Information Technology Center (ITC), por su parte, dirigido por James Morris
cumplió con su misión. Creó un sistema distribuído para correo electrónico y
para boletines electrónicos, y por otra parte creo la red y el sistema de
archivos (Andrew File System).
Por su parte el profesorado se ha esforzado, durante estos años, en construir el
software previsto. El CDEC , Center for Design of Educational Computing,
dirigido por Jill Larking y ahora por Preston Covey, ha dinamizado este

esfuerzo.
Pero la "revolution in education" no se ha producido, al menos como se esperaba
en un principio. Como afirmaba en 1990 John Howard, director del ITC en esas
fechas: " Andrew clearly has not lived up to those expectations. It clearly has
not revolutionized education. On the other hand, we have done some very
worthwhile and interesting things". (CM Magazine, Fall 1990:40).
¿Por qué no se ha producido ninguna revolución en la educación?.
Si una revolución es un cambio innovador, ¿qué ha cambiado y qué no con ANDREW?.
3.5.4. LOS DISEÑADORES DE "ANDREW": EL "INFORMATION TECHNOLOGY CENTER"
DE CMU-IBM.
Nunca antes se habia construido una red informatica distribuida abarcando todo
un campus universitario.
Técnicamente, James Morris, profesor de la School of Computer Science, dirigió
el equipo constructor de dicho software, descrito en el artículo " Andrew: A
distributed personal computing environment". ( Morris, et al.1986).
La tarea de diseñar la red Andrew recayó en el Information Technology Center,
centro construído en CMU con el dinero de IBM. La misión del ITC fue diseñar y
desarrollar "the central part of the Andrew system, the network file system,
and workstation software" (IBM,"CMU" : 5). La génesis del proyecto se incubó en
el Computer Science Department y la construcción de dicho software fue
encomendada a un grupo de 30 personas, 20 empleados de CMU y 10 de IBM.
Según el artículo citado de J. Morris: "The ITC development effort has focused
on three of these components: network communications, the shared file system,
and the user interface on an individual workstation" (1986:187). Esto es, en la
red de comunicaciones, en el sistema de archivos compartidos y en la interface
con el usuario en cada estación de trabajo.
Respecto a la red de comunicaciones los dos problemas que resolvieron fue el
cableado con fibra óptica de todo el campus, conseguido con una "token ring
network" desarrollada por IBM, y la conexión de las diferentes redes
preexistentes en campus (Ethernet y ProNets) gracias a las máquinas "router"
PDP/11s programadas por el Computer Science Department y a la extensión de los
protocolos TCP/IP desarrollados por Arpanet.
Andrew es una extensión de la red Arpanet, la red patrocinada por el
Departamento de Defensa y a la que el Departamento de Computer Science está

integrado.
El trabajo más innovador del proyecto Andrew en lo que respecta a la parte
técnica fue el diseño del sistema de archivos o Andrew File System. (AFS), la
piedra central del sistema de comunicaciones de Andrew.
En un reciente balance de la experiencia de Andrew William Y.Arms afirmaba: "The
single most important lesson from Andrew is the value of the network. The
facilities and services provided by and through the network are the foundation
of the future of computing at Carnegie Mellon" (Cursor. March 1990).
¿Qué se ha conseguido?. Esencialmente los objetivos marcados en el "Task Force
for the Future of Computing". La red técnicamente funciona y funciona muy bien.
El Andrew message system soporta 3850 boletines electrónicos con fecha febrero
de 1992. El Andrew file system es usado por 5000 usuarios cada mes y el Library
Information System provee de información de bases de datos bibliográficos a
todos los usuarios de la red.
Se ha conseguido lo que se denominaba una "computer literacy" en la mayoría de
profesores y alumnos. Una encuesta de 1989 demostró que el 90% del faculty usa
el ordenador para preparar documentos, el 68% para mandar correo electrónico, y
el 76% para consultar a la librería. Yambién se ha conseguido avanzar en el
segundo objetivo: la produccioón de software educativo, aunque en menor medida.
3.5.5. EL SOFTWARE DE LOS PROFESORES: "THE NEW LIBERAL ARTS".
El Center for Design of Educational Computing (CDEC) ha sido el centro encargado
de ayudar a los profesores en la producción de software educativo. Como lo
define Preston Covey su actual director: "CDEC’s mission is to provide
leadership and support for the design and development of advanced computer
applications for the liberal arts. CDEC aims to generate strategic planning,
design wisdom, dedicated academic and technical expertise focused on the
problems and promise of advancing technology for the liberal arts". (1988:7)
Por "liberal arts" se entiende lo que no es ingeniería o management: "sciences,
mathematics, fine arts, humanities and social sciences", en suma, las dos
grandes áreas de la educación clásica, las artes y las ciencias. " CDEC
addresses two broad areas of education, the arts and the sciences, and two broad
strata of education, secondary and postsecondary" (Covey, 1991:2).
Preston Covey llegó a CMU en 1974 para enseñar un programa en Filosofía dentro
del departamento de Historia. Poco más tarde, este programa sería la base del

nuevo departamento de filosofía. La misión de este programa era enseñar
técnicas, "skills": "skill of language, skill of rethoric, skill of logic" que
pudieran ser útiles a los estudiantes de ciencias y de letras ( Covey, Schwartz,
Focus1974:). Lo nuevo de este programa, a diferencia de lo que se denominaban
"old liberal arts concept", es que estaba planteado sobre casos prácticos
(aborto, eutanasia) lo que denominaban "moral dilemas".
Como afirmaba Tom Schwartz, cofundador con Preston Covey del programa citado:
"Particularly in the area of ethics, it’s the professional who’s concerned with
decisions and actions, rather than simply books and ideas, who’s most acutely
aware of and puzzled about normative problems....And that’s one of the reasons
most of us are here..."(Focus.74).
Preston Covey ha seguido interesado en esta orientación. Acaba de organizar en
1990 el Center for the Advancement of Applied Ethics. Esta orientación es la que
se dirige a educar profesionales con ayuda de instrumentos que puede
proporcionar la ética aplicada.
Pero como director del CDEC su orientación es la distinta, por no decir la
inversa. La orientación del centro es utilizar el computing para formar
"educated people", o personas educadas en la "liberal education".
Su investigación se apoya en la investigación básica en sicología, pedagogía y
computer science. Y la misión de su centro es utilizar la tecnología informática
para hacer avanzar la ciencia y las humanidades.
Gracias a una donación de la Sloan Foundation, se desarrollaron en CMU, entre
1984 y 1988, 40 proyectos educativos (que contenían el diseño de curriculum y
software educativo) y alrededor de 50 aplicaciones de software. El CDEC apoyó
durante esa epoca el 75% de las aplicaciones informáticas educativas de CMU
Dos tipos de aplicaciones destacaron: las dedicadas a las ciencias, en especial
la física, y las dedicadas a las artes y humanidades, con especial interés en la
ética.
Jill Larkin, profesora de física y sicología, tuvo un papel promotor en la
creación de dicho centro en 1984. Su interés estaba centrado en desarrollar
sistemas informáticos que ayudaran a mejorar el aprendizaje de la física y las
ciencias naturales. Su investigación sobre el aprendizaje está orientada a este
fin. Forman parte de este grupo Frederick Reif y Bruce Sherwood, autor del
ambiente de programación denominado "cT", utilizado para fines educativos tanto
en CMU como en otras universidades dentro y fuera del país.

El segundo grupo del CDEC, dirigido por Preston Covey y Robert Cavalier, tiene
como finalidad principal el desarrollo de aplicaciones que mejoren la enseñanza
de materias del grupo de las humanidades y las artes.
En 1988, Preston Covey recibió un premio nacional por el videodisco interactivo,
"A Right to Die?. The Case of Dax Cowart", donde basándose en un caso real
presentaba un dilema ético a decidir por el estudiante, acerca de la eutanasia o
no de un accidentado
Otros programas educativos informáticos de amplia aceptación en CMU son The
Great American History Machine (1987), de David Miller y Stephan Greene, un
software para aprender historia. El programa Sketch (1987), de Jill Larkin,
Carol Scheftic y David Trowbridge, un tutor inteligente para realizar
gráficamente ecuaciones de álgebra, o el programa General Chemistry, de Ruth
Chabay, premio al mejor programa de química en 1987
Sin restar valor a estos esfuerzos, lo que apreciamos en ellos es que se intenta
vehiculizar contenidos de la "liberal education" tradicional con nuevas formas
extraídas de la cultura del ordenador. Así se dan cursos de historia o ciencias
naturales utilizando lenguajes de programación.
Pero el software educativo no cambia, en lo sustancial, el modelo de educación,
que sigue siendo "liberal education", ahora con ordenadores.
Pero lo que sí cambia es el significado del software al tener que adaptarse a la
"liberal education". Concibido en este marco, y fuera de la cultura de Computer
Science, el software no tiene como función el conseguir que una máquina realice
unas determinadas instrucciones. Su objetivo no es tecnológico. El software
educativo es instrumental, una vía para aprender algo que no es informática. Se
compara con el libro. Lo educativo no es el proceso de diseñar ese software sino
una vez diseñado, no importa como sea, el utilizarlo para aprender lo que antes
se aprendia mediante libros. Es un software que podríamos llamar
representacional, pues su objetivo es representar un conocimiento dado. Por eso
utiliza sistemáticamente la simulación como principio básico. Es "como si" fuera
la realidad. Es una metáfora, un símil, de la realidad, a la que trata de
conocer.
Por contra, para el computer scientist y sobre todo el software engineer, el
software es un fin en sí mismo, es la realidad principal, una realidad
artificial nueva que funciona, que opera, que transforma el mundo real.
Podríamos llamar a este software operativo, real.

Si comparamos el software educativo de "liberal arts" con el que producen los
software engineers del SEI veremos que este último es un fin en sí mismo,
mientras que el de liberal arts es un medio para realizar sus funciones
tradicionales artísticas, humanísticas o científicas.
Confundir los dos tipos de software puede llevarnos a equívocos graves. Una gran
producción de software de liberal arts education es semejante a un gran
biblioteca, puede contener mucho saber acumulado para el mero análisis de la
realidad. Puede ser una nueva biblioteca de Alejandría informática. El siguiente
proyecto a ANDREW ha sido el proyecto MERCURY, dirigido por William Arms, Vice
President for Academic Services, un primer paso hacia la biblioteca
informatizada universal. (CMU-Mercury, 1992, Kibbey & Evans, 1989). Es su
opinión, el ordenador es sólo una herramienta del profesor: "My idea is to
consider the computer as a tool to the teacher, to support the education. I’m
proud of the first electronic library in an american university. My project now
is to connect personal libraries is the network" (Entrevista, 11-2-92). Esta
idea es interesante. Apunta hacia la biblioteca universal electronica, al modo
de la biblioteca de Alejandría. Pero al mismo tiempo, borra las distinciones
entre "liberal y professional education" propias de la cultura de CMU. La
biblioteca de Alejandría fue la expresión final de la cultura clásica sobre la
que se levanta el modelo de la "liberal education".
3.5.6. EL MODELO EDUCATIVO DE ANDREW: LA "NEW LIBERAL ARTS EDUCATION".
Carnegie Institute of Technology se fundó sobre un modelo denominado primero
"technical education", luego "professional education", más tarde
"liberal-professional education". Finalmente, ANDREW en los 80s fue pensado
principalmente como una herramienta técnica al servicio de la "liberal
education", de una "new liberal arts". Este cambio progresivo del modelo
educativo fue acompañado por el intento de construir un "common core"
curriculum, o un curriculum basado en un conjunto de asignaturas unificadas para
toda la Universidad.
Este cambio se empezó a gestar a finales de los años 70s.
El 9 de marzo de 1977, Herbert Simon daba un discurso en CMU a una amplia
audiencia de profesores y estudiantes titulado "Liberal Education in a
Technological Society". (Recordemos el discurso de Elliot D. Smith en febrero de
1946: "Professional Education in a Free Society". Este discurso nueve años más

tarde se transformaba en otro distinto: "The Role of Humanistic-Social Education
in Making Professional Education Liberal at Carnegie Institute of Technology".)
De esta segunda línea partía Herbert Simon en su discurso.
Partiendo de que "liberal education" significaba "education for a free man, a
free person", el propósito de la misma era "how to bring scientific knowledge
about human behavior to bear on the design of a system of liberal
education".(Focus, 1977:)
Se partía de la base que las universidades americanas, incluyendo Carnegie
Mellon, no estaban educadas lo bastante liberalmente. Que el Carnegie Plan había
apuntado en ese sentido al reforzar la educación "professional" con la
"liberal": " The idea behind the Carnegie Plan is that sound professional
education is necessarily liberal education" (ibid: 1977). " If you want to
capture part of the informal life of the campus for liberal education, you must
create a larger common core as part of its social system". Continuaba afirmando
que la educación que impartían las universidades americanas, incluída CMU, era
provinciana y estrecha ("narrow"). Y por último, acababa proponiendo un conjunto
de medidas para mejorar la liberal education en CMU. Una de estas medidas era el
establecimiento de un "program of liberal education for the faculty as a basis
for the program that we’ll subsequently offer to our students and that it
require every CMU faculty member to pass the comprehensive examinations on the
common core of that program within the next four years". (1977).
La creación de este "common core" en base a la "liberal education" fue una
estrategia que se persiguirá durante los años subsiguientes paralelamente a la
creación de ANDREW.
Este "core" se empezó estableciendo en el College of Humanities and Social
Sciences en 1977 por Pat Crecine. Apoyándose en una tendencia iniciada por el
Carnegie Plan, proponía, sin embargo, un cambio inverso en la definición de la
"liberal-professional education" de CMU. Mientras que el Carnegie Plan de los
años 30s introdujo una formación "liberal" al servicio de formar mejor
profesionales, el "core curriculum" de Crecine estaba pensado para proporcionar
técnicas o "skills", finalmente ordenadores, a la educación "liberal": "While
there are alternate strategies for achieving both liberal and professional
educations, there are substantial overlaps, too. A sensible and defensible
strategy, then, for achieving traditional, liberal educational objectives is to
use professional objetives and problems to define the appropiate set of

intellectual skills to be developed in a person’s education: to use
"professional" problems, broadly defined to answer the question of "what are the
fundamentals?". (cit. Achenbaum, 1986, :17).
Esta "defensible strategy" significaba la inversión definitiva de la relación
entre los dos tipos de educación coexistentes en CMU. Hasta entonces los
ingenieros habían utilizado las humanidades y las artes como complemento de su
educación profesional. Lo que se proponía era lo contrario, utilizar problemas
ingenieros al servicio de la tradicional educación de liberal arts.
El core curriculum quedó establecido en cinco áreas: "Fundamental Methods
&Skills: Writing, Computing, Reasoning", "Humanistic &Social Values", "Social,
Political &Economic Systems", "Science and Technology" y "Language, Culture &
the Arts".
En esta batalla del "common core" coincidió con un esfuerzo algo anterior
iniciado por Harvard. Según, Preston Covey, para algunos se trataba de superar a
Harvard en el diseño de ese core. (Entrevista personal, 27 nov. 90).
En 1975, Henry Rosovsky, decano de Arts and Sciences de Harvard University,
inició una búsqueda de un conjunto de cursos básicos para los "undergraduates"
que sirvieran de "core knowledge". Rosovsky había sido profesor en Berkeley
durante los años de los "student troubles" y según Smith (1986:311) veía preciso
continuar el esfuerzo iniciado hacia 30 años por James Conant, presidente de
Harvard, en pos de un núcleo de cultura nacional coherente, base de una "general
education".
Finalmente, en 1978 este core curriculum quedaba aprobado sintetizándose en
cinco áreas: "Social Analysis and Moral Reasoning", "Science and Mathematics", "
History", "Literature and the Arts", y "Foreign Languages and Cultures".( ibid.
316).
La orientación del entonces presidente de Harvard, Derek Bok, era clara. En 1979
afirmaba: "Universities are designed to achieve particular purposes. Their
special mission is the discovery and transmission of knowledge...Unlike other
organizations, such as political parties, environment associations, or civil
rights groups, their institutional goal is not to reform society in specific
ways. Universities have neither the mandate nor the competence to administer
foreign policy, set our social and economic priorities, enforce standards of
conduct in the society, or carry out other social functions apart from learning
and discovery". ( cit. por Smith,1985. "The Harvard Century":303).

La orientación del College of Humanities and Social Sciences de CMU era algo
distinta. Lo que trataba es de extender el tipo de modelo utilizado por
departamentos como el de Sicología, desde hacía años: basar la investigación
científica tradicional, basada en el descubrimiento en métodos tecnológicamente
más avanzados como el ordenador. Utilizar el ordenador como herramienta para la
labor científica tradicional.
Este esfuerzo en pos del citado "core" no se quedó en Humanities and Social
Sciences, sino que se intentó extender al conjunto de CMU. Y eso se vió
reflejado en la orientación del ANDREW Project y en la batalla por un
"university-wide core curriculum", llevada simultáneamente. Pero al extenderse
al conjunto de la universidad, sufrió interesantes modificaciones, poniendo el
tema del "design" en su centro, lo que no había ocurrido en el Colege of
Humanities.
3.5.7. "ANDREW" Y EL "UNIVERSITY -WIDE CORE CURRICULUM": EL "DESIGN" COMO
"CORE KNOWLEDGE".
El 26 de abril de 1983 se publicó en todo el país un informe titulado "Nation at
Risk" elaborado por la National Commission on Excellence in Education que tuvo
el mérito de convertir el tema de la educación en un problema nacional. En este
influyente informe se diagnosticaba que Estados Unidos tenía unos niveles
educativos inferiores a sus competidores japoneses y alemanes, ofreciendo como
modelo construir "The Learning Society": "At the heart of this society is the
committement to a set of values and to a system of education...Such a society
has as a basic foundation the idea that education is important not only because
of what it contributes to one’s career but also because of the value it adds to
the general quality of one’s life" (1983:471).
Respecto al curriculum, las recomendaciones se dirigían a poner fin al
"cafeteria-style curriculum", o estilo por el cual cada estudiante elegía el
plato-curso preferido, y proponían que todos los institutos de enseñaza media
públicos requirieran cinco cursos básicos, "Five New Basics": "a) 4 years of
English; b)3 years of mathematics; c)3 years of science; d) years of social
studies, and e) one-half year of computer science." (ib:475).
Este curriculum se planteaba como el adecuado para la "Information Age" en la
que el país estaba entrando.
Esta necesidad de un "core curriculum" basado en la "liberal education" es la

misma que se recogió en CMU a principio de los 80s.
Una vez establecido el core curriculum en el College of Humanities and Social
Sciences, el siguiente paso fue extenderlo al conjunto de la universidad. En
1980, el presidente Cyert estableció un comité para la reforma del curriculum,
dirigido por Crecine, que en 1983 fue nombrado senior vice-president for
academic affairs, encargado de la política educativa del campus, incluída la
dirección del proyecto ANDREW.
En la primavera de 1984, representantes del College of Fine Arts, el Carnegie
Institute of Technology, el College of Humanities and Social Sciences y el
Mellon College of Science se reunían para poner en marcha un nuevo conjunto de
requerimientos para la educación general. (Achenbaum, W.A.). El resto de
escuelas no asistían al ser sólo de estudiantes graduados.
Para Achenbaum, se trataba de encontrar "a common intellectual skills ant the
heart of both" de la "liberal" y de la "professional". (ibid: ). Achenbaum,
entonces Associate Vice President for Academic Affairs, trazaba una hipótesis
interesante: "is it not possible that the concept of design is an appropiate
basis for beginning to think about some interconnections among the liberal arts,
science and technology?...If this hypothesis is tenable, then CMU is an ideal
environment for demonstrating its salience. " (Focus, 1985).
Este "core knowledge" cambiaba algo su sentido original, respecto a la idea
planteada por Simon en 1977. Se basaba en idea de “design”, tratándola de
extenderla de la ingeniería a otras profesiones y áreas, tal y como había
planteado también Simon con anterioridad: " Engineers are not the only
professional designers. Everyone designs who devises courses of action aimed at
changing existing situations into preferred ones. The intellectual activity that
produces material artifacts is no different fundamentally from the one that
prescibes remedies for a sick patient or the one that devises a new sales plan
for a company or a social welfare policy for the state. Design, so construed, is
the core of professional training" (cit. Achenbaum, 1985).
Pero el problema que no detecta Achenbaum es que Simon está hablando aquí de
"professional training" no de "liberal/profesional education’. Y la "liberal
education" no ha tenido el diseño como su centro, sino el descubrimiento, base
de la ciencia.
La batalla de fondo del curriculum planteada por Simon en 1977, era la inversa,
la necesidad de que la educación "liberal" pusiera por primera vez en CMU a la

"professional" bajo su dirección. No que esta extendiera su "core knowledge", el
"design" a la ciencia y las humanidades. La hipótesis de Achenbaum no se pudo
llevar a término.
Por otra parte, el diseño se consideraba de distinta manera. Para H.Simon era
una ciencia, acorde con su modelo de "liberal education". Para otros , era un
arte, lo cual era coherente tambien con el modelo "liberal-arts". Así Preston
Covey, profesor de filosofía, sostenía que "when the artifact in question, the
object of design, is a social institution or culture, then the model of design
as an art, rather than the model of design science, seems more apt".
(Notes:1991).
En cualquier caso, el conflicto central no era entre ciencia o arte, sino entre
ciencia y arte de un lado ("liberal-arts education") e ingeniería de otro
(professional education). Este conflicto se unió a otro: "education" versus
"research", relacionado con el anterior y que se reflejó en una división en la
cúpula de CMU.
En 1983, el presidente Cyert estableció una "two-provost structure" en Carnegie
Mellon. Por un lado, Cyert nombró a Pat Crecine, "Senior Vice-President for
Academic Affairs". Su tarea era extender la experiencia del "core" de "liberal
education" al conjunto de la universidad , y establecer un "computing
environment" como herramienta del mismo, es decir, ANDREW.
Al mismo tiempo, Cyert nombró a Angel Jordan, Provost de CMU, encargándole la
dirección de las áreas profesionales y de investigación: la Graduate School of
Industrial Administration, la School of Urban and Public Affairs, el Carnegie
Institute of Technology y el Mellon College of Science, donde se ubicaba por
entonces aún el Department of Computer Science. De este cargo dependía la
responsabilidad de la "research policy" de la universidad.
El mayor éxito de Angel Jordan, como Provost fue traer, junto con otros
profesores, el Software Engineering Institute a Carnegie Mellon en 1984. Este
logro reforzo la área de Computer Science y le permitió autonomía suficiente
para conseguir en 1985 su independencia del Mellon College of Science. Por su
parte, la dirección de la "education" quedaba bajo la supervisión de Pat
Crecine, del otro provost. Pero "education" sin las areas que dirigía Angel
Jordan sólo podía entenderse como "liberal education". La hipótesis de Achenbaum
era inviable. La "liberal education" no estaba interesada en el "design", y la
"research" y las areas profesionales no les interesaba demasiado la "education".

Pat Crecine dejó CMU a finales de los 80s. Cyert abandono el cargo en 1990. Y en
1991, se eligiría en CMU un nuevo presidente, el Dr. Mehrabian, con el apoyo de
la antigua Carnegie Institute of Technology. Pero la reforma de la educación con
los principios del diseño ("design") ha quedado pendiente.
Este proceso permite comprender los avances y limitaciones de ANDREW .
ANDREW era varias cosas, un intento de IBM por introducirse en las
Universidades, un proyecto de Computer Science por dirigir el campus desde la
tecnología, pero sobre todo era el instrumento tecnológico de un cambio cultural
más amplio que se planteó en CMU desde finales de los 70s: introducir un modelo
de "liberal education" como core curriculum que consideraba la "professional
education" como su complemento, revertiendo así toda la tradición de esta
institución desde el Carnegie Plan.
ANDREW fue el proyecto técnico al servicio de esta estrategia. Pero este cambio
no podía ser una "revolucion en la educación", pues en realidad significaba una
vuelta al modelo educativo más tradicional, la "liberal education", y un
desplazamiento del más reciente, la "technical education", base de la
"professional education". La gran paradoja es que lo que aparecía ante toda la
prensa como la "informatización de una universidad", un paso en la
transformación de una universidad en una "industria de software", en realidad,
era lo contrario, la conversión de un instituto tecnológico, en su origen, en
una universidad tradicional, con un rasgo único, que era la más informatizada
del país, y que sus estudiantes y profesores utilizaban en ella el ordenador
como herramienta al servicio de los fines principales de toda universidad:
"learning and discovery".
Esta batalla cogió a la comunidad de "computer scientists" de CMU buscando
institucionalizarse como escuela independiente del College of Science. Pero al
mismo tiempo, esta iniciativa estaba impulsada por una nueva "profession" que
era más joven que el propio "computer science" el software engineering, y que
obedecía a problemas candentes del país. Cuando se organiza el Computer Science
como escuela independiente, después de muchos debates en CMU, esta decisión era
ya demasiado tardía. Un año después, el informe Made in America del MIT lo que
advertía es que Estados Unidos tenía que preocuparse de revitalizar su
ingeniería hasta entonces demasiado absorbida por la ciencia. Lo que se
precisaba era un impulso a las ingenierías nacidas del computer, más que a su
consideración como una ciencia.

La etapa del Computer como Science en CMU se apoya crecientemente para avanzar
en desarrollos que no son "science" sino cada vez más "engineering": el Software
Engineering Institute de un lado, la influencia del Knowledge Engineering en AI
y una creciente influencia de la área de Computer Systems en CMU, los
diseñadores de nuevos ordenadores en paralelo, área dependiente de avances en la
ingeniería electrónica como los VLSI.
4. "COMPUTER SYSTEMS" EN LA SCS.
4.1. QUIEN FORMA "COMPUTER SYSTEMS" EN LA SCS.
4.1.1. EL SECTOR MAS PEQUEÑO DE LA "COMPUTER SCIENCE COMMUNITY".
Hasta ahora hemos analizado la School of Computer Science sin estudiar a los que
inventan los ordenadores en tanto que máquinas, que eso son, al fin y al cabo,
los "computers", máquinas. Hasta aquí, aún no hemos advertido que tanto la
Artificial Intelligence como Programming Systems, son subconjuntos de un sistema
informático, de una máquina, que se la denomina ordenador.
Toda la institución se basa al fin y al cabo en el ordenador y su estudio. Y
como afirmaba A. Perlis: "Computer Science studies the phenomena that arise
around, and because of , the computer. Without the one, the other would not
exist. ("The Computer Age, 1979:422).
Sin embargo , "Computer Systems" ha sido hasta ahora y sigue siendo la área más
pequeña de la School. Inicialmente, en la propuesta de 1964, como veremos a
continuación, no se la consideraba si quiera como área de investigación.
"Information Processing" nacía en CMU como un programa de investigación que
prescindía de estudiar el ordenador como máquina.
Como ya indicamos en el inicio del Computer Science Department hay dos
corrientes con dos proyectos de investigación distintos : "Information
Processing" y "Computer Science". Para Simon y Newell, "Computer Science" era
una parte de una disciplina más amplia denominada "Complex Information
Processing", que incluía también y sobre todo, sicología cognitiva y A.I.,
disciplinas que dirigían el conjunto del programa. Para la segunda versión ,
dirigida por Perlis, Computer Science era la nueva disciplina que incluía en su
interior a la A.I..Ambas visiones, con todo, estaban de acuerdo en un punto: no
hacer investigación en "hardware", en "Computer Systems", una área más propia de

la ingeniería como veremos a continuación, mejor dicho , de una nueva ingeniería
denominada Computer Engineering.
Toda la historia del departamento, no obstante, ha sido ir reconociendo
progresivamente el papel creciente de la ingeniería. Los pasos han sido
progresivos. Primero reconocer que la Artificial Intelligence debe integrarse
"in the world of classics informatics" (Carbonell, 1990) y segundo, que este
mundo ha de basarse en la construcción de ordenadores o "computer systems" como
iWARP o Nectar.
Ya en los 70s, Raj Reddy, en colaboración con A. Jordan impulsaron el Robotics
Institute para encontrar aplicaciones a la Inteligencia Artificial. En los 80s,
Nico Habermann, A. Jordan, D. Adams, H.Wactlar y otros profesores impulsaron el
"software engineering", a fin de afrontar la llamada "crisis del software" . Y
en los 90s, un área que muestra gran dinamismo es la de computer systems, con
proyectos tecnológicos como NECTAR de H.T. Kung.
Este proceso ha sido forzado desde las agencias que financian la investigación,
como DARPA, dada la progresiva pérdida de liderazgo de la industria
norteamericana frente a la japonesa y la alemana. Ello ha provocado en 1989 lo
que podríamos llamar una segunda "rebelión de los ingenieros" , el informe Made
in America del MIT señalando la necesidad de volver al "manufacturing", y a la
ingeniería, si Estados Unidos no quería perder definitivamente su lugar de
potencia económica. La "information society" norteamericana está en crisis
frente a los planes de convertir a Japón en un "technological country" (Karatsu,
1986: 111).
El análisis de esta área nos puede ayudar a entender la crisis del modelo actual
de investigación en CMU, y más allá de esta universidad, del modelo de R&D
seguido mayoritariamente en las universidades del país.
La área dedicada a diseñar ordenadores se denomina "Computer Systems" y cuenta
en la School of Computer Science sólo con 17 profesores.
Los profesores que el curso 1991-92 forman parte de ella eran : Bianchini,
Blelloch, Bryant, Cooper, Director, Fisher, Gibson, Gross, Kung, Maxion,
Melzilcioglu, O’Hallaron, Rutenbar, Siewiorek, Steenkiste, Subhlok, y Tokuda.
(CMU-CS-FRG, 1991-92)
Siete de ellos, Bianchini, Bryant, Fisher, Kung, Rutenbar, Siewiorek, Y
Director, tienen doble adscripción a Computer Science y al Department of
Electrical and Computer Engineering del Carnegie Institute of Technology,

incluido Stephen W. Director, actual decano de CIT. Esta relación estrecha con
la ingeniería es significativa. Ese departamento del Carnegie Institute of
Technology (CIT) tiene 47 profesores, siendo el mayor de esa escuela, seguido de
cerca por el de Engineering and Public Policy, con 42 profesores.
Este departamento, catalogado entre los 5 primeros del país, tiene dos programas
para estudiantes de licenciatura, uno en "Electrical Engineering" y otro en
"Computer Engineering". Además cuenta con varios centros de investigación de
excelencia, tres de ellos reconocidos internacionalmente: el "National Science
Foundation’s Engineering Research Center for Data Storage System", para el
desarrollo de discos magnéticos de alta densidad, el "SRC-CMU Research Center
for Computer-Aided Design", un centro federal que está desarrollando una
metodología de diseño mediante ordenador de circuitos integrados a muy gran
escala, y el " Center for Excellence in Optical Data Processing" con
aplicaciones en areas como inspección de productos, automatización, robótica,
inteligencia artificial y otras. Cuenta, a su vez, con el "Pennsylvania SEMATECH
Center of Excellence", que está desarrollando métodos algorítmicos y software
para el control de lineas de manufacturas de circuitos integrados, con el
"Center for Depensable Systems" y el "Laboratory for Automated Sytems and
Information Processing".
Volviendo a la área de Computer Systems es la que en Computer Science se encarga
de diseñar y construir los ordenadores como sistemas, no sólo el hardware sino
también el software, e incluso las aplicaciones, en suma, el sistema informático
o "computer system".
Esta área es donde han nacido los ordenadores iWARP y NECTAR, de los que se
enorgullece la escuela.
4.1.2. LOS PROYECTOS DE INVESTIGACION EN "COMPUTER SYSTEMS".
Los principales proyectos de investigación presentados a DARPA de esta área se
dividen en dos :"BASIC" y "STRATEGIC".
El proyecto en investigación básica se denomina "VLSI Logic Validation and
Parallel Computation"(1990-93) (CMU-SCS-Basic Research, 1989), y está dirigido
por Randal E. Bryant, "associate professor" en Computer Science and Electrical
and Computer Engineering.
A su vez, el equipo está compuesto por otros 4 profesores: Guy Blelloch, Stephen
D. Brookes, Edmund M. Clarke y Allan L. Fisher.

Este proyecto tiene dos partes, la primera se centra en el perfeccionamiento del
simulador de circuitos integrados denominado COSMOS. La segunda, en los
lenguajes de programación para ordenadores en paralelo.
El segundo proyecto es la área llamada "STRATEGIC", y se denomina: "Research on
Parallel Computing: Network-base Multicomputers". (1990-93). (CMU-SCS- Research
on Parallel Computing, 1989) Este es el proyecto central de ordenadores en
paralelo de CMU. Tiene como objetivo el desarrollo de un sistema completo
denominado NECTAR, consistente en una red de ordenadores, con un sistema de
programación propio para ella y distintas aplicaciones.
Este proyecto esta dirigido por H.T.Kung, y cuenta con la partipación más
nutrida de profesores de CMU. En la propuesta a DARPA, colaboran Thomas Gross,
Jon Webb, Michael Browne, Bernd Bruegge, Guy Jacobson y Onat Menzilcioglu.
Este proyecto utiliza el sistema operativo MACH como el sistema base, así como
el simulados COSMOS, desarrollado por Randal Bryant.
A su vez Nectar es la base de un proyecto piloto denominado GIGABIT NECTAR
TESTBED, que es una red local de alta velocidad de ordenadores heterogéneos que
sirve de prototipo de las redes que se construirán en los años 90s.
Un tercer proyecto que analizaremos es el denominado NEW CONCEPTS FOR ADVANCED
HIGH DEFINITIONS SYSTEMS,(1991-93) ( CMU-SCS-Robotics Institute, 1991) dirigido
por Angel Jordan. Una particularidad de este proyecto aun no perteneciendo al
área de Computer Systems, está produciendo un nuevo sistema informático.
Su centro, dentro de la School of Computer Science, no está en Computer Science
sino en el Robotics Institute, donde está adscrito el profesor Angel Jordan ,
que a su vez tiene "joint appointment" con el Electrical and Computing
Engineering Department de la Carnegie Institute of Technology (CIT).
Los ocho investigadores de este proyecto están repartidos entre ambos centros.
Este proyecto plantea la fusión de la tecnología del video con la de los
ordenadores. La particularidad del mismo es que no parte de los actuales temas
de computer systems, como "paralelismo" vs. "arquitecturas Von Newmann", sino la
tecnología de la imagen y la utilización por éstas de determinados avances en
computer science como el sistema operativo MACH, a fin de construir una
television informática, un denominado "advanced high definition system".
4.1.3. 1964. "NO REAL EFFORT IN HARDWARE".
Antes de entrar en el análisis de estos proyectos y su lugar en Computer Science
en CMU, es preciso conocer cuál ha sido la evolución de esta área.

Como ya hemos indicado anteriormente, la área de "hardware" en Computer Science
no se consideró una área de investigación en la propuesta inicial elevada por
Allen Newell, Alan J. Perlis y Edward R. Schatz a la Advanced Research Projects
Agency el 27 de abril de 1964, y que fue la base de la investigación en este
departamento.
Su objetivo era "understanding the nature of information processing", y aunque
se admitía que hasta ese momento esta área era una tecnología, el propósito era
hacer de ella una ciencia: "The attempt to produce a science in an area that not
long ago was purely a technology".( Newell, Peris, Schatz,1964:1).
Se afirmaba que: "the field is concerned with information, the systems that
processes and transform it, and the way it is used to control, integrate and
coordinate other systems". (ib:2). Se partía de la información, y en segundo
lugar de los sistemas que la procesaban. Ello invertía el orden que hasta
entonces había seguido la tecnología informática, que habia sido primero una
máquina, y sólo después una máquina programada. Ahora, la información se ponia
en primer plano, y el estudio científico de la misma como objetivo central.
En consecuencia, se afirmaba: "The center as organized contains no real effort
on hardware research...It stands on its own feet as a software oriented group".
(ib.:41). El centro sólo contenía un pequeño grupo de ingenieros, adscritos
conjuntamente a la School of Engineering. No obstante, se dejaba la puerta
abierta a trabajar en aquél tipo de hardwre que estuviera relacionado con la
actividad de programming del centro.
El problema era que la denominada "naturaleza" del information processing había
partido, en gran medida, de un invento tecnológico, y para entender esta
"naturaleza" había que seguir desarrollando este invento. El software no podía
funcionar si no era software de un ordenador. Esta separación entre hardware y
software ha sido especialmente perjudicial para la área de Inteligencia
Artificial, pues ha contribuído a dificultar la construcción de máquinas aptas
para procesar símbolos y a extender el uso de la A.I. por la comunidad de
computer scientists.
Por otra parte, el patrocinador principal de este centro era el Department of
Defense, y no la National Science Foundation. Los científicos eran financiados
por los militares, y una investigación en Inteligencia Artificial sin máquinas
que la validaran, era inviable. El enfoque sistémico, o "total system effort",
de la ingeniería se superponía al mero analítico de la ciencia.

Allen Newell admitió la investigación en la área del hardware. En 1966 empezó a
colaborar con Gordon Bell, profesor de Electrical Engineering y Computer Science
entre 1966 y 1972, en el diseño de multiprocesadores.
El inicio de la investigación en CMU sobre hardware fue favorecida por un
estudio patrocinado por ARPA a inicios de los 70s sobre cuál sería la más
apropiada futura generación de ordenadores para la Artificial Intelligence.
Según la proposal remitida a ARPA por CMU en 1976: " Although CMU’s involvement
with multiple computer systems dates from the G-21 (a two-processor
multiprocessor) in the early 1960’s, the relevant history dates from two events
in the early 70’s. The first of these was a study sponsored by ARPA into the
nature of the appropiate next generation computer for AI"
(CMU-CS-Proposal.1976:26).
El estudio concluía con la recomendación de diseñar el sistema multiprocesador
denominado " C.ai".
Por otra parte, la tesis doctoral de un estudiante de CMU, Strecker, que
construyó un modelo analítico sobre la permanencia de memoria de un
multiprocesador, permitió entrever que esta memoria no se degradaría al ser
compartida por varios procesadores. Ambos hechos, junto con el la invención de
microprocesador en 1971 que rebajaba el precio del computing, llevaron a la
construcción en CMU de la máquina C.mmp., un multi-mini processor diseñado por
Gordon Bell y W. A. Wulf en CMU.
La Inteligencia Artificial no podía desarrollarse sin un avance del hardware. En
1971, Gordon Bell y Allen Newell escribían el libro "Computer Structures",
abriendo la línea de investigación en "Computer Systems" en el departamento. En
1972, Daniel Siewiorek, un electrical engineering de Stanford, se incorporaba a
CMU como uno de los líderes en este campo. (Siewioreck, Bell, Newell, 1981).
4.1.4. LOS MULTIPROCESADORES DE CMU Y EL COMPUTER ENGINEERING: GORDON
BELL.
La apuesta por los multiprocesadores ha sido una batalla que ha llevado Gordon
Bell durante 30 años, a contracorriente de la mayoría de la industria. Este
"electrical engineer" del MIT, empezó trabajando en Digital Equipment
Corporation de 1961 a 1966 antes de venir a CMU. Aquí pasó 12 años como profesor
de Computer Science y Electrical Engineering, donde desarrolló su diseño de
multiprocesadores.

En el 25 aniversario de Computer Science de CMU, Bell ha reafirmado su apuesta
en favor de este tipo de ordenador que en su opinión facilitará la quinta
generación de ordenadores.
Los multiprocesadores son un tipo de ordenadores en paralelo. El tipo de
ordenador mayoritario durante estos primeros 40 años de cultura informática han
sido los ordenadores basados en las denominadas arquitecturas Von Newmann, el
matemático que diseñó su estructura lógica. Estos ordenadores son máquinas
secuenciales que realizan una operación (computacion) al tiempo. Ello ha tenido
dos resultados, un uso ineficiente de los avances en circuitos integrados, y
dos, un tipo de programación secuencial, "a word-at-a-time thinking", que no
permite al programador pensar en términos de grandes unidades conceptuales de
tareas a resolver.
La Inteligencia Artificial ha sido la área más perjudicada por este tipo de
arquitecturas.
Este tipo de arquitectura está en crisis. Y está en crisis todo el modelo
empresarial de esta primera etapa de la cultura informática. El Proyecto japonés
de Quinta Generación ha apostado desde principios de los 80s por un tipo de
arquitectura distinta.
La alternativa empieza a denominarse: "parallelism revolution", el diseño de un
nuevo tipo de ordenadores que está permitiendo un nuevo salto en la capacidad de
procesamiento de los ordenadores. (Pelaez, E. 1990:69).
Las arquitecturas en paralelo permiten a varios procesadores trabajar en varias
tareas al tiempo. Si lo comparamos con la construcción de una casa, el ordenador
Von Newmann se basa en que un obrero construye la casa de principio a fin, paso
a paso. Por contra, los ordenadores en paralelo permiten que varios obreros
juntos construyan la casa coordinadamente. El principal problema en este tipo de
sistemas es planificar, organizar y coordinar el trabajo de los procesadores.
Los ordenadores en paralelo se pueden clasificar atendiendo a varios problemas.
El primero es la relación procesador/instrucciones. Si todos los procesadores
reciben la misma instrucción, se denominan SIMD o "single-instruction-stream".
Así funciona el ordenador Connection Machine desarrollado en el M.I.T. y
construído por Dan Hillis de Thinking Machines Co. (Hillis, W.D.1985). Tiene
64.000 procesadores que trabajan al unísono según una misma corriente de
instrucciones y con una memoria distribuída. Por contra, si cada procesador
recibe su propio conjunto de instrucciones, se denominan MIMD o

"multiple-instruction-stream". Máquinas como WARP de H.T.Kung funcionan según
este modelo.
Un segundo criterio de clasificación es la relación memoria/procesador. En las
arquitecturas Von Newmann el procesador ("Central Processing Unit") está
separado de la memoria. En las arquitecturas en paralelo memoria y procesador se
diseñan conjuntamente, habiendo dos alternativas: la memoria compartida o
("share memory") en la cual los procesadores comparte la misma memoria. O la
memoria distribuída ( "distributed memory"), por la que cada procesador tiene su
propia memoria, en cuyo caso el principal problema es el de la comunicación
entre procesadores o "communication problem". Máquinas como Cray X-MP siguen el
primer modelo , mientras que Warp o Connection Machine el segundo.
La alternativa de Bell es que varios procesadores puedan trabajar
simultáneamente con una memoria compartida ("shared memory").
Según él, la idea de los multiprocesadores se puede entender con el símil del
carro de caballos. Un ordenador uniprocesador tiene un caballo atado al carro y
su poder lo obtiene de acelerar la velocidad del caballo. El multiprocesador
obtiene su poder de computación con decenas y potencialmente cientos o miles de
caballos arrastrando juntos el carruaje, esto es, trabajando juntos en la misma
aplicación.
Para el Computer Science and Technology Board : "Perhaps the greatest promise
lies in the evolution of multiprocessors...Development of this technology is
motivated by the fact that current computing power is wholly inadequate, by
orders of magnitude, to perform most the interesting applications of the
future...That power should help multiprocessors achieve ambitious new
applications of artificial intelligence, such as real-time speech understanding,
machine vision, learning, natural language understanding, and better machine
reasoning..." ( Dertouzos,1988:10).
Este tipo de máquinas, como la C.mmp, se empezó a diseñar en CMU a principios de
los 70s. Y su resultado inmediato fue doble: uno, permitir el diseño de máquinas
más aptas para el uso en Inteligencia Artificial, y dos, institucionalizar la
investigación en Computer Systems. Una nueva disciplina nacía a caballo entre
electrical engineering y computer science: el "computer engineering", aunque no
se reconocería hasta años más tarde. En los años 80s, el departamento de
Electrical Engineering, pasaría a denominarse, bajo la dirección de S. Director,
Electrical and Computer Engineering. Hoy dicho departamento es el más grande del

Carnegie Institute of Technology y tiene entre sus áreas de investigación las
siguientes: " digital electronics, computer architecture, computer-aided design
and manufacturing, robotic and control systems, telecomunications and computer
networking, communication systems, signal and information processing, solid
state physics and devices, electromagnetic and electromecanical systems,
magnetic information technology, digital signal processing, and optical data
processing". (CMU. Undergraduate Catalogue, 1990-92:87).
Por su parte, el Department of Computer Science en los 70s abrió una cuarta
área: el Computer Systems, permitiendo que "computer engineers" como Gordon Bell
pasaran a trabajar en Computer Science.
Este paso del Computer Science Department hacia la ingeniería fue un precedente
de otros como la apertura de una área de Robotics en 1979 entre ingenieros y
computer scientists, la apertura del Software Engineering Institute en 1984.
El diseño de ordenadores ha influido decisivamente en la evolución del
Department of Computer Science, aunque el modelo de sistema informático ha
variado con el tiempo. De los multiprocesadores de los 70s se pasó a los
llamados sistemas distribuídos o "distributed systems" y los "multicomputers" en
los 80s. En esta evolución influyó una nueva tecnología, la denominada "Very
Large Scale Integration" ( VLSI), que permitía integrar millones de transistores
por microprocesador, y aumentar enormemente la velocidad de procesamiento. Ello,
unido al fenómeno de las redes informáticas, que permiten a los ordenadores
intercomunicarse entre sí, ha dado protagonismo a un modelo de paralelismo, el
"heterogeneous multicomputer" distinto al de Bell.
Pero el efecto de esta tendencia del Computer Science hacia la ingeniería no se
ha borrado. Jóvenes matemáticos como H.T.Kung se han puesto a construir
"computer architectures" pasando de la área de "Theory", la más abstracta y
menos ingeniera de la escuela, a estar adscritos al Electrical and Computer
Engineering Department.
La investigación en Computer Science de CMU quedará así unida inseparablemente
una área que al principio no se pretendía investigar. Incluso hoy día líderes
como Raj Reddy, hacen depender el futuro de la A.I., su propia rama, que aún es
la mayoritaria en la escuela, de la aparición de los llamados "3G
supercomputers" previstos para finales de la década de los 90s. (1991:465)
El Programa japonés de la Quinta Generación ha reforzado esta urgencia de un
nuevo tipo de hardware. A diferencia del enfoque norteamericano en Artificial

Intelligence, que ha separado sistemáticamente el nivel del software, de el del
hardware, al menos en CMU , la Quinta Generación se ha cuidado de construir una
máquina razonadora, una Parallel Inference Machine. Y ha sido en torno a esta
nueva máquina que se han desarrollado lenguajes lógicos y las aplicaciones. Este
proyecto ha finalizado sin demasiado éxito. No obstante, han iniciado un segundo
, el ordenador neuronal, a desarrollar entre 1992 y el año 2000, basado en la
idea de redes de miles de procesadores imitando el funcionamiento del cerebro
humano. (Fuchi, K. 1991)
La respuesta norteamericana fue el programa Strategic Computing de DARPA de
1983. La estrategia seguida ha sido apoyar diversos sistemas de computación en
paralelo, entre ellos los que se han construído en CMU por H.T. Kung, el iWARP y
NECTAR.
A su vez, ha apoyado avances en la tecnología de VLSI que permiten construir las
anteriores máquinas.
Por su parte, Gordon Bell, inició en 1983, el proyecto ALFA-OMEGA en
computadores avanzados para la Microelectronics &Computer Technology
Corporation, un consorcio de 17 empresas norteamericanas construído en 1983 como
respuesta empresarial al Projecto japonés. (Feigenbaum, McCorduck, 1983:289).
El tipo de investigación se realiza hoy en Computer Systems en la School of
Computer Science es el resultado de este proceso, marcado por dos grandes ejes:
la computación en paralelo y la tecnología del VLSI.
4.2.LA LLAMADA "BASIC RESEARCH IN COMPUTER SYSTEMS".
4.2.1. LA INVENCION DE LA TECNOLOGIA DE VLSI.
En el 25 Anniversary de Computer Science, Raj Reddy dedicaba su discurso a unas
nuevas máquinas, denominadas "3G Supercomputers". Estos ordenadores disponen de
una gran potencia de procesamiento de información que se calcula que a finales
de siglo podrán estar en el mercado al precio de los actuales ordenadores
personales.
Según Reddy, estas máquinas podrán realizar algo que ha sido imposible hasta
ahora: poner al alcance del gran público la Inteligencia Artificial. Para ello
se necesitan máquinas con las que interactuar mediante la palabra y la imagen, y
así ser utilizadas para tareas inteligentes como consultar diagnósticos o
realizar traducciones simultáneas.

La informática representada por el ordenador personal no ha llegado al conjunto
de la población como lo ha hecho el televisor. Sólo la mitad aproximadamente 100
millones de hogares norteamericanos tienen ordenador personal y su uso se reduce
a tareas elementales como procesamiento de textos o videojuegos. El computing es
una herramienta cuya difusión aún no es comparable con tecnologías como el
teléfono o la televisión, y esto, en paises industrializados avanzados.
A diferencia de otras tecnologías como el automóvil, cuanto menor es la
preparación del usuario en informática, más sofisticado , potente, e
inteligente, ha de ser el ordenador para poder interactuar con él. Ello conduce
a la paradoja que el ordenador que puede interesarle tanto a un niño en edad
escolar es aquél con el que pueda relacionarse con la palabra y la visión, y el
que se pueda programar sin necesidad de conocer lenguajes formales de
programación. Y ello exige un poder de procesamiento más alto que los de los
actuales ordenadores personales e incluso que las estaciones de trabajo o
"workstations".
Igualmente la Inteligencia Artificial, la área menos formalizada de Computer
Science y la más cercana a las ciencias sociales, es la que necesita una mayor
potencia informática para sus programas de procesamiento de símbolos. Los
multiprocesadores, ordenadores con la mayor potencia de procesamiento , se
empezaron a construir como el tipo de computadores que necesitaba esta área.
Esta relación máquina-complejidad de la tarea es constante y podría formularse
como sigue: A mayor complejidad de tarea a realizar por el ordenador, mayor
potencia y complejidad precisa el sistema informático. Las tareas más complejas
son las relativas al diseño de sistemas culturales complejos, uno de ellos, la
simulación del funcionamiento de la mente humana.
Por lo tanto, el diseño en áreas de conocimiento complejas como las que estudia
la antropología u otras ciencias sociales exigirá el máximo poder de computación
conseguible por la máquina. El diseño de tecnoculturas, aún a niveles micro,
precisará de un sistema informático con las máximas y más complejas capacidades
de procesamiento. Incluso como más adelante veremos, es posible que ya se
precise de un tipo de máquina distinta al ordenador para ello.
Esta relación indica simplemente una proporción directa entre complejidad
cultural humana y complejidad tecnológica, y confirma el hecho que la tecnología
no es más que un "man-made world", y que este mundo se complejiza utilizando más
y más complejos y más simples artefactos técnicos. Pero una vez llegados a este

punto, como vimos con los "embedded computer systems", se precisa construir
sistemas modulares, apropiados para tareas concretas, no "universales", como aún
pretende el ordenador.
La informatica tal como la conocemos ahora ha llegado a un límite. La crisis
actual de IBM expresa este límite. Así explicaba Raj Reddy esta crisis con
motivo del 25 aniversario de la institución: "What happened?. We discovered that
creating a "plug and play" home computer system requiring little or no
additional training by family members required a degree of sophistication in
software and user interface technology that did not exist. The graphics were
inadequate, the computational power was inadequate, the sound quality was
inadequate, and the applications were nonexistent". (1990:467).
Según Reddy, las tres condiciones básicas para un uso masivo del ordenador son:
1. que las máquinas 3G estén disponibles a un bajo costo. 2. Que dispongan de
una interface fácil de usar por el ser humano, y 3. Que se creen nuevas
aplicaciones que mejoren la productividad de los "knowledge workers", la mayor
parte de la población activa en U.S.
La condición inicial de todo el ciclo es una máquina potente y barata. Y la
condición para lograrla: que siga cayendo el precio del computing al tiempo que
sigue aumentando su potencia, segun Reddy.
Es significativo de esta etapa de CMU que un líder destacado de la Inteligencia
Artificial admita que el avance del uso de la A.I. dependa como primera
condición de un avance de la tecnología de microprocesadores. Recordemos que en
un principio, la Computer Science en CMU no contemplaba la investigación en
"hardware", sino sólo en "software".
Reddy ve este proceso como inexorable: "The cost will follow the inexorable
exponential improvement of silicon chips and computer systems". (ibid:467).
Pero los "3G supercomputers" a precio asequible son una nueva posibilidad, una
nueva "oportunity", no una necesidad inexorable. En 1964, el Computer Science de
CMU decidió no investigar en hardware y el escaso peso de esta área en CMU ha
tenido consecuencias, como por ejemplo el retrasar las aplicaciones de la A.I.,
al no disponer de un hardware adecuado.
La visión determinista de los procesos tecnológicos resulta ya difícil de
mantener. No todo depende del descenso del precio del microprocesador sino
también de cambios en la arquitectura de ordenador, así como de pensar en
términos de producto para el mercado, no sólo de avance tecnológico en sí. Es un

conjunto de aspectos culturales relacionados entre sí lo que cuenta.
El problema con la predicción científica, al modo de "technology forecasting",
que pronostica qué tendencia van a seguir los avances tecnológicos es que por
definición va siempre por detrás de la tecnología. Se afirma, por ejemplo, que,
en base a la tecnología VLSI, el precio del computing sera x al final de siglo.
Pero esta visión presupone que ninguna nueva tecnología dejará obsoleta la de
VLSI. Siguiendo este método, un pronosticador tecnológico habría previsto en
1945, que según el avance de la tecnología de los tubos de vacío, que los
ordenadores sólo serían una sofisticada máquina para un reducido número de
instituciones , debido al alto precio de dicho tubos. O que no surgirá un nuevo
tipo de máquina que deje obsoleto al ordenador.
CMU, por suerte, no sólo hace "technology forecasting" sino que investiga en
VLSI. La escuela de ingeniería, el Carnegie Institute of Technology, tiene uno
de los dos centros nacionales de excelencia en el diseño de circuitos integrados
a gran escala, el SRC-CMU Research Center for Computer-Aided Design. El proyecto
de VLSI Logic Validation de Randal Bryan permite la verificación de dichos
circuitos.
¿Qué es la tecnología VLSI , quien y para qué se inventó?.
El componente básico de todo "computer system" es el chip o circuito integrado.
Estas pastillas de silicio pueden contener millones de transistores, diodos, y
otros dispositivos que son los que permiten incrementar la capacidad de
procesamiento de información de los ordenadores. Cuanto más pequeños son los
transistores más pueden integrarse en un chip, y más puede aumentarse la
potencia de los ordenadores. . Hoy la pastilla normal de silicio de 6 pulgadas
contiene 5 millones de transistores. En 1999, la capacidad potencial será de
3.500 millones de transistores. (Rappaport& Halevi, 1991:73).
Los semiconductores son dispositivos electrónicos cuyo funcionamiento está
basado en las propiedades físicas de algunos materiales como el silicio o el
arseniuro de galio. Estos materiales en estado puro son aislantes o no
conductores , pero la presencia de determinadas impurezas en su estructura
cristalina las dota de determinadas propiedades eléctricas que aprovechadas
permiten construir dispositivos como los transistores o diodos. El diseño de
estos dispositivos es el objetivo de la microelectrónica.
Los avances que han permitido que el ordenador se haya convertido en una
industria puntera han tenido origen en un avance en la tecnología de los

semiconductores.
Estos han sido fundamentalmente cuatro. Y las cuatro han sido norteamericanas.
Por orden histórico han sido:
1. La invención del transistor en 1947.
2. La invención del circuito integrado en 1959.
3. La invención del microprocesador en 1969 y
4. La invención de la tecnología de VLSI a finales de los 70s.
En 1947, W. Shockley, W. Brattain y y Bardeen inventaron en los Bells Labs el
transistor, contracción de "transfer resistance", un dispositivo que permitía
aplificar las señales eléctricas, igual que las válvulas de vacío, pero con
mucha menos corriente y calor, y de dimensions mucho más pequeñas. Así
explicaban J.Barden y W.H.Brattain su invento: "A three-element electronic
device which utilizes a newly discovered principle involving a semiconductor as
the basic element is decribed. It may be employed as an amplifier, oscillator,
and for other purposes for which vacuum tubes are ordinarily used." (1948:230).
En 1956, Schockley, Brattain y Bardeen recibirían el premio Nobel de física por
esta invención. El primero relata así la misma: "Durante unos pocos meses a
finales de 1947 y principios de 1948...Se realizaron las primeras invenciones
sobre el transistor...Los detalles son...el fracaso de mis proposiciones sobre
el efecto-campo en los transistores en 1939 y de nuevo, independientemente, en
1945,...Dejamos a un lado nuestros esfuerzos para construir un transistor. Pero
la situación cambió el 17 de noviembre de 1947. Entonces Walter
Brattain...realizó un experimento sugerido ese mismo día por otro miembro del
equipo. El resultado fue la evidencia de que el efecto-campo podía
funcionar...El transistor punta de contacto de Bardeen y Brattain nació el 16 de
diciembre de 1947 ...Yo inventé el "transistor de junta" un mes más tarde".
(cit. E Rogers, 1986:257).
La invención del transistor fue el hecho que transformó un descubrimiento
científico en una pieza útil de un nuevo sistema tecnológico: el transistor.
Como Shockley afirma, como científico trabajaba en un laboratorio industrial
realizando descubrimientos para ser aplicados en forma de transistores, el cual
fue utilizado años más tarde por Bardeen y Brattain para inventar el transistor.
Este modelo Diseño 1-Descubrimiento-Diseño2, ya lo volvimos a ver en el programa
Types in Programming.
El mismo Shockley inventó nuevas variantes de este mismo dispositivo, y

finalmente decidió crear una empresa propia en Palo Alto, el Shockley
Semiconductor Laboratory, que reuniría al núcleo promotor de lo que sería la
industria de los semiconductores: los llamados "Shockley Eight".
Esta participación de un Premio Nobel de Física en el inicio de la high tech
industry, así como la cercanía de la Stanford University, se ha interpretado
como que dicha industria nace de la ciencia básica y de la universidad. En
realidad, la investigación que dio lugar a la invención del transistor nació en
un laboratorio industrial, el Bell Lab, que es la división de I+D de la American
Telephone and Telegraph Company, cuyo objetivo era producir inventos
tecnológicos, sirviéndose de la ciencia como medio. Durante más de 50 años este
laboratorio ha producido 10.000 patentes . Produce 1 patente diaria. Igualmente
la participación de otros premios Nobels como H.Simon en la cultura informática,
está erróneamente interpretado como que sus aportaciones nacen de los
descubrimientos científicos. Ya vimos que el caso de la Logic Theory Machine fue
al revés.
Por su parte, el papel de la Stanford University en la generación de la "high
tech culture" del valle no ha sido homogéneo. Shockley venía de un laboratorio
industrial, no de una universidad, y en relación con la industría, el papel
clave lo ha jugado su escuela de ingeniería, de donde han salido las promociones
de ingenieros-promotores que han ido a formar empresas de semiconductores en el
valle. Del Departamento de Ingeniería Eléctrica salieron Frederick Terman, David
Packard y William R. Hewlett, todos ellos ingenieros eléctricos y figuras
fundacionales del Stanford Industrial Park en 1951.
Lo nuevo de la high tech no fue ligarse a la Universidad en general sino a una
escuela de ingeniería de rango universitario. Ello convertía a la technology en
"high", en tecnología de rango universitario. Pero a cambio, la universidad se
apropiaba como institución dirigida por la ciencia del patronazgo de la "high
tech". Con todo como el estudio de Everett Rogers y Judith Larsen demostró el
tipo humano del Silicon Valley clave era el llamado "ingeniero-promotor" (ibid:
41)
En CMU Angel Jordan fue de los pioneros a finales de los 50s en iniciar la
investigación en el Electrical Engineering Department sobre los semiconductores,
realizando su tesis doctoral como él mismo explica: "on the analysis of a very
special semiconductor device I had invented and started to develop for Syntron
Company". (1976, A Personal Experience. Focus.). Pero esta línea no se consideró

interesante cuando se formó el Computer Science en CMU al no contemplar la
investigación en hardware.
La segunda gran invención fue la de los circuitos integrados, los famosos chips,
en 1959 realizada por Jack Kilby de Texas Instrument y Robert Noyce, fundador de
Intel y discípulo de W. Shockley.
Esta invención generó en la industria de semiconductores un efecto conocido por
los ingenieros. Gordon Moore, cofundador de Intel, en 1964 lo describió como
la"learning curve" o curva de aprendizaje. La "Ley de Moore"advertía que el
precio de un chip decrecía rápidamente tras su introducción debido a que las
firmas aprendían a fabricarlo con menos defectos y a un coste más bajo. Por esta
ley, cuanto antes se situara una empresa sobre la curva de aprendizaje mayor
será su ventaja sobre los competidores. Esta curva recompensa la innovación
tecnológica continúa, pues es la única vía segura para la supervivencia. La
evidencia de esta ley se manifestará con la invención del microprocesador.
(Rogers & Larsen, 1986:86).
Marcian E. "Ted" Hoff, un "electrical engineering" de Stanford, que trabajaba en
Intel en 1969, fue el inventor del microprocesador, realizando un paso más en
esta integración. Ted Hoff reunió en un solo chip la parte central de un
ordenador: la CPU (Central Processing Unit), asociándole dos chips con la
memoria del ordenador con los datos y el programa. Con ello conseguía introducir
un ordenador en un chip, y abría el paso a los miniordenadores y al ordenador
personal.
En 1973 el microprocesador 8080 de Intel que incorporaba la tecnología MOS
(Metal-Oxidon-silicon) utilizada para los circuitos integrados, salía al mercado
. Digital Equipment Corporation y Apple deben su auge a esta invención. El
microprocesador es lo que ha permitido un computing a bajo precio, y lo que hace
posible la máquina de Reddy.
La llamada "high tech industry" es un fenómeno tecnocultural complejo. De hecho
el término "high tech" se originó en la industria no es la universidad. El tipo
de invenciones en que se basa las ha protagonizado como hemos señalado el
"ingeniero-promotor" (Rogers y Larsen: 41). Pero esta figura ha tenido un límite
al no estar acompañada de un mayor nivel de integración social. Después de mas
de una década, y de muchos intentos, el fenómeno del Sillicon Valley no se ha
repetido con esa fuerza en todo el país, quedando junto al de la Carretera 128
de Boston, reducido a un guetto tecnológico. (Florida & Kenney, 1990)

Por otra parte, la industria norteamericana de los circuitos integrados no
inventó un nuevo modelo de organización que siguiera la pauta de integración de
su propia tecnología. Permaneció internamente fragmentada y dividida. La
tecnología de VLSI ha sido aprovechada ante todo por Japón, y sus grandes grupos
industriales o "keiretsu". De hecho de las cinco principales empresas de
semiconductores: NEC, Hitachi, Toshiba, Mitsubishi y Matsushita, las cuatro
primeras pertenecen a los seis principales keiretsus: Sumimoto, Fuyo, DKB,
Sanwa, Mitsui y Mitsubishi.
En 1975, la industria norteamericana copaba el 60% del mercado mundial de
semiconductores. En 1987, sólo disponía ya del 40 % del mercado mundial, y la
japonesa alcanzaba el 50%. La razón dada por el MIT para la pérdida de este
liderazgo es que la empresa norteamericana, innovadora pero fragmentada no pudo
seguir el cambio de modelo industrial cuando a finales de los 70s se impuso la
tecnología del VLSI, una tecnología inventada en Norteamerica pero que exigía la
producción en masa de chips más elaborados ( Dertouzos,Made in America:259). Los
grandes grupos industriales japoneses, orientados por la "industrial policy" del
Ministerio de Industria y Comercio Internacional, el M.I.T.I., consiguieron
imponer un modelo de producción industrial. El burócrata innovador más el
ingeniero promotor japoneses, están venciendo al solitario ingeniero promotor
norteamericano.
Un circuito integrado a gran escala (VLSI) es aquél que contiene 100.000 o más
transistores o dispositivos semiconductores. La integración de dichos
dispositivos en un chip de 6 pulgadas es un problema de diseño.
La tecnología de diseño de circuitos integrados a gran escala o Very Large Scale
Integration (VLSI), fue iniciada en varios laboratorios industriales y
desarrollada por Carver Mead de California Institute of Technolgy y Lynn Conway
de Xerox PARC entre 1976 y 1977.
Las técnicas que estos dos investigadores desarrollaron, el llamado
"the’Mead-Conway’VLSI design", tuvieron un rasgo único: las concibieron
explícitamente como la generación de "new cultural forms" (Conway 1981:1). Este
equipo se apoyó para avanzar en sus técnicas de diseño en un experimento
organizativo novedoso: para integrar semiconductores en un chip, Lyn Conway y
Carver Mead integraron diseñadores en la red ARPANET. El objetivo de esta red
era la invención de metodologías de diseño de dichos circuitos. Comunicaron a
los diseñadores del país sus diseños preliminares y recibieron dibujos,

correcciones, cambios que fueron integrando, hasta producir un manual
Introduction to VLSI (1980), un clásico en esta técnica. Dentro de una enorme
computer network (Arpanet), formaron una subred de diseño.
Lo interesante es que este fue un experimiento de diseño técnico intentando a su
vez una integración cultural más amplia. Según Conway: "The sort of question
that really interest me is: How can we best organize to create, validate, and
culturally integrate new design methods in new technologies?...How can you cause
the cultural integration of the new methods, so that the average designer feels
comfortable using the methods, considers such usage to be part of their normal
duties, and works hard to correctly use the methods" (1981:2)
Desde esta red, establecieron una nueva relación entre las universidades y la
industria. Trabajando desde la Xerox, ofrecieron a los profesores poner a prueba
estos conocimientos, realizando "project-oriented courses" basados en el diseño
de circuitos integrados, transmitir éstos a través de ARPANET a la industria, y
tener las pastillas completas y empaquetadas al cabo de un mes de finalizado el
curso escolar, lo cual permitiría probar si estos diseños funcionaban o no en el
real world. Este experimento de denominó "multiuniversity, multiproject chip
network" conocido como "MPC79". (Ib:5). Una red de diseño. Una docena de
universidades participaron en la red, las de vanguardia en la área :MIT,
Caltech, Stanford, Berkeley, y CMU. Y un total de 100 diseñadores, entre ellos
Bob Sproull de esta última universidad
Es importante destacar que un avance en las metodologías de diseño y la
construcción de una red de diseñadores haya permitido avanzar en la tecnología
clave de la industria informática.
Unos años más tarde, en 1982, Lynn Conway y Mark Stefick, escribían el artículo
"Towards the Principled Engineering of Knowledge", (Stefik & Conway, 1982) donde
proponían que también el conocimiento, no sólo los circuitos integrados, podía
ser diseñado, ser tratado con métodos ingenieros, siguiendo la experiencia de
los experts systems iniciados por E. Feigenbaum. Junto al slogan "Knowledge is
power"de Feigenbaum , añadían el de: "Knowledge is an artifact, worthy of
design" (1982:4). Nosotros añadimos un paso más: "Knowledge is design". Y el
diseño es un sistema de conocimiento base de un tipo de cultura distinta, una
tecnocultura
La experiencia del diseño de VLSI, así como la de expert systems, confirma este
principio rector de la high tech . Este sistema de conocimiento avanza con la

contrucción de redes de diseñadores integradas a gran escala, donde el diseño
técnico es inseparable del diseño cultural. Este fue el intento que realizamos,
prematuramente, en 1990 en CMU iniciando la construcción de una red de diseño
que denominamos "Designet".(Serra, Rojo, 1990).
4.2.2. "VLSI LOGIC VALIDATION" PROJECT: DISEÑANDO HERRAMIENTAS PARA LOS
DISEÑADORES DE CIRCUITOS INTEGRADOS.
Randal E. Bryant recibió de Lynn Conway el citado curso. Siendo estudiante de
doctorado en el M.I.T. diseño el primer simulador y verificador de circuitos
integrados a gran escala, MOSSIM. El presente proyecto en CMU continúa esta
línea de investigación.
La innovación principal que el proyecto reivindica es la siguiente : "A
switch-level simulator, capable of simulating circuits of up to 1.000.000
transistors when run on a uniprocessor, will be developed". (CMU-SCS-Basic
Research in Computer Science. 1989:1-1). Se trata de desarrollar un simulador de
circuitos integrados.
Si nos atenemos a la definición tradicional de "investigación básica", este
proyecto no debería estar clasificado ni siquiera como investigación aplicada
sino como "development". Cierto es que tiene una segunda parte que se denomina
"Parallel Computation" pero como veremos su objetivo es desarrollar lenguajes de
programación para la computación en paralelo.
El simulador en cuestión se llama COSMOS y ya se utiliza en docenas de
universidades, industrias y laboratorios, entre ellos Carnegie Mellon,
University of Washington, Lincoln Laboratories y California Institute of
Technology.
Las funciones de este artefacto son tres: 1. La simulación de circuitos
integrados a gran escala. 2. La validación de los mismos, y 3. Su test.
El proyecto pretende, en primer lugar, mejorar la función de simulación de
circuitos. Hoy día los electrical and computer engineering diseñan los circuitos
con ayuda de las herramientas CAD (Computer Aided Design). COSMOS es una
herramienta que les permite preprocesar el circuito produciendo una
representación boolena (lógica) del mismo. Hoy el límite está en 200.000
transistores y lo pretende elevar en tres años a 1 millón.
La segunda función, es la validación de dichos circuitos. Para ello adopta un
enfoque denominado "formal verification". Este enfoque consiste en tratar el
diseño del circuito como un sistema lógico y verificar que los diseños se

derivan de las especificaciones, igual que las pruebas de un teorema se derivan
de sus axiomas. Este método se empezó a utilizar en "programming systems" y
ahora se extiende al hardware.
Por último, COSMOS ayuda a generar pruebas para comprobar que el circuito esta
libre de defectos. Es en este nivel cuando se acaba el ciclo denominado:
"Circuit Validation". La validación del circuito no acaba con la verificación
lógica de sus especificaciones sino con la prueba que sigue a este mecanismo
lógico. El circuito no es un teorema lógico sino un ingenio mecánico, y su
funcionamiento es lo que vale, no que sea verdadero o falso.
Este aspecto conviene resaltarlo, pues es clave para entender el sistema de
conocimiento en esta cultura. La lógica es un instrumento al servicio de la
construcción de circuitos integrados no su fundamento, como lo fue ya en el caso
del Logic Theorist de Newell, Shaw y Simon.
Igualmente, el llamado "test" en ingeniería tiene un carácter distinto a lo que
se denomina "test" en ciencia experimental. En el primer caso , como vemos, se
trata de comprobar que el sistema diseñado funciona sin defectos. En el segundo,
la prueba sirve para verificar que las hipótesis explicativas a cerca de un
sistema estudiado son ciertas.
Pero todo esto está de momento confundido en un equívoco terreno denominado
Computer Science, en el cual se denomina "basic research" al desarrollo de
dispositivos electrónicos como COSMOS, hechos por ingenieros como Randal E.
Bryant, que ostentan el cargo de "Associate Professor of Computer Science" en la
SCS, y al mismo tiempo es profesor en el Electrical and Computer Engineering
Department del Carnegie Institute of Technology.
4.3.3. "PARALLEL COMPUTATION" PROJECT: DISEÑANDO LENGUAJES PARA LA
PROGRAMACION
EN PARALELO.
La segunda parte de este programa de investigación en "basic research" se
denomina "Parallel Computation". Pero como veremos su campo se reduce de hecho
al tema del "parallel programming".
El proyecto parte del supuesto que el cuello de botella de la siguiente
generación de ordenadores, los ordenadores en paralelo, ya no está en el diseño
de sus arquitecturas sino en la falta de lenguajes de programación para ellas.
El proyecto apuesta por lo que denomina "data parallel languages", un tipo de
lenguajes que combine los lenguajes funcionales como el llamado "C*" con los

utilizados en máquinas vectoriales como Cray.
Los ordenadores en paralelo permiten y exigen un tipo de programación distinta a
los ordenadores Von Newmann. En lugar de utilizar lenguajes de programación
secuenciales permiten el uso de lenguajes funcionales basados en el álgebra y en
la lógica. Estos permiten al software engineer concentrarse en el problema a
resolver, más que en cómo ha de resolverlo la máquina. A cambio la programación
en paralelo es más compleja que la secuencial con lo que amenaza a convertir la
"software crisis" en una "super-software crisis" (Pelaez, E. 1990: 75).
Este proyecto de CMU pretende lo siguiente: "We propose a multidisciplinary
program of research to develop language designs and implementation technology
for portable, general purpose parallel programming. This work will be based on
innovation in three key areas...:languages, intermediate representations and
compilation techniques.In addition to the usual process of writing and testing
code, a critical part of our work will be to apply techniques and insight from
semantic analysis to all three areas"( CMU-SCS-Basic Research in Computer
Science: VLSI Logic Validation and Parallel Computation,1989:7-9).
Es pues una investigación básica centrada en el diseño de lenguajes de
programación: "Our goal...is to learn how to design data parallel languages that
optimize both ease of programming and performance of compiled code across
multiple architectures".(ibid.,7-9)
Se trata de un tipo de investigación básica centrada en saber como diseñar
sistemas informáticos, centrada, pues, en el diseño.
¿Cuáles son los pasos de esta investigación?.¿ Cuál es su plan de trabajo?.
1. El punto de partida de la misma, según los autores, son las invenciones
técnicas diseñadas anteriormente: "The starting point for this research will be
the more specialized techniques that we and others at Carnegie Mellon have
developed in previous work with W2, Apply, AL, Slang...and in programming a
variety of machines including Warp machines,...the TMC Connection Machine, the
iPSC hypercube, and the Cray XMP and YMP."(Ibid. :7-16).
2. El siguiente paso es el diseño de los rasgos fundamentales del lenguaje, las
representaciones intermedias y las técnicas de generación del código basadas en
la experiencia anterior y las ideas del proyecto: "We will design initial
language features, intermediate representations, and analysis and code
generation techniques based on generalizations from this experience and the
ideas described in this proposal" (ibid:7-16).

3. El siguiente paso será, para los autores, la construcción de las
implementaciones iniciales: "The next step...will be to build simple, easy to
change and upgrade, initial implementations. We will design a small but useful
parallel programming language to serve as a testbed for language features, in
isolation and in combination". (ib: 7-16).
4. Una vez construído el lenguaje, el proyecto empezará a escribir una serie de
programas piloto, en diferentes máquinas: "With the initial implementations, we
will begin to code a series of example programs, covering an increasingly wider
set of algorithms and programming styles." (ib:7-17).
El proyecto seguirá, según sus autores, las siguientes etapas: 1. Problema
inicial, ideas para solucionarlo y experiencias adquiridas. 2. Diseño de los
lenguajes. 3. Construcción de los mismos. 4. Prueba de ellos, usándolos para
escribir determinados programas en varias máquinas distintas.
Esta es la sucesión de etapas clásica de un proyecto ingeniero: 1. Analisis of
the problem. 2. Design. 3. Building. 4. Test
Una vez desarrollados estos lenguajes, estos profesores los enseñarán en sus
asignaturas de parallel programming y los ofrecerán a otros proyectos de CMU
para su uso.
A su vez, utilizarán las semánticas formales desarrolladas por Dana Scott para
la implementación de un correcto lenguaje: "We will also use semantics as a
touchstone for correct language implementation: A precise statement of the
abstract semantics of a language construct can be used as a specification for
its implementation". (ib:7-18).
Finalmente, se incorporarán las experiencias ganadas en esta investigación para
elaborar nuevos modelos teóricos de computación en paralelo: "We will also work
on incorporating the insights gained in the practical aspects of the research
into new theoretical models of parallel computation". (ib:7-18). Modelos basados
en los sistemas diseñados y construídos previamente.
Este es un proyecto de "basic research" en la área de Computer Systems de CMU.
Sus autores, Guy E. Blelloch, Stephen D. Brookes, Edmund M.Clarke y Allan
L.Fisher son profesores de Computer Science en la escuela.
Por último, los autores plantean que su proyecto avanzará sinérgicamente con
otros proyectos como iWarp y Nectar, proyectos estos que estos "computer
scientists" consideran "applied work".Mientras que este proyecto de "basic
research" cuesta 2.575.000 dólares, para el conjunto de los tres años, los de

"applied research" costarán ocho veces más.
4.3. "THE NECTAR PROJECT".
4.3.1. EL "NECTAR PROJECT" Y LA "SCHOOL OF COMPUTER SCIENCE".
Nectar Project es en el curso 1991-92 el proyecto con el mayor número de
profesores de la School of Computer Science (8), y con un mayor presupuesto: 19
millones de dólares para el periodo 1990-93.
Este hecho es tanto más significativo en un Departamento que no tenía en su
inicio la intención de investigar en hardware, e indica una línea de lenta y
costosa evolución de Computer Science en CMU hacia la ingeniería y el diseño,
antes señalada.
El proyecto oficialmente se denomina: " RESEARCH ON PARALLEL COMPUTING:
NETWORK-BASED MULTICOMPUTERS". (CMU-SCS- Basic Research on Parallel Computing,
1989). La dirección es del profesor H.T. Kung, y fue presentado a la Defense
Advanced Research Project Agency, el 28 de diciembre de 1989, respondiendo al
anuncio oficial 89-05 de dicha agencia. Su periodo de duración es de tres años
inicialmente.
Los resultados o "deliverables" que este proyecto piensa entregar a DARPA al
final de este contrato son:
1. "Nectar, a network backplane for multicomputers", ésto es, una red conectando
ordenadores de distinto tipo (estaciones de trabajo, ordenadores vectoriales,
...), y permitiéndoles trabajar coordinadamente en una misma aplicación.
Esta red se compondrá de dos sistemas: "Nectar I system", basado en un prototipo
ya construído, y que puede incorporar 128 nodos o conexiones distintas. Y
"Nectar II System", que pretende servir de modelo como red capaz de conectar los
ordenadores ultrarrápidos o "high-performance computers" de mediados de los 90s.
2. Un sistema de programación en computación en paralelo adecuado a la red:
"Parallel and network-level programming support".
Y 3. Aplicaciones ("applications"). Entre ellas, un sistema de sonar multicanal,
y el uso del simulador COSMOS funcionando en la red.
Pero este proyecto no se queda a un nivel meramente experimental. Se plantea el
desarrollo de productos, "products", realizados por industrias que han empezado
a trabajar colaborando con el proyecto.
Uno de los productos a entregar es el ordenador iWARP, desarrollado
conjuntamente con Intel, empresa que se encarga de su venta comercial, en primer
lugar al propio Department of Defense.

Nectar I System está siendo también desarrollado por una empresa subcontratista
del proyecto: la Network System Corporation.
Por su parte, Nectar II Systems ha sido adoptado por la Corporation for National
Research Initiatives, como proyecto piloto para el desarrollo de una red local
de alta velocidad (gigabits, mil millones de operaciones por segundo).
Por último, las primeras aplicaciones han sido con el Naval Air Development
Center (NADC) y con diversos departamentos de CMU, en primer lugar con el
Robotics Institute, cuyo proyecto NAVLAB, un vehículo terrestre experimental
totalmente automático que funciona sin conductor, utiliza el ordenador iWARP.
Nectar es un sistema informático, un "computer system": harware, software y
aplicaciones. Y este sistema esta basado en la construcción del ordenador, de la
máquina.
A nivel teórico, este sistema se basa en un paradigma denominado "complex
systems". Según H.T. Kung, se trata de una nueva vía en computer science:
"Building complex systems" (Entrevista 15-3-91). Este enfoque prioriza el
pensamiento de conjunto, "the whole thing".
Es de destacar que hasta ahora el paradigma dominante en la SCS ha sido el de la
Inteligencia Artificial, liderado por Simon y Newell. Según este modelo, el
Programming Systems y el Computer Systems son instrumentos de la A.I. para
desarrollarse. Y así sigue viendo Raj Reddy las máquinas 3G Supercomputer,
instrumentos para que el reconocimiento de voz y la A.I. llegue al gran público.
Pero el paradigma de Kung es distinto. En este enfoque, las aplicaciones de A.I.
u otras son un test para probar que su sistema funciona. Lo primero es el
sistema no sus partes. De hecho, Nectar no es sólo una área de "Computer
Systems", sino un modelo de organización trata de abarcar el conjunot de áreas
de la investigación en la SCS.
El modelo que se deriva de este paradigma de la "complexity" es que KUNG define
como "heterogeneous multicomputer", que es uno de los posibles sistemas de
computadores en paralelo.
H.T. Kung defendía así su modelo en un discurso con motivo del 25 aniversario de
Computer Science Department: "A heterogeneus multicomputer is a network-based
computing environment allowing two or more different kinds of computing
resources cooperating on a single application...Heterogeneous multicomputers
represent a new direction in high-performance architectures. ...allows
simultaneous use of the best suited architectures to carry out computations of

different characteristics". ( Kung,1990:237-238).
El sistema operativo MACH introdujo esta idea de sistema-plataforma, o sistema
unificador que es el que permite que los diversos sistemas operativos funcionen
conjuntamente. NECTAR extiende este modelo a la red informática. Es un sistema
comodín, que permite que ordenadores de distinto tipo funcionen simultáneamente.
Tiene la misma relación con las restantes máquinas que la Administración guarda
con los empresarios privados, estableciendo un terreno de juego común. Tanto
MACH como Nectar crecieron como proyectos del Strategic Computing Program de
DARPA.
El Nectar System está en funcionamiento en CMU desde noviembre de 1988. Es una
red informática para ordenadores de alto rendimiento, cada uno de los cuales se
considera lo que se denomina un "host" . Los "host" van unidos a potentes
coprocesadores ("CAB: Communication Accelerator Board") encargados de acelerar
sus protocolos de comunicación. A su vez, estos CABs están unidos mediante fibra
óptica con distintos "HUBs" o conmutadores que realizan la función de controlar
la distribución de los mensajes en el sistema. Estos "hubs", por último,
conectados entre sí forman el "HUB cluster".
H.T. Kung se ha concentrado desde finales de los 70s en este problema, "the
communication problem". A diferencia del enfoque tradicional que ha priorizado
el hacer chips más veloces a nivel de conmutadores ("switch level"), Kung se ha
especializado en acelerar la comunicación entre ellos, a fin de tener los datos
y el control "in the right place at the right time" en el chip.
4.3.2. H.T.KUNG Y CH. LEISERSON: "THE SYSTOLIC ARCHITECTURAL CONCEPT".
Hsiang-Tsung Kung ha sido hasta 1991 Shell Professor de Computer Science en CMU,
de donde ha pasado a la Harvard University. Nació en Shangai, China en 1945. En
1973 obtuvo el doctorado en CMU en Mathematics bajo la dirección del Dr. Joseph
Traub, matemático de origen y director por entonces del Department of Computer
Science. Su tesis se tituló : "Topics in Analytic Computational Complexity".
Su interés por el problema de la "complexity" en la área de Theory, le condujo a
interesarse por la complejidad de los VLSI, tecnología que a mediados de los 70s
se iniciaba.
Como explica Charles E. Leiserson, profesor en el MIT, alumno de H.T. Kung y
coinventor con él de este algoritmo: " In 1978, H.T. Kung led a group of CMU
graduate students, which included myself, to investigate the power of VLSI
circuitry. At the time, we were amazed by this computational medium. Every one

to two years, the number of devices that fit on a VLSI chip doubled...Many
computer scientists who became involved in VLSI naturally focused on the
problems of computer-aided design...H.T.Kung and his students took a different
path, however. Rather than concentrating on design issues, we investigated
computational issues: algorithms, architectures, and intrinsic capabilitites of
the medium". ( Leiserson1990:30).
Aqui Leiserson diferencia problemas de diseño de problemas computacionales. Ello
permite apreciar que el computer scientist al desarrollar, al diseñar, un
algoritmo para resolver un problema, piensa que no está haciendo diseño sino
"computer science". A reglón seguido nos dice Leiserson: "At the time, parallel
machine architectures, such as C.mmp and Cm*, were proliferating at CMU. Despite
our attemps to predict the behavior of algorithms running on these machines from
the abstract machine models they implement, we discovered that actual running
times differed considerably. The abstract machine model covers overhead costs,
such as communication, which must be considered explicitly to estimate running
times." (ib: 30).
El factor tiempo de comunicación no se tenía en cuenta, quedaba encubierto en
las máquinas abstractas del computer scientist. Pero en la tecnología VLSI los
costes de comunicación eran explícitos: " In VLSI technology, however, we found
that communication costs are explicit: the capital cost of communicating between
two processors is the area of the wire connecting them. Thus, we embraced the
VLSI revolution, because it could provide a model in which the abstract costs of
algoritms and architectures correspond closely to real implementation costs.
Kung and I developed an accurate, yet abstract, model of VLSI computation,
called systolic computation." (1990:30).
El equipo de computer scientists liderado por H.T.Kung pasaban a abrazar un
paradigma tecnológico, directamente ingeniero, "the VLSI revolution", porque
proporcionaba un modelo en el que los algoritmos y arquitecturas abstractos
podían implementarse con costes reales. El paso que dieron fue dedicarse a
diseñar un modelo de computación que pudiera ser construído mediante la
tecnología VLSI.
Desarrollaron una estructura denominada "systolics arrays" que podía
implementarse en hardware VLSI. Los "arrays" son una forma de estructurar los
datos en la memoria del ordenador. La invención de Kung y Leiserson fue diseñar
una nueva forma de comunicación de los datos en estas estructuras.

En 1979, en su escrito "Systolic Arrays (for VLSI)" estos "computer scientists"
explicaban sus intereses en la investigación: "We are interested in
high-performance parallel structures that can be implemented directly as
low-cost hardware devices. By performance, we are not refering to the
traditional operation counts that characterize classical analyses of algorithms,
but rather, the throughout obtainable when a special purpose peripheral device
is attached to a general purpose host computer". (1979:257).
Estos computer scientists pretendían diseñar ordenadores que funcionaran en
tiempo real, y la tecnología VLSI al hacer caer los precios del computing
permitía que un equipo universitario abordara esta tarea: "We are interested in
designing multiprocessor structures which have simple and regular communication
paths...Systolic systems provide a realistic model of computation which captures
the concepts of pipelining, parallelism and interconnectio structures".
(ib.:257).
En este modelo de comunicación, los datos eran "bombeados" por cada procesador
(como el movimiento sistólico del corazón) a su más inmediato vecino. Dado que
la velocidad de comunicación está limitada por la velocidad de la luz, la
ordenación para la comunicación con el procesador vecino ("locality") producía
una más rápida comunicacion de mensajes , a cambio de ser éstos más simples.
Este modelo de chip, daría lugar a un modelo de arquitectura de ordenador,
también denominada sistólica.
El centro de este proceso es el diseño de modelo de computación adecuado para la
construcción de un tipo de computadores en paralelo.
Con ésto estos inventores confirmaban lo que Perlis indicaba como la aportación
fundamental del "Computer Science", no los algoritmos, sino su unión con la
máquina: "What will be new is the attachement of algoritms and languages to a
machine-the electronic digital computer-which is the agent commanded to perform
(to do , to accomplish) algorithms expressed in language". (1977:2).
Es interesante saber que este sistema sistólico se patentó como invento.
Leiserson y Kung inscribieron la U.S. Patent Application " Systolic Array
Apparatuses for Matrix Computations" en Diciembre de 1978.
H.T. Kung por su parte inscribiría en 1985 una nueva patente con otros tres
estudiantes de la SCS, F.H.Hsu, N. Teiji, y A.Sussman, denominada "Programmable
Interconnection Chip for Computer System Functional Modules." Finalmente en 1991
recibiría el premio al "Inventor of the Year", concedido por la Pittsburgh

Intellectual Property Law Association, "in recognition of outstanding
technological achievement and commercial implementation in the field of parallel
computing, specifically in architectures used to deliver extremely high
computation rates at low cost".
Preguntado, en la entrevista mantenida en CMU, acerca de cómo se definía él
mismo, si como científico, ingeniero o ambas cosas, el afirmó:"I’m a problem
solver, not a scientist. there is a traditon of problem solvers in this campus,
like Herbert Simon. But I’m a minority in this school. The majority want
academic positions. I don’t care. I want to solve problems. If you have a
problem I will solve it! ( risas de Kung)"(15-3-91).
En esta entrevista con el Dr. Kung, este manifestó una particular visión de CMU
y de su comunidad de computer scientists . Según él: " The real problem is how
to increase the use of the computers. The speed is one of the problems...In the
CMU computer science community nobody produces software. There is no real use of
the computers in this high tech university. The people work without worry about
the social responsabilities, as an intellectual hobby. The 90% of the faculty
has no concern with the society, but only intellectual concerns...I want to help
the society. The intellectual issue only is not sufficient for me. My point of
view is in the minority" (Entrevista, 15-3-91).
Un efecto interesante de este invento de Kung y Leiserson ha sido el nutrir un
nuevo campo teórico en Computer Science, la llamada "VLSI Theory". El profesor
Leiserson finalizó el doctorado en 1981 con una tesis dirigida por H.T. Kung
denominada: "Area-Efficient VLSI Computation", que trataba del diseño de
sistemas sistólicos y del problema de determinar la área VLSI de un gráfico. Hoy
lidera el grupo de "VLSI and Parallel Systems" del Department of Electrical
Engineering and Computer Science del MIT. Uno de las ramas de este campo es la
denominada "layout theory" (teoría del plan o diseño), que estudia como pueden
ser incrustados ("embedded") gráficos en un plano de acuerdo con las reglas del
diseño de VLSI.
Lo interesante aquí es ver cómo progresa la teoría en Computer Science. La
"teoría" del VLSI ha nacido de la tecnología VLSI. Computer scientists han
aprovechando herramientas matemáticas como los algoritmos para incrustarlos en
las reglas del diseño ingeniero de VLSI. La computer technology permite
descubrir algoritmos que pueden caber en dicho sistema. Como afirmaba Leiserson
en su tesis doctoral d: " The remarkable advance of very large scale integrated

(VLSI) circuitry has sparked research into the design of algorithms suitable for
direct hardware implementation. To exploit the massive parallelism offered by
two-dimensional VLSI circuit technologies, the physical and the logical
structures of algorithms must be harmonized". (CMU-CS-1981. Doctoral
Disertation.)
4.3.3. "WARP PROJECT": CAMBIOS EN EL MODELO DE INVESTIGACION DE LA
"COMPUTER
SCIENCE" DE CMU.
Una vez diseñada esta nueva forma de comunicación, H.T. Kung se dedicó al
desarrollo de algoritmos sistólicos a fin de conseguir construir un chip
integrado a gran escala que funcionara según este modelo y que pudiera probar
que, en efecto, se podían construir máquinas más rápidas y económicas siguiendo
este concepto.
Entre 1978 y 1983 los títulos de los principales papeles publicados por H.T.
Kung nos indican en qué se centró su actividad:
1978. "Systolic Arrays (for VLSI)" . Junto con Leiserson.
1979. "Let’s Design Algorithms for VLSI Systems".
1979. " Design of Special -Purpose VLSI Chips: Example and Opinions". (con M.J.
Foster).
1980. "Special-Purpose Devices for Signal and Image Processing: An Opportunity
in VLSI".
1981 "A Systolic 2-D Convolution Chip" (con S.W. Song).
1981. " Use of VLSI in Algebraic Computation: Some sugestions".
1982. " Why Systolic Architectures?".
1983. " Design of the PSC: A Programmable Systolic Chip". Junto con Allan
Fisher, L.Monier, H. Walker y Y. Dohi.
En la propuesta remitida a DARPA en 1981 dentro del contrato básico de CMU para
el periodo trienal 1981-83, (CMU-CS- Proposal, 81-83) la investigación en
"Systolic Architectures" se inscribía dentro del capítulo denominado "Research
in Integrated VLSI Systems". Y se planteaba como uno de los objetivos a largo
plazo: "Understanding applied algorithm design for VLSI. The theory of systolic
algorithms , begun at CMU in the last three years, will be extended and applied
both to the design of special-purpose chips and to the design of programmable
systolic arrays. The view of integrating more than one high-performance systolic
device into a complete system will be pursued and evaluated". Diez años después,

el equipo de Kung ha conseguido con Warp y Nectar cumplir estos objetivos. A
destacar que en el texto se habla de la "theory of systolic algorithms" que
inicialmente fue una tecnología patentada.
En esta propuesta se expresaba el interés de continuar la línea de diseño de
otros algoritmos sistólicos como los "database algorithms" pero el interés
principal del equipo se dirigiría a otro tipo de estudio: "Although we will
continue to study the properties of systolic algorithms themselves, our research
for the next three years will be directed increasingly toward understanding some
of the problems of how systolic arrays can be attached together or to
conventional von Newmann computers. In other words, how are systolic algorithms
to be incorporated into systems?."(1981:4-10).
Este tipo de planteamiento lo hemos visto repetido en otros proyectos, como el
de Newell, Carbonell y Mitchell.
Diferencia al computer scientist del ingeniero tradicional, interesado ante todo
en la construcción de sistemas, "building systems". Esta investigación pretende
aumentar el conocimiento, no sólo hacer cosas. Los sistemas se hacen para probar
que las ideas o conceptos iniciales funcionan. Pero estas ideas no se refieren a
explicaciones de lo que existe y cómo funciona (T.Kuhn), al modo de la ciencia,
sino sobre la construcción de diseños posibles. Es un saber sobre que-puede-ser
("can be") y como-se-hace-para-que-sea. Si la ciencia trata de descubrimientos,
este saber no es científico, pero no podemos confundirlo con un simple
"know-how". Es una nueva ingeniría teórica, o una teoría de los inventos
tecnológicos, y por ende, de los inventos culturales.
Hasta la invención de la tecnología VLSI, los diseños del computer scientist se
quedaban muchas veces, y aún ocurre, al nivel de meras abstracciones formales
dado que no se implementaban al no disponer de un hardware apropiado dado su
elevado costo. Tenía que utilizar las máquinas que la industria le facilitaba.
Pero ahora la tecnología VLSI ha empezado a permitir que las universidades
puedan construirse los ordenadores adecuados para implementar sus proyectos.
Esto puede significar un cambio radical en un futuro.
Entre 1981-82 la actividad de investigación de Kung y su equipo se centró en el
desarrollo del PSC o "programable systolic chip", un microprocesador en un sólo
chip, de propósito especial y de alto rendimiento ("high performance"),
construído con la intención de ser usado en grupos de decenas o centenares para
la construcción de ordenadores sistólicos. En junio de 1983, este chip con

25.000 transistores empezaba a funcionar. A diferencia del modelo de Conway,
ahora un equipo universitario pedía a la industria que le fabricara un nuevo
tipo de chip, que por ser económico, era también como veremos comercializable.
En la siguiente propuesta a DARPA de 1984 para los tres años siguiente, ya se
planteaba un paso más: "For the next phase of the PSC research, we propose to
study practical and theoretical issues related to the use of very large numbers
of building-block processors like the PSC in a total system, with special
emphases on testing, reliability, fault-tolerance and system support"( CMU-CS,
Proposal,1984, 8-1). Este sistema será WARP.
Un resultado inmediato de este invento fue la construcción de arquitecturas de
ordenadores ultrarrápidos para fines específicos.
Hasta ahora, el ordenador se ha considerado ante todo como una "universal
machine" según el modelo de Turing . La universal machine es un ordenador
denominado "general-purpose", que puede ser programado para cualquier fin. Pero
desde el punto de vista económico, la "special-purpose parallel machine" tiene
una clara ventaja sobre la universal machine. Son máquinas más baratas,
eficientes y rápidas, aunque no tienen vocación de servir para todo. Pero
tampoco lo son el coche o la lavadora. Y si para comprar un coche tuvieramos que
comprar una combinación de coche-lavadora-lavaplatos-televisor, quizá se habrían
vendido muchos menos.
El equipo de Kung prevee una nueva ola de ordenadores para muy distintas
aplicaciones: "A wave of new computers for literally every computer application
area will be investigated. They can be machines for AI expert systems, signal
processing or playing chess. This new style of research calls for a highly
integrated effort that takes into account important issues such as application,
architecture, algorithms, technology, custom VLSI and system integration all in
one framework". ( Proposal,1984, 8-3).
Los "systolic systems" de Kung y Leiserson han dado un avance a este tipo de
ordenadores. Una de las ventajas de los ordenadores en paralelo es que pueden
ser construídos de muy diversas formas, dependiendo de los propósitos que se les
asignen. No hace falta la máquina universal. Es posible construir una máquina
para cada aplicación, conectadas o no entre sí por redes electrónicas.
WARP fue construído en CMU en colaboración con General Electric Co. y Honeywell,
empleó un equipo de 70 personas. Es un ordenador en paralelo con arquitectura
sistólica usado para computaciones para imagen y visión, áreas de Inteligencia

Artificial, y para cálculos científicos.
El proyecto WARP comenzó en 1984 completando una primera fase en 1985. Para su
ampliación se realizó un contrato con las empresas antes citadas, entregando
General Electric el primer prototipo de máquina en 1986 y llegando la de
Honeywell unos meses más tarde.
Una de las más importantes consecuencias de esta investigación, junto con el
MACH Project, fue permitir a CMU conseguir un macroproyecto de investigación
financiado por el Strategic Computing Program de DARPA en 1986.
En febrero de 1986, H. T. Kung y Rich Rashid presentaban a DARPA su "Proposal
for Research on Parallel Computing", (CMU-CS- Proposal, 1986). donde se proponía
continuar la investigación en "heterogeneous architectures" como WARP , en
sistemas operativos como MACH y en aplicaciones de éstos para AI.
Este programa tendrá tanto peso que se considerará separado del contrato básico
histórico de CMU con dicha agencia gubernamental. Se pasara a denominar
"STRATEGIC" en la SCS.
"STRATEGIC" instituyó en Computer Science de CMU un programa de investigación
con un orden de prioridades invertido al usual en el Departamento. Mientras que
las "proposals" del contrato con DARPA denominado "BASIC", seguían este orden:
1. Artificial Intelligence. 2. Programming Systems. y 3. Computer Systems, el
orden del modelo de "STRATEGIC" era el contrario: "The research will cover
parallel computer architectures, associate software, and the application of
parallel processing to a set of tasks in the area of artificial intelligence".
(1986, 1-1).
Las áreas de Inteligencia Artificial elegidas para el uso de estos sistemas eran
las de Speech de Raj Reddy y Vision de Takeo Kanade, las más formalizadas e
ingenieras de A.I. y cuyos directores, Reddy y Kanade, lo eran y lo son a su vez
del Robotics Institute de CMU.
Debido a este proyecto, esta investigación denominada "strategic" en Computer
Science se diferenciaba de la tradicional "basic research". En 1985, el programa
"SPEECH", dirigido por Raj Reddy, se había separado a su vez del BASIC. Los dos
líderes principales de este nuevo programa eran H.T.Kung y Rich Rashid. Y sus
sistemas: WARP, era un computer system, y MACH, un sistema operativo: "The
largest tasks that we propose continue our development of the Warp architecture
and the Mach multiprocessor operating system, both of which we began under the
current contract. These tasks, in turn, reflect broader effort driven by the

needs in application areas such as speech and vision....The long-range goal of
our proposed architecture and operating system research is to support real-time
systems for both speech and vision".(1986,1-3).
La principal aplicación de WARP fue en la área de Visión. Uno de los objetivos
del Strategic Computing Program fue el desarrollo de un vehículo de tierra
autónomo, "an autonomous land vehicle". El equipo de Takeo Kanade de CMU inició
la construcción de este vehículo que ha acabado llamándose "Navlab". Este es una
furgoneta capaz de desplazarse sin conductor gracias a un sistema de visión que
le permite comprender lo que el sistema detecta mediante cámaras de video. Este
vehículo tiene un ordenador WARP instalado en su interior que al disponer de una
potencia de 100 millones de operaciones (megaflops) por segundo efectúa los
cálculos que requiere ese sistema.
Una vez probado que el sistema funcionaba, la investigación en Parallel
Computing en CMU dio un nuevo paso: el proyecto NECTAR. Se pasaba del ordenador
en paralelo individual a la red de ordenadores. Y de la red de ordenadores con
velocidades de millones de operaciones por segundo o megaflops, a la de miles de
millones o gigaflops. De Nectar a pasaba a Gigabit Nectar.
4.3.4. DISEÑANDO "GIGABIT NECTAR TESTBED": UNA RED PARA RESOLVER
PROBLEMAS
INGENIEROS.
La red Nectar, operacional desde Noviembre de 1988, ha demostrado que el
objetivo de H.T. Kung es viable. Parece posible conectar entre si ordenadores de
muy distinta naturaleza y propósitos trabajando en una misma tarea.
A partir de la tecnología VLSI, Kung ha conseguido diseñar un nuevo tipo de
ordenadores en paralelo. El siguiente paso, a finales de los 80s, ha sido
ponerlos en red. Ha seguido el modelo de los llamados "sistemas distribuidos".
Los sistemas distribuídos o "distributed systems" son redes de ordenadores
separados geográficamente. Están computestas por máquinas autónomas controladas
por usuarios individuales para tareas particulares pero que pueden comunicarse
entre sí a través de protocolos comunes.
En 1968, la Advanced Research Projects Agency del Department of Defense
construyó la primera red informática: ARPANET. Su finalidad era "to permit
persons and programs at one research center to access data and use interactively
programs that exists and run in other computers of the network". (1981, Heart,
Kahn:402). En suma, permitir a determinadas comunidades el acceso a recursos

informáticos dispersos por el país de los que no disponían en su centro.
Al principio conectó a 10 centros de investigación sólo en Estados Unidos. 20
años después, su heredera, la red Internet es la principal red informática
internacional. Opera en 26 paises, comprende más de 5.000 subredes, y conecta
más de 300.000 ordenadores. (Cerf, Vinton, 1991). En Estados Unidos se calcula
que la usan 2 millones de personas. (NYT,13 Mayo 1990), en particular, la
comunidad de investigadores del país. El uso principal no es el inicialmente
pensado para ARPANET, la comunicación hombre-máquina, sino la de
hombre-máquina-hombre, en forma de correo electrónico o de comunicación de
información entre investigadores a través de la red.
El promotor de ARPANET fue Robert Kahn, un electrical engineer del M.I.T., que
posteriormente pasó a dirigir la Information Processing Techniques Office de la
agencia, donde en 1983 inició el Strategic Computing Program.
Hoy Robert E. Kahn preside una organización denominada Corporation for National
Research Initiatives, dedicada a fomentar esta tecnología.
A partir de los años 80s, con el desarrollo de las redes electrónicas se han
elaborado planes en Estados Unidos para construir una "national information
infraestructure". En 1987, el Federal Coordinating Council on Science,
Engineering and Technology (FCCSET) realizó un estudio sobre las redes que elevó
a la Casa Blanca. En las recomendaciones finales proponía la necesidad de una
"national research network" , así como un amplio programa sobre aplicaciones de
superordenadores. El establecimiento de esta red se realizaría en tres fases: 1.
Fase 1 a cubrir en la década de los 80s, la interconexión de las redes
existentes y situándolas a una velocidad de uno y medio megabits por segundo. 2.
Fase 2. En los 90s, aumentar la velocidad a 45 megabits. y Fase 3. En torno al
cambio de siglo, establecer redes de 1 gigabit por segundo en base a fibras
ópticas. Ello equivale a enviar el contenido de una enciclopedia cada segundo.
Este tipo de red es la que se está construyendo en CMU. (R.E. Kahn, 1988).
Para el desarrollo de proyectos pilotos de gigabit networks, la Corporation for
National Research Initiatives (CNRI) recibió en 1990 15,8 millones de dólares de
DARPA y de la National Science Foundation . Gigabit Nectar Testbed de H.T. Kung
es uno de estos experimentos.
En 1989, H.T.Kung, Eric Cooper y Michael Levine presentaron una propuesta a la
CNRI para realizar durante el periodo 1990-93 "a broad program of research in
high-speed networks". El objetivo de este proyecto: "We will develop a one

gigabit per second (Gb/s) or higher speed experimental network, called the
gigabit Nectar testbed, which will connect a variety of high-performance hosts
including the PSC’s CRAY Y-MP and the CMU’s iWARP parallel machine." ( Kung,
Cooper, Levine .1989:1).
Este proyecto se apoya en la propia red Nectar que funciona a 100 Megabits por
segundo. Y pretende ser un producto comercial.
Esta red pretende ser un sistema completo. Para el software están utilizando el
sistema operativo MACH.
Pero es en las aplicaciones donde podemos encontrar el interés de los
investigadores en esta red . Según su "project manager", Karl Love, dos
aplicaciones fundamentales se estaban desarrollando en 1991: 1. una simulación
del diseño , control y funcionamiento económico de una gran planta química, a
cargo del profesor Gregory McRae, del Carnegie Institute of Technology, y 2.
cálculos combinatorios para resolver el denominado "traveling salesman problem",
a cargo del profesor Gerald Thompson, de la Graduate School of Industrial
Administration.
Para Gregory McRae, se trata de aprovechar la posibilidad que permite la red
Nectar para que varios ordenadores de distinto tipo colaboren en el control de
distintos aspectos de dicha refinería. Según McRae ello permitiría una mejora
del 10% de la productividad de la planta, con el ahorro de millones de dólares.
Por su parte, el problema del "traveling salesman" consiste en determinar el
camino más corto a recorrer entre varias ciudades a visitar. Las aplicaciones de
este en apariencia sencillo problema pueden ser desde el diseño de conexiones
eléctricas entre cientos de miles de transistores de un chip, hasta determinar
el desplazamiento de miles de soldados en una operación militar como la Guerra
del Golfo.
Pero para el equipo de H.T.Kung y su equipo , estas aplicaciones tienen un
significado más profundo: "These problems represent an important class of
optimization problems whose efficient solutions are fundamental to many
engineering designs" (1989:20).
Se trata no de cualquier tipo de problemas sino de problemas ingenieros
clásicos. " The effective systhesis and operation of engineering systems often
involves making a number of discrete (combinatorial) decisions. A common feature
of these decisions is the goal of choosing the best of a large number of
alternatives." (Ibid.:20).

Un rasgo característico de los problemas ingenieros es que ofrecen una amplia
gama de alternativas para la solución de un problema, de donde se ha de elegir
aquella que permita cumplir mejor los requerimientos que ha de cumplir el
sistema, son problemas de optimización. Igualmente, los problemas de management,
derivados de la ingeniería, se plantean a su vez la toma de decisión ante una
gama enorme de posibilidades para la solución de un problema.
Es en ese marco cultural de problemas ingenieros y de administración de
empresas, es decir, de problemas operativos y gerenciales, donde nacería el
concepto de "search" como búsqueda de alternativas. Dentro de ellas, la búsqueda
algorítmica trata de identificar la mejor de ellas, "the best". Por contra, la
búsqueda heurística, se limitaría a encontrar una lo suficientemente buena. Esta
aplicación de la matemática a problemas ingenieros y gerenciales recibiría un
impulso durante la II Guerra Mundial. Disciplinas como la "operations research"
, la investigación operativa, de R. L. Ackoff y E. L. Arnoff, la teoría de los
juegos de Von Newmann, o la "heuristic search" de H. Simon, estuvieron iniciadas
por matemáticos o científicos sociales con formación matemática, que se pusieron
a trabajar en problemas ingenieros o de administración.
El enfoque del equipo de H. T. Kung produndiza este enfoque y trata de probar
que con la ayuda de las redes de ordenadores heterogéneos ese tipo de problemas
ingenieros pueden encontrar la mejor solución.
Una de las características de esos problemas ingenieros es que por su carácter
de cálculo combinatorio plantean los más difíciles problemas a la computer
science: entre ellos, los llamados "NP-complete problems" o problemas
denominados intratables o no computables
Con este tipo de problemas nos introducimos en la área llamada "computational
complexity", en la que Kung se empezó a formar dirigido por Joseph Traub. Esta
área teórica pretende determinar qué tipo de problemas son computables y cuáles
no, estudiando los límites de la computabilidad.
En relación con la aplicación del "traveling salesman problem" (TSP) hasta ahora
la investigación realizada indica que este problema forma parte de los
"NP-complete problems" y que no existe un único algoritmo para su solución, por
lo que la búsqueda a realizar ha de ser heurística, no exhaustiva ni destinada a
formular la mejor solución sino una tan sólo lo suficientemente buena ("good
enough") según la teoría de racionalidad limitada de Herb Simon.
Sin embargo, la apuesta de este equipo pretende probar que si existe al menos un

algoritmo para resolver la mejor solución entre al menos 1 millón de puntos:
"This application effort exists on the belief that computationally effective
exact algorithms may be developed for closely related instances of combinatorial
problems arising in engineering applications...Exact algorithms are essential to
guaranteering performance in economically important applications...We believe
that combinatorial problems may be solved through a combination of algorithmic
sophistication and raw computer power. Our main goal is to develop and implement
branch and bound paradigms for exploiting distributed heterogeneous computing
resources in the exact solution of NP-complete combinatorial optimization
problems". (ib:21).
Este proyecto pretende pues significar un avance en el diseño de algoritmos para
resolver este problema y demostrando a su vez la utilidad de las redes de miles
de millones bits por segundo.
Sus aplicaciones más evidentes son para la industria del transporte, que mueve
miles de vehículos para distribuir mercancias a miles de puntos de venta. Pero
otra aplicación menos evidente pero de más alcance es la industria de
semiconductores y de electrónica de consumo, "computer and electronic design and
manufacturing problems".(ib: 26).
La elección de 1 millón de puntos no es aleatoria. Ya hemos dicho que una de las
aplicaciones de este problema es el diseño de circuitos integrados a muy gran
escala. Y encontrar la conexión óptima de 1 millón de transistores en dicho
circuitos es un objetivo con claras impliaciones tecnológicas. La siguiente
generación de televisiones digitales de alta definición depende de un VLSI chip
más económico y con más alta integración. Una de las formas de conseguirlo es
optimizar las conexiones entre los mismos.
La segunda aplicación de la red Gigabit Nectar va dirigida a la industria
química, "to the chemical engineering community". Al aumentar la capacidad de
los ordenadores, es posible ahora simular dinamicamente los procesos como el
refinado de petroleo. El flujo de estos productos químicos a través de una
planta, se denomina "flowsheets" y su simulación implica cientos de miles de
ecuaciones. Se trata de mejorar el funcionamiento de dicha planta, "improved
chemical plant operation".
El procedimiento es el siguiente: "In practice the engineer would start with a
particular design or optimization problem and then develop the symbolic form of
the ecuations that describe the processes occurring inside the plant. The

ecuations, f(x)=0, would then be compiled into C code and matched with a
solution procedure appropiate to the architectures available on the network. By
exploiting the power of particular computers it should be possible to
dramatically lower the elapsed time needed for the engineer to solve the
original design or optimization problem. In short, if the constraints imposed by
the time for a single flowsheet solution can be eliminated then it is feasible
to consider optimizing the performance of realistic, large-scale, chemical
plants." (Ib.:29).
La capacidad de la red Nectar se utiliza en este caso para ayudar al ingeniero a
realizar los cálculos que requiere ese proceso de simulación.
La utilidad de esta aplicación es extensible al conjunto de plantas químicas del
país, dado que pequeños aumentos en la eficacia de su funcionamiento pueden
traducirse en grandes ahorros económicos.
En suma, la red Gigabit Nectar, a diferencia de otras redes, como Andrew, van
dirigidas expresamente a la comunidad ingeniera.
No obstante, Karl Love, en una entrevista personal, se quejaba del escaso
interés demostrado por la propia comunidad de computer scientists en esta red.
Entre las razones arguidas planteaba la dificultad de programar los ordenadores
en paralelo: "Programming is a real problem"( 12-6-91). Su impresión era que el
profesor de CMU busca utilizar la red para resolver sus problemas y colabora con
Nectar siempre y cuando no le cree más problemas. Por otra parte, el profesor de
computer science trabaja individualmente, es "individualist" trabajando en
pequeños proyectos aislados más que en uno grande como Nectar. El resultado es
que H.T.Kung , según Karl Love, no encuentra con quién interactuar. "He is
alone". Un problema adicional es que los investigadores que trabajan con Kung,
los "research scientists", como P. Steekiste, Brian Zill, Steve Schlick y otros
no son reconocidos como faculty y se van a otra universidad, con lo que el
equipo se debilita.
Por otra parte, Karl Love y H.T. Kung intentan convencer a las grandes empresas
productoras de ordenadores, en particular, las de estaciones de trabajo
ingenieras como IBM, DEC, Hewlett Packart y SUN Microsystem, de las ventajas de
una red de estas características, no con demasiado éxito.
En cualquier caso, Gigabit Nectar Testbed está en marcha y en 1993 se podrán
valorar sus resultados.
Uno de los indicios de la importancia del trabajo iniciado por H.T. Kung es su

reciente nombramiento en 1992 por la Harvard University como University
Professor de "Electrical Engineering and Computer Science". Si tenemos en cuenta
que Harvard ha sido el patrón cultural que ha inspirado líderes de CMU como
Herbert Simon a la conversión de lo que era un instituto tecnológico en una
research university, no deja de ser paradójico que ahora la research university
tome a un matemático convertido a ingeniero como profesor de su institución,
dando un sesgo ingeniero, no científico, a su investigación en este campo.
Este nombramiento continúa una evolución seguida por las universidades
norteamericanas desde que el primer instituto de tecnología, el MIT, se
construyera independiente de Harvard en 1861: el seguir los pasos de la
ingeniería, el asumir su cultura orientada al "real world", su mentalidad de
"problem solving", y su tipo de investigación basada en el diseño.
4.3.5. LA COMUNIDAD CIENTIFICA Y LAS REDES ELECTRONICAS: EL "HIGH
PERFORMANCE
COMPUTING & COMMUNICATIONS PROGRAM"
En el tema de las redes electrónicas es una de las áreas donde más claramente se
puede ver la relación entre ciencia y tecnología en Estados Unidos, y en
concreto en CMU.
Las redes electrónicas forman la más avanzada expresión de un "artificial
world", de un mundo artificial diseñado integramente por el ser humano. Es una
empresa tecnológica , como en los 60s, lo fueran los viajes espaciales, que
encontraron en un principio fuertes resistencias entre la comunidad científica.
En 1969, la Advanced Research Project Agency del Defense Department inició la
primera red, a iniciativa de un grupo de ingenieros dirigido por R. Kahn. No fue
hasta 1986, 17 años después, que la National Science Foundation (NSF) decidieran
establecer 6 centros de supercomputación conectados entre sí: la denominada
NSF-NET. Su objetivo: poner un supercomputador virtual en la mesa de cada
investigador. Un año después, esta red estaba saturada.
En 1987, la NSF entró en un acuerdo con la empresa Merit, Inc. para rediseñar la
red, en colaboración con IBM y MCI Telecommunications Co. Una vez rediseñada,
empezó a aumentar de nuevo su tráfico. En 1989, conectaba a más de 800 redes
estatales, regionales e institucionales, y alrededor de 100.000 computadores en
Estados Unidos. En comparación, a principio de los 90s, Internet, la heredera de
ARPANET, conectaba ya a 26 paises con 5000 redes y 300.000 ordenadores
conectados. (Scientific AMe:80).

Ahora ambas organizaciones NSF y DARPA, junto con otras agencias federales, se
han unido en 1992 para colaborar en un programa denominado "Grand Challenges:
High Performance Computing and Communication" (HPCC) elaborado por tres
organizaciones, la Office of Science and Technology Policy, el Federal
Coordinating Council for Science, Engineering and Technology y el Committee on
Physical, Mathematical and Engineering Sciences.
Este programa está compuesto por un destacado grupo de representantes de estas
organizaciones, y presidido por Charles Herzfeld, del Departamento de Defensa.
Los objetivos de este programa son un compromiso entre ambas culturas, la más
ingeniera y la más científica. Por un lado se afirma que : "The goal of the
Federal HPCC Program is to accelerate significantly the commercial availability
and utilization of the next generation of high performance computers and
networks" (Office of Science and Technology Policy, 1992.:2).
Por otro se dice que su objetivo es permitir la investigación en los grandes
retos, "grands challenges" críticos para las necesidades del país. Como ejemplos
se citan: " prediction of the weather, climate, and global change; determination
of molecular, atomic, and nuclear estructure; understanding turbulence,
pollution dispersion, and combustion systems; mapping the human genome and
understanding the structure of biological macromolecules; improving research and
education communications; understanding the nature of new materials; and
problems applicable to national security needs". (ib:2).
En suma, la agenda de problemas propia de la comunidad científica, empezando por
los físicos y otros científicos tradicionales
Para ello se estructura un programa en cuatro partes: que trata de desarrollar
"High Performance Computer Systems" (HPCS), "Advanced Software Technology and
Algorithms" (ASTA), una "National Research and Education Network" (NREN) y por
último un programa de investigación básica y de formación de recursos humanos,
el "Basic Research and Human Resources".(BRHR).
Según Duane Adams, de CMU, éste es el mayor programa informático hoy en Estados
Unidos e indica la estrategia que se sigue para el futuro por estas grandes
agencias.
Si ésto es así dos lecciones podemos apuntar, extraidas de la experiencia de la
red Andrew, la primera "research and educational network" en un campus
americano.
1. Una red electrónica para resolver problemas clásicos de la ciencia o las

humanidades no significa ningún cambio substancial en el sistema de
conocimiento. No implica una "revolucion del conocimiento". El sistema de
conocimiento se mantiene incambiable por más que los artículos científicos se
escriban ahora en un procesador de textos. La ciencia más un ordenador significa
la puesta de un nuevo instrumento tecnológico al servicio de la clásica tarea de
descubrimiento. Las redes pueden ser de varios tipos. Unas como la de
Mead-Conway sirvió para diseñar VLSI, otras sirven para comunicarse
descubrimientos. No son lo mismo redes de información que "redes de diseño",
como demostró el experimento Carver-Conway.
Una informática al servicio de la "educación" en general no cambia tampoco, como
hemos visto en CMU, la estructura básica de esta tarea. Se sigue enculturar al
estudiante en el patrón clásico del sistema de conocimiento presidido por la
ciencia, sólo que con la ayuda de una herramienta más sofisticada. Podrían
diseñarse redes para otro sistema educativo basado en la ingeniería y el diseño,
y que ayudaran a formar a los 100.000 profesionales de software que faltan en
U.S.. Pero estas serían un tipo de redes distintas para un tipo de educación
distinta. El problema no es pues la "education" sino el tipo de educación.
y 2. Este tipo de redes de investigación o educativas abarcan a una ínfima parte
de la población no modificando la estructura social de un país. Su impacto
comercial, por lo tanto, es mínimo. Como señala Stephen S.Wolff, de la NSF:
"Nobody knows how to make the transition from this nice genteel scholarly thing
to a general-purpose network. Commercial interests will not want to fund a
network just for scholars. They make money on millions of subscribers" (NSFNET,
1990: 20).
3. Este tipo de redes no afecta a la calidad del trabajo investigador ni a la
competitividad industrial de forma directa. Japón, un país más atrasado que
Estados Unidos en redes informáticas, y con menos conexiones internacionales que
las existentes entre U.S. y Europa en materia de redes, no ha tenido obstáculos
para conseguir en la pasada década crear una comunidad de investigadores que en
1989 ha sobrepasado proporcionalmente a la de Estados Unidos . Igualmente, Japón
desde 1985 ha empezado, junto con Alemania, a sobrepasar a Estados Unidos en el
porcentaje de R&D respecto al producto nacional bruto. Y su productividad
industrial ha aumentado en relación con la norteamericana. (National Science
Board, 1989).
Esta no concordancia entre la extensión de las redes electrónicas con la

productividad industrial de Estados Unidos, es un síntoma de la escisión
irreversible entre lo que se denomina "information society" y lo que Hajime
Karatsu empieza a llamar "a technological country" (1986)..
El Gigabit Nectar Testbed es un proyecto de una estrategia aún basada en la idea
de "information society" según la cual, el diseñar redes de miles de millones de
bits por segundo, conectar a ella a toda la comunidad de investigadores del país
y ponerlos a trabajar en grandes "challenges" va a mantener el liderazgo
tecnológico de Estados Unidos.
Pero este modelo ha hecho crisis. Y el aumento de bits por segundo no va a ser
suficiente para resolverla. Otros enfoques se están planteando en CMU para ello.
4.4. EL PROYECTO "NEW CONCEPTS FOR ADVANCED HIGH DEFINITION SYSTEMS".
4.4.1. CRISIS DE LA "INFORMATION SOCIETY"EN ESTADOS UNIDOS: EL INFORME DEL
MASSACHUSSETS INSTITUTE OF TECHNOLOGY.
En 1989 la Comission on Industrial Productivity del Massachussets Institute of
Technology publicó un informe denominado "Made in America: Regaining the
Productive Edge" (Dertouzos et. al, 1989). En él no se partía del concepto de la
"Information Society", sino del estado de la industria norteamericana. El motivo
era claro: "the fears of economic decline...linked to larger doubts about the
nation’s ability to retain its influence and standing in the world at large".
(1989:2).
Se analizaron ocho sectores industriales tradicionales y también alguno
perteneciente a lo que se denominan "high tech industries": automóviles,
química, aviación comercial, electrónica de consumo, máquinas herramientas,
semiconductores, ordenadores y equipamiento de oficina, siderurgia y textiles.
En cada uno de ellos, se analizaron parámetros como la eficiencia, la calidad
del producto, la innovación, la adaptabilidad y otros aspectos. 8 equipos de
profesores del M.I.T., de una decena de media cada uno, visitaron más de 200
empresas en Estados Unidos, Europa y Japón, entrevistaron a 550 expertos durante
tres años.
Finalmente emitieron un veredicto, a modo de jueces : "The veredict is that
American industry indeed shows worrisome signs of weakness. In many important
sectors of the economy, U.S. firms are losing ground to their competitors
abroad". (1989:8).
El sector donde se había producido un cambio más significativo era el de los
semiconductores y ordenadores, el motivo inicial del estudio. En el primer

sector, Estados Unidos había bajado en menos de una década del 60% al 40% de la
producción mundial. En el sector de ordenadores, la balanza comercial, aún
siendo positiva, había bajado de 7 mil millones de dólares en 1981 a 3 mil
millones en 1987.
Ralph E. Gomory, antiguo Senior Vicepresident for Science and Technology de IBM,
y hoy presidente de la Sloan Foundation, ante estas pérdidas exclamaba: "How
could this be happening to the greatest scientific power in the world -the home
of the most Nobel laureates and innumerables scientific breakthroughs?" (Gomory,
1989:99). Concluyendo: "In fact, the United States is learning only now the hard
lesson it taught the rest of the world earlier this century: Product leadership
can be built without scientific leadership if companies excel at design and the
management of production. The United States was the leading industrial power
well before it became the leading scientific power. When, during the 1920s, the
capitals of science were the European universities, the United States excelled
in worker productivity and per capita income and had the biggest trade
surplus...Now U.S. universities are the capitals of science, and Japan has the
trade surplus". (Ib.:99).
En efecto, las ganancias en la industria de los semiconductores habían sido
aprovechadas principalmente por Japón, país que en esta área había pasado en una
década a controlar del 28% al 50% del mercado internacional .
La estrategia a largo plazo de este país es arrebatar el liderazgo mundial a
Estados Unidos en el campo de las denominadas "information industries".
Según un estudio del Ministerio de Industria y Comercio Internacional japonés
denominado "Vision for the Year 2000", la "information industry" producirá el 21
% de todo el producto nacional bruto de ese país a final de siglo. Este sector
incluirá los semiconductores, la electrónica de consumo, las bases de datos, el
equipamiento de informática y telecomunicación y los servicios que implican.
Según el citado informe del MIT: " The goal of achieving economic primacy in the
worldwide information industry seems logical and strategically sound for a
country like Japan, as it requires little in the way of raw materials and
depends primarily on a good supply of intelligent, well educated people".
(1989:269).
Pero el problema es más profundo. La estrategia citada está siendo respaldada
por una elaboración teórica más de fondo de profesores japoneses sobre las
relaciones entre ciencia y tecnología en la presente etapa de las sociedades

industriales avanzadas.
En 1986, Hajime Karatsu, director del International Technological Strategy
Research Group del gobierno japonés, escribía un libro titulado "Tough Words for
American Industry"(Karatsu, 1986). En él, planteaba una estrategia a largo plazo
dirigida a establecer a Japón como un "Technological Country". (1986:111). Esta
estrategia partía de dos premisas teóricas: 1. "Distinguishing Technology and
Science" y 2. "Understanding Technology".
Para este experto en política tecnológica , ingeniero de Matsushita y profesor
de la Tokai University :" Science and technology inhabit essentially different
realms and have different goals. People often speak of technology as flowering
on a bed prepared by science. This implies that the two are actually the same
thing-and from there a number of misconceptions have arisen". (1986:116).
Para este ingeniero japonés, la visión occidental de la tecnología como mera
idea conduce a no entender su sentido más profundo : "No matter how wonderful an
idea might be, it cannot be classed as ‘technology’ until it has been converted
into a useful product...Technology is a method used for the purpose of making
things ; if you cannot make anything, you don’t have it.".(ib: 117)
Tres años más tarde, el informe del M.I.T. se hacía eco de las advertencias que
desde los años 80s lideres japoneses innovadorescomo el propio Karatsu o Akio
Morita de SONY han venido realizando sobre el peligro del vaciamiento de la
industria norteamericana ("the hollowing of American Industry, op.cit. :37). En
lugar de partir de la ya tradicional visión de la "information socity", liderada
por Estados Unidos y su base económica "postindustrial" basada en los servicios,
respaldada en la creación de conocimiento en sus universidades, se partía del
atraso tecnológico y industrial norteamericano frente a sus competidores
japoneses y alemanes.
Se constataba, por ejemplo, que la falta de "education" de los jóvenes
norteamericanos era más aguda en el sector tecnológico. El informe señalaba la
falta de "education for technological competence" (Ib:134). Solo el 6% de
estudiantes de bachillerato cursa carreras de ingeniería frente al 20% en Japón
y 37% en Alemania. "Today and in the future, effetive use of new technology will
require people to develop their capabilities for planning, judgment,
collaboration, and the analysis of complex systems".(:135). La opinión pública
norteamericana está muy sensibilizada por el tema de la "education", pero el
enfoque que los expertos dan en el tema está asociado en primer lugar al

aprendizaje de matemáticas y ciencias. El enfoque del M.I.T. tenía un enfoque
distintos, orientado hacia un educación tecnológica basada fundamentalmente en
conocimientos como "planning, judgment, collaboration, and the analysis o
complex systems".
El mensaje del M.I.T. se dirige en explícito a relativizar el papel preeminente
que la ciencia ha jugado en el país desde la II Guerra Mundial: "U.S. policy for
science and technology has traditionally focused on basic research and paid much
less atention to the commercial development and application of new
technologies...An American system of engineering education (that) has
progressively deemphasized product realization and process and production
engineering since World War II. The retreat from these activities has its
origins partly in the wartime experience itself and especially in the dominant
role played by physicists and other natural scientists in the development of
nuclear weapons...". (ib:77-78).
"As technology became increasingly based on science, the engineering curriculum
evolved in the same direction...Excelence in engineering science became the
principal criterion for faculty tenure and promotion. At the same time the
design of manufacturing processes and production operations acquired a
reputation as lowbrow activities and largely disappered from the
curriculum...Indeed, even product design has been deemphasized. Engineering
students are taught to analyze systems but no really to design them"(:79).
Pero no sólo los ingenieros se han visto absorbidos por la cultura científica,
lo mismo ha ocurrido con los managers, según el informe citado. Las empresas
japonesas no las dirigen personas con "masters" en "business administration"
sino ingenieros con experiencia en administración industrial, como las antiguas
compañías norteamericanas. El management, una disciplina inventada por un
ingeniero, Frederik Taylor, ha pasado , tras la II Guerra Mundial, a estar
dirigida por científicos de la administración y economistas. Finalmente, el
empresario norteamericano ha acabado preocupándose por los resultados
financieros más que por el producto que vendía. El resultado final ha sido la
adopción por la industria del modelo del mercado de los valores bursátiles,
acabado en el crack de 1987. "American managers focus too heavily on meeting
short-term financial objectives, ...they value too lightly knowledge of
production and markets, and ...they pay too litle attention to foreign markets".
(Ib:43).

Según las teorias de D. Bell sobre la "sociedad postindustrial", ésta se iba a
basar en una economía de servicios, dado que la mayor parte de la población
asalariada tendía a concentrarse en ese sector, y dentro de él, la ciencia iba a
ocupar el papel de liderazgo intelectual.
Pero la "information society" no suprime la necesidad de una economía industrial
potente sino que la hace más necesaria aún. A la sociedad industrial no parecer
poderle superar una "postindustrial society" basada en la ciencia y los
servicios como pronosticaba D. Bell en los años 70s, sino una sociedad
supraindustrial con una tecnología más avanzada, con una manufactura más
productiva y eficiente, y una mano de obra más cualificada tecnológicamente.
El dilema cultural no parece estar, pues, entre "sociedad industrial" y
"sociedad postindustrial", sino entre "sociedad industrial" y sociedad
superindustrial, resultado de una nueva cultura tecnológica. La sociedad de la
información actual se puede denominar, en efecto, una "sociedad del
conocimiento", pero no es un nuevo tipo de sociedad o cultura sino una etapa
terminal de un modo cultural basada en la ciencia.
Tras ella puede nacer otra "sociedad del conocimiento", pero de un tipo de saber
distinto, de un "conocimiento tecnológico", basado en el diseño,
principalemente. Existen, pues, dos tipos de "sociedades del conocimiento"
distintos, el conocimiento y la cultura científica-industrial y el conocimiento
y la cultura tecnológica-social, la denominamos así, porque como hemos idos
viendo por los proyectos en CMU, ya no se dirigen sólo a la industria, sino a la
industria, a la administración y al conjunto de sectores que forman una
comunidad cultural compleja. Lo que permite, en hipótesis, el generar sectores
industriales más integrados y productivos que los hasta ahora conocidos.
Ello replantea el problema de la education de forma nueva. Hasta ahora el gran
defecto de la educación básica en Norteamerica se consideraba que era el que los
jóvenes no sabían bastante matemáticas y ciencias ("Nation at Risk". 1983). Pero
según este modelo del M.I.T., la gran laguna de la que depende el futuro del
país es la educación tecnológica. Igual ocurre en la mayor parte de paises
europeos, con excepción quizá de Alemania. La educación en ciencias es
suficiente, pero la educación tecnológica esta subdesarrollada, culturalmente
infravalorada.
El informe del M.I.T. era el diagnóstico de un instituto tecnológico, con ayuda
de economistas. Pero durante la década de los 80s, Estados Unidos se ha regido

por teorías económicas elaboradas por la denominada Escuela de Chicago, dirigida
por Milton Friedman. Estas habían nacido a fin de salir de la hiperinflación de
gastos estatales burocráticos, propios de Welfare State. Frente a los controles
y gastos federales, estos nuevos ecoomistas creían en la iniciativa de
empresarios individuales y en la reduccíon de los impuestos por parte de la
Administración. Sostenían que la economía podía avanzar confiando en el control
monetario por parte de la Administración. Durante esta época, el país ha vivido
tendencias contradictorias.
Por un lado, fue durante esa época y gracias a esta doctrina antiestatista y que
sostiene la iniciativa individual que el "ingeniero promotor" del Silicon Valley
pudo desarrollar el máximo de su capacidad innovadora, y que la industria de la
"high tech" pudo expandirse en Estados Unidos, sirviendo de modelo al mundo. Y
esta cultura de innovación ha inspirado a Japón a adoptar su modelo tecnológico
actual. Sin embargo, por otra parte, ha sido la época del llamado "money game",
o la creación de riqueza basada en compras y ventas de valores bursátiles, y en
especulación financiera en el mercado de capitales. Esta tendencia ha favorecido
aún más la idea de la "information society", llevada al extremo por los
intercambios financieros al margen de avances en la productividad industrial. El
hundimiento de Wall Street en octubre de 1987 puso en crisis la doctrina
monetarista.
Esta época parece tocar fin.
4.4.2. LA CRISIS DE LA "INFORMATION SOCIETY" EN CMU: LA VUELTA DE LOS
INGENIEROS
Y EL CASO PARADOJICO DEL DR. JORDAN.
La crisis del modelo de la "information society" se empezó a apreciar claramente
en CMU entre 1990 y 1991. Coincide con la retirada de la antigua administración
Cyert, y la elección de una nueva dirección presidida por Robert Merahbian.
A finales de los 80s, Carnegie Mellon llegaba al cenit como "research
university". Conseguía colocarse entre la élite de las 25 primeras universidades
nacionales . Había establecido la red Andrew. La School of Computer Science
estaba recién estrenada. En toda su historia anterior, esta institución no había
llegado tan alto en la jerarquía de las instituciones de "higher education" del
país.
J.J. Servan Schreiber publicaba desde ella en 1986 un pequeño libro titulado la
"revolución del conocimiento", en que ponía a CMU, y su experimento ANDREW, como

modelo alternativo de los Estados Unidos frente al desafio industrial japonés.
El Dr. Angel Jordan había colaborado desde su cargo de Provost en conseguir ese
estatus. El paso lógico era presentarse a la presidencia de CMU, oportunidad que
se le ofreció al dimitir R. Cyert en junio de 1990.
El Dr. Jordan había sido durante 7 años (1983-1990) provost de dicha universidad
encargado de la investigación. Su carrera la había iniciado como licenciado en
Físicas por la Universidad de Zaragoza (1952). En Estados Unidos se pasó a la
ingeniería doctorándose en el Electrical Engineering Department de Carnegie Tech
en 1959. La mayor parte de su carrera ha discurrido en el Carnegie Institute of
Technology. En 1969 llegó a director del departmento que más tarde cambió su
nombre por el de Electrical and Computing Engineering Department. Diez años más
tarde en 1979, llegó a decano de la escuela de ingeniería y en 1983 fue nombrado
provost de CMU.
Su trayectoria ha estado marcada por una preocupación central: CMU . A esta
universidad ha dedicado su vida profesional, tratando dentro de ella de
favorecer una línea de apertura a la industria, propia de la ingeniería . Para
Angel Jordan no bastaba con convertir a CMU en una universidad de excelencia en
computer science. Había que conectarla con la industria y con las tendencias del
país. Su modelo de inspiración, no era la clásica universidad al estilo Harvard,
sino claramente el M.I.T..
Durante décadas ha tratado de dar un carácter aplicado a las investigaciones que
se hacian en algunas ramas de esta universidad, en especial al computer science
e ingeniería. Potenció con Raj Reddy en 1979 la creación del Robotics Institute,
que fue la primera vía de conseguir que la Inteligencia Artificial pasara en CMU
a mostrar su utilidad para la industria. Luego fomentó con Nico Habermann y
otros profesores, la creación del Software Engineering Institute para dar salida
aplicada al software. Fue uno de los miembros fundadores del Pittsburgh High
Technology Council, sociedad dedicada a potenciar la high tech industry en la
ciudad. Es miembro de varios consejos de administración de empresas nacionales y
está conectado con otro número de empresas nacionales e internacionales.
Tras la dimisión del Dr. Cyert, el profesorado de Carnegie Mellon elegió a un
ingeniero para presidir CMU, pero éste no fue Angel Jordan , sino el Dr. Robert
Mehrabian, hasta entonces decano de la escuela de ingenieria de la Universidad
de California en Santa Bárbara, donde había jugado un papel destacado en su
promoción.

A su vez, para el cargo de Provost se nombró tambien a otro ingeniero, el Dr.
Paul Cristiano, antiguo decano adjunto del Carnegie Tech cuando Angel Jordan era
decano.
Este cambio es culturamente muy significativo y expresa varias tendencias de
fondo: una de ellas, de especial interés, es la reacción de la cultura ingeniera
de CMU contra la antigua administración demasiado comprometida con la "computer
science community", y en parte con la "liberal arts".
Durante una generación, casi 30 años, la "computer science" ha tenido en esta
universidad una posición de hegemonía, desplazando la tenida hasta la II Guerra
Mundial por la ingeniería. Pero este modelo está en crisis ahora. Pese a tener
la más avanzada investigación del mundo en esta área, y pese a ser la área clave
de la "information society", Estados Unidos está perdiendo liderazgo industrial
frente a otra potencia, Japón. Esto ha iniciado una reacción ingeniera en el
país, como el informe del M.I.T. indica.
Pero ante la ausencia de un modelo tecnológico más complejo, se vuelve a la
antigua "engineering culture" que hizo al país económicamente poderoso. Su
traducción en CMU ha consistido en elegir una nueva dirección, de carácter
ingeniero. A ello ha contribuido también el factor económico que hace que esta
universidad deba preocuparse más por la educación de sus estudiantes de
licenciatura, no sólo de los graduados, de donde obtiene buena parte de sus
fondos económicos.
La paradoja es que no se ha elegido a una dirección de "computer engineers".
Angel Jordan representa la paradoja de un ingeniero que ha trabajado aliado a
los computer scientists y es visto de una forma contradictoria por ambas
comunidades. Las visiones que a cerca de su anterior mandato tiene el campus
depende de las escuelas. Para algunos profesores de Humanidades y Bellas Artes,
esta figura de CMU no hizo lo bastante por la "liberal education" en el campus,
sólo preocupándose del "research". Para un sector minoritario del profesorado,
incluyendo parte de la ingeniería, Angel Jordan representa la mala conciencia
del dinero obtenido del Departamento de Defensa.
Pero es más interesante analizar qué significa este profesor para las dos
escuelas principales de CMU: el Carnegie Institute of Technology y la School of
Computer Science. Para el sector ingeniero mayoritario, Angel Jordan ha estado
asociado con una área, la computer science, que ha despreciado históricamente a
la ingeniería como es propio de la ciencia. Por otra parte, ha sido la área que

ha recibido más dinero de investigación que ninguna, más que la propia
ingeniería, a cambio de menos obligaciones en el terreno educativo. Sin embargo
, después de 30 años de "computer revolution", la "information society" que ha
ayudado a establecer no parece garantizar a Estados Unidos su papel de liderazgo
económico en el mundo.
Japón tiene un nivel de computer science más atrasado que el americano pero en
ese país el ingeniero o el ingeniero-empresario, como Akio Morita, presidente de
SONY, tiene una más alta consideración social que el científico o un premio
Nobel .
Por otra parte, Angel Jordan no acaba de encajar en la School of Computer
Science. El no es un "computer scientist" sino un "electronic engineer". Y como
es sabido la ingeniería es vista en la cultura universitaria como una disciplina
de menor rango que la ciencia.
Ello hace la historia de este profesor realmente paradójica. Vino de España en
1956 con un título de científico bajo el brazo, pues su licenciatura fue en
Físicas por la Universidad de Zaragoza. Aquí como otros muchos europeos se
sintió atraído por lo que tradicionalmente atrajo a los europeos a America, la
tecnología, las "oportunidades", el "every-thing-is-possible". Sacó su doctorado
en "electronic engineering". Y vino a hacerlo en un momento en que el país iba a
iniciar un largo periodo de sobrevaloración de la ciencia como el conocimiento
fundamental en la comunidad académica. Este ha sido el periodo de la Computer
Science en este campus. Y el Dr. Jordan siendo ingeniero ha favorecido esta
dinámica en pro de la ciencia, y en detrimento de la ingeniería, aunque esta
ciencia fuera la COmputer Science. 30 años después, se empiezan a ver los
límites de esta era.
El caso Jordan expresa dos cuestiones interesantes desde el punto de vista del
antropólogo: 1. El agotamiento del modelo de "computer scientist" para liderar
el campus de CMU, dada su persistente negativa a atender las tendencias hacia la
ingeniería que el país exige de forma creciente. y 2. Los límites de la
ingeniería sin la tecnología informática para superar al computer scientist en
el diseño de una nueva cultura tecnológica. El ingeniero tradicional no puede
dirigir al computer scientist.
Una forma de resolver este dilema es reconocer que están naciendo un nuevo tipo
de ingenierías, que no son "computer science" ni tampoco las tradicionales
ingenierías (civiles, mecánicas...). Estas nuevas ingenierías que podríamos

llamar "high engineering" como el software engineering , el knowledge
engineering, el computer engineering, la bioengineering, y otras , forman una
primera base de la "high tech culture", y cuyo conocimiento central es el
diseño. Este primer estrato de nuevas ingenierías es ya insuficiente para
abordar el diseño de sistemas tecnológicos complejos que ya plantean la
necesidad de otro nivel de "high technologies" esta vez provenientes de areas
como el "industrial management", el "policy analysis", y otras area sociales y
culturales, como la sociología de las nuevas tecnologías o la tecnoantropología.
De momento, Angel Jordan , se ha situado como profesor al Robotics Institute,
que es un centro de la School of Computer Science, pero que históricamente ha
guardado excelentes relaciones con la escuela de ingeniería, la de
administración industrial y la de administración pública. En este instituto, ha
emprendido dos nuevos programas de investigación aplicados: uno sobre high
definition systems, y otro sobre "computer industry", que expresan este cruce
interdisciplinar de culturas académicas que él intenta representar.
4.4.3. EL PROJECTO "ADVANCED HIGH DEFINITION SYSTEMS" DE CMU.
El primer proyecto se denomina "New Advanced High Definition
Systems".(CMU-SCS-Robotics Inst. 1991).
Según Angel Jordán, estamos asistiendo a una progresiva unificación de tres
mundos tecnológicos que estaban separados hasta la fecha: el de la tecnología
digital del ordenador, el de la tecnología de la imagen y el video, y el de la
tecnología del teléfono y las telecomunicaciones. Esos tres mundos pueden
confluir en un sistema tecnológico unificado, basado a su vez en una máquina
unificada, que cumplirá estas tres funciones y otras nuevas.
Angel Jordan la denomina un "advanced high definition system", y piensa que ya
no debe considerarse un ordenador, aunque lleva un sistema de procesamiento de
información inteligente en su interior.
El nuevo enfoque adoptado es que este sistema no parte del ordenador sino de la
televisión, una tecnología que no se estudiaba en CMU tradicionalmente. La idea
es " ‘software for Television’ not "Television for Software’ " (R. Thibadeau).
La estrategia del Dr. Jordan para su construcción ha combinado avances de
ingeniería electrónica con otros de computer science, pero partiendo de la la
direccieon de la ingeniería electrónica no de la ciencia. Este sistema se empezó
concibiendo como un televisor de alta definición con pantalla plana basada en la
tecnología de las matrices activas . A continuación Jordan pensó que ésta

tecnología podía mejorarse utilizando la tecnología digital del ordenador, en la
cual CMU era fuerte. Se pensó en adoptar el sistema operativo MACH para
acoplarlo en la nueva televisión. Esta tecnología se introdujo en un sistema
digital basado en un dispositivo de control inteligente de la imágenes, idea
aportada por R. Thibadeau. Finalmente estas imágenes se visualizan en tres
dimensiones con la tecnología oportuna, en la que es experto Mel Siegel.
El nuevo ingenio en proceso de diseño se denomina: "Advanced Video Display
System (AVDS)" y consiste en un sistema de tres componentes: una plataforma para
el desarrollo de aplicaciones de video, o "Video Applications Development
Platform", una tecnología de pantallas avanzadas o " Advanced Display
Technologies", y unas tecnologías para la construcción de imágenes
tridimensionales, o "Three-Dimensional Implementation Technologies". Existe a su
vez un cuarto proyecto para el desarrollo de ambientes de aprendizaje para
"software engineers", dirigido por Scott Stevens, que ha sido financiado a
través del SEI.
Tres equipos distintos situados en dos institutos distintos han iniciado a
finales de 1991 la investigación, financiada por DARPA.
El primero lo dirige Robert H.Thibadeau, a Senior Research Scientist y director
del Imaging Systems Laboratory del Robotics Institute en la School of Computer
Science.
El segundo lo dirige T.P. Brody, en el Electrical and Computer Engineering
Department. Peter Brody fue el inventor en los laboratorios de la Westinghouse
Electric Co. de Pittsburgh de la tecnología de las matrices activas,
dispositivos que forman la base de las pantallas de cristal líquido que se
utilizan ya en los ordenadores portátiles.
Junto con él, trabaja Richard D. Warner, director de investigación en el Graphic
Arts Technical Foundation (GATF), inventor del Comunicador de Color GATF, un
dispositivo de generación de color, así como Raymond J. Prince.
El tercer equipo está dirigido por Melvin W. Siegel, director del Measurement
and Control Laboratory en el Robotics Institute.
Angel Jordan es el coordinador del conjunto del proyecto.
El primer equipo pretende construir una plataforma para la fusión de la
tecnología del video y del ordenador, conteniendo Inteligencia Artificial: "A
Video Applications Development Platform for the fusion of video technology and
computers, allowing advanced video display (AVD) systems to access existing

computer software and imaging data and supporting the rapid prototyping of AVD
applications".(CMU-SCS-Robotics, 1991: 1).
Esta plataforma incorporara dos dispositivos fundamentales: un sistema de
control de imágenes o "Intelligent Frame Buffer" y el sistema operativo MACH, en
que trabaja un veterano alumno de Computer Science en CMU, Joseph M . Newcomer.
El segundo equipo está desarrollando tecnologías de manufacturación de las
pantallas planas de televisión. Aunque estas pantallas ya se empiezan a utilizar
en los ordenadores portátiles y las televisiones de bolsillo los costes de su
manufacturación son aún muy elevados. El problema es que las técnicas utilizadas
para la manufactura de circuitos integrados no sirven para la de dispositivos de
pantallas de cristal líquido, por lo que este equipo se plantea un nuevo enfoque
del proceso de manufactura de estos dispositivos microelectrónicos.
El tercer equipo, se plantea explorar la televisión de alta definición
tridimensional o "3-D TV". Las televisiones tridimensionales y los ordenadores
con gráficos estereoscópicos están ya en el mercado, pero son caros, e
incompatibles con las televisiones de imágenes bidimensionales. El propósito de
este equipo es otro: "We imagine a future industry of economical, high quality,
robust 3-D TV imaging and computer graphics" (ibid.: 24).
Hay rasgos fundamentales de este proyecto que ahora comienza y que lo
diferencian de otros proyectos de la School of Computer Science y de Electrical
and Computer Engineering.
1. Este no es un proyecto de Computer Systems clásico sino de "electronical
engineering" que utiliza tecnología desarrollada en Computer Science para llevar
a cabo un nuevo sistema tecnológico. Ha empezado utilizando el sistema operativo
Mach y un dispositivo de control inteligente , el "IFB". De la misma forma,
mañana puede utilizar los sistemas expertos o los programas de reconocimiento de
voz. Pero no es un ordenador, sino un "advanced video display system".
2. Es un proyecto que introduce a computer scientists en la cultura ingeniera,
muy ligada a la industria. Uno de los proyectos, entra en directo a desarrollar
un nuevo proceso de manufacturación. El Dr. Brody, principal investigador del
mismo es a su vez, fundador de la empresa Magnascreen Corporation, que fabrica
la tecnología de las matrices activas para la construcción de grandes pantallas
para la televisión del alta definición.
3. Como otros proyectos de la School, éste también está financiado por DARPA.
Pero responde a una orientación algo distinta en la agencia. Este es un proyecto

dentro de un conjunto de ellos interrelacionados y patrocinados por esta
agencia, conjunto inicialmente pensado con fines primeramente industriales y
sólo, en segundo lugar, de la defensa.
4.4.4. LA INVESTIGACION EN HDTV Y LAS NUEVAS TENDENCIAS EN DARPA.
Este programa de investigación indica un cambio de largo alcance en las líneas
de investigación de CMU y de la propia agencia que ha sido el sostén principal
del Computer Science durante 30 años.
Inicialmente, la investigación que financiaba la antigua ARPA era de carácter
científico, básico, y con finalidad exclusiva para la defensa nacional. Un grupo
de científicos con ideas interesantes sobre la Inteligencia Artificial
consiguieron de ella apoyo durante los primeros años. Estos fueron los años 60s
y primeros de los 70s. A este dinero se le llamaba "blue-sky money" (David
Pahnos), era un dinero para pensar cosas interesantes, "interesting things". El
programa sobre "Information Processing" inicial de CMU se desarrolló en esta
fase.
Tras la crisis de 1973, y sobre todo, tras el Programa Japonés de la Quinta
Generación, DARPA inició un cambio de orientación. Empezó a exigir expresamente
que los proyectos tuvieran una doble utilidad, la "national security" y la
"national economy". Este fue, desde 1983, el sentido del Strategic Computing
Program . La mayor parte de proyectos de la SCS todavía corresponden a esta seg
unda etapa. Con todo, el objetivo principal seguía siendo defensa, lo cual venía
justificado por la escalada militar de los 80s.
Pero en los años 90s la situación ha cambiado radicalmente. El que inició el
cambio en DARPA fue Craig Fields en 1989. Ese año, la agencia empezó a financiar
programas que tenían prioritariamente una utilidad industrial: los primeros de
ellos, diversos proyectos de High Definition Television, así como otros sobre
chips de arseniuro de galio (Gazelle Microcircuits) y baterias de litio. Algunos
de estos proyectos los llevaba a cabo SEMATECH, un consorcio de empresas de
semiconductores norteamericanas. En suma, DARPA empezó a realizar, lo que se
denomina "industrial policy" en directo, al estilo del M.I.T.I. japonés, pero
solapadamente, pues esta actividad no entra dentro de sus competencias.
El gobierno Bush hizo dimitir a Craig Fields en mayo de 1990 como director de
DARPA, presionado por el Chief of Staff de la Casa Blanca, John Sununu, defensor
de la línea neoliberal clásica que deja la economía al libre juego del mercado,
y no admite ninguna "industrial policy".

Sin embargo, unos meses más tarde, en septiembre, el nuevo Assistant to the
President for Science and Technology, el físico Allan Bromley, anunciaba el
comienzo de una "technology policy " por primera vez en Estados Unidos. John
Sununu dimitía de su cargo. Y la crisis económica se convertía en el tema
central de vida política del país, y el tema clave de las elecciones
presidenciales de 1992.
El programa de investigación sobre HDTV de Angel Jordan responde a esta nueva
situación del país.
Uno de los centros clave de la investigación en Televisión Avanzada en Estados
Unidos está en el M.I.T.. En esta institución hay dos centros que realizan
investigaciones en este sentido. El primero y más conocido, el Media Lab de
Nicolas Negroponte. Están desarrollando la idea de "interactive television" y "
ultra-personlized intimate technology", (Brand Steward, 1988). La filosofía de
Negroponte es: " We write about what we do, but we don’t write unless we’ve done
it". (ibid.: 7).
El otro centro en el M.I.T. es el que dirige William F. Schreiber, el MIT’s
Advanced Television Research Program. En diciembre de 1988, DARPA concedió 30
millones de dólares a su laboratorio para realizar su investigación en lo que
denomina una Open Architecture Receiver (OAR). Este sistema es un nuevo enfoque
para el diseño de sistemas de alta definición, que permite que cualquier señal
que llegue al receptor sea tratada por dispositivo de procesamiento de señales o
"signal-processing module" y enviada a la pantalla. Dado que este módulo es un
ordenador, la apuesta es similar a la del proyecto de A. Jordan, permitir a las
computer industries norteamericanas competir con las japonesas y europeas en
este nuevo mercado.
Pero la estrategia es distinta. Mientras que el proyecto del M.I.T. está pensado
en función de las industrias de ordenadores norteamericanas para que se
reconviertan a la nueva televisión, el de CMU está pensado para desarrollar una
nueva industria de televisión en Norteamérica, aliada con la industria de
televisión por cable, y sirviéndose de avances técnicos de la informática. La
estrategia de este proyecto de Angel Jordán no pretende construir el ordenador
multimedia sino en el televisor con capacidades informáticas,ésto es,
interactivo, con memoria y capacidad de procesar información, pero económico y
al alcance de todo el mundo, aprovechando que éste aparato ya está ya
introducido en la cultura de masas del país.

¿Qué importancia tiene este proyecto?. Hasta hoy se calculan en 50 millones los
ordenadores personales en Estados Unidos (Dertouzos, 1991:63), sin embargo, el
número de televisores es tres veces más, 160 millones. Ello indica un fenómeno
más profundo. El ordenador no ha penetrado,después de 30 años, en la vida diaria
de las familias norteamericanas, como lo hizo la luz eléctrica de Edison o el
automóvil de Henry Ford. El televisor, sí. Pero Estados Unidos no se ha
preocupado de fabricar televisores sino ordenadores. Y la penetración japonesa
en el sector llamado "electronica de consumo", iniciada por SONY en los 60s, no
ha tenido competidores en este campo. Pero SONY no es una empresa de ordenadores
sino de electrónica de consumo. Y es, en este mercado, no en el de ordenadores,
donde según algunos expertos , se juega el futuro de las "information
industries".
Las compañías más innovadoras del país como Microsoft apuntan en esta dirección.
Como indica Rob Glaser de Microsoft: " Our competitors aren’t companies like IBM
that sell three millions computers a year. They are the Japanese
comsumer-electronics companies whose volumes are far higher than IBM’s." (
Moody, F. 1992,NYT:30). Se calcula en existen ya en el mundo 500 millones de
televisores y 250 millones de videos domésticos.
Según W. Schreiber: "High-definition sets are going to use a lot of chips, some
of them quite sophisticated-not only memory chips but microprocessors and
digital signal-processing chips. That’s a very big market, potentially bigger
than the entire computer industry" (Donahue, 1989:)
Este campo es una oportunidad para Estados Unidos de revitalizar su su capacidad
industrial.
En CMU este proyecto permite asociar la ingeniería electrónica con la computer
science y con la nueva industria.
4.4.5. EL PROGRAMA SOBRE "COMPUTER INDUSTRY" DE CMU.
Este proyecto ha dejado atrasada una segunda iniciativa que trata de llevar
adelante A. Jordan con otros científicos sociales: el Center for the Study of
the Computer Industry.
Este fue una consecuencia del Informe del M.I.T ."Made in America".
La tecnología no basta para resolver la situación crítica de la economía del
país. La tecnología precisa convertirse en producto industrial, y venderse en el
mercado.
Computer Science ha generado una institución con 700 personas en CMU, una de las

unidades académicas en este campo más grandes del mundo, y sin embargo, no tiene
una escuela empresarial que se dedique a formar a los creadores de las computer
industries. CMU no ha generado un Silicon Valley.
Si comparamos el Computer Science con la Ingeniería tradicional veremos una
diferencia sustancial. El científico no crea industrias. Ha sido históricamente
el ingeniero el que se ha encargado de ello. Y el caso del Silicon Valley lejos
de ser una excepción confirma la regla. El management, empezando por el del
ingeniero Frederick Taylor, es un invento de la ingeniería.
Lo que no existe es un management generado por el computer scientist. Estos se
interesan poco por la industria.
Un intento en este sentido fue el planteado por Angel Jordan de organizar un
centro para interesar a los "computer scientists" en dicho problema. Junto con
el profesor Richard Florida, de la School of Urban and Public Affairs, presentó
esta propuesta a la Sloan Foundation, la misma que financió el citado informe
del M.I.T. Pero esta propuesta no prosperó. La fundación dio la financiación al
Center for the Study of the Computer Industry de Stanford, dirigido por Daniel
I. Okimoto.
Es lógico que la universidad que ha jugado un papel clave en el desarrollo del
Silicon Valley sea la encargada de estudiar la "computer industry". La pregunta
es si un estudio sobre la dicho sector va a ayudar a resolver los problemas del
mismo.
De hecho la idea para formar un centro para estudiar la computer industry en CMU
fue anterior a la de construir un "advanced video display system". Y tiene una
metodología distinta. La primera está pensada para analizar la crisis de la IBM
y las grandes compañías informáticas, al estilo de los estudios de casos
empresariales. La segunda está creada para desarrollar un nuevo sector
industrial en el país, al estilo ingeniero.
Ponerlos en sintonía lo que implicaría sería más bien dedicarse a diseñar un
sector industrial de "advanced high definition systems", para dar salida a la
nueva tecnología que se está diseñando. Pero para ello haría falta contar con un
tipo de científico social, de economistas y de administradores con los que aún
no se cuenta en CMU.
Una ventaja de este enfoque es que permitiría coger pequeñas empresas o incluso
formar nuevas, a modo de experimento cultural, como se hace con un sistema
tecnológico como el Mach. Ello permitiría unir el diseño tecnológico con un

diseño de organizaciones más complejo, y no de cualquier tipo de organizaciones,
sino de la organización industrial adecuada para competir en el mundo de los
"advanced video display systems". Se podría diseñar su sistema de producción, su
sistema de marketing, su sistema de información, etc. saliendo de los clásicos
estudios descriptivos propios de las ciencias sociales.
Al fin y al cabo el propósito del Informe del M.I.T. y de la Fundación Sloan no
es aumentar el conocimiento sobre la crisis de la industria norteamericana sino
empezar a resolverla. Y el HDTV es un reto interesante.
Ralph Gomory, presidente de dicha Fundación, ve así el problema: "Americans
excel at founding industries based on scientific ideas. We are the ones who
translated the fundamentals of solid-state physics into semiconductors, the ones
who are turning molecular biology into biotechnology. But our difficulties start
when our industries move from the ladder stage, when engineers keep refining
scientific advancements until they yield a new product, to the cycle stage, when
those products have to go through continous rounds of incremental improvements".
( Deutsch,NYT 18 august. 1991:)
El problema es que las universidades gradúan gente, según Gomory, que no
entienden de donde vienen los productos: " Americans have just never found
manufacturing to be interesting, and you don’t excel at something that doesn’t
interest you." (ib. 18 -8-91) Pero esto hemos visto que en la historia de CMU no
es cierto. Ha habido un etapa en la que el ingeniero ha tenido la ciencia como
modelo, en la que se ha abandonado el interés por la industria. Ha sido la etapa
donde el laboratorio industrial ha tenido la Universidad como ejemplo de
institución y donde el conjunto del país tenía la "information society" como el
modelo de cultura que sucedería como "postindustrial society" a la sociedad
industrial. Cuanto antes se abandonara la industria y más empleo en servicios
hubiera antes se llegaba a esa sociedad.
En CMU, esta etapa han sido los últimos 30 años, en los que por conocimiento se
ha entendido "information processing", y donde se ha creído que hacer software
para la liberal education iba a solucionar la desindustrialización del país.
Ahora se empieza a ver que la universidad, incluso la "computer university",
precisa aún más de la industria que antes para desarrollarse, y que hace falta
un tipo de estudios de campo que se realicen tanto en un sitio como en otro para
entender cuál es el problema y cómo resolverlo.
Estos son los centros de industrias específicas a los que se refiere R. Gomory:

"The universities and businesses have to send people back and forth to each
other’s worlds. That’s where the industry-specific center come in. They will be
a source of knowledge about what is happening in any given industry...They will
interact with companies from around the world to give them insights into what
matters. They can be like laboratories, where people study industry much as an
anthropologist studies villages." (Ibid, 18-8-91).
Pero estos últimos 30 años no sólo han hecho a los ingenieros científicos, han
hecho a los científicos ingenieros. Se ha producido un cambio fundamental en la
moderna cultura: la parte más intelectual de la misma, la encargada de elaborar
el cuerpo teórico de conocimientos, se ha interesado por el diseño de sistemas,
empezando por el diseño del ordenador. La matemática se ha hecho diseñadora, la
física de estado sólido también, la sicología también, la linguística,...
Ello ha conducido a elaborar una disciplina con contenidos ingenieros, como la
computer science, pero que a diferencia de la ingeniería tradicional, pretende
desarrollar un cuerpo propio de teoría, una "theory".
La Computer Science de CMU tiene una cuarta área denominada "Theory", que es
clave para entender el sistema de conocimiento de esta comunidad. Y al mismo
tiempo, ello servirá para comprender los límites de la ingeniería tradicional,
desprovista de esta área, para competir con la computer science.
5. "THEORY" EN LA SCHOOL OF COMPUTER SCIENCE.
5.1. ¿QUIEN FORMA PARTE DE LA "THEORY"?.
La área denominada "Theory" en la School of Computer Science está formada en el
curso 1991-92 por un grupo de 17 profesores, siendo junto con Computer Systems,
la más pequeña de la School. Esta área es la más reciente de las cuatro en
Computer Science, iniciándose de forma organizada a principios de los 80s.
Entre los profesores que la componen destacan Stephen Brooks, Merrick Furst,
Robert Harper, Ravi Kannan, Daniel Leivant, Gary Miller, Frank Pfenning, John
Reynolds, Steven Rudich, Daniel Sleator , Dana Scott y Doug Tygar.
La área de "Theory" está constituída por una actividad de investigación y una
actividad docente. Tres son las subáreas en que se divide ésta : "Computability
and Complexity", "Logic" y "Algorithms and Analysis".
Esta área no forma parte de la investigación bajo el contrato denominado
"Information Processing Research" que tradicionalmente ha tenido CMU con DARPA.
Aunque ésta agencia financia también proyectos en esta área, esta investigación

se ha financiado principalmente de fondos provenientes de la National Science
Foundation. Proyectos como "Types in Programming", antes analizado, o ERGO,
están clasificados por dicha agencia en la área de "Software".
Según Merrick Furst, uno de los fundadores de la área de "Theory" en CMU: "There
is not research projects in Theory. One can work in a problem in this area and
after 10 years, finally, threre may be no results . The ‘projects’ in Theory are
the articles the people write. The projects are people". ( Entrevista Personal.
16-4-92).
Merrick Furst es, a su vez, Associate Dean for Graduate Education de la School.
Según él, uno de los cambios introducidos en la escuela en la última década son
los exámenes y asignaturas que los estudiantes de grado ahora han de pasar en la
escuela. Antes, según Furst, se aprendía como los artesanos, mediante la
participación en proyectos de investigación, al lado del profesor que lo
dirigía. "I’ve collaborated to introduce the courses, as in the university
structure". (ib.).
La área de Theory tiene sólo 10 años en CMU. Fue promovida por el antiguo
director del entonces departamento, Nico Habermann, en colaboración con Furst. A
pesar de su corta existencia, no obstante, su influencia va siendo creciente en
la normalización del Computer Science en esta universidad con el resto de
centros del país. Según Furst, CMU era un caso excepcional hasta los años 80s,
pues a diferencia de otros departamentos importantes del país, no contaba con un
grupo específico dedicado a "Theory".
Preguntado por las razones de esta diferencia, Furst afirma: "In every place,
there was a theoretical area in Computer Science, but not in CMU. The reason
might be because at the beginning this Department was built by psychologists and
phylosophers, like Allen Newell and Herbert Simon". (ib.16-4-92).
En efecto, "Theory" es una parte sustancial para la Computer Science. Y sin
Computer Science, los ordenadores serían calculadoras electrónicas ultrarrápidas
pero sin ninguna pretensión de ser "universal computing machines", como Turing
preveyó. ENIAC, el primer ordenador digital inventado por Mauchly y Eckert era
aún un ordenador para un propósito definido "special purpose", calcular
trayectorias balísticas. La idea de convertir una calculadora en una "universal
machine", no sólo se debe a Turing, sino a Von Neumann, y su denominada "general
and logical theory of automata" (Von Neumann, 1961:vol V:288-328) según la cual
las llamadas "large computing machines" eran comparables con "living organisms".

La "Theory" no es un apéndice en la escuela como podría pensarse desde una
visión pragmática estrecha de la misma. Es la área que legitima ante la Academia
la "computer science" como ciencia y de donde, se reconoce que salieron los
padres fundadores de la misma: entre ellos, Alonzo Church, Alan Turing, y John
Von Neumann. (M. Shaw. Great Ideas. april 1991).
El ordenador, en efecto, es un ingenio como el automóvil o la máquina de vapor,
pero a diferencia de éstas, es una máquina con una particularidad en su origen:
la iniciativa para su invención provino principalmente de matemáticos y
científicos, si bien los ingenieros contribuyeron decisivamente a su
construcción. Y ello fue así desde la primera Máquina Analítica del matemático
Charles Babbage, la calculadora de Blaise Pascal, hasta el ordenador ACE de
Turing . Es cierto que el ENIAC, el primer ordenador digital fue desarrollado en
la Moore School of Electrical Engineering de la Universidad de Pennsylvania,
pero aún en este caso, la iniciativa del equipo, según la historiadora Nancy
Stern, la tuvo el físico J. Mauchly, en colaboración con el ingeniero J. Eckert.
(N. Stern. 1981).
Este ingenio comenzó siendo una calculadora mecánica, una herramienta inventada
por matemáticos al servicio de sus cálculos aritméticos. Y ha conservado el
nombre: "Computer", que en inglés es sinónimo de "calculadora", y "computation",
cálculo. El historiador de la tecnología Paul Ceruzzi señala en el significado
del término "computer" un cambio interesante. Antes de la II Guerra Mundial,
según el diccionario, el término "computer" designaba la persona que efectuaba
los cálculos en las empresas. Despues de la misma, "computer" pasó a significar
máquina calculadora.
Es cierto que en la computer science confluye otra corriente directamente
ingeniera proveniente del M.I.T., las máquinas automáticas o automátas, y que
culminará en la robótica. De hecho el Robotics Institute de CMU se formó en 1979
independientemente del Department of Computer Science, y sólo con la formación
de la escuela pasó a ser integrado como una unidad dentro de la School of
Computer Science.
Esta corriente proveniente más de la ingeniería que de las matemáticas, fue la
encabezada por el matemático Norbert Wiener y su Cibernética, nacida en el
M.I.T. y desarrollará una teoría de la comunicación y control en animales y
máquinas, basada en el mecanismo del feed-back o retroalimentación nacido en la

ingeniería de control. El fin de estas máquinas no era el cómputo sino el
control de procesos físicos para el diseño de artefactos eléctricos no lineales.
A su vez, Claude Shannon de los Bell Laboratories desarrolló su teoría
estadística de la información, salida de la ingeniería de comunicaciones.
Pero esta corriente con base ingeniera no es la que construyó la Computer
Science culture en el resto del país, y tampoco en CMU.
El ordenador que inicialmente se concebía como un autómata, pasó a ser el
autómata hegemónico, y la "Logic Theory Machine", el ordenador más avanzado,
consiguiendo el liderazgo en esta comunidad universitaria. Es interesante
observar como finalmente , el "computer", la maquina razonadora, se ha
convertido en la máquina por excelencia en la comunidad universitaria, no sólo
en CMU, sino crecientemente en el conjunto del sistema denominado "Science and
Technology".
La ingeniería de comunicaciones, en particular la obra del ingeniero C. Shannon,
aportó el principio digital. Físicos e ingenieros electrónicos como Mauchly y
Eckert aportaron su tecnología electrónica. Científicos sociales como Newell y
Simon, la hicieron capaz de probar teoremas lógicos. Pero todas estas
contribuciones no han cambiado su carácter de máquina esencialmente de cómputo,
la máquina lógica.
Ciertamente el ordenador se ha transformado en estos 40 años. De simple
herramienta al servicio de la ciencia, se ha pasado a considerar un objeto de
estudio en sí mismo. Ha pasado de simple medio a fin. Ello ha producido una
situación invertida. Ahora, una disciplina, la computer science, " a sort of
science, engineering and mathematics" (Mary Shaw), utiliza las matemáticas así
como la lógica para desarrollarse a sí misma, invirtiendo la relación inicial
según la cual el ordenador era una herramienta del matemático para efectuar sus
cálculos.
Ahora la matemática y la lógica son las que han de producir herramientas para el
computer scientist. Ello se aprecia en especial en la área de "Theory", área aún
a caballo entre la matemática y una teoría propia de la nueva disciplina.
Un tema clave a dilucidar es pues la relación entre matemáticos, lógicos y
computer scientists en la SCS, y en particular en la área de la "Theory", pues
es en esta área donde la Computer Science define su identidad como disciplina
independiente. Dada la complejidad del tema, éste requerirá posteriores
estudios.

Una parte clave para entender la "Computer Science", como sistema de
conocimiento cultural, es la área de "Theory". Esta área en la School of
Computer Science de CMU nos puede ayudar a explicar cuales son los rasgos de
este tipo nuevo de ciencia, así como situar algunos de sus límites.
5.2. "COMPUTABILITY AND COMPLEXITY", "LOGIC", "ALGORITHMS AND ANALYSIS" :
AREAS
DE "THEORY" EN LA SCS.
El grupo de Theory de la School está formado por dos subgrupos claramente
diferenciados: la "Logic Community", dirigida por Dana Scott, "community" que
dirige a su vez un Programa de Doctorado en "Pure and Applied Logic", entre los
departamentos de Matemáticas, Filofofía y Computer Science, y por otra parte el
denominado "Algorithms Group", dirigido por Ravi Kannan y Merrick Furst, y que
tiene un programa de doctorado interdisciplinar en "Algorithms, Combinatorics
and Optimization", en colaboración con el grupo de Operations Research de la
GSIA, y con la área de Matemáticas Discreta del Departamento de Matemáticas.
Esta unión de los dos grupos bajo la rúbrica de "Theory" es anómala en América,
según Furst. Según este profesor, en Europa cuando se refieren a "Theory" se
entiende normalmente Lógica. De hecho Dana Scott, así como S. Brooks, fue
profesor entre 1972 y 1981 en la Oxford University. Sin embargo, en Estados
Unidos, los grupos de Theory normalmente están más centrados en Algoritmos y
Operation Research.
Para Kannan y Furst, la idea de "feasible" es clave para el estudio de los
algoritmos en Computer Science, hasta el punto que esta idea está renovando las
propias matemáticas. (Entrevista, 21-4-92). Sin embargo, según éstos, esta
noción no es importante para la "Logic Community", cuya idea básica es la
"correctness" de los programas informáticos.
En cualquier caso, estos forman dos comunidades separadas en la área de Theory
en CMU, con reuniones, publicaciones y conexiones internacionales distintas.
La importancia de esta área de "Theory" en CMU, que tiene un 25% del profesorado
del conjunto de Computer Science es reciente. A diferencia de otras
Universidades, como Stanford, la Computer Science en esta universidad no se ha
regido por un enfoque principalmente matemático o formal. Incluso la matemática
, en esta universidad de origen ingeniero, ha tenido un carácter aplicado desde
el principio. El Mathematics Department de CMU esta dirigido por Williams O.
Williams, y está catalogado entre los 10 primeros del país en matemática

aplicada. Entre sus áreas de investigación incluyen: " Continuum Mechanics",
"Differential Equations", "Discrete Mathematics", "Logic", "Numerical Analysis",
"Optimization and Operation Research" y "Stochastic Analysis". Es un
departamento con 30 profesores, de los cuales cuatro tienen "joint appointment"
con la SCS: P. Andrew, Ravindran Kannan, Dana Scott, y R. Statman
5.3. DEL "PRAGMATIC APPROACH" AL "EMPIRICAL APPROACH".
La evolución de la área de Theory es significativa del carácter cultural de la
Computer Science de CMU . Igual que Computer Systems, Theory es la área más
pequeña de la School. Inicialmente ninguna de las dos se consideraba en la
propuesta inicial dirigida a ARPA en 1964. Pero al igual que ésta, con el tiempo
ha ido cobrando creciente peso.
Volvamos a un tema que ya introducimos en la primera parte del estudio pero que
ahora cobra relevancia desde otro enfoque.
En la propuesta redactada por Newell, Perlis y Schatz de 1964 no aparece
siquiera el nombre de Computer Science sino el de " science of information
processing".(1964:3). No se contemplaba construir máquinas (hardware) . Se
planteaba una orientación sólo hacia "software". Y el enfoque "teórico" estaba
basado en una orientación que se denominaba "empirical", basada en la
construcción de programas que hacían cosas.
La teoría era la teoría del "information processing". Y afirmaba : "We are
theoretical, although not so much by a dependency on formal models (such as
automata theory), as by trying to formulate the essential nature of information
processing." (1964:4).
En esa propuesta se expone una oposición binaria que ha sido una constante a lo
largo de estos 25 años : "formal theory" versus. "pragmatic approach".
Según sus autores: "There are at least two ways to go about an integration. One
can develop a formal theory of information processing systems, including the
development of the associated mathematics...In 1937, before any of the
technology existed that has made the study of information processing as
imperative, Turing formulated the concept of a universal computer... Their
virtues lie in in being able to establish extremely general properties of
information processing systems within the model; their major difficulty is
limited power on relevant problems...". (Newell et al. 1964:12-13).
Pero los fundadores de este centro en Carnegie Tech, apostaron por otro enfoque
denominado: "pragmatic approach". Según ellos: " An alternative to developing

formal theories is to incorporate all the important features of the separate
strands into a single unified programming structure. This is a much more
pragmatic approach than the formal one. As in the processes of basic discovery,
its success is measured by the clarity of structure achieved, validated by
useful programming systems applicable to a diversity of new problems".(ib: 13).
Al mismo tiempo afirmaban: "We are oriented towards ‘software’ --towards
programs written on digital computers. We are empirical, in that we believe in
constructing programs that do things, and in learning about information
processing from the difficulties of construction and the behavior of the
resulting programs".(ib.:4).
Se puede advertir que a este enfoque se le denomina a la vez "empirical" y
"pragmatic". Ya hemos visto que no son lo mismo. La ciencia empírica se basa en
el descubrimiento. Es la tecnología la que tiene un enfoque pragmático, a la
búsqueda del "building systems".
En realidad han existido, no dos, sino tres enfoques teóricos en computer
science de CMU: los denominados "pragmatic", "empirical", y "formal". Estos han
sido protagonizados por tipos intelectuales distintos: el ingeniero, el
científico experimental y el matemático o lógico,. Estos tipos que podrían estar
representados en las figuras de Allen Newell-Alan Perlis , Herbert Simon y Dana
Scott . A menudo se identifica en exceso la obra de Newell con la de Simon no
permitiendo distinguir que sus enfoques difieren en gran parte, al menos si
atendemos a sus resultados. Herbert Simon, es, ante todo, un científico
experimental que se sirve de programas informáticos para probar teorías acerca
de la mente humana. Allen Newell, al menos en la mayor parte de su vida, así
como Alan Perlis, han sido computer scientists que se han servido de la ciencia
experimental como la sicología o de las las matemáticas para hacer sistemas
informáticos. Pero, finalmente, un problema de ciencia empírica ha terminado por
concentrar su atención como veremos a continuación.
El enfoque pragmático es el que inicialmente promovió la Computer Science de
CMU. Este enfoque no contemplaba la necesidad de una área de Theory separada del
Programming o de la Artificial Intelligence. No obstante, los otros enfoques, el
de la ciencia experimental ("Search") y el de la ciencia formal ("Logic") han
influído esta área en periodos sucesivos, tratando de modificar su inicial
impulso de carácter pragmático.
El enfoque pragmático se podría formular a grosso modo de esta forma: no hay

separación alguna entre el pensar y el actuar. La teoría de Computer Science son
los programas que se construyen en dicha escuela y que funcionan. SOAR, el
sistema construido por Allen Newell, es concebido por el como un sistema
inteligente y al mismo tiempo como una teoría acerca de la cognición humana
(1990).
Pero como veremos el enfoque prágmático orientado a la construcción de sistemas
ahora se ve por Newell como una mera herramienta para un objetivo más
importante, una teoria de la cognición humana. En este sentido es muy
significativa su obra "Unified Theories of Cognition", que reunen un conjunto de
charlas, las William James Lectures, dadas por este autor en 1987 en Harvard
University: " To ‘convert’ an existing A.I. system to a cognitive theory seems
perhaps a rather strange operation. In the event, there turned out to be two
activities. The first can only be described as contemplation --contemplate SOAR
in the light of everything I knew about human cognition, to see what fits and
what doesn’t, how mechanism fare, and what role they play in explaining
psychological phenomena. Though SOAR presented itself as a fixed set of
mechanisms, there were open to adaptation under the press of becoming a theory
of human cognition"....The second activity was to attempt to use Soar as a
theory of cognition to model and explain in detail specific psychological
phenomena and data in a wide range of domains: in short, to exercise Soar."
(1990:x)
Lo curioso aquí es que Newell no concibe la teoria de la cognición humana a
partir de su propia obra de construcción de Soar, sino a partir de ese sistema
informático una vez construido, contemplándolo como objeto empírico, y haciendo
una teoría de él. El pragmatismo se ha hecho empirismo. La A.I. se ha puesto
finalmente al servicio de la sicología cognitiva, y la "liberal university"
dirige a la "professional approach".
Este enfoque que ha evolucionado del "pragmatic approach" al "empirical
approach" ha tenido como resultado que finalmente Newell, tras 30 años de vida
científica, se defina a sí mismo ahora no como interesado en A.I.
principalemente sino en la sicología cognitiva , y defina su preocupación
científica central , " my single ultimate scientific question is the nature of
human mind" (1991. "Desires and Diversions". 4 dec. SCS).
¿ Qué efectos ha tenido esta orientación en Computer Science , en especial, en
la área de Programming?. Dejar sin enfoque teórico a la misma. El "information

processing" se mostraba más interesado en "understanding the nature of human
mind" que en construir sistemas computacionales.
Este centro se definió en 1964 , ante todo, como un centro de software. Su
objetivo era producir programas informáticos. La actividad de "programming"
durante años se ha identificado con la actividad del computer scientist. Hasta
el punto de confundir "computer science" con programación. Y esta actividad se
la consideraba una actividad propia de la ingeniería.
En 1981, en un libro de texto publicado por W. Wulf, Mary Shaw, Paul Hilfinger
de CMU y Lawrence Flon, de la University of Southern California, titulado
"Fundamental Structure of Computer Science" se afirmaba: "Programming is an
engineering activity. Hence, good programming, like other good engineering, is
rooted in the careful application of science to practical problems...Programming
is the act of writing a program; it is, in effect, the act of building a
specialized tool. It is this emphasis on "building something" that leads to our
premise". (1981:1). Así habla la ingeniería tradicional, "building systems".
Según este enfoque, programar es encontrar el algoritmo o procedimiento
efectivo. Para Alan Perlis: "An algorithm is a finite sequence of elementary
tasks, each performable by a computer in a finite amount of time". (1971:5). En
suma, un conjunto de operaciones realizables por el ordenador para la solución
de un problema.
Con todo en el libro de texto de Mary Shaw y otros profesores citado, se
advertía que existía una diferencia fundamental entre la ingeniería tradicional
y el "software engineering": "Most engineers must deal with physical limitations
of the materials they use- weight and stregth, for example. Achieving an
acceptable design within these limitations is often the central problem faced by
the engineer. Although there are a few limitations of computers such as the
amount of memory and processor speed, these limitations do not matter for a
large collection of programs. Instead, the limitations encountered in
programming are most often related to our own, very human capabilities:
The principal limitations on the programs we write are often imposed by our
inability to comprehend the design- not by the physical capabilities of
computers". (1981:1).
Pero esta comprensión de la actividad de diseño, nacida del "pragmatic
approach", no se ha desarrollado teóricamente.
Diseñar, por otra parte, no es una mera actividad práctica. Se trata de

planificar un modelo de comportamiento que ha de seguir la máquina, no de
ejecutar ese comportamiento. Una cosa es el "behavior" y otra el "pattern of
behaviour". Para Edsger W. Dijkstra, la actividad del "programmer" se podía
definir como: "designing a class of computations" (E. Dijkstra. 1971:8).
La antropología, en tanto que disciplina que se encarga de estudiar los
"patterns of behavior" de los seres humanos, de sus normas de conducta, puede
ayudar a entender esta diferencia. La cultura no es el mero conjunto de
comportamientos humanos organizados. Sino, ante todo, las pautas que rigen esos
comportamientos.
El programador informático diseña el modelo de comportamiento de un ordenador.
Un programador cultural haría algo parecido con un sistema cultural. De hecho es
lo que vienen haciendo consejos de ancianos, legisladores , políticos y
educadores de todas las épocas y culturas. Alan Perlis lo entendió
correctamente: "Educators, generals, dieticians, psychologists, and parents
program. Armies, students, and some societies are programmed. An assault on
large problems employs a succession of programs, most of which spring into
existence on route..." (Foreword, in Abelson& Sussman ,1985:xi). "The Promethean
enterprise", llamó este computer scientist a esta actividad de "programming".
Pero el enfoque pragmático, a falta de una teoría de diseño, se vió sin
suficiente armas para afrontar los problemas generados por la propia dinámica de
la disciplina. La crisis se inició por la "software crisis". Hacían falta
programas correctos y complejos. Y para ello se consideró preciso elevar el
nivel de abstracción del programador y su rigurosidad en la verificación de los
mismos. Y la Computer Science de CMU llamó a los lógicos en su ayuda, y con
ellos, un "logic approach".
Se fue poniendo en evidencia que programar no era escribir sólo las
instrucciones o código de la máquina. No era un mero "learning by doing", sino
una compleja tarea de planificar y diseñar qué instrucciones han de ser
escritas. Por el contrario, una improvisada y acelerada actividad programadora,
lo que hacía era retrasar y encarecer aún más el "programming", al producir una
gran cantidad de errores ("bugs").
A su vez los programas tendían a ser cada vez más complejos. En los años 70s la
Computer Science en CMU decidió introducir una área teórica denominada
"Complexity", dirigida por el matemático Joseph Traub, a fin de afrontar el tema
de la complejidad en el que se había empantanado el área de Programming. En los

80s, se inició la área de "Logic". Ambas áreas teóricas venían en ayuda de
problemas prácticos que un enfoque méramnte pragmático no había sido capaz de
resolver, y que el enfoque "empirical" de la A.I. no entraban en el campo de sus
intereses.
5.4."COMPUTABILITY " Y " COMPLEXITY" EN CMU: JOSEPH TRAUB.
Josep Traub fue el primer director del Departamento que se dedicó expresamente a
la Theory. Su tema: la Complexity. Nacido en 1932 en Karlsruhe, Alemania, vino a
Estados Unidos en 1939. Obtuvo el doctorado en Columbia University en 1959.
Ocupó la dirección del Departamento de Computer Science de CMU entre 1971 y
1979, de donde pasó a fundar el departamento de Computer Science de la Columbia
University en New York.
El problema de la complejidad venía impuesto por los propios límites de la mente
humana para construir sistemas complejos como los programas informáticos. El
problema de la "complexity" se suscitó ante la tarea práctica del software
engineer y el ingente trabajo que significaba escribir programas con miles de
líneas de código, y sin errores. Este problema es una de las razones por las
E.W. Dijkstra, uno de los fundadores del denominado "structured programming", y
profesor en la Universidad de Texas en Austin, denomina al "computer science"
una "radical novelty in our history". Segun Dijkstra: " The programmer is in the
unique position that his is the only discipline and profession in which such a
gigantic ratio, which totally baffles our imagination, has to be bridged by a
single technology. He has to be able to think in terms of conceptual hierarchies
that are much deeper than a single mind ever needed to face before. Compared to
that number of semantic levels, the average mathematical theory is almost flat.
By evoking the need of deep conceptual hierarchies the automatic computer
confronts us with a radically new intellectual challenge that has no precedent
in our history". (1989:1398)
El cómo hacer frente a la complejidad, el cómo poder manejarla, se convirtió en
un problema nacional, parte central de la "software crisis", ya estudiada en el
capítulo anterior. Para H.T. Kung, discípulo de J. Traub, el tema de la
complejidad introduce un paradigma nuevo: " How to manage complexity, how to
build complex systems. " (Entrev. 15-3-91).
La área de la complexity, iniciada por problemas prácticos en CMU, ha ido
derivando hacia cuestiones más de fondo, de caracter a veces filosófico.
Joseph Traub, realizaba en 1990 un discurso con motivo del 25 aniversario del

Computer Science en CMU, titulado : "What Is Scientifically Knowable?". El tema
del mismo era la relación entre "science and computation". Y la pregunta
central: "What are the intrinsic impediments to the computational solution of
scientific problems?". (1991:490). Se trataba de analizar los límites que
imponía el ordenador para el cálculo de problemas científicos.
Esta problemática ya fue iniciada por Turing al reducir el conjunto de números
definibles a aquellos computables por el ordenador. Turing introdujo un tipo de
funciones no computables, a partir del denominado "halting problem", según el
cual, la máquina una vez iniciado el algoritmo para la resolución del problema
paso a paso no puede detenerse al dar como resultado otro nuevo programa que no
se puede terminar a sí mismo, ni lo contrario.
Para J. Traub una de las consecuencias de este tipo de funciones es que impone
límites a los problemas científicos, tratables por medios mecánicos, es decir,
mediante el ordenador. Un problema se dice que es "intractable" si no pueden
haber suficientes medios informáticos para su solución. En el capítulo de este
artículo titulado "Why We Might Expect Difficulties with Supercomputing and with
the Foundations of Physics", J. Traub sostiene que la intratabilidad podría ser
un impedimento para lo que es cognoscible por la ciencia: "Indeed, I believe
there are problems that are strongly intractable, i.e., intractable in all
settings" (ib: 498).
Mas allá aún, Traub se aventura a afirmar que no sólo hay problemas matemáticos
que son intratables por medios mecánicos, sino que también existen problemas
científicos que producen formulaciones matemáticas que a su vez también lo son:
" Do there exist scientific problems such that every mathematical formulation is
strongly intractable? I believe that there are such scientific problems and that
they are unknowable". (Ib: 501).
Las implicaciones de esta teoría son enormes. De un lado conducen a lo que
Lyotard, y que Traub cita, llama la "postmodern science", la ciencia
concerniente al caos, la teoría de las catástrofes. En suma, al cambio, del
significado del término conocimiento ("knowledge") por el de no-conocimiento
("unknown"). ( Lyotard, cit.Traub, 1990:489).
Pero estos límites que impone el ordenador a lo que es cognoscible por la
ciencia, permite por contra abrir una concepción de lo que significa
conocimiento distinta a la de la ciencia: el conocimiento como diseño. Conocer
en este nuevo sentido sería diseñar qué nuevos sistemas mecánicos, biológicos o

sociales son posibles y cómo construirlos.
Esta visión del conocimiento como diseño no pretenden la comprensibilidad de
todo el universo, sino sólo el diseño de aquella parte del universo
tecnológicamente, esto es, culturalmente factible, diseñable por la única
especie que de momento conocemos, que definimos como sapiens y que es capaz de
inventar cultura, y máquinas, como parte de ellas. Esto puede parecer una
monstruosa reducción del campo del conocimiento del ser humano. Pero no lo fue
menos la visión de aquellos científicos que recortaron su campo de estudio al
mundo de los fenómenos sólo cuantificables matemáticamente, y gracias a ella, se
abrió un nuevo modo de conocimiento humano, un nuevo modo cultural, en el que
estamos viviendo una gran parte de la humanidad.
Este tema de la Complexity, aún en evolución, parece indicar que la Computer
Science no pretender abarcar como las Matemáticas todo el universo de objetos
definibles matemáticamente. Es una disciplina más modesta en sus pretensiones.
Se limita a la complejidad de los números y símbolos computables. No es una
ciencia formal a la búsqueda de orden del universo expresado en números, según
el ideal religioso pitagórico. Sus límites parecen estár impuestos por las
máquinas, los artefactos, que los seres humanos podemos inventar teórica y
prácticamente. Sólo Pitágoras y su secta religiosa, que al parecer no necesitó
de máquinas, pudo aspirar a cubrir tal objetivo. Los computer scientists se
limitan a aquellas matemáticas que las máquinas pueden computar.
Pero esta distinción entre matemáticos o lógicos y computer scientists aún es
confusa.
En 1978, tuvo lugar en Snowbird una reunión organizada por Joseph Traub entonces
en CMU, a cerca de la naturaleza del Computer Science. La posición más radical
la introdujo Juris Hartmannis de Cornell. Su polémica se centraba en distinguir,
la computer science de las ciencias físicas, sosteniendo que "in computer
science (or the new species of the sciences of which there surely will be more)
we are primarily concerned with that which is possible, with what can exist... I
believe that in computer science, even more than in physical sciences, the
theory, the conceptualization, the intellectual framework will determine what
can be observed and what is worth observing. Most of the things we will study in
computer science in the future have yet to be imagined." (Traub, 1981:354).
Pero la computer science no se interesa por todo lo que puede existir, sino por
lo que puede ser hecho ("feasible", Furst) por un modelo determinado de máquina

inventada por el ser humano. El problema de la intratabilidad de determinados
problemas científicos indica pues una primera separación entre las
construcciones mentales matemáticas y la de aquellos problemas tratables por
medios mecánicos. Sólo estos últimos son los que interesan a computer science.
Más que la ciencia de las posibilidades, la problemática de la complejidad de
Traub plantea una ciencia de los límites de dichas posibilidades.
No obstante, la "complexity theory" no ha conseguido proporcionar herramientas
teóricas en positivo para afrontar el tema de la complejidad del programming.
Más preocupado en conocer qué es lo que no pueden hacer las máquinas, que lo que
se puede hacer con ellas, ha dejado la otra parte del problema sin solucionar.
Una de las vías para intentar resolver esta parte fue recurrir en CMU a otra
arma teórica de la matemática: la abstracción.
5.5. "LOGIC": "ABSTRACTION" Y "REASONING ABOUT PROGRAMMING"; DANA
SCOTT.
En el libro "Fundamental Structures of Computer Science" (1981) su autores nos
explican el papel de la abstracción en esta disciplina: "In order to deal with
complex situations we use a powerful technique--abstraction. We choose to ignore
the details of complex systems; instead we develop models which reflect only
certain important, macroscopic behavioral properties. Newton’s laws of motion,
for example, are a model of physical reality." ( Wulf et al.1981: 3).
Pero dichos autores diferenciaban, el papel de abstracción en la física de su
lugar en computer science. En este campo, consideraban que este mecanismo
intelectual jugaba un papel aún mayor: " Here the notions of models and
abstraction also play a central role, but the situation is also somewhat
different. For the chemist and physicist, reality is ; they propose models to
describe and predict reality...The programmer, on the other hand, is building an
artificial reality. He can also use abstractions to control complexity, but he
has the ability , in principle, to make these models exact. That is, he can make
the program perform exactly as predicted by the model under all circumstances.
Thus in a sense, the notions of modeling and abstraction are even more powerful
in programming than in the physical sciences" (ib: 3-4).
Esta valoración del papel de la abstracción en Computer Science, coincidió a
principios de los años 80s con una campaña nacional iniciada en 1983, con el
informe "Nation at Risk", que aún pervive, sobre la necesidad de poner la
educación en matemáticas y ciencias al día en Estados Unidos.

En la área de la Computer Science, la orientación más pragmática fue
progresivamente sustituida por el paradigma del "structured programming", con
una creciente tendencia hacia la formalización.
En CMU, esta tendencia puso durante los años 80s la Lógica y la denominada
"Logic Community" dirigida por Dana Scott, en el primer plano en el campo de la
Theory en Computer Science. Merrick Furst y Nico Habermann trajeron a esta
autoridad internacionalmente reconocida a CMU desde Oxford University donde
entonces trabajaba afin de dar peso a esta área
Dana Scott ha sido y es el principal teórico de esta corriente. El Dr. Dana
Scott es University Professor en Computer Science, Mathematical Logic and
Philosophy. Nacido en 1932 en Berkeley, California, Dana Scott obtuvo el
doctorado en Matemáticas en Princeton University en 1958 bajo la dirección de
Alonzo Church. Fue profesor de filosofía en dicha universidad de 1969 a 1972 y
de lógica matemática en Oxford entre 1972 y 1981, de donde pasó a CMU.
Fue el introductor del "inferential programming" con William Scherlis en 1983
(Scherlis &Scott, 1983), y es una autoridad internacional en el campo de las
semánticas de programación. Según sus propias palabras: " My past work in logic
has concerned mainly with model theory, automata, set theory, modal and
intuitionistic logic, constructive mathematics, and connections between category
theory and logic. Philosophical interests concern the foundations of logic, the
philosophy of mathematics, and the semantical analysis of natural language.
...Work in computer science has been directed to the development of denotational
semantics of programming languages". ( CMU-CS-FRG. 1991-92:70).
Sus proyectos actuales se dirigen a unificar el enfoque semántico con
formalismos de lógica constructiva para conseguir métodos de pruebas rigurosos y
computables y el desarrollo de herramientas para la construcción inferencial de
programas correctos. Así mismo, está utilizando métodos y programas
informáticos, como el denominado Mathemática, para la investigación y enseñanza
de las matemáticas. Y al mismo tiempo, colabora en proyectos tecnológicos como
el Mercury Project a fin de conseguir una "electronic library" en CMU, modelo de
las bibliotecas electrónicas del futuro.
Si nos guiamos por sus áreas de interés dentro de la School of Computer Science,
es el profesor que abarca un mayor número de ellas. En el curso 1991-92 eran 25
las áreas de interés de este profesor, seguido por Allen Newell con 20 y por J.
Carbonell.

Estas 25 áreas eran: " Automated Theorem Proving", "Computation Theory",
"Computational Linguistics", "Constructive Mathematics", "Foundations of
Mathematics", "Functional Programming", "Inferential Programming", "Information
Retrieval", "Interfaces, human-computer", "Logic", "Logic of Programs", "Music,
Computer", "Program Transformation", "Programming Environments", "Programming
Languages", "Programming Methodology", "Proof Theory", "Semantic of Natural
Languages", , "Specifications", "Symbolic Computation", "Text, Electronic",
"Typesetting", "Type Theory", y "Verification".
La contribución fundamental de Dana Scott reconocida internacionalmente ha sido
en el ámbito de las semánticas de lenguajes de programación, ya analizada en el
capítulo sobre Programming Systems. Su aportación fue concebida como una forma
de comprender los lenguajes de programación: "From the late 1960’s my own work
has concentrated on seeing whether the ideas of logic can be used to give a
better conceptual understanding of programming languages". (1977: 634). Para
ello, ha seguido un procedimiento de separación de la máquina del programa, y
centrarse en las semánticas de éstos como sistemas formales. "I tried once in a
certain way to connect automata and programming languages by suggesting a more
systematic way of separating the machine from the program" (1977:636).
Todas estas áreas hacen referencia a sistemas formales, incluídos los programas
informáticos . Pero esta operación tiene un riesgo: los programas informáticos
no son meros sistemas formales, sino sistemas formales para que un ordenador
digital los ejecute. Son un subconjunto del sistema informático, una función del
mismo, como pueden ser los microchips de sus circuitos integrados.
Ya vimos al analizar el sistema operativo MACH que las abstracciones que
introducía ("port", "message",...) eran abstracciones que funcionaban. No basta
con introducir abstracciones en computer science. Estas han de funcionar, servir
para escribir programas informáticos. En suma, hace falta abstracciones
computables, "feasible".
La creencia en que la abstracción es aún más necesaria en la computer science
que en la física pasa por alto que no se trata sólo de abstracciones matemáticas
sino de abstracciones matemáticas computables como los números de la "Turing
Machine". Sólo si son calculables por medios mecánicos , esas abstracciones son
relevantes en computer science. No es la abstracción sino la abstracción
computable lo que aprende a construir un "software engineer". No son matemáticas
sino las matemáticas de la computación o aquella parte de la misma útil para

hacer tecnología.
Ello hace inviable que la lógica, siendo con todo útil, sea la fundamentación de
la computer science, dado que su carácter en esta disciplina es instrumental.
Como señala el lógico italiano Giuseppe Longo, visiting professor en CMU en
1988: " There is a distinction which we feel a need to stress when talking (or
writing) for an audience of Mathematicians working in Logic. It concerns the
different perspectives in which Logic is viewed in Computer Science and in
Mathematics. In the aims of the founders and in most of the current research
areas of Logic within Mathematics, Mathematical Logic was and is meant to
provide a ‘foundation’ and a ‘justification’ for all parts of Mathematics as an
established discipline.... This is not so in Computer Science, where
Mathematical Logic is mostly used as a tool, not as a foundation." (1988: 2).
Longo pone el ejemplo del enfoque de Scott-Strachey para afirmar que dicho
enfoque sí ha servido como fundamento para avanzar en los lenguajes de
programación, pero añade: "However, the subsequent success of the topic, broadly
constructed, is mostly due to use that computer scientists have made of the
denotational approach in the design of new languages and software. ...In these
cases, results in Logic, in particular in lambda-calculus and its semantics,
were not used as a foundation, in the usual sense of Logic, but a guidelines for
new ideas and applications...Thus Mathematical Logic in Computer Science is
mostly viewed as one of the possible mathematical tools, perhaps a major one,
for applied work". (ib:2).
Christopher Strachey (1916-1975), profesor de Computer Science en Oxford, donde
lo conoció Dana Scott, y con quien elaboró su "denotational semantics", concebía
el computing basándose en una filosofia de diseño todavía no muy extendida,
según el propio Scott ( Foreword in Stoy,J. 1977: xix). Como ha señalado éste:
"His field was computing in a dynamic sense: how to get the machine to do what
you want...Personally I think one of our greatest losses in his death is that
his design philosophy was not yet mor widely known. Philosophy in design of
machines (or algorithms or languages) is something that has to be learned by
doing it.(1977: XIX).
La visión del computing de Strachey, había estado, según Scott, muy influída por
Alan Turing, con el que Strachey había colaborado estrechamente.
Esta "design philosophy" se puede encontrar no sólo en Turing, sino en el propio
Von Neumann, y su "logic design".

John Von Neumann es reconocido en la SCS como uno de los fundadores de la
Computer Science. A diferencia de Turing, no obstante, Von Neumann no se
anticipó en el diseño de ordenadores a los ingenieros. Según la historiadora
Nancy Stern (1981) basó su "logical design" del ordenador llamado EDVAC en los
trabajos ya en curso de Mauchly y Eckert que desde 1943 estaban construyendo el
ENIAC en la Universidad de Pennsylvania. En 1945, Von Neumann publicaba su First
Draft of a Report on the EDVAC, : "The first document to provide a logical
framework for stored-program computers and for programming concepts". (
Stern,1981:81).
Lo interesante del trabajo de Von Neumann es su idea de "logical design".
Esta orientación hacía el uso de la lógica para diseñar máquinas de cálculo la
siguió Von Neumann con sus colaboradores Herman H. Goldstine y Arthur Burks en
el Institute for Advanced Study de Princeton University, produciendo un plan
completo para el diseño de un ordenador electrónico, bajo contrato del U.S.
Army. En 1946, Von Neumann y H. Goldstine escribían una serie de artículos para
el diseño de dichas máquinas. El primero de ellos titulado, "On Principles of
Large Scale Computing Machines". En él se decía: " During the recent war years a
very considerable impetus has been given to applied mathematics in general, and
in particular to mathematical physics, particularly in certain important fields
which have not been in the past in the focus of most
theoreticians’interest...Partly under the influence of war necessities, but
partly also as a natural outgrowth of normal industrial development...these two
streams of evolution have produced both an increased need for large-scale, high
speed, automatic computing...In this article we attempt to discuss such machines
from the viewpoint not only of the mathematician but also of the engineer and
the logician, i.e. of the more or less...hypothetical person or group of persons
really fitted to plan scientific tools. We shall, in other words, inquire into
what phases of pure and applied mathematics can be furthered by the use of
large-scale, automatic computing instruments and into what the characteristics
of a computing device must be in order that it can be useful in the pertinent
phases of mathematics". (1946:1).
Lo nuevo de este enfoque es que el sustantivo es el término "design" y el
adjetivo es "logical". Se trataba de realizar la misma tarea que los ingenieros
que estaban construyendo el ENIAC, pero en lugar de hacerlo en la práctica,
realizarlo de una forma teórica, ésto es, diseñar la estructura lógica de dicho

ordenador.
El matemático se hacía ingeniero, cambiando el significado tradicional de la
lógica desde Aristóteles, para transformarla en una herramienta para el diseño
de máquinas para usos matemáticos. La lógica se hacía instrumento del diseño, o
"logical design".
Von Neumann contribuyó a que esta nueva disciplina se la denominara "computer
science", para distinguirla del mero diseño práctico de las máquinas, propio de
los ingenieros. Pero con ello cambiaba todo el significado del concepto ciencia
imperante hasta la fecha e introducía una confusión que aún no se ha despejado.
El llamado "computer science" sólo puede entenderse como una rama de una teoría
del diseño, y no al modo ni de la ciencia empírica ni de la lógica o las
matemáticas.
Un paso más que dió Von Neumann fue considerar la actividad de programación de
dichas máquinas más importante que su propia construcción, para diferenciar al
"computer scientist" del ingeniero. En este informe se afirmaba que el
"programming" o en palabras de Von Neumann, " the time of coding and setting up
problems for such machine is the dominant consideration". (1946:26). Esta tarea
daba a los matemáticos primacía sobre los ingenieros, entendidos como los que se
encargaban del hardware. Así gracias a Von Neumann, la disciplina pasaba a
llamarse "computer science", separándose de la ingeniería. Con el tiempo, esta
definición ha mostrado sus limitaciones, creando una categoría intermedia entre
el científico y el ingeniero, el "scientist of the artificial", que impide
reconocer que existe una tecnología teórica y otra aplicada, y que la primera no
necesita ser llamada "ciencia". Esa tecnología teórica tiene un conocimient
básico que es el diseño, una de cuyas versiones puede ser el "logical design".
Después de 30 años de Computer Science se ve que no se puede avanzar en la
programación de ordenadores sin sustanciales avances en el hardware, como se ha
comprobado en la A.I.. Pero además, la misma programación de ordenadores se ha
revelado que no es una tarea méramente científica sino ,sobre todo, ingeniera,
de un nuevo tipo de ingeniería, la ingeniería del software. Es una tarea de
diseño, de "logical design", donde la tarea es el diseño y la forma de hacer, la
instrumentación lógica.
5.6. "ALGORITHMS AND ANALYSIS" EN CMU.
Según Merrick Furst, la área más característica de Computer Science es la de
"algorithms".

La vieja matemática griega estaba basada ante todo en la geometría. Aristóteles
introdujo la Lógica. La matemática moderna, por necesidades de la física,
desarrolló ante todo el cálculo. Como instrumento para facilitar esta tarea se
desarrollaron las primeras calculadoras mecánicas, (Pascal, Babbage). Finalmente
para el desarrollo de éstas se ha tenido que desarrollar una matemática adecuada
para escribir las instrucciones de cálculo de dichas máquinas. Y los algoritmos
son ese tipo de matemática.
Pero se da la paradoja que no son los algoritmos los que han desarrollado los
ordenadores digitales, sino al revés. Fue la idea de computabilidad, de números
computables, la que ha hecho necesario el desarrollo de procedimientos para
realizar esa tarea. Es una matemática discreta o finita para desarrollar un
proceso mecánico. Es por tanto una matemática en función del ordenador,
invirtiendo el planteamiento inicial, que era que el ordenador era un
instrumento para el cálculo matemático. El ordenador ha desarrollado un tipo de
matemática distinta para la que inicialmente se pensó, el cálculo numérico.
A veces para simplificar se compara un procedimiento algorítmico con una receta
de cocina, que prescribe una serie ordenada de pasos para confeccionar un buen
plato. Pero dicha receta es un simple instrumento del cocinero para confeccionar
un menú. Es muy curiosa la lectura antropológica de este hecho. Como se sabe
Levi Strauss asoció a la oposición "crudo-cocido" el propio nacimiento de la
cultura. En efecto, la cocina es una de las primeras actividadades culturales
del sapiens. Es una actividad claramente tecnológica, de producción de un objeto
artificial, que diferencia a esta especie de otras que no disponen de esta
tecnología. Pues bien, el procedimiento algorítmico describe como realizar dicha
secuencia de pasos para conseguir resolver el problema. Pero aún así deja sin
resolver qué plato es el que ha de concinarse. Dice sólo cómo ha de hacerse. En
este sentido es un estricto "know-how".
El algoritmo es la secuencia de operaciones para desarrollar la tarea. Pero
reducir programa informático a algoritmo no permite entender que el programa
tiene unos requerimientos previos y unas especificaciones que no están recogidas
en el algoritmo, dado que éste es tan sólo un "effective procedure" , ésto es,
un procedimiento efectivo, un proceso. La construcción de programas informáticos
es más compleja, como vimos en el capítulo sobre software engineering, que la
mera construcción de algoritmos.
No obstante, esta área de Theory es quizá la que donde más claramente se aprecia

la diferencia entre computer science y las matemáticas tradicionales.
Donald Knuth, matemático y profesor de computer science de Stanford University,
dedicó en 1974 un artículo titulado "Computer Science and its Relation to
Mathematics", donde analizaba este tema. Para él, computer science "is the study
of algorithms. An algorithm is a precisely-defined sequence of rules telling how
to produce specified output information from given input information in a finite
number of steps". (1974: 323).
Un amigo matemático suyo al ser preguntado sobre el interés de este campo, le
contestó que lo sería una vez que contuviera 1000 teoremas probados. El interés
de la respuesta reside en que la matemática clásica se caracteriza por la
construcción de teoremas y la construcción de sus pruebas correspondientes. Pero
un algoritmo no ha de probar un teorema sino servir para ejecutar una tarea. Un
programa no es un teorema. Los intentos de crear un "inferential programming" lo
que han hecho es poner la inferencia lógica como instrumento para desarrollar
ese nuevo concepto de programación. De nuevo vemos que la denominación
"inferential programming",, pone como sustantivo el "programming" y como
adjetivo su cáracter "inferential", reflejo que la cultura "profesional" o
"technical" tiene una relación predominante sobre la "liberal", que la tiene
como adjetivo.
Se afirma que los algoritmos son parte de la matemática. Y en efecto, han sido
matemáticos los primeros en desarrollarlos, pero hasta la fecha ha sido un campo
marginal. Todavía está por explorar si la computer science no conlleva un tipo
distinto de matemáticas de las conocidas hasta ahora, una "Mathematics of
Computation" . Area en la que varios investigadores de CMU están trabajando:
Furst, Kannan, G. Miller, Rudich.
Una de las constataciones de Donald Knuth en el artículo citado es que el uso de
las matemáticas más apta para computer science eran del tipo llamado matemáticas
discretas ( aquellas que tratan con construcciones finitas) . Y estas
matemáticas están casi ausentes de los curriculums académicos. " The difference
(between mathematics y computer science) is in the subject matter and approach
--mathematics dealing more or less with theorems, infinite processes, static
relationships, and computer science dealing more or less with algorithms,
finitary constructions, dynamic relationships" (1974:326).
Es paradójico que una máquina que fue pensada en su inicio para efectuar
cálculos, no se construya a base de cálculos sino de algoritmos. La razón para

ello es que su constructor no es un matemático sino un matemático constructor de
máquinas matemáticas. No ha de realizar él mismo el cálculo, sino diseñar un
artefacto que lo realice. Para ello, ha de saber matemáticas como el resto de
matemáticos y algo más que el resto de matemáticos no necesitan saber: cómo
hacer que la máquina efectúe esa computación. Esta asimetría cultural es la
misma que vimos en el capítulo sobre Artifical Intelligence entre Bertrand
Russell y Herbert Simon y su Logic Theory Machine.
El primero sabía lógica o matemáticas, el segundo debía saber también lógica y
matemáticas y además construir una máquina que fuera capaz de razonar
lógicamente.
Para ello, los computer scientists necesitan desarrollar un procedimiento
efectivo, un algoritmo, para que ese cálculo o razonamiento lo realice un
artefacto mecánico, lo cual no es el caso de los matemáticos o lógicos
tradicionales.
Pero la construcción de algoritmos es un proceso de diseño. Los algoritmos a
diferencia de los teoremas no se prueban, se inventan.
Ravindran Kannan es, junto con Merrick Furst, un líder del grupo de Algorithms
en la School. Es "professor" en Computer Science and Mathematics. Obtuvo el
doctorado en Cornell University como Merrick Furst. Según Kannan: " My primary
interest has been to design fast (polynomial time) algorithms for problems that
have an underlying mathematical structure." (CMU-CS-FRG. 1991-92:42).
Actualmente desarrolla un proyecto de investigación para la NSF, titulado
"Random Walks, Parametric Integer Programming"(1991), cuyo objetivo es: " to
improve the running times of algorithms to compute the volumes of convex sets,
to do multivariate sampling and integration". (Kannan, 1992).
No son los algoritmos en general la área de interés de este grupo sino los
algoritmos computables, "feasible", en palabras de Merrick Furst. Y este tipo de
construcciones matemáticas ya se empiezan a poder patentar en Estados Unidos,
como cualquier otro invento. Ello significa un cambio cultural de primer orden.
En 1972, La Corte Suprema de los Estados Unidos en el caso Gottschalk vs. Benson
denegó la solicitud de Benson, un empleado de los Bell Laboratories, de patentar
un algoritmo, alegando que por su naturaleza un algoritmo matemático era como
una ley de la naturaleza o un principio científico tradicionalmente considerados
descubrimientos, no patentables como los inventos técnicos. (Samuelson, P,
1990). Este caso suscitó un debate en todo el país que aún no se ha resuelto. En

el debate intervino Allen Newell alegando que habían una equivalencia entre
algoritmos y procesos mentales y que de poder patentarse los primeros ello
plantearía profundos problemas. (Samuelson, 1990:26).
El New York Times del 13 de Marzo de 1990 anunciaba : " The notion of
intellectual property has also expanded into mathematics. Mathematical
algorithms- the step by step procedures to solve complex problems -are now
protectable as long as they are described in the context of a computer system.
Before 1980, both the courts and the Patent Office rejected such claims on the
grounds that algorithms were expressions about univeral laws of nature and
therefore could not be owned" (1990: 12).
Desde el punto de vista de este estudio, lo interesante es que estos objetos
matemáticos son diseños, y no sólo en el viejo sentido del constructivismo
matemático de Brouwer y los intuicionistas de principios de siglo. Son
construcciones matemáticas procesables por medios mecánicos, y por lo tanto,
entran en en el campo de la tecnología, o mejor de la, high technology, pues los
realizan científicos y matemáticos convertidos en un nuevo tipo de ingenieros.
Al preguntarse a Kannan si se sentía más matemático o computer scientist, afirmó
estar "on the border". ( Entrevista.21 abril 1992).
5.7. PARADIGMAS TEORICOS EN COMPUTER SCIENCE DE CMU: "SEARCH", "LOGIC",...
"DESIGN".
Programar ordenadores es una actividad eminentemente teórica, en el sentido que
su contenido es el diseño de la acción que ha de ser ejecutada por la máquina.
Pero es una actividad "teórica" en un sentido distinto al que tiene la teoría
tanto en la ciencia experimental, como incluso en la matemática.
Según K. Popper, una teoría en la ciencia empírica es, ante todo, una teoría
explicativa: "La decision de buscar una explicación causal es la misma por la
que el hombre de ciencia teórico adopta su finalidad propia- o la finalidad de
la ciencia teórica- Tal finalidad es la de encontrar teorías explicativas (si es
posible verdaderas); es decir, teorías que describan ciertas propiedades
estructurales del mundo que nos permitan deducir, valiéndonos de condiciones
iniciales, los efectos que se trata de explicar". (1962:59).
Este no es el caso de la "Theory" en Computer Science. Un programa informático
no explica una propiedad estructural de ningún artefacto del mundo, sino de una
posible máquina a diseñar.
En los años 60s, el enfoque experimental cobró fuerza en Inteligencia

Artificial, basado en el paradigma del "heuristic search", impulsado ante todo
por Herbert Simon. En realidad la Inteligencia Artificial nació con este
paradigma. Con todo, el "search" es un instrumento del que se dota un programa
informático para la selección de alternativas en la realización de una tarea.
La famosa búsqueda en el laberinto o "maze" que plantea Simon al modo de la
clásica exploración de un científico experimental, es un dispositivo no para
descubrir una realidad dada sino un mecanismo de toma de decisiones para
ejecutar una tarea. La búsqueda se realiza para que el programa consiga los
fines diseñados por el computer scientist, es un complemento del diseño del
computer scientist no su fundamento.
En los 70s y sobre todo en los 80s, este enfoque fue progresivamente desplazado,
tanto en A.I. como en Computer Science, por un enfoque formal que entroncaba con
el de los matemáticos Turing o Von Neumann, padres fundadores de la disciplina,
defendido en A.I. por John McCarthy. Como reconoce Herbert Simon: "Early A.I.
research relied largely on the maze mataphor, but cognitive science research
stemming from linguistics and logic preferred the reasoning metaphor...In recent
years, the logic metaphor has been attracting increasing numbers of adherents,
and I have become involved in the dispute". (1991:331). Este enfoque de la
computer science teniendo como base la ciencia física está ahora potenciado en
CMU por el equipo de Takeo Kanade dedicado a la Computer Vision.
El paradigma del SEARCH, propuesto por Simon, está en computer science, en
función de una toma de decisiones del programa ante un conjunto de alternativas
que éste tiene para efectuar una tarea. Como ha señalado Hans Berliner, se trata
de un atributo de un programa informático, un "searching program" (1990: 311).
Por lo tanto, "search", como paradigma de la ciencia empírica, no puede
fundamentar la computer science.
Por otra parte, hemos visto que el paradigma LOGIC, sostenido por Dana Scott y
la Logic Community, es considerado en computer science como una ayuda
instrumental para la tarea de diseño de lenguajes de programación, de la
actividad fundamental del programador.
La teoría de la "Complexity" fue inciada en el ámbito de la computer science
unida a la de Computability, y tiene apoyo en el desarrollo de una matemática
basada en los algoritmos que ha tomado fuerza gracias al desarrollo de las
máquinas informáticas. Pero concebir los algoritmos como la teoría de computer
science deja fuera a la parte ingeniera, necesaria para la construcción de una

teoría unificada del sistema informático.
Mi tesis es que esta teoría puede conseguirse en torno al diseño como teoría
unificada del "computer science and technology". El paradigma "KNOWLEDGE IS
DESIGN" permite entender el marco cultural unificado donde se mueve la "computer
culture" de CMU, y más allá de él la cultura ingeniera de CMU.
Esta idea de conocimiento como diseño es la conclusión de un cambio radical que
empezó a introducir Alan Turing, con su visión de la "universal computing
machine", y un nuevo tipo de teoría.
5.8. . "GREAT IDEAS IN COMPUTER SCIENCE": CONSECUENCIAS DE LA " TURING
MACHINE"
Y LA "COMPUTABILITY".
Analizemos más a fondo este nuevo concepto de teoría introducido en Computer
Science por Alan Turing, entre otros matemáticos-ingenieros. Curiosamente, hay
dos grupos en la Theory de la SCS, "Logic" y "Algorithms". No hay un grupo sobre
"Computability". Pero esta idea es quizá la más propia de Computer Science, e
introduce un nuevo tipo de teoría.
Elegimos la figura de Allan Turing como la única en torno a la cual se reconocen
corrientes distintas en CMU tanto los que provienen de la Artificial
Intelligence como los del tradicional Computer Science. El "Turing Award" es,
por otra parte, la máxima distinción de la Association for Computing Machinery
de Estados Unidos que con sus 160.000 miembros puede considerarse representativa
de lo que se denomina la "computer science community". Este premio lo han
obtenido en CMU: Perlis, Simon, Newell, y Dana Scott, pudiendo considerarse que
en lo referente a Computer Science, todos ellos se encuentran dentro del
programa de investigación de Alan Turing.
Según Turing, el ordenador se puede considerar como una máquina abstracta, cuyo
diseño no necesita la ingeniería a priori sino a posteriori, para validar esos
modelos abstractos de computación. Este nuevo enfoque está en la base de la
llamada "computer science".
Mary Shaw, profesora de la SCS, realizó en mayo de 1991 una encuesta electrónica
denominada "Great Ideas of Computer Science"a través de la red de la escuela. El
objetivo de la misma era recabar entre profesores y estudiantes aquellas ideas
que en la SCS se consideraban propias de la disciplina: " Have you ever tried to
explain why computer science is exciting, why it deserves to be a separate
discipline, why it is a science, or even what computer science is?...In many

other disciplines, you can single out a few great ideas that capture the main
concepts and phenomena that are central to the discipline...The cell doctrine in
biology,...Doctrine of atomism..., Theory of Evolution,...What about computer
science?. Do we have laws of qualitative or quantitative structure?. What topics
do you cite to show that computer science is different from mathematics (or
electrical engineering, or whatever)?.".(15 abril 1991. Red Andrew. CMU).
Contestaron a las preguntas 20 profesores y estudiantes de la escuela. Las
grandes figuras de computer science que se reconocían eran: Alan Turing, Alonzo
Church y Von Neumann. Entre sus grandes ideas se destacaban la Máquina de
Turing, la Thesis de Church y el modelo de ordenador de Von Neumann. Por su
parte, entre las "rejected ideas and bad ideas" algunos encuestados situaban la
Physical Symbol System, idea propia de la Inteligencia Artificial.
Fue Turing el que formuló un modelo teórico de máquina capaz de realizar todo
tipo de cálculos, o "universal computing machine". Así mismo sostuvo la
hipótesis que dichas máquinas servían no sólo para efectuar cálculos aritméticos
sino que podían procesar símbolos, y como tales, eran capaces de realizar
funciones que en el ser humano se definen como inteligentes. Estas máquinas
podían considerarse también inteligentes, dando pie a la investigación en lo que
más tarde se denominaría Inteligencia Artificial.
Turing inventó tres modelos de máquina: los denomina "Turing Machine", la
"Universal Computing Machine"en 1936 y 10 años después, en 1946, la "Automatic
Computing Engine" (ACE).
Los dos primeros son los que aparecen en su artículo "On computable numbers,
with an application to the Entscheidungsproblem" (1936). El tema de este
artículo es el de los números calculables por una máquina, o "computable
numbers". Según la definición de Turing, " a number is computable if its decimal
can be written down by a machine". (ibid:230). Anotemos la expresión "can be",
pues salió ya como forma de presentar los problemas en la cultura tecnológica.
Esta no se pregunta por el "ser" al modo filosófico sino por lo que "puede ser".
El matemático Alonzo Church había introducido en abril de 1935 la idea de
"effective calculability" (1936). Según esta tesis el conjunto de funciones
matemáticas conocidas como funciones recursivas

Tesis92

Más contenido relacionado

La actualidad más candente (18)

Similar a Tesis92 (20)

Más de Catlab project (15)

Tesis92