p(ECT)
p(ET)
p(ERT)
-
)
y
x x x
= +
sobre el plano.
6- Estas singularidades son estables en el sentido que, mientras las dems se desintegran
)>
mediante pequeos movimientos del cuerpo o en la direccin de la proyeccin, estas dos
persisten. En otros trminos, toda aplicacin cercana tiene una singularidad similar en un
punto cercano apropiado
5 3
.
7- Por otra parte, un proceso evolutivo se describe mediante un campo vectorial en un
espacio de fases, en el que un punto describe el estado del sistema. El vector en ese punto
describe la velocidad del cambio de estado, de modo tal que si el vector es cero, el estado
no cambia en el tiempo y se encuentra en un estado de equilibrio
5 4
.
8- Consideremos una familia "n paramtrica de funciones. Cada funcin se representa por
un punto en el espacio determinado por los "n parmetros. Una funcin correspondiente a
una punto es gen2rica o estructuralmente estable, si por un punto suficientemente cercano
pasa una funcin que posee "la misma forma
5 5
. El conjunto de puntos cuyas
correspondientes funciones son genricas se denomina conjunto de !untos gen2ricos. El
complemento de este conjunto (todos los puntos cuyas correspondientes funciones no son
genricas) se denomina conjunto de bi1urcaci"n. Lo mismo puede aplicarse para una familia
de funciones.
9- Poincar demostr que en el entorno de un punto de equilibrio, los casos ms complejos
de comportamiento de las curvas de un sistema genrico (estructuralmente estable) en el
plano de fases se transforman en combinaciones de casos estables o inestables ms
simples: focos, nodos y sillas. Cuando, como resultado de un cambio suave en los
parmetros, un estado de equilibrio estable choca con uno inestable se obtiene una
metamrfosis que resulta en una reorganizacin del sistema (bifurcacin):
+9i un estado de e'uilibrio estable describe las condiciones establecidas en alg>n sistema
real <!or ejem!lo, en economa, ecologa o 'umica=, cuando se 1unde con un estado de
e'uilibrio inestable el sistema tiene 'ue saltar a un estado com!letamente di1erente al variar
el !ar0metro, desa!arece de !ronto la condici"n de e'uilibrio en el entorno considerado.
Hueron saltos de este ti!o los 'ue dieron lugar al t2rmino de Zteora de cat0stro1esT .
5 6
.
___________________________________________
N"as<
agradecer los comentarios y sugerencias efectuados por los Drs. Julio H.G. Olivera, Daniel Heymann y
Vctor A.Beker, quienes nos han aportado adems, valiosos antecedentes bibliogrficos. No obstante
ello, las opiniones y errores del presente, son de exclusiva responsabilidad de los autores.
1. Tres aos ms tarde, la "crisis Asitica volvi a plantear el tema.
2. Julio H.G. Olivera, "Realidad e dealidad en la Ciencia Econmica, Ciclos N13, Buenos Aires, 1997,
pgs. 4/5.
3. Ren Thom, "Structural Stability and Morphogenesis. Addison Wesley Publishing Company, 1989, pg.
4.
4. Hyman P.Minsky, "nflation, Recession and Economic Policy. Wheatsheaf Books, 1982, "Las Razones de
Keynes. FCE, Mxico 1987. Julio Dreizzen, "Fragilidad Financiera e nflacin, Estudios Cedes, 1985.
Podemos definir el concepto de fragilidad financiera de mltiples formas, pero conservando el sentido de
un indicador de la capacidad financiera de la unidad en cuestin respecto a shocks externos.
5. Puesto que, salvo el stock de deuda, los dems parmetros que definen la condicin financiera del agente
son inciertos, la fragilidad/solvencia financiera es una variable aleatoria.
6. Podemos agregar en los supuestos que este "pas pequeo posee una alta elasticidad ingreso de las
importaciones, de manera que el dficit es resultado tanto del cambio de precios relativos como del
efecto ingreso.
7. Nos referimos al supuesto de inflexibilidad descendente de los precios utilizado en la teora de la inflacin
estructural. Ver adelante 3.4.
8. V.. Arnold, "Teora de las Catstrofes. Ed. Alianza, Madrid, 1987, Caps. 3 y 4, pgs. 50 y 124. Ver
Apndice.
9. Julio H.G. Olivera, "Contribucin Cientfica de Adam Smith", en Economa Clsica Actual, De. Macchi,
Buenos Aires, 1997. Pg. 96.
10. lya Prigogine, "El Fin de las Certidumbres, De. A. Bello, Chile, 1996, pg. 77.
11. Julio H.G. Olivera, "Realidad...., op. cit. pg. 6
12. Ver al respecto Victor A.Beker, "Dinmica No Lineal, nestabilidad y Caos, en M.Teubal (compilador)
"Teora, estructrura y procesos econmicos, EUDEBA, 1998, pg. 54 y 68.
13. Shinichi chimura, "Hacia una Teora General Macrodinmica y No Lineal de las Fluctuaciones
Econmicas. En "Economa Poskeynesiana, Aguilar, 1964, pg. 217.
14. Ver ms adelante (3.6.) el concepto de "estabilidad estructural desarrollado por la teora de las
catstrofes.
15. S. chimura, op.cit. pg. 236
16. S. chimura, op.cit. pgs. 236-38
17. Esto depende de ulteriores consideraciones respecto a la inversin de reposicin.
)?
18. Yves Balasko, "Economic Equilibrium and Catastrophe Theory: An ntroduction, Economtrica, Vol. 46,
N 3, mayo de 1978, pags. 557/559.
19. Accinelli, E. y Puchet, M., "A Characterization of the Singular Economies of the nfinite Dimensional
Models in General Equilibrium Theory, Universidad de la Repblica Oriental del Uruguay, January 1998.
(Mimeo)
20. Accinelli, E. y Puchet, M., op.cit., pg. 13
21. Accinelli, E. y Puchet, M., op.cit., pgs. 10/ 12
22. Michael C. Blad, "Exchange of Stability in a Disequilibrium Model, Journal of Mathematical Economics 8
(1981) 121- 145.
23. David Rand, "Thresholds in Pareto Sets, Journal of Mathematical Economics 3 (1976) 139- 154. pg.
139.
24. E. Malinvaud, "The Theory of Unemployment Reconsidered, Basil Blackwell - Oxford, 1977, pg. 11.
25. bid, op. cit. pgs. 31/32
26. bid, op. cit. pgs. 85/102/103
27. M.C. Blad, op.cit. pg. 132. Suave significa que la derivada parcial respecto al conjunto de parmetros es
contnua.
28. bid, op.cit. pg. 138.
29. bid, op.cit. pg. 141.
30. Arnold, V.. - "Ordinary Differential Equations. MT Press, 1973.
31. Keynes, J.M. - "Teora General de la Ocupacin el nters y el Dinero , Cap. 17. FCE. Curiosamente,
fueron seguidores de Keynes quienes pretendieron poder regular "cuantitativamente la economa.
32. La inflexibilidad descendente de los precios monetario (incluida la tasa de inters) no significa que no
puedan bajar, sino que lo hacen en forma ms lenta de lo que suben. J.H.G. Olivera, "Teora no
monetaria de la inflacin, El Trimestre Econmico, 1961, N111; "Aspectos Dinmicos de la nflacin
Estructural, Desarrollo Econmico, octubre-diciembre de 1967;nflexibilidad descendente de los
precios monetarios, Desarrollo Econmico, marzo de 1986; "nflexibilidad descendente de la tasa de
inters, Desarrollo Econmico, junio de 1988.
33. lya Prigogine, "El Fin de las Certidumbres, De. A. Bello, Chile, 1996.
34. Daniel Heymann, Roberto P.J. Perazzo y Andrs R. Schuschny, op. cit.
35. Victor A.Beker, "Dinmica No Lineal, nestabilidad y Caos, en M.Teubal (compilador) "Teora, estructrura
y procesos econmicos, EUDEBA, 1998.
36. P.T. Sounders, "Una ntroduccin a la Teora de las Catstrofes. De. S. XX, Madrid, 1989, pg. 22.
37. P.T. Sounders, op. cit. pg. 26.
38. bid, op. cit. pg. 15.
39. La denominacin "teora de las catstrofes se debe al matemtico ingls E. Christopher Zeeman. Sin
embargo, tiende a confundir la naturaleza y objetivos de esta metodologa. Ver al respecto Ren Thom,
"Parbolas y Catstrofes (Entrevista sobre matemtica, ciencia y filosofa). Tusquets, Barcelona, 1993,
pgs. 70 y 104.
40. R. Thom, op. cit., pg. 103 y 109.
41. bid, op. cit., pg. 105.
42. R. Thom, "Structural ... op. cit. cap.5 . Ver tambin P.T. Sounders, op. cit. cap. 3 y Y. Balasko, op.cit.
pg. 557.
43. Ver ms arriba 1.4., 1.5. y 3.8 y D. Heymann y otros, op. cit. pgs. 8 y 9.
44. R. Thom, op. cit., pg. 95 y J.H.G. Olivera, op. cit., pg. 36.
45. R. Thom, op. cit., pg. 97, 100 y 101.
46. Otro ejemplo es el conjunto de medidas propuestas por el Dr.Olivera para enfrentar la desocupacin. Julio
H.G. Olivera, "Anteproyecto de ley sobre produccin y empleo, en Recomendaciones al Poder Ejecutivo
Nacional, Comisin para la Recuperacin Etica del Estado y la Sociedad, 1990, pg.26.
47. Julio H.G. Olivera, "Estanflacin Estructural, En Desarrollo Econmico N77, Vol.20, abril-junio de 1980,
pgs. 45-47.
48. V.. Arnold, "Teora de las Catstrofes. Ed. Alianza, Madrid, 1987
49. bid, pg. 19
50. bid, pg. 18
51. bid, pgs. 18/19
52. bid, pg. 21
53. bid, pg. 21/22
54. V.. Arnold, op. cit., pg. 35.
55. P.T. Sounders, op. cit. pg. 22.
56. V.. Arnold, op cit. pg. 41 (subrayado nuestro). El problema de la reorganizacin de las curvas de fase
bajo bifurcaciones del estado de equilibrio ha sido resuelto para familias genricas uniparamtricas (pg.
38). Asimismo, como se destaca en el Cap. 6, pg. 43, un estado de equilibrio "puede perder su
estabilidad, no slo chocando con otro estado, sino tambin por s mismo.
)1
E0"l uci 6n #e "!6l "4i ca !e l a ec"n"#e r i a< una 0i si 6n %i s 6r i ca.
Juana Z. Brufman 7 Heriberto L. Urbisaia
1
I .7 L"s c"#ien'"s c"#" !isci,lina au6n"#a
La etapa formativa del conocimiento economtrico , que abarca fundamentalmente el
perodo 1930 a 1960 , cubre los eventos ms importantes que constribuyeron a su
afianzamiento dentro de las ciencias . En este perodo se ha asistido a la adaptacin del
intrumental dado por la estadstica matemtica, rediseando tcnicas para adaptarlas al
nuevo tipo de informacin.
Este proceso de adaptacin incluy amplios debates sobre aspectos relacionados con
fuentes de informacin, anlisis de la calidad y consistencia de datos. De esta manera se
generaron vnculos entre especialistas de ambas disciplinas: de la Teora Econmica, en
la que se fundamentan las hiptesis que nutren la Econometra y de la Estadstica, que se
ocupa del anlisis y procesamiento de la informacin. Se clarificaron ideas, se profundiz el
anlisis, y en fin, se produjo un avance para el desarrollo mancomunado de estas
disciplinas, tratando de elevar el Anlisis Econmico al estrado de conocimiento cientrfico.
1
Facultad de Ciencias Econmicas, Universidad de Buenos Aires.
Los trabajos pioneros en esta materia se refieren a la cuantificacin de funciones de
demanda; datan de principios de siglo y fueron llevados a cabo por especialistas en
Economa Agraria, especialmente americanos, aglutinados con posterioridad en el
Departamento de Agricultura de los EE.UU. : se trataba de cuantificar funciones de demanda
y oferta de los principales productos agrcolas. Es en este momento cuando comienza a
vislumbrarse los primeros problemas, que habran de constituir luego el ncleo de los
problemas economtricos.
Este inters por los estudios cuantitativos se extendi luego al anlisis de los ciclos
econmicos. Se constituy entonces el Grupo de Harvard, encabezado por W.M. Persons
que, con sucesivas adptaciones y modificaciones perdura en la actualidad como el National
Bureau of Economic Research (NBER).
En Europa los estudios economticos surgieron de varias instituciones . En primer lugar el
Profesor Ragnar Frisch, uno de los fundadores de la Sociedad Economtica, llev a cabo su
propio proyecto en el nstituto de Economa de la Universidad de Oslo; all se form un
grupo importante de econometristas, entre los que se cuenta T. Haavelmo a quien nos
referiremos ms adelante.
En Holanda, y de la mano de J. Tinbergen , otro de los padres fundadores de la
Econometra, se constituyeron el Dutch Central Bureau of Statistics y el Netherlands
Economic nstitute cuyas investigaciones se centraban en la formulacin y desarrollo de
modelos macroeconmicos.
Posteriormente Tinbergen pas a dirigir el Centro de nvestigaciones Econmicas de la Liga
de las Naciones, cuyos estudios tendan a perfeccionar la construccin de modelos
macroeconmicos. Este equipo incorpor ms tarde a T. C. Koopmans quien fuera uno de
los diseadores del plan de investigacin de la Comisin Cowles. Tanto Tinbergen como
Koopmans provenan del campo de la fsica.
Otra institucin pionera en el campo que nos ocupa, anterior a la primera Guerra Mundial,
fu el nstituto de la Coyuntura, con sede en Austria. Estaba a cargo del profesor O.
Morgenstern, contando con colaboradores de la talla de A. Wald y G. Tintner; all se
efectuaron importantes estudios sobre fluctuaciones econmicas.
La Sociedad Economtrica establecida en 1930 por Firsch y un grupo de entusiastas
investigadores, reinicia el intercambio acadmico entre los centros europeos y americanos,
contribuyendo a delimitar y perfeccionar el contenido y los alcances de la materia .
En 1932, Alfred Cowles estableci las bases de la denominada Comisin Cowles para la
nvestigacin Econmica. Esta Comisin, en conexin con la Sociedad Economtrica,
promovi a fines de los aos 30 , la afluencia a USA de un nmero considerable de
estadsticos, matemticos y economistas del viejo continente . Sus investigaciones,
publicadas en forma de monografas constituyen un hito en el desarrollo terico y emprico
de la materia.
Con posterioridad a la Segunda Guerra Mundial, la Econometra retoma un vigor destacado
en el viejo continente , especialmente en Oslo, Holanda e nglaterra, donde los especialistas
con diferentes inquietudes arrojaban nuevos aires a la metodologa cimentada en USA.
II .7La re0"luci6n ,r")a)il5sica
A principios de la dcada del 40 la metodologa economtrica se centraba en:
a) La construccin de modelos estructurales, a fin de dar contenido emprico a los modelos
).
tericos; se intentaba confirmar una teora mediante el diseo y medicin de una
estructura apropiada.
b) La formalizacin de la prctica en la construccin de modelos, mediante el delineamiento
de sucesivas etapas.
.Mientras el primer aspecto posicionaba externamente a la econometra, como subordinada
a la teora econmica, particularmente debido al rol asignado de cuantificacin, el segundo
sistematizaba la metodologa, adaptando las tcnicas de la estadstica matemtica para
formalizar las sucesivas etapas de la modelizacin.
Ambos aspectos contribuyeron a definir la econometra como un mbito distinto de la
economa y de la estadstica , pero el segundo en particular, ha contribudo a que la
medicin deba ser enfocada usando un modelo general de relaciones estocsticas entre
variables interdependientes.
De all que la Teora de la Probabilidad deba ser utilizada como base de los nuevos
mtodos estadsticos para analizar esas relaciones estocsticas. Esto es lo que ha
permitido a su vez diferenciarla de la economa matemtica.
Con anterioridad al ao 30 , la teora de la probabilidad era rechazada como elemento para
el anlisis de la informacin econmica. Sin embargo, a partir de entonces y a medida que
la investigacin aplicada avanzaba y utilizaba con mayor frecuencia los mtodos
estadsticos, fu aceptando el carcter probabilstico de las relaciones econmicas.
Esta evolucin tuvo lugar en forma concomitante con la operada en el Clculo de
Probabilidades axiomatizacin de Kolmogorov , el desarrollo de modelos multivariados
a partir del ao 20 y la fundamentacin de la Teora de la nferencia Estadstica
Estimacin y Test de Hiptesis desarrolladas por R. Fisher y Neyman-Pearson
respectivamente, en la dcada del treinta.
Desde el punto de vista de la estadstica, en esta poca se produce el cambio de paradigma:
de la interpretacin frecuentista y la teora de la correlacin de K. Pearson, se llega al
enfoque inferencial de R. Fisher.
No obstante ello, la tarea de los econometristas en esa poca era ms reformulista que
revolucionaria, en el sentido de que se aplicaban pasivamente las tcnicas estadsticas
existentes, sin redisearlas en funcin de los nuevos requerimientos metodolgicos.
En general podemos decir que el enfoque probabilstico utilizado en econometra no iba ms
all de los elementos implcitos en los mtodos estadsticos empleados en el mecanismo de
clculo.
Los modelos econmicos que se utilizaban para la formulacin de hiptesis, tal cual haban
sido heredados del siglo anterior, eran considerados escencialmente determinsticos, es
decir que en su conformacin no intervenan de manera alguna elementos probabilsticos.
La probabilidad, concebida en el contexto de los juegos de azar, se consideraba inaplicable
para explicar los fenmenos econmicos, especialmente aqullos de carcter no
experimental y de naturaleza altamente interdependiente.
Los problemas comenzaron cuando se trat de analizar la correspondencia entre las
relaciones estimadas y las que se intentaban estimar como relaciones tericas, o relaciones
estructurales. Naca de esta manera el problema de la identi1icaci"n. Las primeras
definiciones de este concepto tendan a confirmar la unicidad de los coeficientes lo que era
independiente del problema de estimacin.
El segundo de los problemas se refera a la interpretacin de los residuos del ajuste. En
general la preferencia era considerar los residuos como errores de medicin en las variables.
La variables observables se consideraban compuestas por una parte terica supuestamente
exacta, ms un error de observacin. Los modelos relacionaban las variables tericas en
forma exacta.
Esta interpretacin se acomodaba perfectamente a la estadstica econmica y a la
economa matemtica sobre bases no probabilsticas. Dentro de este enfoque se sita el
Anlisis Confluencial y el mapa de haces (bunch map), ideado por R. Frisch, para la
seleccin de variables y el anlisis de la colinelidad entre ellas.
Sin embargo el enfoque no probabilstico de modelos deterministas con errores de
observacin no se hallaba libre de problemas : en especial, la falta de un tratamiento
explcito al problema de la omisi"n de variables relegadas al trmino de error .
Esto llev a Frisch a inventar el m2todo de la descom!osici"n estrucutural, inspirada en el
deseo de sistematizar el proceso de seleccin de modelos con series de tiempo.
Koopmans rechaz los supuestos de relaciones exactas , sosteniendo que la existencia de
residuos era inevitable como consecuencia de la omisin de variables en el sistema
completo. Dado que las tcnicas de Ronald Fischer para el diseo de experimientos eran
)=
ya de uso corriente, Koopmans incluy el error muestral entre los elementos del modelo,
considerndolo mucho ms importante que los errores de observacin, sobre todos en el
caso de muestras pequeas.
El enfoque probabilstico de Fisher sobre la inferencia inductiva, distinguiendo los conceptos
de muestra, poblacin , hiptesis, etc., pemiti superar el mtodo de Frisch , explorando
ms a fondo la informacin contenida en los datos a travs de sus distribuciones de
probabilidad.
Koopmans introdujo por primera vez en la econometra la clasificacin de los problemas en
la reduccin de datos, propuesta por Fisher: es!eci1icaci"n, estimaci"n y distribuci"n.
Tambin fij los criterios estadsticos para evaluar las estimaciones, el mtodo de la Mxima
Verosimilitud y los tests de significacin.
En una etapa temprana, la econometra adopt el punto de vista Popperiano: el objetivo de
la investigacin cientfica en las ciencias naturales es la 1alsaci"n de las teoras. Los tests
estadsticos no conducen a la aceptacin de las hiptesis; slo son reglas de decisin que
inducen a rechazar no rechazar una hiptesis.
Las leyes econmicas capaces de soportar todos los tests estadsticos contituan una clase
de teoras potencialmente ciertas , mientras que aqullas que no soportaban los tests
deban ser descartadas.
En general los econometristas esperaban que este proceso de falsacin operara en forma
similar a la vigente en las ciencias fsicas . La experiencia posterior ha dado parte de razn
a esta postura; no obstante ello, un nmero de teoras competitivas no podan ser
contrastadas.
III .7La re0"luci6n !e %aa0el#"
La tarea de completar la revolucin probabilstica fue llevada a cabo por T. Haavelmo,
discpulo de R. Frisch en la Universidad de Oslo. Este nuevo enfoque, que se inici en
Harvard en 1941 culmin con la publicacin : *$e 7robability #!!roac$ in Econometrics,
como suplemento de la Revista Econometrica en Julio de 1944, siendo el autor integrante
de la COMSN COWLES.
A partir de la idea de "descomposicin estrucutural, e influenciado por los enfoques
experimental de R. Fisher e inferencial de J. Neyman, como tambin a sugerencia de A.
Wald, Haavelmo adopta un enfoque probabilistico global, en el sentido de que el clculo de
probabilidades no slo se halla presente en la etapa de estimacin, sino que es un elemento
escencial en la etapa previa de especificacin. Este enfoque constituy la base del
programa de investigacin de la Comisin Cowles del perodo subsiguiente.
Haavelmo sostiene que las relaciones econmicas deben ser consideradas leyes en el
sentido estadstico, es decir, leyes de comportamiento que reflejan el accionar promedio de
los agentes de la economa y que los modelos economticos estn compuestos por un
conjunto de ecuaciones estructurales estocsticas, con coeficientes constantes.
Al incorporar los conceptos probabilsticos dentro de la economa, Haavelmo aceptaba la
incertidumbre como parte de ella, conviertiendo las relaciones determinsticas de la
economa heredadas del siglo anterior , en relaciones estocsticas.
Lo que llev a Haavelmo al enfoque probabilstico de los modelos, que puede ser
considerado una revolucin dentro de la econometra, fu el prejuicio existente dentro de los
circulos econmicos en contra de la aplicacin de mtodos estadisiticos y que culmin en
el debate entre Keynes y Tinbergen alrededor de los aos 40, con motivo de los trabajos de
este ltimo en la Liga de las Naciones sobre modelos macroeconomicos.-
Los argumentos en que se basa el enfoque de Haavelmo fueron expresados en la
introduccin de *$e 7robability #!!roac$ in Econometrics :
a) La necesidad de aplicar la teora de las muestras, al tratamiento de los datos
econmicos, de acuerdo con el enfoque Neyman-Pearson.
b) La extensin de los conceptos de "poblacin, "muestra y "diseos de las ciencias
experimentales a las no experimentales. En este sentido, la poblacin es ahora un proceso
generador de observaciones, de naturaleza estocstica, altamente interdependiente y los
datos, ordenados en la serie de tiempo, constituyen una realizacin muestra de dicho
proceso.
c) La formulacin de las teoras econmicas como hiptesis tentativas obliga
necesariamente a explicitarlas como relaciones estocsticas, sometidas a contrastes a partir
de la informacin muestral. Ninguna teora expresada en forma exacta puede ser
contrastada empricamente.
IV .7La c"#isi6n c"Cles
Los integrantes de la Comisin participaban del punto de vista de Haavelmo en el sentido
de que la investigacin emprica en economa, deba ser precedida por la especificacin de
)!
un modelo concebido como:ste como un conjunto de ecuaciones estructurales
identificables, conjuntamente con un supuesto relativo a la distribucin de los errores.
Se avanz sobre la interpretacin econmica de los errores en las ecuaciones: representan
el efecto conjunto de : i= el comportamiento descripto por la misma ecuacin, ii= variables
de escasa significacin, no explicitadas en el modelo y iii= los errores de especificacin.
Esta interpretacin no incluye errores asociados con la medici"n de las variables. Si este
tipo de errores ocurren, debern tenerse en cuenta para especificar su propia distribucin.
Tambin avanzaron sobre la metodologa de Tinbergen en el sentido de que era necesario
hallar la mejor teora posible capaz de explicar las observaciones. Por ello, en toda
investigacin sobre modelos destinados a la explicacin y la prediccin , deban
considerarse varias teoras econmicas como hiptesis alternativas .
Se introdujo el concepto de identi1icaci"n, considerado independiente y anterior al problema
de estimaci"n. Esta diferenciacin conceptual se logra suponiendo la disponibilidad de un
nmero grande de observaciones, de modo de aislar este ltimo problema.
La labor de la Comisin Cowles, qued plasmada en varias monografas. En ellas se
profundiz el estudio de los modelos multiecuacionales con fines de anlisis estructural,
simulacin y proyeccin con o sin cambio estrucutural.
Sus temas centrales fueron: la especificacin de ecuaciones estructurales, la clasificacin de
las variables en endgenas y exgenas, la identificacin, el orden causal y los problemas y
mtodos de estimacin de ecuaciones simultneas.
La bsqueda de ecuaciones estructurales est fundamentada por la discusin de Haavelmo
sobre la permanencia de las leyes econmicas .
Si el objetivo de la investigacin cientfica es realizar predicciones confiables a partir del
modelo, debern tenerse presente las siguientes consideraciones:
i= El modelo especificado contiene trminos de error
1
, que confieren a las variables en
estudio el carcter de variables aleatorias.
ii) El modelo estimado, a partir de la informacin muestral, es un !redictor, que genera la
!redicci"n; el predictor es una variable aleatoria y la prediccin es un valor posible de esa
variable aleatoria.
iii) Por tanto, toda prediccin deber ir acompaada de un grado de confiabilidad medido en
trminos de !robabilidad.
iv= Es necesario asegurar para el momento de la prediccin, la constancia de la estructura
identificada durante el perodo muestral.
En numerosas aplicaciones, sin embargo, se requiere predecir variables econmicas bajo el
supuesto de cambio estructural implcito en el estudio de polticas econmicas alternativas.
Las ecuaciones estructurales permiten analizar el impacto de los cambios estructurales
sobre la totalidad del sistema. Si bien sus coeficientes admiten modificaciones uno a uno,
en forma independiente, cualquier cambio en un nmero limitado de ellos, afecta a la
totalidad de los parmetros de la forma reducida, los que en definitiva intervienen en la
etapa de prediccin.
En las ciencias experimentales el trmino aleatorio queda determinado por el diseo de la
muestra; en Economa, donde no existe el experimento controlado, el trmino de error se
incorpora al modelo por va axiomtica.
La formalizacin de la Teora de la dentificacin realizada por Koopmans, se llev a cabo a
partir de la explicitacin de los siguientes conceptos:
1.- El Modelo es un conjunto de estructuras posibles.
2.- Una Estructura se define a partir de :
a.- Un conjunto completo de ecuaciones fundamentadas por la teora econmica, llamadas
"ecuaciones estructurales, cuyos parmetros tienen sentido econmico .
b.- Una clasificacin de las variables en: end"genas y e%"genas; las primeras se
explican dentro del modelo y su nmero coincide con el de ecuaciones; las e%"genas se
determinan fuera del modelo .
c.- La distribucin conjunta de las variables endgenas, dadas las exgenas y la distribucin
de los trminos aleatorios. Esta distribucin constituye la 1orma reducida y es condicional a
los valores especificados para las variables exgenas.
3.- Una estructura genera una nica forma reducida, pero la inversa no siempre se cumple;
es decir , una forma reducida puede corresponder a varias estructuras.
4.- Dos estructuras que ser indican como S y S
+
se dicen e'uivalentes desde el !unto de
vista de las observaciones, si tienen la misma 1orma reducida.
5.- Al ser ambas estructuras observacionalmente equivalentes, resulta imposible diferenciar
una de otra a partir de las observaciones. Ello implica que no se puede pasar en forma
unvoca, desde los datos forma reducida, a la estructura.
-/
6.- El Modelo se considera identificable si existe una nica estructura admisible
simultneamente por las especificaciones de la teora econmica y la distribucin
condicional de probabilidad.
Como puede apreciarse, el ncleo de la investigacin era el MODELO ECONOMCO como
algo inamovible, que tena su fundamentacin en la Teora Econmica. Este modelo vena a
constituir la hiptesis nula a contrastar a partir de las observaciones.
Estimado el modelo y sometido a los correspondientes tests, comenzaba la etapa de
"reparacin de la hipotesis, incorporando alternativas que permitieran superar las etapas de
verificacin .
Se iniciaba entonces una tarea de "reespecificacin consistente en el agregado de variables,
en la quita de otras, en la modificacin de la estructura de desfasajes; si an as no se
obtenan resultados satisfactorios, se trataba de constatar la correspondencia entre el
comportamiento de los residuos y los supuestos sobre la distribucin de los trminos
aleatorios del modelo.
Una vez logrado el verdadero modelo poda encararse el pronstico con o sin cambio
estructural
V .7 El "cas" !e la c"Cles c"#issi"n
El ocaso de la Comisin Cowles, se debi a razones de orden prctico y terico.
De acuerdo con la metodologa expuesta, se implementaron grandes modelos ; como
ejemplos caben mencionar : el Modelo de la Brookings nstitution, el de la Warthon School of
Economics, el DR (Data Resouces nc.) y el del Federal Bank of St. Luis.
No obstante la gran complejidad de su construccin, los resultados obtenidos distaban de
ser los esperados , en particular, al momento de evaluar la capacidad predictiva de los
modelos.
Con mtodos alternativos ms sencillos , como por ejemplo, a partir de la modelizacin de
series de tiempo, se lograban resultados ms alentadores.
Este ltimo enfoque mostr una mejor performance en materia de prediccin, obviando
problemas tales como: la necesidad de diferenciar entre variables endgenas y exogenas,
la incorporacin de restricciones en las ecuaciones y el anlisis de la identificacin.
Otra fuente de crtica fue la modelizacin de las expectativas dentro del modelos,
especialmente en perodos de alta inflacin. La aparicin de la Teora de Expectativas
Racionales de R. Lucas permiti profundizar este aspecto, e implicaba una crtica fuerte a
las ecuaciones estructurales de los modelos simultneos.
La crtica apuntaba al corazn mismo de la teora economtrica, al negar la estabilidad de
las ecuaciones estructurales en el caso de medidas de poltica econmica. Si los agentes
econmicos son capaces de preveer las futuras medidas de poltica econmica, toman
decisiones para neutralizar sus efectos. Es decir, los cambios previstos no slo modifican la
trayectoria de las variables sino tambin las ecuaciones, el orden causal, y la estructura de
los desfasajes.
Los agentes econmicos no conocen el modelo pero s cmo funciona y actan en
consecuencia, de manera de verse favorecidos por los efectos de los cambios que preveen.
Solamente son efectivas aquellas medidas no previstas y anunciadas en forma inesperada,
que sorprenden por as decirlo a los mercados.
Desde el punto de vista metodolgico, la crtica se fundamenta en el nfasis puesto en la
etapa de estimacin y su objetivo de forzar la aceptacin del modelo.
Segn la orientacin fijada por la COWLES COMSSON, el modelo sustentado por la teora
econmica representaba con suficiente acuracidad el conjunto de observaciones.
El modelo revesta el carcter de $i!"tesis nula, compuesta por:
i= una $i!"tesis !rinci!al que formalizaba las relaciones causales, sugeridas por la Teora
Econmica .
ii= un conjunto de $i!"tesis au%iliares que formalizaban los supuestos sobre la distribucin de
los trminos de error .
El rol del econometrista consista en disear metodologas para lograr buenas
estimaciones de los parmetros y contrastar la hiptesis nula a partir de las observaciones.
Se ensayaban diferentes especificaciones consistentes en: aplicar alguna transformacin a
las variables del modelo, agregar variables para mejorar el R
2
, quitar otras, por problemas
de multicolinealidad, modificar la estructura de desfasajes, bien se modificaba el mtodo
de estimacin sobre la base de una errnea especificacin de la perturbacin aleatoria.
(autocorrelacin, heterosedasticidad, etc.)
Ahora bien; si en el proceso de contrastacin, se admiten modificaciones en las $i!"tesis
au%iliares, es posible forzar el resultado del test hacia la aceptacin de la $i!"tesis !rinci!al;
en el lenguaje Popperiano, ello implica utilizar estratagemas inmuni4adoras !ara evitar la
-
1alsaci"n de la $i!"tesis !rinci!al.
El rol y la necesidad de las hiptesis auxiliares no siempre fueron correctamente
comprendidos al aplicar los procedimientos de testeo. Al respecto, es importante reconocer
la naturaleza compuesta de una hiptesis sustentada y sometida a test: si el resultado del
contraste indica rechazar, debe entenderse que se rechaza la hiptesis compuesta y no
solamente la hiptesis principal.
Los procesos de re-estimacin y re-verificacin fueron errneamente interpretados desde el
punto de vista metodolgico; ms an la evidencia que lleva a la reestimacin de la
ecuacin no fu entendida como una refutacin de la hiptesis , sino como una necesidad
de buscar otro mtodo de ajuste.
La deficiencia de este enfoque, radica en considerar a la Econometra como proyecto de
estimacin ms que uno de contrastacin; la validez de la hiptesis nula se mantiene
durante todo el proceso, y slo se aceptan aquellas ecuaciones que no la refutan .
Esta metodologa, denominada Regresin Econmica Promedio (Average Economic
Regression , AER) , fu severamente fustigada. Los diferentes ensayos, a partir del mismo
conjunto de datos, ocasionan un desgaste de los datos, problema que se conoce con el
nombre de "minado de datos ( data mining), modificndose en este proceso de prueba y
error los niveles de significacin prefijados para la realizacin de los tests.
Por otra parte, como ms de una teora poda ser sustentada por las observaciones,
debera poder contrastarse el modelo propuesto, frente a modelos rivales. La imposibilidad
de llevar a cabo este testeo constituy una crtica importante de esta metodologa.
VI .7La #e"!"l"4ia en la ec"n"#eria !in$#ica
El desarrollo del clculo electrnico y el uso generalizado de Procesadores Personales
produjo un cambio "dramtico en la metodologa de la disciplina.
La facilidad de obtencin y rapidez en el procesamiento de la informacin posibilit la
deteccin de problemas de estimacin y testeo, sembr dudas acerca de las bondades de la
metodologa tradicional e introdujo progresivamente modificaciones en enfoques y
tratamientos ; pero por sobre todo, di origen a una nueva especialidad en esta disciplina :
la Econometra de las Series de Tiempo .
La Teora de los Procesos Estocsticos, elaborada en la dcada del veinte, por estadsticos
y economistas de la talla de Yule, Slutsky, Wold, y otros, pudo ser implementada a partir de
la formalizacin Box-Jenkins de los aos setenta; se genera a partir de entonces un
formidable feedback que di nacimiento a nuevas tcnicas y especificaciones; en sntesis,
una nueva metodologa economtrica, la de la Escuela de Londres, como alternativa de la
metodologa tradicional americana.
Aparecen nuevos trminos tericos que enriquecen y complementan la metodologa
economtrica: cointegraci"n, ra4 unitaria, encom!assing !rinci!le,regresi"n vectorial
autoregresiva,<W#/= .etc.
La nueva econometra se inicia en los aos 70, con los trabajos de Sargan, Hendry,
Davidson, Srba y Yeo, motivados por los estudios de la Funcin Consumo, que se venan
realizando en el Reino Unido. En general, se orienta a desarrollar metodologas que priorizan
la etapa de la especificacin por sobre la de estimacin del modelo.
El nuevo enfoque fu implementado en el contexto de un tipo especfico de Modelos para
Series de Tiempo, los modelos autorregresivos con des1asajes distribudos, an cuando sus
principios generales se aplican en otros contextos.
Se da intervencin a la Teora Econmica en la especificacin inicial del modelo , pero, dada
la imperfeccin de esta primera instancia, se permite que los datos intervengan en las
etapas de especificacin y evaluacin: los datos permiten captar la dinmica de corto plazo
de las relaciones econmicas, generndose una estrecha ligazn entre el modelo terico y
el modelo emprico.
La contrastacin de un modelo terico se lleva a cabo va el modelo emprico, que formaliza
las relaciones entre variables medibles. Mientras el primero puede ser una "creacin libre ,
el segundo contiene variables que son el correlato emprico de las tericas y por lo tanto,
debe replicar lo ms ajustadamente posible, el proceso generador de las observaciones. En
ltima instancia, la utilizacin de datos observados crea una distincin fundamental entre
ambos tipos de modelo.
Una innovacin importante de este enfoque ha sido la nueva direccin en el proceso de
modelizacin: de lo general a lo !articular. Se inicia con una especificacin dinmica
amplia, sin restricciones, y se llega a un modelo especfico, reducido en tamao, a travs
de una secuencia de tests que permiten contrastar restricciones lineales y no lineales y que
conducen, en definitiva, a una reparametrizacin del modelo.
Al respecto, las tres reglas de oro de la econometra son, segn este enfoque : test, test,
-)
test. De all la sigla con que se lo suele caracterizar : TTT.
Desde el punto de vista estadstico, es interesante destacar que los niveles de significacin
de los sucesivos tests a que se somete el modelo, son conocidos y controlables de
antemano; en la metodologa tradicional, en cambio, la direccin en la modelizacin es
inversa : va de lo !articular a lo general, y ello genera modificaciones sustanciales en los
niveles de significacin previamente fijados.
Como criterios de seleccin de modelos , se fijaron cinco principios bsicos, a saber:
i= Admisibilidad del modelo respecto a los datos. ii= Consistencia con la Teora. iii=
Coherencia con la nformacin. iv= Constancia de los parmetros. y v= nclusin de Modelos
rivales.(Encompassing Principle).
Merece especial comentario este ltimo principio, dado su importancia como criterio de
seleccin frente a modelos rivales. Segn el encom!assing !rinci!le el modelo seleccionado
debe ser envolvente, es decir, "incluir modelos rivales, en el sentido de poder explicar los
resultados de otras especificaciones. Ello implica que los modelos rivales no contienen
informacin capaz de mejorar la performance del modelo seleccionado.
A partir de este principio se dise un conjunto de nuevos tests : el contraste J de Davidson-
MacKinnon, el test de Cox, el test Mizon-Richard, etc., respondiendo as a una de las
crticas de la metodologa AER, sobre la imposibilidad de testear el modelo contra teoras
rivales.
Desde la ptica de los requerimientos de clculo, puede afirmarse que la metodologa
tradicional es a$orradora de c0lculo, mientras que el nuevo enfoque es intensivo en c0lculo, y
slo ha sido posible gracias al avance del clculo electrnico y desarrollo de software
apropiado para tal fin.
VII .7 Re&leFi"nes &inales
A manera de sntesis y de acuerdo con el estado actual de la disciplina, la Teora
Economtrica no slo tiene por objetivo el "mejoramiento de la *eora Econ"mica en su
relaci"n con la Estadstica y la Matem0tica, tal como se seal en el primer nmero de la
revista Economtrica, 1933.
Actualmente, la Teora Economtrica incluye entre sus propsitos: el estudio de las
propiedades de los procesos generadores de datos; tcnicas de relevamiento, evaluacin
de la calidad y anlisis estadstico de los datos, mtodos para la estimacin de los
parmetros de inters en la Economa y procedimientos de contraste de hiptesis
econmicas.
Juega un rol anlogo al de la Teora Estadstica en las ciencias experimentales.Y, al decir
de H. Wold, "debe entend2rsela como ve$culo !ara generar innovaciones en el m2todo
cient1ico, sobre todo, en el desarrollo de metodologas de !ron"stico en situaciones no
e%!erimentales. &a Econometra debe sortear simult0neamente la 1alta de e%!erimentaci"n y
la !asividad de los !ron"sticos basados en m2todos e%tra!olativos..
???????????????????????????????????????
:i)li"4ra&5a<
Backhouse R. E. (ed. 1994): 5ew :irection in Economic Met$odology. Routledge- Londres.
Blaug M. (1992) : *$e Met$odology o1 Economics. Cambridge Univ. Press. 2
nd
. Edition
Darnell A. C. y J. L. Evans (1990) : *$e &imits o1 Econometric. Edward Elgar.
De Marchi N. y Ch. Gilbert (ed.1989): ?istory and Met$odology Econometrics. Clarendon Press,
Oxford.
Epstein R. J. (1987): # ?istory o1 Econometrics .North Holand Publishing Co. Amsterdam.
Haavelmo T.(1944) : *$e 7robability #!!roac$ in Econometrics. 9u!lement to Econometrica. Vol.12.
Hausman D.M.(1994): *$e 7$iloso!$y o1 Economics Met$odology. #n #nt$ology. Cambridge Univ.
Press.
Hausman D. M. (1992) : *$e ;ne%act and 9e!arate 9cience o1 Economics. Cambridge Univ. Press.
Hendry D. F. (ed. 1993) : Econometrics. #lc$emy or 9cience? Blackwell , Oxford.
Hendry D. y M. S. Morgan (ed. 1995) : *$e Hundation o1 Econometric #nalysis. Cambridge Univ. Press.
Hood W. y T. Koopmans (ed. 1953): 9tudies in Econometric Met$od.. Cowles Comission Monograph
N14. Wiley.
Morgan M. (1990) : *$e ?istory o1 Econometric ;deas. Cambridge Univ. Press.
Quin, D. (1993) *$e Hormation o1 Econometrics. Oxford: Clarendon Press.
--
Len4ua/e naural( c"r,"rali!a! e Ineli4encia Ari&icial
Luisa L. Lazzari - Pablo S. Garca
En el captulo de su Renewing Philosophy (Harvard University Press, 1994, trad. castellana
de C. Laguna), titulado "El proyecto de la nteligencia Artificial, Hilary Putnam afirma que la
tarea ms interesante y ambiciosa de la investigacin en A es la de construir una mquina
capaz de aprender el conocimiento del mundo que poseen los humanos interactuando con
ellos, del mismo modo en que un nio aprende un lenguaje y toda la informacin cultural,
explcita e implcita, que acompaa al hecho de crecer en una comunidad humana. En su
libro sobre La inteligencia artificial (Madrid, Ed. Debate, 1998) Enric Trillas propone dos vas
para llevar a cabo este proyecto: (1) desarrollar un modo de representar el conocimiento de
sentido comn para que las computadoras puedan "razonar como las personas, y (2)
"incorporar la inteligencia artificial, de modo que los sistemas artificiales pueden adquirir
informacin de un modo anlogo al que emplean los humanos en la percepcin.
En el captulo V ("Representar el conocimiento para razonar como las personas) Trillas
sostiene que la A es una ciencia emprica que experimenta con (y en) computadoras, como
mquinas para procesar informacin y que aporta un cuerpo de nuevos conocimientos sobre
el concepto de "inteligencia, no slo como algo especficamente humano sino ampliado a la
idea ms general de un "sistema. Adems la A da lugar a una serie de ingenieras,
dependientes de las tecnologas de la computacin y del tratamiento y procesamiento de la
informacin. Ahora bien, una mquina cualquiera debe responder a un control de
funcionamiento, de all la importancia la teora y la ingeniera del control, basadas en la
descripcin de los sistemas fsicos por medio de sistemas de ecuaciones diferenciales de
diversos tipos. Por ejemplo, el control de un pndulo invertido puede estudiarse a partir de
las ecuaciones diferenciales no lineales que describen tal sistema dinmico. Para que el
pndulo invertido oscile ligeramente sin caerse hay que controlarlo por medios distintos que
los requeridos por el pndulo del reloj, el punto de anclaje debe estar sobre una plataforma
que debe moverse ligeramente para que el pndulo se mantenga en un equilibrio controlado.
De hecho una persona hbil, luego de entrenarse, llega a mantener en equilibrio sobre la
palma de la mano una escoba sin tener que usar ecuaciones diferenciales (y an sin
conocerlas); lo hace aplicando una serie de reglas empricas del tipo: "si la escoba se ladea
ligeramente hacia la derecha, entonces muvase la mano primero muy poco hacia adelante
y de inmediato un poco hacia la izquierda. Se trata de reglas del tipo "si...., entonces...
tales que se completan con predicados vagos (en uno o ambos casos) o graduados como,
en el ejemplo de la escoba, "ligeramente, "muy poco y "un poco.
En sus formas ms simples esas reglas son del tipo "Si F es P( en"nces . es R, donde F
es una variable en cierto mbito e . lo es en otro, mientras que P y Q son predicados
graduados sobre esos respectivos mbitos.
Un predicado ntido es el nombre de una propiedad precisa de los elementos de un conjunto,
es decir que cada elemento la verifica o no. Por ejemplo en el conjunto de los nmeros
enteros positivos el predicado i#,ar es ntido (un nmero entero positivo al ser dividido por
dos tiene resto 0 1).
Sin embargo muchas propiedades atribuidas a los objetos de la ciencia y de la vida
cotidiana son imprecisos. Por ejemplo, el predicado "pequeo se utiliza en mbitos de
discurso muy diferentes: decimos que el departamento es "pequeo, el auto es "pequeo,
el nio es "pequeo, la inversin es "pequea, la empresa es "pequea, etc. Las
afirmaciones "x es pequeo brindan informacin si se conoce el mbito del discurso. La
propiedad reflejada por el predicado "pequeo es una propiedad imprecisa, es decir, las
afirmaciones "x es pequeo no son nicamente verdaderas o falsas, sino que, observa
Trillas, admiten grados diversos de verdad y falsedad.
Los predicados ntidos P o las propiedades precisas p permiten clasificar los objetos de su
mbito de discurso en dos conjuntos ntidamente diferenciados: el de los que verifican la
propiedad p o hacen la correspondiente afirmacin "x es P verdadera, y el de los que no
verifican la propiedad p o hacen "x es P falsa. En cambio un predicado vago o la
correspondiente propiedad imprecisa no clasifican en dos clases los objetos del mbito del
discurso.
Los discursos ordinarios estn plagados de predicados vagos, continuamente nos
encontramos con propiedades imprecisas y una "lgica que pretenda tratar con los
razonamientos que usualmente hacen las personas ha de poder operar con tales predicados.
Ello no es posible con la lgica clsica (evolucionada desde las ideas de George Boole), ni
utilizando la teora usual de conjuntos basada en esa lgica.
->
Podr decirse que hay casos en que un predicado vago puede sustituirse por uno ntido,
pero ello en general obliga a forzar el discurso con una sintaxis que puede ser inadecuada a
su semntica. Por ejemplo: el predicado vago "x es una persona alta podra sustituirse por
"x mide ms de 1,80m, pero entonces qu decir de una persona de 1,79m de altura y otra
de 1,95? El lenguaje ordinario ha resuelto este problema con flexibilidad, sin usar
clasificaciones en que el salto de una clase a otra es abrupto, adoptando clases sin bordes
ntidos que no son asimilables a conjuntos clsicos. El lenguaje usa nombres para designar
clases borrosas, a las que los objetos pertenecen con un cierto grado, de manera que el
paso de una clase a otra es suave; lo que significa que un mismo objeto pertenece a varias
clases con distinto grado de pertenencia a cada una de ellas.
El problema de la vaguedad fue poco considerado por los lgicos, exceptuando algunos
intentos, como el de B. Russell en los aos veinte, que lo reconoci como un problema
importante. El primero que lo aborda es Lotfi A. Zadeh, en el ao 1965, en su artculo "Fuzzy
sets (conjuntos borrosos). En ese trabajo arrib a la conclusin de que en el estudio de los
sistemas complejos llega un momento en el cual la precisin choca con la significatividad; a
ms precisin menos significatividad. Ampli la teora clsica de conjuntos para poder
operar con clases definidas por predicados vagos y logr esa ampliacin generalizando el
concepto de pertenencia a un conjunto A para el que slo existan, a ese momento, dos
posibilidades: x est en A o x no est en A, que expresado mediante la funcin caracterstica
o de eleccin de Boole se representa por A(x) = 1 o A(x) = 0, respectivamente.
Zadeh introdujo la idea de los c"n/un"s )"rr"s"s
A
(
, caracterizados por funciones
caractersticas generalizadas o funciones de pertenencia
A
(
, cuyos valores no son slo los
nmeros 0 y 1, sino todos los nmeros entre 0 y 1, as la pertenencia dej de ser abrupta
para ser graduada.
El clculo de Zadeh facilit una va para representar el razonamiento con predicados vagos,
un clculo que contiene como caso particular el clculo con predicados ntidos, los cuales
definen conjuntos clsicos. Un conjunto borroso deviene clsico cuando su funcin de
pertenencia toma nicamente los valores 0 y 1; de esta manera el clculo lgico clsico
queda englobado en el clculo lgico borroso, que resulta ms general; y la nitidez o la
precisin aparecen como un caso lmite de la vaguedad o imprecisin. Es decir, con el punto
de vista aportado por Zadeh, lo normal es la imprecisin y lo extraordinario la precisin, a la
que no es fcil llegar sin perder riqueza conceptual.
Al aportar modelos matemticos flexibles, dependientes del contexto, es decir, del mbito en
cuestin y del discurso a realizar sobre el mismo, el modelo de Zadeh ha resultado
tecnolgicamente importante. Por ejemplo, las reglas de tipo "Si x es P, entonces y es Q
pueden representarse usando las funciones de pertenencia
A
P
y
A
7
como
$ , ,
P 7
2 2 34 2 33 A A
, eligiendo convenientemente la funcin F. Una regla resulta ser un
conjunto borroso y una familia de reglas es una coleccin de conjuntos borrosos a los que
se les puede aplicar los clculos permitidos por la teora. Si un sistema fsico tiene un
comportamiento que puede describirse por reglas del tipo "Si ..., entonces ... su control
puede efectuarse, con tcnicas adecuadas, por medio de la teora de Zadeh.
Esas reglas se refieren a sucesos inciertos que, en determinado momento dejan de serlo,
por lo que al momento de ser enunciados no son ni verdaderos ni falsos, hay que
agregarles, por ejemplo, "con una probabilidad del 70%. Aparecen, entonces, reglas que
pueden ser calificadas de otra forma, en trminos de probabilidades; la regla puede
enunciarse: "Si x es varn y tiene cincuenta aos, entonces vivir veinticinco aos ms, con
una probabilidad del 70%.
Los problemas que se pueden modelizar por medio del clculo de probabilidades son
problemas que se refieren a experimentos de resultado preciso pero incierto; en cambio hay
otros problemas que involucran el fenmeno de la imprecisin. La probabilidad se refiere a
preguntas que en algn momento tendrn una respuesta ntida: "s o "no, mientras que la
imprecisin se refiere a afirmaciones significativas e informativas de las que no se puede
decir que sean verdaderas o falsas, sino que tienen un grado de verdad. Se trata de
afirmaciones del lenguaje cotidiano, indispensables para "dialogar, .a Kue su &leFi)ili!a!(
sus #aices( ,er#ien una inerrelaci6n enre l"s !iscurs"s !e las ,ers"nas.
Un predicado vago o impreciso admite modificadores lingsticos, lo que no sucede con un
predicado ntido; por ejemplo, en el contexto de una conversacin, tiene sentido hablar de
"un sueldo muy pequeo, pero no lo tiene decir que un nmero es "muy impar, ya que un
nmero es impar o no lo es. El lenguaje ordinario no est plagado de imprecisin porque s,
lo est porque la imprecisin es til, y lo es muy particularmente en los contextos de
-?
bsqueda.
Hay muchas tareas que la gente parece hacer con gran facilidad y que, todava, ninguna
mquina consigue hacerlas, pues necesitan procesar informacin imprecisa, dada por medio
de unidades del tipo "x es P, y en ese sentido la informacin borrosa y su procesamiento es
importante para las personas, tanto para formarse conceptos como para razonar.
En conclusin, sin los conceptos, las tcnicas y los modelos borrosos, es difcil formar
conceptos, tomar decisiones y razonar como lo hace la gente en la vida ordinaria; es difcil
pensar que sin contar con el procesamiento de la informacin borrosa, la A pueda alcanzar
sus objetivos.
Objetivizar un concepto significa delimitarlo de tal manera que podamos atribuirle
diferencias que lo individualicen con respecto a otros objetos parecidos. Poder hablar de l
como un objeto, aunque sea como de un objeto de pensamiento. Se ha mantenido una
separacin entre objetos fsicos y objetos de pensamiento, basada en que los primeros son
accesibles a nuestros sentidos en tanto que los otros no lo son. En el presente siglo XX se
ha dado la categora de objeto fsico a entidades que nadie ha visto directamente y que slo
han llegado a nuestro conocimiento por trazas o sombras obtenidas con mtodos o
instrumentos muy sofisticados. Ms an, conceptos del lenguaje pueden ser considerados
como objetos; de hecho lo que consigue la lgica borrosa es ver a un predicado P sobre un
universo del discurso como un nuevo objeto, el subconjunto borroso
A
P
. Un conjunto
borroso de nombre P solamente puede individualizarse por una funcin de pertenencia
dados el universo de elementos de los que predicamos P, las reglas de uso de P en ese
universo y algunas condiciones o hiptesis adicionales.
La lgica borrosa autoriza, con limitaciones, a ver las frases del lenguaje ordinario como
objetos matemticos. Es una lgica que transforma frases en frmulas y contiene el clculo
de Boole, como caso particular. En palabras del mismo George Boole, la lgica proviene de
la capacidad humana de hacer clases de elementos y darles nombre. Es decir, de conferirles
el estado de "objetos distinguindolos de los otros objetos que contiene; objetivizando
nuevos conceptos.
Por otra parte, en la actualidad no existe un clculo matemtico que traduzca todas las
operaciones que la mente humana realiza al razonar. Sin embargo, algunos clculos llevan a
modelos bastante buenos de determinados tipos de razonamiento. Por ejemplo, "razonar
sobre el resultado de la experiencia aleatoria de lanzar un dado (o sobre otra cualquiera
con un nmero finito de resultados posibles) es equivalente a un "clculo con los
subconjuntos del conjunto de los posibles resultados {1,2,3,4,5,6}. Por ejemplo, el
subconjunto {1,2,3}contiene los resultados de la experiencia aleatoria que dan respuesta
afirmativa a la pregunta "Si se tira el dado saldr un nmero menor que 4? Es decir, tal
sistema de razonamiento equivale a calcular en el lgebra de Boole todos los subconjuntos
de un conjunto determinado. En ese limitado mbito de razonamiento, razonar es igual a
calcular.
El matemtico George Polya (1887/1985) present, en su libro Mathematics and Plausible
Reasoning (1954), un modelo matemtico dentro del cual se demuestran como teoremas
determinados patrones de razonamiento tpicos de muchos procesos de bsqueda
inquisitiva; de patrones que son tpicos en las ciencias experimentales, en la bsqueda de
nuevos conocimientos matemticos antes de poder probarlos. Se trata de razonamientos
que llevan a conjeturas que, no siendo necesariamente verdaderas, sin embargo, son
plausibles en relacin a la informacin disponible. Entre tales patrones estn los siguientes:
1. Si se verifica una consecuencia c de una conjetura h, la creencia en h se refuerza.
2. Si se refuta un posible fundamento f de una conjetura h, la creencia en h disminuye.
3. Si h* es una conjetura contradictoria con la h, la creencia en h se refuerza si se refuta h*.
Cuando todas esas afirmaciones (h, f, c, h*) forman parte de un lgebra de Boole (o son
representables en tal lgebra), y en la misma pueda definirse una probabilidad que permita
identificar:
grado de creencia en h = Prob (h);
grado de creencia en h tras verificar k = Prob (h/k) = Prob (h y k) / Prob (k);
entonces no es difcil probar los siguientes "teoremas:
a) Prob (h) < Prob (h/c): la creencia en h aumenta si se verifica c.
b) Prob (h/no f) < Prob (h): la creencia en h disminuye si se verifica no f, es decir si se refuta
f.
c)Prob (h) < Prob (g/no-h*): la creencia en h aumenta si se refuta h* contradictoria con h.
Evidentemente, los teoremas a, b y c son la representacin de los patrones experimentales
de razonamientos plausibles 1, 2 y 3 respectivamente. Adems, para las demostraciones de
-1
esos teoremas basta con que se trate de probabilidades, es decir, basta con que la creencia
en h pueda interpretarse como una probabilidad cualquiera. Este resultado de Polya es
relevante por cuanto el modelo exige poco; por la misma existencia del modelo matemtico
que es, en s, una teora de un particular tipo de razonamiento plausible de bsqueda y por
ser un resultado que aade confianza a la creencia en que pueda llegarse a un clculo, o a
diversos clculos, en ms mbitos de razonamiento inexacto.
Por otra parte, todos los desarrollos tericos de la lgica borrosa realizados desde 1965, tras
el primer artculo de Zadeh, son un clculo con predicados vagos que est mostrando
consistir en una serie de modelos matemticos no slo interesantes por s mismos, sino de
gran utilidad en la tcnica. Es decir que, al igual que en los dos ejemplos anteriores, esos
modelos tambin han sido contrastados con la realidad, y por lo tanto, cabe llamarlos
teoras de determinados aspectos del razonamiento en los cuales tambin razonar es
calcular.
Hay programas de A que estn reproduciendo computacionalmente (es decir, mediante
algoritmos) descubrimientos ya realizados por eminentes cientficos, con lo que tambin
cabe decir en este caso, que razonar es calcular o computar algortmicamente.
Puede decirse que hay buenos motivos para creer que mucho de lo que se ha descubierto
anteriormente puede redescubrirse por procedimientos algortmicos, sin embargo, en los
contextos ms creativos de descubrimiento de lo que an no es conocido, la creencia
"razonar = calcular tiene bases flojas en las que apoyarse.
La simulacin utilizando la computadora resulta ser un importante instrumento para obtener
un mayor conocimiento de los procesos cientficos. Tambin facilita elementos para llegar a
una teora computacional de dichos procesos, que puede ayudar a construir sistemas
inteligentes que (mediante el uso de computadoras) auxilien a los investigadores a realizar
descubrimientos.
Descubrir, dice Trillas, es una tarea intelectual que contiene otras subreas; entre las ms
relevantes cabe sealar: el diseo y la realizacin de experimentos, la extraccin de teoras
explicativas y su contraste con los datos experimentales, el descubrimiento propiamente
dicho de leyes por induccin desde los datos (con o sin la gua de teoras), el descubrimiento
de nuevos conceptos tericos, etc. Se ha empezado a emplear tcnicas para extraer
automticamente datos de inters y relevancia de grandes bases de datos (de instrumentos
astronmicos, aceleradores de partculas, sobre secuencias de protenas, etc.), que parecen
sugerir que el descubrimiento podra "maquinizarse, al menos parcialmente. Algunos
avances reales se han logrado, en lo que se refiere a las tareas de formular buenas
representaciones de los problemas y descubrir conceptos tericos, por medio de sistemas
computacionales que vuelven a recorrer los pasos que los cientficos realizaron
anteriormente y cuyos resultados son bien conocidos por las publicaciones o por sus
cuadernos de notas.
Todava hay cientficos y filsofos que no creen que existan teoras del descubrimiento
cientfico antes que ste se realice; se acepta una lgica de lo que viene despus, pero no
una de lo que pueda darse antes. Sin embargo, para Trillas, dos ideas llevan a pensar que
tambin el descubrimiento puede tener sus leyes: la primera es la bsqueda heurstica y la
segunda proviene de la observacin emprica de que descubrir y confirmar no suceden en
forma estrictamente secuencial, sino que se producen entremezcladas desde un principio.
Hay que buscar descubrimientos nuevos y valiosos y, por tanto, una teora emprica del
descubrimiento ser una teora sobre lo nueva e interesante que pueda ser una metodologa
para resolver problemas, con el acompaamiento de una normativa que prescriba
procedimientos verosmiles para hacer descubrimientos; que facilite las bases para el diseo
de sistemas expertos, robots y otros sistemas inteligentes artificiales que puedan imitar parte
de lo que los humanos ya han hecho para despus poder hacer ms.
El programa BACON (llamado as en honor a sir Francis Bacon,), creado por P. Langley, H.
A. Simon, G. L. Bradshaw y J. M. Zytkow en 1987, parte de datos numricos y conduce la
bsqueda heurstica de una ecuacin matemtica que los datos puedan verificar.
BACON puede considerarse como una "teora del descubrimiento: se trata de un programa
sencillo que ha sido capaz de redescubrir muchas de las ms importantes leyes de la fsica
y la qumica que haban sido descubiertas durante los siglos XV y XX, utilizando los
mismos datos que los descubridores humanos originales y careciendo de conocimientos
tericos en los correspondientes dominios. BACON es un ejemplo de un importante conjunto
de procesos de descubrimiento en los que slo se dispone de datos observacionales sin,
prcticamente, ningn conocimiento terico que pueda guiar la bsqueda. Se puede criticar
que slo ha redescubierto, pero no descubierto, leyes de la naturaleza que ya eran
conocidas; pero copiar, adaptar e innovar pueden ser frecuentemente pasos convenientes
-.
para llegar al desarrollo de nuevas ideas en el mundo de la tecnologa.
GOLEM es un programa de aprendizaje relacional desarrollado en 1992 por S. Muggleton y
C. Feng, que se inscribe en la tradicin de Turing y que, de hecho, puede considerarse
escrito en PROLOG. Es un xito real del nfasis en el anlisis lgico como base del
razonamiento por medio de mquinas, ya que se obtuvo gracias a los trabajos de G. D.
Plotkin de 1970, usando las formas clausales de Robinson, que le permitieron definir lo que
llam una "generalizacin relativa minimalmente general. GOLEM descubri en 1992 una
nueva ley de la naturaleza, que si bien no es del tipo de las de Kepler, sin embargo no era
conocida antes por los cientficos del campo, el de la estructura de las protenas, un campo
importante en la bioqumica actual.
Tanto BACON como GOLEM, pese a corresponder a dos "tradiciones distintas en la A, son
programas de aprendizaje que descubren a partir de datos experimentales. Sin embargo,
empieza a darse una lnea de investigacin en la que el descubrimiento (en realidad re-
descubrimiento) se produce a partir de conceptos intelectuales y no de datos
experimentales.
Es el caso del programa BOOLE construido en 1997 por los investigadores espaoles Luis
de Ledesma, L. Lata, A. Prez y D. Borrajo, de la Universidad Politcnica de Madrid,
siguiendo la tradicin heurstica de H. Simon. Al programa BOOLE se le ingresa una
representacin abstracta de alguna ciencia en una fase previa a su formalizacin, y se
obtiene esa ciencia formalizada. Por tanto es un programa de A que se centra en la
inteligencia humana e intenta abstraer una teora de un proceso inteligente y, en ese sentido,
es un nuevo ejemplo de un sistema de A que " se parece a como trabajan las personas
para representar y resolver problemas abstractos. A la vez, puede ayudar en la
mecanizacin de procesos conducentes a determinar computacionalmente si una ciencia es
o no es, en el estado de conocimientos disponibles, ya formalizable.
Todo esto muestra la existencia de sistemas inteligentes artificiales capaces de
reproducir procesos intelectuales que llevaron a los nuevos descubrimientos; es decir, de
mostrar inteligencia superior.
Por otra parte, en el captulo dedicado a "La evolucin de la nteligencia Artificial, Trillas
seala que ya Alan Turing haba advertido que, para que una mquina pueda desarrollar
alguna forma de inteligencia, aquello que lo produzca debe estar "incorporado, as como el
cerebro est en el cuerpo, para que pueda de ese modo acceder a la experiencia perceptual.
Sin embargo, observa, los investigadores de la A, en sus dos primeras dcadas de
existencia, han tendido a ver la inteligencia como una funcin centralizada y
"desincorporada debido a las limitaciones impuestas por la tecnologa informtica
disponible: los procesadores seriales. As, la inteligencia fue considerada como capacidad
de computacin, no-incorporada y preprogramada, de manera que poda ser separada en
mdulos con funciones especificas tales como planificar acciones, ejecutar las mismas e
incluso percibir. Adems, tales mdulos estaban provistos de modelos explcitos de la
realidad externa con la que deban interactuar para simular un comportamiento inteligente.
Adems, y desde su comienzo, ha existido un importante entrecruzamiento de
intereses entre la A y las neurociencias: las relaciones entre las computadoras y el cerebro
son las de mayor importancia filosfica, en la medida en que afectan, observa Trillas, al
lugar que las personas se han asignado en el mundo. Ahora bien, dado que los actuales
estudios experimentales sobre el lenguaje parecen confirmar que las personas nacen
dotadas de estructuras pregramaticales innatas que facilitan el desarrollo del lenguaje,
cabra la posibilidad de crear un programa que permitiera, a travs del aprendizaje, que las
mquinas lleguen a poseer un lenguaje natural. Al mismo tiempo, la tecnologa ha permitido
identificar las redes de neuronas que se interconectan cuando el sujeto resuelve un
problema: usando el ajedrez como tema y la tecnologa por emisin de positrones se ha
determinado qu redes de neuronas se activan para algunas partes del proceso; el
movimiento de una pieza coincide con la activacin del hipocampo y del lbulo temporal,
mientras que la planificacin y ejecucin de estrategias coincide con la activacin de dos
regiones prefrontales. Esto sugiere que la resolucin de un problema complejo requiere la
actividad de una red de neuronas distribuidas en varias reas cerebrales. Pero, adems, se
ha podido advertir que la prctica modifica la forma en que el cerebro se organiza para
realizar una tarea cognitiva: al parecer, somos bsicamente sistemas que se automodelan
de manera dirigida; el modelo funciona segn lo que el mundo parece ser y, de acuerdo con
ello, se adquiere la informacin, que a su vez incide sobre lo que el mundo parece ser. De
confirmarse esta hiptesis, dice Trillas, se dara una convergencia con las nuevas lneas de
la A, que conciben la cognicin humana como el producto de actividades mentales mltiples
y paralelas, de manera que frecuentemente llevan a soluciones por medio de ideas
-=
inesperadas y no mediante la comparacin de alternativas. De manera que la tendencia
tradicional de la A ofrece explicaciones de la inteligencia aparentemente muy alejada de
cmo intelige el sistema biolgico humano. Es por esta razn que, al comienzo de los
ochenta, algunos investigadores comenzaron a explorar nuevas vas para la disciplina. Tal
es el caso de los que, interesados en la idea de Turing de "incorporar la inteligencia,
desarrollaron lo que ha dado en llamarse "nteligencia Artificial basada en el
comportamiento (A/C), principalmente a travs del diseo de robots. Las nuevas
generaciones de robots, observa Trillas, obedecen a los criterios de la A/C y, si finalmente
resultan "inteligentes, ser gracias a su experiencia perceptual del mundo. Ms all de los
problemas tcnicos que esto implica, se piensa que el problema ms arduo ser el de la
conciencia. Muchos investigadores creen que los problemas conscientes provienen de
vastos ensamblajes funcionales de neuronas, pero advierten que hay que tener en cuenta
todo el cuerpo para ver cmo se adquieren el sentido de uno mismo y la voluntad. Este es
uno de los puntos ms debatidos en el marco de la discusin entre los defensores de la A y
sus crticos. En efecto, P. Martinez-Freire (&a nueva 1iloso1a de la mente, Barcelona, Gedisa,
1995, cap.8) cita a Hubert Dreyfus como el mayor critico de la A y seala su visin del
hombre como una realidad esencialmente diferente a un mecanismo, inserta en una
situacin determinada por el cuerpo y sujeta a propsitos, visin que se apoya en filsofos
como Heidegger, Wittgenstein y Merleau-Ponty. Por su parte, el propio Martinez-Freire
sostiene que un punto decisivo en lo que hace a la diferencia entre la inteligencia artificial y
la humana es la existencia de procesos mentales de autoconciencia o conciencia de s
mismo en cuanto sujeto de procesos mentales, adems de los procesos de formacin de un
proyecto de vida personal y la existencia de voliciones libres (p.121). En este sentido, Trillas
observa que el proyecto de la A/C requiere la elaboracin de una teora cientfica de la
conciencia. Roger Penrose, por ejemplo, piensa que si la conciencia proviniese de procesos
algortmicos no se podran explicar las capacidades creativas de la mente, de manera que
para que haya conciencia deben existir efectos no-determinsticos describibles a nivel
cuntico. Si esta hiptesis pudiera corroborarse, ello arrojara alguna luz sobre las
controvertidas relaciones entre la conciencia y la materia.
Por otra parte, Trillas seala que hay evidencia a favor de la tesis de Noam Chomsky en el
sentido de que todos los lenguajes existentes estn regidos por la misma gramtica
universal y de que el lenguaje, bsicamente, es innato, aunque con gran flexibilidad para
crear palabras nuevas, principalmente a travs de la metfora y la analoga, para nombrar
nuevos conceptos. El fenmeno de la generacin de sinnimos, con su carcter
esencialmente impreciso, pone de manifiesto un acercamiento del lenguaje al mundo de las
sensaciones.
Ahora bien, como sealan F. J. Varela, E. Thompson y E. Rosch (*$e Emboidied Mind.
Cognitive 9cience and ?uman E%!erience, trad. Castellana de C. Gardini, Gedisa,
Barcelona, 1997, cap.1), un cientfico cognitivo de orientacin fenomenolgica que
reflexionara sobre los orgenes del conocimiento podra concluir que la mente "despierta en
un mundo: nosotros no hemos diseado nuestro mundo, simplemente nos hemos
encontrado con l. Llegamos a reflexionar sobre el mundo mientras crecemos y vivimos en
l. Y sin embargo, es la propia estructura de nuestra mente la que nos capacita para
reflexionar sobre el mundo. De manera que en la reflexin nos hallamos en un crculo, ya
que estamos en un mundo que parece estar all antes que nosotros mismos pero, por otra
parte, ese mundo no est separado de nosotros.
Para Merleau-Ponty, el reconocimiento de este crculo "abre un espacio entre el yo
y el mundo, entre lo interior y lo exterior. Pero se trata de un espacio que no es un abismo
sino de un mbito que abraza la distincin entre yo y mundo, que funda una continuidad
entre ambos, un camino intermedio, un entre(deu%. La ciencia y la filosofa cartesiana optan
en general por ignorar ese entre(deu% o camino intermedio. En su Henomenologa de la
!erce!ci"n, Merleau-Ponty entiende la ciencia como primariamente no reflexiva, y sostiene
que la ciencia presupone ingenuamente la mente y la conciencia. En realidad, observan
Varela, Thompson y Rosch, sta es una de las posturas extremas que la ciencia puede
adoptar: el observador tal como lo pensaba un fsico del siglo XX se describe como un ojo
incorpreo que mira objetivamente el encadenamiento de los fenmenos; se podra imaginar
a tal observador como un agente cognitivo que desciende a la tierra considerndola como
una realidad desconocida y objetiva que debe describir. Sin embargo, las crticas a esta
posicin pueden adoptar fcilmente el extremo opuesto: abrazar un subjetivismo en el que la
mente "construye el mundo por s misma. Ahora bien, cuando nos volvemos sobre nosotros
mismos para analizar nuestros actos cognitivos, ni la posicin del supuesto observador
incorpreo ni la de una mente sin mundo resultan adecuadas. De manera que uno de los
-!
desafos ms importantes que debe enfrentar la propuesta de una A "incorporada consiste
en evitar estas desviaciones. En efecto, adoptar la posicin objetivista, en la cual la
percepcin no es otra cosa que la recepcin de informacin, desvirtuara la estrategia de
acercarse al conocimiento humano de sentido comn a travs de la experiencia, mientras
que la adopcin de una posicin subjetivista cuestionara por completo la posibilidad de una
A, como de hecho sucede en el caso de Dreyfus. En definitiva, y retomando el planteo de
Trillas, una aproximacin a la inteligencia natural desde el lenguaje y a travs de la lgica
borrosa parece una estrategia ms plausible y con mejores perspectivas que la propuesta de
"incorporar la A.
Pr"l"4 c"#" un sise#a !e secuenesN
Javier Legris - Carlos Lombardi (FCE - UBA)
1. INTROD8CCI3N
La programacin lgica parte de la idea de considerar a la lgica de primer orden (o
fragmentos de la misma) como un lenguaje de programacin. Desde este enfoque, un
programa est formado por un conjunto de enunciados de ese lenguaje y las reglas de
inferencia son mecanismos computacionales. Por ello, difiere de la programacin tradicional,
en la cual un programa es un conjunto de instrucciones. Al mismo tiempo, la investigacin
en programacin lgica ha revestido gran inters para la inteligencia artificial debido a las
semejanzas del lenguaje de la lgica de primer orden con los aspectos informativos del
lenguaje ordinario.
El lenguaje de programacin por excelencia es Prolog, creado hace un cuarto de
siglo a partir de la confluencia de investigaciones en deduccin automtica y en
procesamiento del lenguaje ordinario. Desde las formulaciones iniciales de Prolog, su
descripcin y anlisis ha incluido una interpretacin de las expresiones (cadenas admitidas
de smbolos) de este lenguaje como 1"rmulas del lenguaje de la lgica de primer orden que
estn en una forma normal determinada que es la forma clausal de Prolog. Asimismo, cada
paso del mecanismo computacional de Prolog se ha interpretado como una aplicacin de
una regla de inferencia deductiva, que es una versin ms compleja de la regla de
resolucin de la lgica de enunciados, con lo que el mecanismo de bsqueda de la
respuesta a una consulta se ha interpretado como la aplicacin del mtodo de resolucin
para clusulas de lgica de primer orden. Esta es la interpretacin usual de Prolog.
El objetivo de esta comunicacin es formular una interpretacin alternativa de
Prolog en trminos de un sistema de secuentes. Se trata de una traduccin formal donde
una funcin de traduccin hace corresponder a las expresiones de Prolog expresiones de lo
que llamaremos teora de secuentes. Lo ms importante de esta traduccin formal es que
permite interpretar las expresiones de Prolog no como frmulas con smbolos lgicos sino
como afirmaciones de relaciones de consecuencia entre frmulas atmicas, es decir, sin
constantes lgicas, y el mecanismo computacional con el cual responde consultas se
traduce exclusivamente en reglas que se aplican a estas afirmaciones, sin necesidad de
apelar a reglas para constantes lgicas. De este modo, se obtiene una correspondencia
entre el procedimiento computacional de Prolog y derivaciones estructurales en secuentes
de cierto tipo. As, Prolog se sigue entendiendo como un lenguaje de computacin que
procede lgicamente, pero hacindolo ahora en un nivel superior, metalgico
@. EL LENG8AJE PROLOG
@.1 La sinaFis !e Pr"l"4
La unidad sintctica de Prolog es la cl0usula. Una clusula tiene esta forma:
A :- B1,...,Bn. con n 0
en donde tanto A como cada Bi son estructuras. A la parte de la clusula que antecede al
smbolo auxiliar :- se la llama cabe4a, y a la parte que queda detrs de este smbolo,
exceptuando el punto final, se la llama cuer!o. En el esquema, la cabeza de la clusula es
A
y su cuerpo es
B1,...,Bn
Puede haber clusulas cuyo cuerpo es vaco (n = 0). Son las llamadas "hechos ( 1acts)en
Clocksin & Mellish 1987 y cl0usulas unitarias en Lloyd 1984. En ellas se omite el smbolo :-,
y por lo tanto tienen esta forma
>/
A.
Un !rograma 7rolog se define como un conjunto de clusulas.
Las estructuras tienen esta forma
p(t1,...,tn) con n 1
en la cual se llama !redicado a p y trmino a cada ti. Tanto predicados como trminos son
nombres, o sea secuencias de letras. Los predicados comienzan con una letra minscula.
Respecto a los trminos, hay dos tipos: las variables, que comienzan con una letra
mayscula, y las constantes, que comienzan con una letra minsucula.
Los siguientes son ejemplos de clusulas Prolog. La primera es una clusula
unitaria.
p(a,b,c).
p(X,Y,d):- q(X),r(Y).
Esta descripcin de la sintaxis de Prolog es incompleta, obvindose en particular
los trminos compuestos (o sea, que son ellos mismos estructuras). La descripcin es
funcional a los aspectos de Prolog que se estudiarn en esta comunicacin, que no incluyen
a la unificacin. De hecho, en los ejemplos que presentaremos no se incluirn variables, y
por lo tanto el unificador ms general ser en todos los casos la sustitucin vaca.
@.@ El &unci"na#ien" !e Pr"l"4
El propsito de Prolog es res!onder consultas a partir de un determinado
programa.
Una consulta tiene la misma sintaxis que el cuerpo de una clusula
C1,...,Cn. con n 1
El Prolog responde a una consulta C a partir de un programa P, construyendo una secuencia
M
0
,...,M
m
. A cada Mi lo llamaremos meta, siguiendo a Clocksin y Mellish 1987.
La secuencia de metas debe cumplir con estos requisitos:
1. M
0
= C.
2. Mi+1 = Mi OP Cj
en donde Cj es un clusula de P y OP es un operador al que llamaremos
o!erador de 7rolog, y que definimos a continuacin.
El operador de Prolog produce una meta a partir de una meta y una
clusula
meta OP clusula = meta
OP no est definido para todos los pares <meta, clusula>.
Si M
i
= D1,...,Dr y Cj = E:-F1,...,Fq, entonces Mi OP Cj est definido
solamente si
D1 unifica con E, con unificador ms general.
En este caso, se define
Mi OP Cj = (F1,...,Fq,D2,...,Dr)s, o
Mi OP Cj = (D2,...,Dr)s si el cuerpo de Cj es vaco (q = 0)
quedando Mi OP Cj indefinido en caso contrario.
En esta comunicacin no estudiaremos casos con sustituciones: de hecho,
no se incluirn variables en los ejemplos incluidos.
Por lo tanto, consideraremos que Mi OP Cj est definido si
D1 = E
y en este caso definimos
Mi OP Cj = F1,...,Fq,D2,...,Dr , o
Mi OP Cj = D2,...,Dr si el cuerpo de Cj es vaco (q = 0),
quedando Mi OP Cj indefinido en caso contrario.
3. Mm es la meta que no contiene ninguna estructura, llamada meta vaca
Si el Prolog puede construir una secuencia de estas caractersticas a partir del
programa P, entonces responde s a la consulta C. Caso contrario, la respuesta ser no.
lustremos esta definicin con un ejemplo. A partir del siguiente programa Prolog
p(a,b):- q(a),r(b).
s(a):- q(a).
q(a).
r(b).
construyamos una secuencia que responda a la consulta
p(a,b),s(a).
La siguiente secuencia cumple con las condiciones 1-3.
M
0
p(a,b),s(a). Unifica con la 1ra clusula, generando
>
M
1
q(a),r(b),s(a). Unifica con la 3ra clusula, generando
M
2
r(b),s(a). Unifica con la 4ta clusula, generando
M
3
s(a). Unifica con la 2da clusula, generando
M
4
q(a). Unifica con la 3ra clusula, generando
M
5
Meta vaca
Al existir una secuencia que termina en la meta vaca, la respuesta del Prolog ante esta
consulta ser s.
Cabe aclarar que el Prolog utiliza un algoritmo especfico para construir la
secuencia definida en esta seccin. En este algoritmo se establece un orden en el cual se
analiza el programa ante cada meta no vaca, buscando alguna clusula para la que el
operador de Prolog est definido.
El algoritmo no es completo, o sea que existen situaciones en las que no llega a
construir una secuencia que permita responder que s a una consulta, a pesar de que existe
tal secuencia.
Estas cuestiones estn incluidas en lo que, p.ej. en Kowalski 1979, se denomina
control, y que no sern analizadas aqu. Por lo tanto, en el resto del trabajo supondremos lo
que llamamos "control perfecto.
Tampoco estudiaremos las sustituciones de respuesta (sustituciones de las
variables que aparecen en la consulta que son parte de la respuesta del Prolog), al no incluir
ejemplos que involucren sustituciones.
L. LA INTERPRETACI3N 8S8AL DE LA SPNTAHIS O DEL 98NCIONAMIENTO DE
PROLOG
El Prolog es generalmente definido y descripto de acuerdo con una determinada
interpretacin, de la que se ocupa extensamente Lloyd 1984. Esta interpretacin, que se
supone la interpretacin "natural de la sintaxis y el funcionamiento de Prolog, surge, en
realidad, de la manera en que fue diseado Prolog dentro de la tradicin de la deduccin
automtica y la inteligencia artificial. Como se acaba de mencionar, Prolog fue concebido
una aplicacin del mtodo de resolucin al diseo de un lenguaje de programacin. Este
mtodo de resolucin resulta de la aplicacin de la regla de resolucin a ciertas frmulas del
lenguaje de primer orden llamadas clusulas que incluyen esencialmente negacin y
disyuncin como smbolos lgicos. El mtodo haba sido presentado por Robinson en 1965
y continuaba una lnea de investigacin en deduccin automtica basada en procedimientos
refutatorios y en procedimientos de normalizacin de frmulas del lenguaje de primer orden.
El mtodo de resolucin tena la ventaja de emplear una nica regla de inferencia para la
lgica proposicional lo que lo haca interesante desde el punto de vista de la implementacin
(la estrategia implicada en el mtodo era muy sencilla) y lo hizo muy popular entre los
investigadores en inteligencia artificial.
Segn esta interpretacin, las clusulas de un programa Prolog se interpretan como
frmulas de la lgica de primer orden, en donde:
Los predicados, constantes y variables se interpretan como smbolos del tipo
correspondiente de un lenguaje de la lgica de primer orden (es decir, como predicados,
constantes y variables del lenguaje de primer orden, observando las diferencias notacionales
usuales).
Se agrega un cuantificador universal para cada variable que aparece en la
clusula, cuyo alcance es toda la clusula.
Las clusulas con cuerpo vaco se consideran frmulas atmicas.
Se interpretan las clusulas con cuerpo no vaco tomando a la coma como el
smbolo de conjuncin, y al :- como el condicional en sentido inverso, con el consecuente
precediendo al smbolo, y el antecedente luego del mismo.
Segn esta interpretacin de la clusula como una frmula, la cabeza de la
clusula representa el consecuente, y su cuerpo el antecedente, en una frmula cuya matriz
(parte de la frmula alcanzada por los cuantificadores) tiene como smbolo principal una
implicacin.
En general, la clusula
A :- B1,...,Bn.
recibe una interpretacin segn la cual corresponde a la frmula
x
1
... x
r
( (B
1
... B
n
) A )
en donde { x1 ... xr } es el conjunto de las variables que aparecen en la clusula. Esta
frmula, en lgica de primer orden clsica, equivale a la siguiente
x1 ... xr ( B
1
... B
n
A )
>)
que satisface la forma de las frmulas a las que se denomina cl0usulas en p.ej. Lloyd 1984 y
Chang & Lee 1973.
Con respecto al funcionamiento del Prolog, la secuencia que construye para decidir
la respuesta a una consulta es interpretada como una refutacin mediante el procedimiento
de resoluci"n lineal con 1unci"n de selecci"n, descripto en Lloyd 1984. Las !remisas de esta
refutacin son las frmulas que representan, segn esta interpretacin, las clusulas del
programa Prolog a partir del que se evala la consulta. La 1"rmula a re1utar es representada
por la consulta. La consulta de forma general
C1,...,Cn.
con {y1,...,yr} conjunto de las variables que aparecen representa a la frmula
(y
1
... y
r
(C
1
... Cn))
que equivale, en lgica de primer orden clsica, a esta otra frmula
y
1
... y
r
( C
1
... Cn)
que est en forma de clusula segn la definicin que aparece en Lloyd 1984. Las metas de
la secuencia M0,...,Mm son interpretadas de la misma manera. La generacin de la meta Mi+1
a partir de la meta Mi mediante la aplicacin del operador de Prolog se interpreta como una
aplicacin del principio de resolucin. Si usamos la interpretacin de clusulas Prolog y
metas, la meta Mi = D1,...,Dr representa a
x
1
... x
s
( D
1
... Dr)
y la clusula E:- F1,...,Fq a
y
1
... y
n
(E F
1
... Fq)
en donde D
1
unifica con E mediante el unificador ms general . Esto satisface las
condiciones del principio de resolucin, y el resolvente que se obtiene es
(... ( F
1
... F
q
D
2
... D
r
))
que coincide con la interpretacin de la meta Mi+1.
As, Prolog resulta ser una versin !rocedimental del mtodo de resolucin.
G. TEORPA DE SEC8ENTES
Los sistemas secuenciales o de secuentes emplean un tipo de expresiones que se
interpretan como la afirmacin de relaciones de inferencia o consecuencia lgica. Estas
expresiones son los secuentes (vase Gentzen 1935). Sean A1, .., Am, B1, ..., Bn frmulas del
lenguaje de predicados de primer orden, los secuentes singulares sern expresiones de la
forma:
(ss) A1, .., Am : B.
Estos se interpretan fcilmente como inferencias deductivas o deducciones: El
enunciado B se sigue deductivamente de los enunciados A1, .., Am . Posteriormente, Gentzen
consider a los secuentes como expresiones formales del "significado de una !ro!osici"n en
una demostraci"n junto con su dependencia de posibles supuestos (Gentzen 1936, 5.21),
de modo que puede leerse como "B es demostrable a partir de los supuestos A1, .., Am. En
este sentido, los secuentes sirven para expresar la idea de inferencia hipottica siendo ellos
mismos afirmaciones hipotticas acerca de la demostrabilidad de un enunciado a partir de
hiptesis o supuestos. El doble punto ": (para el cual Gentzen usaba una flecha ) puede
interpretarse, en general, como la relacin de consecuencia lgica. Los secuentes mltiples
tienen la forma
(sm) A1, .., Am : B1, ..., Bn,
La interpretacin ms directa de estos secuentes mltiples es la siguiente: De los
enunciados A1, .., Am se sigue (se infiere deductivamente) al menos uno de los enunciados
B1, ..., Bn . Esta idea de conclusiones alternativas puede entenderse mejor diciendo que
explicita todas las diferentes conclusiones que, alternativamente, pueden obtenerse de un
conjunto de premisas, las que en el uso habitual se omiten de una manera entinem0tica
(vase Dosen 1994, p. 277).
Desde Gentzen, se estipulan una serie de reglas para secuentes que expresan
ciertos principios bsicos y definitorios de la relacin de deduccin o consecuencia lgica..
Son las llamadas reglas estructurales. Mediante la aplicacin de estas reglas pueden
construirse derivaciones estructurales que expresan argumentaciones acerca de relaciones
de consecuencia exclusivamente. Las reglas estructurales son los siguientes pares:
Contraccin
A,A, G : Q G : Q, A, A
---------- ---------- ;
A, G : Q G : Q, A
Permutacin
>-
D, A, B, G : Q G : Q, A, B, L
------------ ------------ ;
D, B, A, G : Q G : Q, B, A, L
Dilucin
G : Q G : Q
--------- -------- ;
A, G : Q G : Q, A
Corte
G : Q, C C, D : L
-------------------;
G, D : Q, L
Sustitucin de variables de individuo
G : Q
--------
G : Q [%/y]
Adems, se afirman como principios o axiomas cualesquiera secuentes de la forma:
A : A ,
a los que se llama secuentes b0sicos y que expresan la identidad de la relacin de
consecuencia lgica. El secuente vaco
:
sirve para expresar la contradiccin.
En virtud de la interpretacin que reciben los secuentes se da que un secuente de la
forma
: A
expresa que A es una frmula universalmente vlida (una "verdad lgica, digamos). Por el
contrario, un secuente de la forma
A :
expresa que de A se sigue una contradiccin, es decir, que A es una frmula contradictoria.
Contraccin y permutacin hacen que los secuentes puedan ser considerados
como pares de conjuntos de frmulas. Su restriccin o eliminacin implica tomar el cuenta el
orden en que se presentan las frmulas (permutacin) o ver a los secuentes como pares de
multiconjuntos (contraccin). Por estas razones podemos denominarlas reglas de
mani!ulaci"n simb"lica.
Las reglas de dilucin y corte son de naturaleza muy distinta. Permiten dar una
definicin, en el marco constructivo de la teora de secuentes, de la relacin de
consecuencia lgica. Dilucin (monotona) y corte (transitividad) fueron, junto con la
reflexividad expresada a travs de los secuentes bsicos, definitorias de la inferencia
deductiva, en un sentido ms general o abstracto, y as aparecen tambin en la definicin de
consecuencia lgica de Tarski (Tarski 1930), donde se las presenta en los trminos no
constructivos de la teora de conjuntos. De este modo, las derivaciones estrucurales que
resultan de aplicar las reglas estructurales reflejan razonamientos elementales acerca de
relaciones de consecuencia. Aparecen como reglas caractersticas de la inferencia lgica
considerada abstractamente (sin tomar en cuenta los procedimientos de demostracin
concretos).
La regla de corte expresa la transitividad de la relacin de inferencia deductiva,
propiedad que parece irrenunciable. El caso de la dilucin es ms difcil. Gentzen hizo una
breve justificacin de esta regla diciendo que si una frmula es verdadera, entonces lo es
tambin a partir de supuestos cualesquiera arbitrarios, sin pretender una "dependencia de
hecho (tats]c$lic$e #b$]ngigkeit) entre la frmula y sus supuestos. Caso contrario, afirma
Gentzen, surgiran dificultades en las demostraciones que hacen uso de supuestos
aparentes (vase Gentzen 1936 5.244). Esta dependencia es lo que actualmente se
entendera por relevancia.
1. LA INTERPRETACI3N SEC8ENCIAL DE PROLOG
Tan pronto como se comparan las clusulas de Prolog con los secuentes singulares
aparecen semejanzas en la forma de ambos. A una clusula Prolog de la forma
B :- A1, .., Am
se le puede hacer corresponder un secuente singular
A1, .., Am : B
(observando las diferencias notacionales entre Prolog y el lenguaje de primer orden).A esta
idea subyace claramente una interpretacin muy diferente de Prolog. En efecto, una clusula
>>
Prolog expresa ahora la afirmacin de una relacin de consecuencia lgica entre un
enunciado y un conjunto de enunciados. Una clusula unitaria se traduce en un secuente
singular sin antecedente, lo que debe interpretarse como la afirmacin de una consecuencia
lgica a partir del conjunto vaco, es decir, como un enunciado universalmente vlido.
Fundamental en esta interpretacin es la ausencia de constantes lgicas: A ningn
smbolo del Prolog se le hace corresponder una constante lgica, de manera que el lenguaje
pasa a ser considerado ahora desde una perspectiva ms abstracta como un clculo de
relaciones de consecuencia lgica. Siguiendo con este enfoque, su mecanismo
computacional, definido en 2.2 a partir del operador de Prolog e interpretado habitualmente
como una implementacin de la resolucin lineal con funcin de seleccin, se traduce
empleando una composicin de las reglas de corte y de sustitucin de variables de la teora
de secuentes. Haciendo abstraccin de los procedimientos de unificacin, el operador de
Prolog queda reflejado en la regla de corte y la secuencia de clusulas que Prolog genera
para responder una consulta se traduce en una derivacin secuencial de ciertas
caractersticas.
De acuerdo con la idea de ver a Prolog como un mtodo de refutacin, una
secuencia exitosa de Prolog se traduce como una derivacin secuencial que parte de la
suposicin de la refutabilidad de la consulta (es decir, la frmula a demostrar) y conduce al
secuente vaco, es decir, la contradiccin. En la interpretacin secuencial, una consulta
corresponde a un conjunto de frmulas atmicas. Ahora bien, todas estas frmulas deben
seguirse de las afirmaciones sobre consecuencia, si en el programa la respuesta es s. La
suposicin de la refutabilidad de la frmula a demostrar se expresa en la teora de secuentes
como un secuente con las frmulas en cuestin como antecedente y con el sucedente vaco.
Por ejemplo, si la consulta Prolog es de la forma
?- A1, .., Am ,
entonces se traduce mediante el secuente
A1, .., Am :
(el que, como se ha mencionado ms arriba, significa que de A se sigue una contradiccin).
Limitdose al caso de consultas sin variables y suponiendo existencia de "control perfecto
en Prolog, se podr afirmar entonces:
5.1 Sea P una programa Prolog y C una consulta (sin variables) a P. Entonces, Prolog
responde s a la consulta, si y slo si hay una derivacin secuencial del secuente vaco, con
la regla de corte como nica regla, a partir del conjunto de secuentes S que es la traduccin
de todas las clusulas de P y el secuente C.
(La demostracin es por induccin, de izquierda a dercha, en la longitud de la secuencia de
metas definida en 2.2 y de dercha a izquierda sobre la longitud de la derivacin secuencial).
Si no hay un "control perfecto en Prolog, entonces la afirmacin de derecha a izquierda de
5.1 es problemtica. Esto quiere decir que los problemas de control hacen a Prolog
incompleto respecto del sistema de secuentes caracterizado.
La afirmacin 5.1 se puede ilustrar por medio del ejemplo de programa Prolog dado
anteriormente en la seccin 2. Las clusulas del programa se traducen en los siguientes
secuentes:
q(a),r(b) : p(a,b)
q(a) : s(a)
:q(a)
:r(b)
y la consulta se traduce en el secuente
p(a,b), s(a) :
Sobre esta base, la secuencia que el programa genera se convierte en la siguiente
derivacin secuencial:
q(a),r(b) : p(a,b) p(a,b), s(a) :
:q(a) q(a), r(b), s(a) :
:r(b) r(b), s(a) :
q(a) : s(a) s(a):
: q(a) q(a):
:
>?
De acuerdo con el mtodo refutatorio propuesto, el secuente p(a,b), s(a) :
permite derivar una !ntradii"n. #ue$!, %as &"rmu%as
p(a,b) ' s(a) s!n dem!strab%es a partir de% !n(unt!
de seuentes que resu%tan de traduir %as %)usu%as de%
pr!$rama. En %a derivai"n s"%! se *a emp%ead! %a re$%a
de !rte.
;. O:SERVACIONES 9INALES< PROLOG O LA DED8CCI3N
La idea central ha sido la de traducir las clusulas Prolog como secuentes
singulares. Esto permite, a su vez, entender las clusulas Prolog como afirmaciones de
relaciones de consecuencia lgica, es decir, que se pueden ver tambin como reglas de
inferencia, con el caso extremo de reglas sin premisas, es decir, afirmaciones
incondicionadas vlidas universales. Un programa Prolog se considera, entonces, como un
conjunto de reglas y afirmaciones. En el caso de una consulta que es respondida con s por
Prolog, esta significa un enunciado (o un conjunto de enunciados) que se sigue<n=, por un
mtodo refutatorio, de ese conjunto de reglas y afirmaciones. El hecho de que se siga est
determinado exclusivamente por la regla de corte que es lo que corresponde en esta
interpretacin al operador de Prolog (si bien es cierto que el concepto de refutacin tambin
est presente en la interpretacin). Debe quedar claro que Prolog no es visto en este
anlisis como un sistema en que se demuestren secuentes; lo que se demuestran son
frmulas nicamente. De este modo, Prolog no hace afirmaciones acerca de relaciones de
consecuencia, sino que las usa para demostrar frmulas: La frmula que corresponde a una
consulta con respuesta afirmativa es una frmula que se sigue de otras frmulas y de ciertas
reglas.
Prolog se entiende entonces como un clculo de un nivel superior, metalgico (es
decir, metalingstico respecto del lenguaje de primer orden), pues sus smbolos no son
constantes lgicas, sino que constiuyen un marco en cual se podran definir constantes
lgicas. Suponiendo control perfecto, el clculo es deductivo.
La ausencia de constantes lgicas tiene un correlato en la interpretacin usual del
Prolog, descripta en la seccin 3. En la conversin a forma clausal, las frmulas van
perdiendo progresivamente sus constantes lgicas. El resultado de la conversin es una
frmula en la que slo aparecen disyuncin, cuantores universales que afectan a toda la
matriz, y negacin que siempre afecta a un tomo. Si se consideran cuantificadas
universalmente todas las apariciones de variables pueden eliminarse los cuantores, con lo
que una clusula tiene esta forma
a1 ... am b1 ... bn
que puede ser representada mediante el conjunto
{ a1 , ..., am ,b1 , ...,bn }
A partir de esta notacin, que es usada en Chang y Lee 1973, se puede definir la
regla de resolucin como una operacin entre conjuntos.
Lloyd 1984 elige esta notacin
a1 , ..., am b1 , ...,bn
en la cual desaparecen tambin las apariciones del smbolo de negacin ordenando los
literales. En su definicin de la regla de resolucin se trata a las frmulas que aparecen
como conjuntos de literales.
Es la inexistencia de constantes lgicas, y por lo tanto la falta de necesidad de
analizarlas, lo que hace posible la definicin de derivaciones implementables
computacionalmente de forma natural.
En la interpretacin usual del Prolog, esta caracterstica aparece indirectamente como una
forma de escribir determinadas frmulas, no hacindose explcita. En la interpretacin
secuencial, en cambio, la inexistencia de constantes lgicas es ms evidente y central
respecto de cmo explica al Prolog.
Dejando de lado el caso de frmulas con variables, Prolog emplea exclusivamente
una regla estructural que es parte de la definicin de la relacin de consecuencia lgica. Las
otras dos condiciones definitorias de la consecuencia lgica, a saber la reflexividad o
identidad y la monotona, las que se expresan en la teora de secuentes mediante los
secuentes bsicos y la regla de dilucin, se cumplen en Prolog, si bien no son usadas por el
lenguaje.
Respecto de la identidad, puede afirmarse, de un lado, la siguiente proposicin:
6.1 Sea un programa Prolog P que responde a una consulta cualquiera C con s. Entonces,
si se eliminan de P todas las clusulas de la forma
>1
A :- A.,
entonces Prolog sigue respondiendo con s a la consulta C.
Esta proposicin muestra que las clusulas de la forma A :- A carecen de contenido
informativo y representan una propiedad puramente lgica. De otro lado, en el sistema
descripto tampoco se emplean secuentes de la forma A : A.
Respecto de la dilucin, puede afirmarse lo siguiente:
6.2 Sea un programa Prolog P que responde a una consulta cualquiera C con s y que
incluye una clusula de la forma
B : - A1, .., Am, Am*1
Entonces, el reemplazo en P de esta clusula por otra de la forma
B : - A1, .., Am
dara lugar a un programa P que tambin responder con s a la consulta C.
De este modo, las clusulas Prolog reflejan relaciones de consecuencia lgica,
consecuencia deductiva.
As pues, en esta interpretacin secuencial no se hace uso de la regla estructural de
dilucin ni de los secuentes bsicos . Quedan las reglas de contraccin y permutacin, que
permitiran realizar manipulaciones puramente simblicas en las metas o cuerpos de
clusulas utilizados en la refutacin. El Prolog es correcto con respecto a estas reglas, en el
sentido que satisface la proposicin siguiente:
6.3 Sean un programa Prolog P, y una consulta C tales que el Prolog, a partir de P,
responde s ante C, y sea la clusula
B:- A1,...,Ai,Ai+1,...,An.
que pertenece a P.
Si reemplazamos en P esta clusula por
B:- A1,...,Ai+1,Ai,...,An.
o por
B:- A1,...,Ai,Ai,Ai+1,...,An.
la respuesta ante la consulta C seguir siendo s.
A pesar de esto, el Prolog no hace uso de estas reglas, pues utiliza nicamente la
regla de corte. La utilizacin adecuada de estas reglas podra mejorar el funcionamiento del
Prolog en algunos casos.Utilizando la regla de contracci"n, la generacin de la respuesta
ante una consulta podra ser ms eficiente.La utilizacin de la regla de !ermutaci"n
permitira subsanar alguno de los casos en los cuales el Prolog no llega a una respuesta por
problemas de control.
En suma, se sigue de lo expuesto que la interpretacin secuencial, al reducir el
anlisis de los aspectos lgicos del Prolog a cuestiones estructurales, da un marco ms
adecuado para el anlisis de su funcionamiento, y de posibles mejoras que surgiran de la
incorporacin de otras reglas estructurales aparte de la corte.
?????????????????????????????????????????
N"a <
* La realizacin de este trabajo fue parcialmente subvencionada por el subsidio JE01 de la Secretara de
Ciencia y Tcnica de la Universidad de Buenos Aires.
Re&erencias )i)li"4r$&icas <
Chang, Chin Liang & Richard Char-Tung Lee. 1973. 9ymbolic &ogic and Mec$anical *$eorem 7roving.
Nueva York, et al., Academic Press.
Cloksin W.F. & C.S. Mellish. 1987.7rogramming in 7rolog. 3ra. ed., Berlin-Heidelberg-Nueva York,
Springer.
Dosen, Kosta. 1994. "Logical Constants as Punctuation Marks". En C$at is a &ogical 9ystem? comp. por
Dov. M. Gabbay. Oxford, Oxford University Press, pp. 273-296.
Gentzen, Gerhard. 1935. "Untersuchungen ber das logische Schlieen. En Mat$ematisc$e ^eitsc$ri1t
39, pp. 176-210 y 405-431.
Gentzen, Gerhard. 1936. "Die Widerspruchfreiheit der reinen Zahlentheorie. En Mat$ematisc$e #nnalen
112 (1936), pp. 493-565.
Kowalski, Robert. 1979. &ogic 1or 7roblem 9olving. Amsterdam et al., Elsevier.
Lloyd, J.W. 1984. Houndations o1 &ogic 7rgramming. Berlin-Heidelberg-Nueva York, Springer
Tarski, Alfred. 1930. "Fundamentale Begriffe der Methodologie der deduktiven Wissenschaften . En
Monats$e1t 1Yr Mat$ematik und 7$ysik 37, pp. 361-404.
>.
Le.es Ceeris Pari)us . re0"ca)ili!a!
Silvia Lerner (Facultad de Ciencias Economicas - UBA)
Las leyes ceteris !aribus, habituales en su forma explcita en las Ciencias Sociales como la
Economa, han recibido diversas interpretaciones que pretenden rescatar su contenido
emprico. En este trabajo se sostiene que una reconstruccin de dichas leyes en trminos de
de1ault en el sentido de Poole resulta intuitivamente adecuada y soluciona problemas que se
suscitan con otras ms tradicionales, sin necesidad de introducir modificaciones en la lgica
clsica.
1. Las Leyes 'ceteris paribus'
Se entiende por ley ceteris !aribus aquella que contiene una clusula ceteris !aribus ('siendo
el resto de las cosas iguales' o 'en igualdad de condiciones'). Un ejemplo tomado de la
Economa lo constituye la ley de la oferta y la demanda:
ceteris !aribus, si bajan los precios, aumenta la demanda.
Estas leyes, a diferencia de las universales (o estrictas) admiten excepciones, casos en los
que la ley no se cumple. Por ejemplo:
Si bajan los precios, pero aumenta el desempleo, entonces no aumenta la
demanda.
Si bajan los precios de un articulo, pero ste esta desactualizado, no aumenta la
demanda
Las leyes ceteris !aribus son habituales en su forma explcita en las Ciencias Sociales como
la Economa y la Psicologa. Segn Seccareccia, el mtodo ceteris !aribus en Economa fue
introducido por Marshall a principios del siglo como una de las respuesta (la segunda) al
excesivo formalismo puro sin anclaje emprico del siglo XX. Este mtodo incorpora parte del
bagaje del positivismo lgico e involucra sucesivos estadios de abstraccin. La primera
respuesta la constituyeron las idealizaciones a priori llamadas tipos ideales. Consideramos
que, en realidad, dichas idealizaciones como la del hombre econmico pueden ser
entendidas como leyes ceteris !aribus, leyes que admiten excepciones: ceteris !aribus, los
hombres maximizan la utilidad. El hombre administrativo constituye una limitacion al modelo
anterior: incorpora en forma explcita condiciones al modelo.
Sin embargo, como bien sealan Pietroski y Rey, no slo en las Ciencias Sociales existen
leyes ceteris !aribus. Aunque tradicionalmente se consider que la Economa difiere de la
Fsica en que las leyes econmicas se cumplen slo ceteris !aribus, mientras que las de la
Fsica lo hacen universal e incondicionalmente, en realidad la mayora, si no todas, las leyes
de la Fsica tienen excepciones (como seala Cartwright).
De ah que Pietroski y Rey sostengan que, si bien en las leyes sociales las clusulas ceteris
!aribus aparecen explcitamente, las leyes de las ciencias bsicas deben entenderse como
conteniendo una clusula ceteris !aribus implcita.
La ley de Newton de la fuerza gravitatoria que establece que los cuerpos se atraen
mutuamente con una fuerza directamente proporcional al producto de sus masas e
inversamente proporcional al cuadrado de la distancia que los separa
F = G m1. m2
r
2
raramente se cumple en experimentos reales. Si los cuerpos poseen carga elctrica, por
ejemplo, debe recurrirse a la ley de Coulomb para calcular F. La ley slo se cumple ceteris
!aribus
2. El problema de la aparente vacuidad de las leyes ceteris !aribus
Como debemos entender una ley ceteris !aribus de la forma
ceteris !aribus, F G
para diferenciarla de la expresin tautolgica ( y por lo tanto vacua)
F G a menos que no (F G) ?
Pus apelar a clusulas ceteris !aribus puede hacer que el enunciado nmico al cul
modifica se convierta en tautolgico (o circular)
"Si 'ceteris !aribus, F G' significa meramente que 'F G'es verdadero en aquellas
circunstancias en las que no hay instancias de F y no G, entonces la ley ceteris !aribus es
tautolgica
1
Es decir es trivialmente verdadera.
Han habido distintas estrategias para intentar evitar el peligro de vacuidad. Una posibilidad
consiste en incorporar al antecedente de la ley las condiciones (positivas o negativas) para
su cumplimiento. Es decir, reformularlas en la forma
>=
C (F G )
2
Pero, en primer lugar, las condiciones pueden constituir una lista infinita e inmanejable de
factores, muchos de ellos desconocidos. Y en segundo lugar, esta estrategia acarrea, como
sealan Pietroski y Rey, la indeseable consecuencia de que la ley slo se aplica no
vacuamente a aquellos casos que cumplen las condiciones antecedentes.
Otra posicin (Schiffer,Weinert) niega el carcter de leyes a los enunciados legaliformes
ceteris !aribus de las Ciencias Sociales, Weinert, por ejemplo, considera que se trata de
generalizaciones empricas, no de autenticas leyes.
Pietroski y Rey sostienen que "las leyes ceteris !aribus pueden ser y, realidad,
probablemente necesiten ser parte perfectamente respetable de una teora cientfica. Su
propuesta esta dirigida a establecer condiciones suficientes para su no vacuidad.
3. La propuesta de Pietroski y Rey
Pietroski y Rey consideran que las leyes ceteris !aribus constituyen un instrumento para las
abstracciones e idealizaciones necesarias para la construccin de teoras acerca de un
mundo complejo. Una ley ceteris !aribus vale slo en un 'sistema cerrado', es decir en un
sistema construdo abstrayendo otros factores existentes.
Tales leyes sern no-vacuas en la medida en que las desviaciones de las regularidades
establecidas en el cuerpo de la ley puedan ser explicadas por dichos factores omitidos en la
ley.
Para que la ley de la oferta y demanda no sea vacua segn este criterio, deben poderse
explicar (como veremos en forma independiente) los aparentes contraejemplos.
Una falla de la ley en un contexto determinado podr explicarse, por ejemplo, por el aumento
del desempleo. El aumento del desempleo constituye un factor explicativo de la falla de la
ley en ese caso, o sea de la falsedad del consecuente.
Pero cmo bloquear posibles factores interferentes como 'hay ondas negativas en el
ambiente'? Los autores introducen el requisito de que dicho factor interferente debe cumplir
adems un rol explicativo diferente del mero explicar los casos anormales de la ley en
cuestin. Debe explicar al menos un fenmeno que no sea consecuencia lgica del
consecuente ni dependa causalmente de l. Esto evita factores cuya nica funcin consiste
en salvar la ley. En nuestro ejemplo, el aumento del desempleo debe poder explicar otros
fenmenos distintos de la disminucin de la demanda y que cumplan los requisitos de
independencia citados; por ejemplo, otros indicadores de recesin (malestar social, aumento
de delincuencia).
En sntesis, las aparentes excepciones de una ley ceteris !aribus no vacua deben ser
independientemente explicables en el sentido anteriormente explicitado.
4. Un sistema para razonamiento revocable.
Recientes investigaciones en el rea de la Lgica y la nteligencia Artificial han conducido a
la construccin de diversos sistemas que intentan reconstruir el razonamiento revocable o
default.
En la vida cotidiana hacemos uso constantemente de este tipo de razonamiento. Aun
contando con informacin incompleta, realizamos inferencias y actuamos en conse- cuencia.
Si a posteriori obtenemos nueva informacin que contradice conclusiones an- teriores
reveemos o revocamos dichas conclusiones. A esta propiedad la llamaremos de no-
monotonia.
Hay, como dijimos, distintas aproximaciones al razonamiento revocable y distintos tipos de
razonamiento revocable. Algunos sistemas que intentan reconstruir dichos tipos de
razonamiento introducen modificaciones a nivel de la lgica (lgicas no-montonas). Otros,
como el sistema de Poole, utilizan slo lgica clsica. Este sistema define una relacin de
explicabilidad no-montona que se inspira justamente en el uso de las hiptesis cientficas.
Veamos brevemente una caracterizacion del sistema.
En su artculo de 1988 'A Lgical Framework for Default Reasoning', D. Poole presenta una
propuesta para reconstruir el razonamiento revocable que se diferencia de propuestas
similares en no apelar a cambios de lgica. La lgica es la clsica de primer orden, Pues ' ...
antes que ser un problema con la lgica, la no-monotona es un problema acerca de cmo la
lgica se usa'
3
El objetivo de Poole es construir un formalismo que refleje la explicacin de hechos a partir
de hiptesis en el marco de una teora. Poole ve al razonamiento hipottico como un caso
paradigmtico de razonamiento de1ault.
El sistema consta de tres conjuntos categorialmente diferentes, que se suponen provistos
por el usuario:
F es un conjunto de frmulas cerradas llamadas 'hechos'. Se supone que F es
consistente. Las frmulas de F se interpretan como verdaderas (no son
>!
cuestionables en el sistema).
es un conjunto de frmulas (posiblemente abiertas) llamadas 'hiptesis posibles'.
Cualquier instancia fundada de un elemento de puede ser utilizada en una
explicacin si resulta consistente con los hechos y restricciones. Los elementos de
constituyen matrices productoras de instancias.
C es un conjunto (posiblemente vaco) de frmulas cerradas llamadas 'restricciones'.
Las restricciones constituyen un expediente para bloquear instancias de 's en
casos particulares no deseados. Los elementos de C no pueden cumplir una funcin
inferencial; solo inhibitoria.
De&inici6n 1< Un escenario de F,,C es un conjunto D F donde D es un conjunto de
instancias fundadas de elementos de tal que D F C es consistente.
De&inici6n @< Si x es una frmula cerrada, una explicacin de x a partir de F,, C es un
escenario de F,,C que implica (deductivamente) a x.
Es decir, x es explicable a partir de F,,C si existe un conjunto D de instancias fundadas de
elementos de tal que:
1) D F + x
2) D F C es consistente
5. Las leyes ceteris !aribus como defaults.
Entenderemos por 'default' (siguiendo a Brewka) un enunciado con posibles excepciones,
Ejemplo:
Normalmente, las aves vuelan
Es claro entonces que una ley ceteris !aribus es un default (representado en Poole por una
frmula posiblemente abierta): un enunciado que admite posibles excepciones.
ntentaremos mostrar a continuacin que el sistema de Poole, proporciona un marco formal
adecuado para la reconstruccin de las leyes ceteris !aribus, entendidas en el sentido de
Pietroski y Rey.
En el sistema de Poole, los hechos acerca del mundo se consideran verdaderos y
consistentes. Las hiptesis son menos confiables. As, la incorporacin de un nuevo hecho
fn+1 al conjunto F podra hacer que resultara inconsistente.
D Fn fn+1 (siendo D Fn consistente)
En ese caso caen (no se usan) las instancias de defaults responsables de la inconsistencia y
con ellas los enunciados que haban sido explicados con su inter- vencin. Esto ilustra la no-
monotonia del sistema y la analoga con el funcionamiento de las leyes ceteris !aribus; los
casos de la ley (instancia del default) que entran en contradiccin con algn hecho 'se
congelan'; constituyen excepciones que no afectan a la ley misma.
Pietroski y Rey no mencionan en ningn momento en su anlisis la analoga entre ley
ceteris !aribus y default. Pero una metfora que utilizan para referirse a dichas leyes parece
apuntar a esa intuicin. Dicen los autores: 'las clusulas ceteris !aribus son cheques
librados contra el banco de teoras independientes, con su esencia y garanta derivando de
la esencia y garanta de dichas teoras, las cuales determinan si el c$e'ue !uede ser
cobrado.. Esta intuicin se asemeja notablemente a la idea de Poole de que las instancias
de los defaults pueden usarse si resultan consistentes con los hechos
4
.
En el sistema de Poole, un default es empricamente irrefutable. Cada vez que surge un
conflicto (contradiccin) con un hecho dejan de utilizarse las instancias del default
responsable de la contradiccin. De este modo se preserva la consistencia y, a fortiori, el
default.
No hay un criterio que permita diferenciar excepciones: todas poseen el mismo estatuto. No
hay criterios que permitan esgrimir razones empricas para el abandono de una hiptesis, o
para la eleccin entre ellas.
La distincin de Pietroski y Rey entre excepciones aparentes (las que son
independientemente explicables en el sentido ya explicado) y excepciones genuinas no se
refleja en el sistema.
Pero la distincin de los autores se basa en un criterio metafsico. pide que para que una
excepcin sea aparente exista (hay un cuantificador existencial en la formulacion de la
conclusin) un factor interferente que cumpla el compromiso explicativo. Pero no pide que se
explicite. Ms aun, afirman que una ley ceteris !aribus todas cuyas excepciones son
aparentes, es verdadera.
Puede ocurrir que una excepcin sea independientemente explicable pero no conozcamos
esa explicacin todava (o nunca). "Pero esto es justamente afirmar que no hay
procedimiento de decisin rgido que nos diga cuando rechazar una teora y adoptar otra
5
.
?/
Si una excepcin es aparente, lo sabemos. Pero si es genuina nunca lo sabremos (no
sabemos si aun no se conoce una explicacin independiente o no la hay). En la practica
real, probablemente el cientfico la comunidad cientfica no dispues tos a reemplazar una
teora darn un voto de confianza a aquellas excepciones que no cumplen (an?) el requisito
de explicabilidad independiente. La ley puede retener su estatuto de ceteris !aribus para
siempre.
6. Conclusiones.
Las leyes ceteris !aribus admiten una reconstruccin en trminos de 'default' que resulta
intuitivamente adecuada y hace justicia a su carcter de legitimas leyes sin recurrir a
cambios de lgica. . La formulacin de Poole provee un marco formal ade- cuado y resuelve
problemas (como el de la inconsistencia, vacuidad, etc.) que presentan propuestas ms
tradicionales sin modificar el ncleo duro que es la Lgica.
Queda, como tarea futura, profundizar el estudio de la interaccin entre default y el
establecimiento de prioridades entre los mismos que Brewka propone.
????????????????????????????????????????
N"as <
1. Pietroski y Rey: When other things aren't equal: saving Ceteris Paribus laws from variety
2. Cartwright surgiere en un artculo de 1977 que la Fsica puede transformar una ley ceteris !aribus en una
regularidad legali1orme, estrechando el rango del antecedente para incluir las condiciones ceteris !aribus
en l.
3. Poole, D, 1988, pag 28.
4. Poole considera a los defaults (los elementos de ) como matrices generadoras de hiptesis (las
instancias). Nosotros consideramos a los mismo defaults como hiptesis.
5. Pietroski y Rey, ob. citada
:i)li"4ra&5a<
Brewka, G: "Nonmonotonic Reasoning: Logical Foundations of Commonsence. Cambridge Univ.
Press. 1991
Cartwright, N: Ceteris 7aribus &aws and 9ocio(Economic Mac$ines. En The Monist. Vol 78 n* 3, 1995
Cartwright, N: C$ere do laws o1 nature come 1rom?. En Dialectica. Vol 51, n*1, 1997
Fodor, J: Uou can 1ool some o1 t$e !eo!le all o1 t$e time, everyt$ing else being e'ual. En Mind. Vol
100, 1991
Pietroski, P y Rey, G: C$en ot$er t$ings arenTt e'ual saving ceteris !aribus laws 1rom vacuity. En Brit
J Phil. Vol n* 46, 1995.
Poole, D: # logical 1ramework 1or de1ault reasoning. En Artificial ntelligence. Vol n* 36, 1988.
Seccareccia, M: *$e realism o1 assum!tions and t$e !artial inter!retation view a comment. En Phil.
Soc. Sci. Vol n* 18, 1988.
Weinert, F: 8n t$e status o1 social laws. En Dialectica. Vol n* 51, n* 3, 1997.
A)!ucci6n cien5&ica< la eF,licaci6n creai0a
Ana Marostica - (FCE-UBA)
1. Inr"!ucci6n
Siguiendo el pensamiento maduro de Charles Peirce (1890-1910), se puede afirmar
que el proceso de investigacin cientfica consta de tres tipos de razonamiento distintos entre si,
abduccin, deduccin e induccin cuantitativa (que incluye la induccin estadstica). Todo este
proceso est supervisado por un tipo de induccin que Peirce llam "cualitativa" para distinguirla
de la cuantitativa que usa probabilidades (Ms 842, 1909).
Este trabajo se concentrar en el primer tipo de proceso, la explicacin abductiva, y su
relacin con conceptos tales como modelo analgico y creatividad en ciencia.
Este trabajo est organizado de la siguiente manera: En la seccin 2 se presenta las
principales caracterizaciones de abduccin presentadas por Peirce, entre 1900 y 1910, las
cuales expresan distintos aspectos de este tipo de razonamiento. Asimismo, en esta seccin se
puntualizar la distincin entre esta concepcin de abduccin y las presentadas por aquellos
que conciben a la abduccin como un tipo de deduccin (Poole, 1988, 1990; Levesque, 1989), y
los que la presentan como un tipo de induccin (Rescher, 1978; Thagard, 1988). En la seccin 3
?
se presenta a la abduccin como un proceso creativo el cual tiene que crear un modelo
analgico para poder explicar un hecho sorprendente o anmalo. En la seccin 4 se presenta el
caso de la abduccin realizada por Kepler (Astronomia Nova, 1609) cuando trat de explicar la
mocin elptica del planeta Marte. Finalmente, en la ltima seccin se sacan algunas
conclusiones relevantes.
@. La A)!ucci6n Peirceana
Peirce caracteriz muchas veces lo que entenda por abduccin y en su juventud hasta
la confundi con induccin cualitativa. Recordando algunas de las caracterizaciones de
abduccin, de su poca madura, se puede apreciar los distintos aspectos que tiene este tipo de
proceso.
En primer lugar, ya en 1901, Peirce distingue muy claramente abduccin de cualquier
tipo de induccin:
Nothing has so much contributed to present chaotic or erroneous ideas in the logic of
science as failure to distinguish the essentially different characters of different elements of
scientific reasoning; and one of the worst of these confusions, as well as one of the commonest,
consists in regarding abduction and induction taken together... as a simple argument. (CP 7.218,
1901)
Las tres caracterizaciones siguientes muestran las principales propiedades del proceso
abductivo:
1. Abduccin es "la operacin de adoptar una hiptesis explicativa" para un hecho
sorprendente anmalo. (CP 5.189, 1903)
2. Abduccin es un tipo de "instinto racional" que puede ser llamado "il lume naturale."
(CP 6.477, 1908)
3. Abduccin es "un argumento icnico." (MsL 75, 1902)
Comenzando con la primera definicin en la cual Peirce presenta a la abduccin como
un tipo de explicacin de un hecho sorprendente anmalo, se puede decir que esta hiptesis
de la cual habla Peirce es solo una mera conjetura un plpito correcto acerca de los hechos
que se quiere explicar. Pero como dice Peirce, a travs de este tipo de explicacin es como las
teoras y las concepciones cientficas son engendradas. (CP 5.590, 1906)
Peirce da la forma natural de este tipo de inferencia:
El hecho sorprendente anmalo, C, es observado;
Pero si la explicacin A fuera verdadera, C sera una cosa lgica, Por lo tanto, hay
razones para sospechar que la hiptesis A es verdadera. (CP 5.590, 1903)Peirce, en un
manuscrito anterior, present la forma lgica de este argumento en el cual se ve cmo con el
"principio lder", un enunciado general tcito relacionado con el nuevo marco donde se dar la
explicacin del hecho sorprendente, se realiza la conexin entre el enunciado que expresa el
hecho anmalo (C) y el enunciado que presenta la hiptesis explicativa de ese hecho (A).
Cualquier M es, por ejemplo, P, P', P'', etc.
S es P, P', P'', etc.
Por lo tanto, S es M. (CP 2.511-514, 1893)
En este contexto, (C) es "S es P, P', P'', etc.", (A) es "S es M", y el enunciado general
legaliforme, llamado por Peirce "principio lder" es "Cualquier M es, por ejemplo, P, P', P'', etc".
Si decimos que la abduccin es un tipo de explicacin en ciencia, queda por
determinar qu tipo de explicacin es.
Algunos autores creen que es una clase de explicacin deductiva. Pero, qu se entiende por
explicacin deductiva?
Siguiendo uno de los modelos Hempelianos (Hempel, 1948, 1966), podemos decir que
la presencia de un evento E es explicado cuando un enunciado que describe al evento es
deducido de leyes generales de la naturaleza y enunciados de condiciones antecedentes. La
forma lgica de este tipo de explicacin es como sigue:
C1, ... , Cn
El explanans
L1, ... , Lm
____________
E El explanandum
El explanans consta de dos premisas, la primera es un conjunto de enunciados singulares,
C1, ... ,Cn, que describen las condiciones iniciales relevantes, y la segunda es un conjunto de
leyes generales, L1, ... ,Lm. El explanandum, E, es un enunciado que describe el hecho que se
quiere explicar. En este esquema, E se deduce lgicamente de las premisas anteriores. En esta
deduccin se puede usar tambin los principios matemticos y las reglas de la lgica simblica.
Esto es lo esencial del modelo deductivo nomolgico deductivo (D-N).
?)
La explicacin abductiva que yo sostengo, siguiendo a Peirce, en primer lugar no tiene
la forma hempeliana deductiva de explicacin: Su forma sera:
PL (El enunciado legaliforme)
HS (El enunciado que presenta el hecho)
_____
_____
HE (La explicacin del hecho)
En este esquema podemos decir que el explanans es la hiptesis explicativa, HE, que es la
conclusin, no la premisa, del argumento; el explanandum, HS, es el hecho sorprendente
anmalo que hay que explicar y que est expresado en una de las premisas; el principio lder,
PL, es ese enunciado legaliforme que pertenece a un nuevo marco modelo en donde se da la
explicacin creativa HE, y a este principio lo encontramos entre las premisas.
La segunda diferencia con la explicacin deductiva de tipo Hempeliano, la cual es
fundamental, es que la conclusin del argumento, HE, no se sigue con necesidad de las
premisas PL y HS. Siguiendo a Hempel (Hempel, 1966) se us doble lnea para indicar este
hecho. Esto es as porque la abduccin desde el punto de vista deductivo es un esquema
invlido. Este nuevo tipo de inferencia necesita criterios para determinar, en cada caso
particular, si esta inferencia es correcta no. Cmo se explic anteriormente, los criterios ms
importantes en la abduccin son el poder explicativo y simplicidad.
Considerando que no todas las explicaciones cientficas se ajustan al modelo D-N,
Hempel propuso otro modelo nuevo, el inductivo (-P). Este tipo de explicacin, que corresponde
a un modelo probabilstico, confiere al hecho que se quiere explicar, explanandum, slo una
alta probabilidad. El explanans est compuesto por leyes probabilsticas con la siguiente forma:
"La probabilidad estadstica (es decir, la frecuencia relativa en el largo plazo) de la aparicin de
un hecho de clase G en condiciones de clase F es r" (ms formalmente, p(G,F)=r), donde 0 es
menor igual a r y ste es menor igual a 1). Adems, el explanans tiene un enunciado que
expresa la informacin adicional de que el hecho en cuestin de clase F apareci realmente. La
forma de este tipo inductivo de explicacin es como sigue:
p ( G , F ) = r
b es F
_______________
_______________
b es G
donde b es un enunciado relacionado a un caso individual. Hay que destacar que el explanans
de la explicacin probabilstica no implica necesariamente al explanandum (es decir, en este
caso "b es G").
La explicacin abductiva Peirceana, tampoco comparte las principales caractersticas
de la explicacin inductiva de Hempel. Lo nico en comn con ella es que no hay una necesidad
lgica (por lo tanto, necesidad deductiva) entre las premisas y la conclusin. Hay que recordar
que la forma de la explicacin abductiva es distinta a la de la explicacin inductiva: el explanans
no pertenece a las premisas de este argumento sino a su conclusin, y el explanandum
pertenece al conjunto de premisas, no a su conclusin como es el caso inductivo.
Otra gran diferencia es que en el caso Peirceano de explicacin no se usa
probabilidades. Siendo abduccin una "corazonada" de que cierta hiptesis explicativa del
hecho anmalo es la correcta, y como se tiene que verificar esta hiptesis en la parte inductiva
del proceso (la induccin cuantitativa es la que usa probabilidades), en esta primera parte del
proceso de investigacin cientfica slo se crea un nuevo marco de referencia para poder
explicar mejor a ese hecho sorprendente que no se poda explicar en el modelo anterior. Esa era
la razn de que ese hecho fuera sorprendente para el investigador cientfico.
Con estos dos modelos de explicacin provenientes de Carl Hempel, algunos autores
modernos, como David Poole (Poole, 1988, 1990), presentan la explicacin abductiva siguiendo
el modelo deductivo de explicacin de Hempel. Hablando de la explicacin de las observaciones
de hechos, Poole construye un escenario donde estas observaciones pueden tener lugar. En
este marco de referencia se puede "abducir" las posibles causas de esas observaciones. Poole
quiere hipotetizar conjeturas (suposiciones en casos que escapan a la normalidad) y defaults
(que constituyen suposiciones en casos normales) que expliquen esas observaciones de
hechos.
La explicacin abductiva, segn Poole, es como sigue:
Supongamos que se tiene un conjunto de hechos, F, un conjunto de conjeturas, P, y un
conjunto de defaults, D, y se observa O. Para explicar esa observacin O lo hace a partir de (F,
P+D), donde "+" es la operacin conjuntstica "unin", y "P + D" es el conjunto de hiptesis
posibles. En este marco de referencia, los conjuntos p y d, que son instancias de P y D,
?-
respectivamente, su unin (p+d) son las suposiciones de la explicacin de O, si y slo si se
tiene
que de "F + p + d" se deduce "O", y
el conjunto "F + p + d" es consistente.
Este tipo de abduccin es netamente deductiva, por lo tanto es contraria a la
concepcin de Peirce. Poole no lo menciona a Peirce y s lo menciona a Hempel en sus
referencias. Por lo tanto, esta concepcin de explicacin abductiva de Poole es un tipo particular
de explicacin relacionada con el modelo deductivo de Hempel.
Hector J. Levesque (Levesque, 1989), tambin piensa que la abduccin es un tipo de
explicacin deductiva. Est influenciado por el trabajo de Poole que considera a la abduccin de
ese modo. Levesque cita un trabajo de Poole de 1988, que parece una versin ms antigua del
paper de 1990 ya que tienen el mismo ttulo.
Levesque pertenece a la Universidad de Toronto (Department of Computer Science),
en esta universidad existe una gran tradicin semitica y hay muchos especialistas de Peirce.
Por lo tanto, Levesque comienza su trabajo, (Levesque, 1989), citando a Peirce y da una
caracterizacin de abduccin que Peirce sola usar: dado sentencias A,B, y C(A,B), a partir de
B y C(A,B), se abduce A. Donde "C(A,B)" significa "Si A, entonces B". En este esquema
Peirceano, "Si A, entonces B, y B" se infiere "A", A explica B. Despus Levesque dando primero
definiciones de modelos formales de creencia, (donde la creencia implcita usa el operador de
creencia Bi y la creencia explcita usa el operador de creencia Be), puede definir explicacin
abductiva. El problema comienza cuando el trata de probar algunos teoremas, por ejemplo,
prueba que "la forma de razonamiento abductivo limitado para creencia explcita "abd[S,B]",
(donde "S" es un conjunto de clusulas de Horn que implica lgicamente creencias explcitas, y
"B" es la sentencia que se quiere explicar), calcula correctamente todas las explicaciones ms
simples relacionadas con el tipo de creencia explcita."
Lo que no explica Levesque es cmo de un esquema invlido como la abduccin
presentada ms arriba, y de la suposicin de que se est usando la sustitucin uniforme de los
sistemas deductivos, se pueda prevenir que una contradicin se introduzca en su sistema.
Como no hay ningn recaudo formal para evitarla, la contradiccin se propagara a todo el
sistema. Ese es el gran problema de la deduccin: si se acepta un esquema invlido como
axioma o premisa, la consistencia del sistema desaparece.
Hay otros autores contemporneos (Rescher, 1978; Thagard, 1988) que consideran a
la abduccin como un tipo de induccin. N. Rescher cree que la induccin cualitativa Peireana
es un mtodo de hiptesis virtualmente indistinguible del mtodo hipottico-deductivo de
Popper. Este tipo de induccin, de acuerdo a Rescher, eat compuesta de dos partes:
abduccin y retroduccin. La primera permite al cientfico conjeturar una multitud de hiptesis
explicativas. La segunda permite al investigador reducir el nmero de hiptesis, planteadas en la
parte abductiva, a la ms aceptable a travs de un testeo emprico. Por lo tanto, de acuerdo a
Rescher,la induccin cualitativa de Peirce puede ser esbozada del siguiente modo: (a) Se
observan fenmenos, (b) una serie de hiptesis explicativas H1, ... , Hn, imaginativamente se
proyectan para explicar esas observaciones (abduccin), (c) las hiptesis son luego testeadas
por el proceso familiar de explotarlas como base de las prediccines; estas predicciones se
checkean luego en el curso real de los hechos. La hiptesis que se sostiene mejor ante este
tribunal es tentativamente adoptada por sobre todas las dems alternativas hasta que esta
hiptesis es rechasada en una secuencia posterior de testeo de hipotesis (retroduccin).
En la explicacin de Rescher es muy confusa la distincin entre induccin cualitativa e
induccin cuantitativa. Tal vez esto se deba a que Rescher no ley ningn manuscrito de Peirce
y se bas en los Collected Papers of Charles Sanders Peirce que no respetan las etapas en el
pensamiento de ese autor porque mesclan partes de los manuscriptos de la juventud de Peirce
con otros de sus ltimos aos. La induccin cuantitativa en Peirce, como lo ve Rescher, es que
usa estadstica, lo que es correcto. Pero que las partes de este tipo de induccin sean iguales a
los de la induccin cualitativa, (1) abduccin (la formulacin y la seleccin de hiptesis), y (2)
retroduccin (el testeo y la eliminacin de hiptesis) est mal por muchas razones. En primer
lugar, para Peirce, la induccin cuantitativa es fundamentalmente generalizacin estadstica no
abduccin y retroduccin. En segundo lugar los principios heursticos usados por la induccin
cualitativa son la plausibilidad, (que realiza un investigacin heurstica entre las hiptesis
explicativas que se formularon en la abduccin, y luego selecciona la hiptesis ms plausible,
valga la redundancia), y la verosimilitud, (que evalua si el muestreo tiene los elementos
correctos para una buena generalizacin). Estos dos principios no tienen nada que ver con la
teora de las probabilidades. (Carta a P. Carus de Enero 5, 1910)
Los trminos "abduccin", "retroduccin", "hiptesis", etc., son trminos usados por
Peirce en distintas etapas de su vida y se refieren, fundamentalmente al proceso de concebir la
?>
mejor hiptesis explicativa para un hecho sorprendente. A este proceso, en sus ltimos aos, lo
llam "abduccin".
Otro planteo inductivista de la explicacin abductiva fue dado por P. Thagard
(Thagard, 1988). Este autor trat de incorporar la abduccin en un programa de inteligencia
artificial llamado P (Processes of nduction). P implementa en lenguaje LSP un modelo
general de solucin de problemas e inferencia inductiva. De acuerdo a Thagard, P realiza
induccin slo en el contexto de solucin de problemas. En este contexto, la abduccin depende
de la solucin de problemas y de la induccin cuantitativa. El papel de la deduccin no est
contemplado ya que Thagards menciona en este contexto las "predicciones novedosas". Si esto
es as, estas predicciones tienen que ser inferencias inductivas. Este autor est influenciado por
Hempel y Rescher, que figuran en las referencias de su libro. Tambin figura el volumen 8 de
los Collected Papers, pero no es Peirceana su presentacin de la explicacin abductiva.
L. M"!el" Anal64ic" . Creai0i!a!
En la segunda seccin present algunas definiciones de abduccin relacionadas con el
pensamiento maduro de Peirce. Las definiciones 1, 2 y 3 estn relacionadas porque muestran
distintos aspectos de la explicacin abductiva.
Concentrndonos en los aspectos creativos de la abduccin comenzamos con ese
marco de referencia modelo que se crea cuando se quiere conectar conceptos que no fueron
conectados antes.
El trmino "modelo" tiene muchas acepciones. Se puede hablar de modelo en lgica formal,
esto significa que se tiene una interpretacin verdadera de un sistema teora formal. Otros
modelos conocidos son los matemticos en los cuales el conjunto de relaciones mapeables
estn fuertemente constreidas y las reglas para concatenar las relaciones estn bien
especificadas. En ciencia, estn adems, la nocin de modelo como rplica, los modelos en
escala y los modelos analgicos, que estn ms cerca de la nocin de modelo en el lenguaje de
todos los das. Entre todas estas nociones, la ms importante en ciencia es la del modelo
analgico.
La relacin entre modelo y cosa modelada es una relacin de analoga. Una analoga
es una relacin entre dos mas objetos que permiten inferencias acerca de uno objeto en base
al otro (u otros) objeto(s). Hay dos tipos de relacin de analoga conectados con los modelos en
las ciencias. En primer lugar, existen analogas formales, que son analogas estructurales
isomorfismos entre, por ejemplo, el modelo y el sistema al cual est relacionado. Podramos
decir que los modelos lgicos y los matemticos son modelos analgicos que comparten
analogas formales. En segundo lugar, tenemos las analogas materiales como por ejemplo una
rplica y su sistema progenitor que es algo material. La rplica y el sistema comparten no slo
la forma sino tambin el material; por ejemplo, el ala de un avin y su rplica. Ambas analogas
implican positivas analogas (el conjunto de similaridades) y negativas analogas (el conjunto de
diferencias). Las analogas formales y materiales son analogas literales. Hay otro tipo de
analogas, las analogas figurativas, como las metforas.
Peirce tambin habl de las analogas y de los razonamientos por analoga. En 1896,
recuerda que la analoga ya era usada por Aristteles que la llamaba paradeima (que significa
"patrn", "ejemplo", "modelo"). Las inferencias por analoga combinan el caracter de la
induccin (actualmente, las inferencias analgicas estn catalogadas como inferencias de
muestreo a muestreo dentro de una poblacin) y la abduccin que es la adopcin provisional de
una hiptesis explicativa. (CP 1.65) En el mismo manuscrito dice que el razonamiento analgico
es un tipo de inferencia en el cual, en una coleccin de objetos no muy grande, si los objetos
coinciden en varios aspectos, entonces pueden muy bin coincidir en otros aspectos. Por
ejemplo, la Tierra y Marte concuerdan en muchos aspectos y podran coincidir en que los dos
sean habitables. (CP 1.69) Para Peirce, las analogas, intervinientes en las inferencias de ese
tipo, son un tipo de relaciones. Ya l las consideraba un tipo de mapeo.
Volviendo a nuestros tiempos, nos podramos preguntar qu tipo de informacin
transmite una analoga. Estudios en psicologa cognitiva demostraron que las analogas
seleccionan cierto aspectos de un conocimiento existente y que este conocimiento seleccionado
puede ser caracterizado estructuralmente. (Gentner and Gentner, 1983) La analoga literal (por
ejemplo, "El tomo de hidrgeno es como el sistema solar") transmite conocimiento
superpuesto entre posicin espacial relativa, movimiento relativo, fuerzas internas, y las masas
relativas del tomo y del sistema solar; pero no transmite conocimiento acerca de que los
objetos en los dos dominios sean iguales. La analoga, realmente, transmite conocimiento
superpuesto de las relaciones entre objetos. Pero esta superposicin no est relacionada con
las caractersticas de los objetos mismos.
Los cientficos cuando estaban elaborando una teora, reportaron que usaron
analogas en su desarrollo. Por ejemplo, S. Glashow, el Premio Novel en fsica nuclear, en su
??
discurso en 1979, dijo haber usado analogas cuando desarroll su teora de interacciones
electromagnticas. (Gentner and Gentner, 1983). Todo cientfico sabe que las analogas son
usadas para generar inferencias acerca del tema que estn investigando. Pero cul es ese
marco de referencia terico para el proceso analgico? Gentner y Gentner lo llaman mapeo de
estructuras (structure-mapping). Este mapeo es un tipo de modelo mental entre dos dominios,
el dominio base y el dominio meta (target domain).
Este modelo mental, de acuerdo a los autores citados, tiene dos tipos de reglas
estructurales implcitas:
1. Preservacin de las relaciones: si una relacin existe entre los objetos de la base,
entonces el modelo le hace corresponder la misma relacin entre los objetos de la meta.
2. Sistematicidad: El conjunto de relaciones inter-restrictivas son particularmente
importantes en analogas explicativas. Por lo tanto, una relacin que est implicada por una
relacin de orden superior, potencialmente vlida, tiene mayor peso que una relacin aislada.
Se puede decir que los modelos matemticos representan la sistematizacin ms alta.
Ahora bin, los modelos mentales estn basados en la formacin de imgenes. La
informacin bsica para formar imgenes mentales son los componentes de la situacin; su
organizacin y estructura, son las relaciones kinemticas entre los elementos y el proceso (si se
usa una imagen para representar un proceso). Hay dos maneras bsicas de formar imgenes
mentales. La primera forma es cuando se lee para comprender y tener ms informacin; este
tipo de formacin est basada en la atencin. La segunda forma es cuando se quiere solucionar
un problema; este tipo de formacin de imgenes est basada en la meta del problema. Esta
ltima forma est orientada por una tarea especfica que hay que realizar. (Qin & Simon, 1995).
Las imgenes mentales, en este ltimo sentido, estn conectadas con los modelos mentales en
la mente del cientfico. Estos modelos son estructuras cognitivas en la mente del sujeto, las
cuales estn relacionadas con el conocimiento que tiene el hombre de ciencia del campo de
investigacin relacionado con un tema determinado. Defectos en el modelo mental puede
causar que el sujeto forme una imagen mental que no corresponde a la situacin real, formar
el cono apropiado pero con valores errneos, como se ver en el caso de la posicin del sol en
la teora vicaria (vicarious theory) de Kepler.
Retomando las dos ltimas caracterizaciones de abduccin dadas por Peirce, vemos
que las dos apuntan a los procesos creativos. La segunda caracterizacin, que dice que la
abduccin es un instinto racional que puede ser llamado il lume naturale, se refiere a dos de las
fases de los procesos creativos, la incubacin y la iluminacin. (Wallas, 1926, 1970) Wallas
identifica cuatro momentos en el proceso creativo: preparacin, incubacin, iluminacin, y
verificacin. La preparacin se caracteriza por la investigacin conciente del problema a
resolver. La incubacin es un trabajo inconciente de como encontrar la solucin del problema.
De este trabajo no se da cuenta el sujeto, que concientemente est dedicado a otra actividad. La
iluminacin se caracteriza por la sbita aparicin de una nueva idea que permite apreciar donde
est la solucin del problema. Por ltimo, la verificacin es similar a la preparacin que
involucra trabajo conciente de como se soluciona el problema. Weisberg (1986) sostiene que
creatividad es un tipo de solucin de problemas, y la dificultad radica en la adquisicin de la
informacin correcta para resolver el problema. La posicin de Weisberg complementa la de
Wallas.
En la abduccin tenemos todas las etapas de un proceso creativo, y el descubrimiento
de la hiptesis explicativa corresponde a la fase de iluminacin destacada por Wallas.
Cuando Peirce dice que es un instinto racional, en este proceso encontramos todas las
fases de los instintos (es decir, (a) tiene el mecanismo interno que se activa ante un estmulo;
esta fase en la abduccin la realiza la observacin del hecho sorprendente, anmalo, que es el
elemento irritativo que destruye el equilibrio que exista en la mente del investigador. (b) Esta
condicin interior busca producir una nueva situacin que restablezca el equilibrio; el
pensamiento busca ayuda en el cerebro. Esta fase corresponde con el perodo de incubacin, el
cual es esencial en un proceso creativo como la abduccin. En esta face la abduccin trata de
crear, de una manera inconciente, un nuevo modelo en el cual se pueda explicar al hecho
sorprendente. (c) Finalmente, en la ltima fase en la cual se encuentra la respuesta a travs de
un acto consumado, se restablece el equilibrio del sistema. En esta fase, la hiptesis explicativa
representa el hecho consumado en el cual la respuesta es encontrada. Peirce llama a esta fase
il lume naturale, que corresponde al momento de iluminacin en los procesos creativos.
La tercera caracterizacin de abduccin como explicacin creativa que di Peirce est
relacionada con semitica. (Marostica, 1995) Decir que abduccin es un argumento icnico
quiere decir que ella comparte con los conos ciertas propiedades. Una de las propiedades
esenciales de los conos es que slo a travs de ellos se puede comunicar ideas directamente y
lo que es ms importante, desde el punto de vista de la creatividad, es que a travs de ellos se
?1
pueden comenzar ideas nuevas. (CP, 7.205, 1901)
Si la abduccin es un signo icnico debe tener, de acuerdo a Peirce, un objeto y un
interpretante ( significado). El hecho sorprendente es el signo mismo, la hiptesis explicativa
es el objeto de este signo, y el principio lder es el interpretante del signo. Como en este proceso
icnico que es la abduccin, la hiptesis explicativa (el objeto del signo) es la explicacin del
hecho sorprendente (el signo mismo), no sorprende que Peirce dijera en 1906 que "cada cono
comparte algunos caracteres manifiestos de su objeto." (CP, 4.531) Veremos en la seccin
siguiente, con el ejemplo de la abduccin de Kepler, que "el tener problemas con la calculacin
de las posiciones de Marte relacionadas con una rbita circular," que es el signo del proceso
icnico, comparte con su objeto, "la rbita de Marte es elptica", caracteres manifiestos.
G. La A)!ucci6n !e -e,ler
Como un ejemplo de explicacin abductiva, Peirce ofrece el caso de Kepler cuando
descubri la verdadera rbita de Marte (Astronomia nova, 1609). En una manera muy
simplificada la abduccin de Kepler fu del siguiente modo:
Marte tiene problemas de calculacin de sus posiciones relacionadas con una
rbita circular (es decir, Marte tiene las posiciones P1,...,Pn, y P1,...,Pn no son posiciones
relacionadas con una rbita circular. (Hecho Sorprendente)
_________________________________________________________
_________________________________________________________
Marte tiene una rbita elptica. (Hiptesis Explicativa)
Lo que Peirce llamaba el Principio Lder (Marostica,1993) es, en el caso de Marte el siguiente
enunciado legaliforme:
Todos los planetas con rbitas elpticas tienen problemas de calculacin de sus
posiciones relacionadas con rbitas circulares.
Este principio lder est relacionado con el nuevo modelo que tuvo que encontrar Kepler para
poder relacionar, creativamente, rbitas de planetas con elipses.
En este proceso icnico (Marstica, 1995), el reconocimiento de la representacin del
signo (el hecho sorprendente) fu un descubrimiento que le tom a Kepler muchos aos de
investigacin. Este hecho era sorprendente anmalo porque Kepler no poda explicar el por
qu, usando la teora oficial que deca que los planetas se movan en perfectos crculos y a
velocidad uniforme, (hecho que hasta Copernico acept), no pudiera calcular correctamente la
rbita de Marte. Este proceso abductivo, al ser icnico, el signo mismo (es decir, el hecho
anmalo) se parece al objeto real de ese signo (es decir, la orbita de Marte es elptica), que al
no ser circular, los errores en la calculaciones relacionadas con la teora circular eran de
magnitud de arcos hasta de ocho minutos, hecho que no pas cuando se us la teoria elptica
para las calculaciones de posiciones del planeta.
Para Peirce, la principal clasificacin de los signos es de acuerdo al objeto real del
mismo. (Marstica, 1995) En esta clasificacin tenemos los conos, los ndices, y los smbolos.
En nuestro caso, los signos importantes son los conos. Estos signos se dividen a su vez en
imgenes, que comparten con su objeto relaciones de parecido; entre las imgenes se destacan
las imgenes mentales, las cuales fueron analizadas en la seccin anterior ya que estn
conectadas con los modelos mentales, tan importantes en la investigacin cientfica. El segundo
tipo de conos es el de los diagramas. Este tipo de conos, de acuerdo a Peirce, representan
relaciones, especialmente didicas. Los diagramas son muy importantes en la actualidad,
especialmente para las ciencias cognitivas y computacional. Ellos son un recurso pictrico que
permiten realizar inferencias donde se ahorran "diez mil palabras" (Larking y Simon, 1995).
Finalmente, el ltimo tipo de cono son las comparaciones que representan un paralelismo
general con alguna otra cosa. Las metforas son comparaciones muy generales de tipo
abstracto. Estas comparaciones, en general, son una ayuda muy valiosa en la investigacin
cientfica. Estas comparaciones son consideradas actualmente como tipos de analogias,
formales materiales, que permiten resolver problemas mapeando la meta de un ejemplo
anterior en la meta del ejemplo presente. Y esto es muy til porque el ejemplo anterior podra
tener informacin sobre sus precondiciones que pueden ser usadas en el ejemplo presente.
(Anderson, 1993)
nvolucrados en la abduccin de Kepler, encontramos todos estos tipos de conos
mencionados anteriormente. Estos signos pertenecen al predicado del enunciado expresando el
hecho sorprendente (Marostica, 1995). Por la observacin directa de esos conos, por contraste,
Kepler descubri la rbita real de Marte. Los conos especficos involucrados en este proceso
estn relacionados con los problemas que Kepler tena con su teora vicaria (Vicarious Theory).
Como ejemplo de esos conos, podemos recordar los siguientes: en primer lugar, Kepler tena la
idea de que deba tratar al Sol como el centro de sus calculaciones. El hizo que las distancias y
?.
posiciones de los planetas fueran relativas al Sol, no a la Tierra ni al centro del sistema.
(Ver Grfico n.1)
En esta rbita vicaria, F, G, H, e son posiciones de Marte determinadas por cuatro
observaciones acrnicas. AB es la lnea de las absidas, S es el Sol, E el punto ecuante, y C es
el centro de la rbita.
La correcta posicin del Sol en el sistema vicario fue como una imagen mental, que
una vez establecida, permiti a Kepler descubrir otras verdades: por ejemplo, que el Sol
ocupaba no el centro exacto de su rbita sino uno de los dos focos de la elipse en S. Esto
significa que Kepler pudo organizar toda esa informacin de esa imagen mental y usarla para
descubrimientos posteriores.
(Ver Grfico n.2)
En esta rbita elptica, ABC es la elipse verdadera, a medio camino del crculo ADB y del primer
valo AEB. Los arcos de los sectores sombreados (igualdad en reas) son recorridos en
tiempos iguales (Segunda Ley de Kepler).
Como segundo tipo de conos relacionados con la rbita vicaria de Kepler est el
problema del arco de ocho minutos, mencionados anteriormente. Tratando de determinar la
correcta posicin de Marte, Kepler corrigi sus latitudes para hacerlas exactas. Sin embargo,
estas modificaciones introdujeron una psima correccin en sus longitudes. Es decir, que las
posiciones de Marte que haba observado diferan de lo que su teora demandaba hasta arcos
de ocho minutos. Algunos cientficos anteriores, como Copernico, podran haber aceptado esas
diferencias. Pero Kepler, estando al lado de Tycho Brahe, no poda estar satisfecho hasta que
pudiera explicar esos minutos. En el problema del arco de ocho minutos, otro tipo de cono est
involucrado: un diagrama. Este tipo de cono fue para Kepler una representacin diagramtica
del problema que tena; fu un cono de relaciones inteligibles. Este diagrama, tuvo tambin la
propiedad caracterstica de los conos, que "por la directa observacin de l, otras verdades
relacionadas con su objeto pueden ser descubiertas, que van ms all de su mera
construccin." (CP, 2.279, 1902) Como Kepler no se permiti ignorar este problema, esos ocho
minutos le sirvieron de base para intentar una completa reformulacin de la astronoma de su
poca. Su Segunda Ley no determinaba la forma de la rbita de Marte. La discrepancia de ese
arco de ocho minutos fue la razn de que Kepler no pudiera establecer la rbita real del planeta.
Esta representacin pictrica de relaciones "ahorraron diez mil palabras". (Larking y Simon,
1995)
Otro ejemplo de los conos involucrados en el predicado del enunciado del hecho
sorprendente de la abduccin de Kepler, podemos recordar las comparaciones realizadas por l
cuando trataba de construir la rbita de Marte. Kepler quera reconstruir esta rbita sin tener en
cuenta ideas relacionadas con la teora de esos tiempos que determinaban una forma particular.
Para poder dejar de lado toda la informacin anterior, l hizo comparaciones entre un
observador terrqueo del planeta Marte y un posible observador marciano del planeta Tierra.
Fu necesario, en primer lugar reexaminar la mocin de la Tierra misma, ya que la Tierra es
nuestro observatorio. Si hubiera alguna misconcepcin relacionada a su mocin, todas las
conclusiones acerca de los movimientos de otros planetas eataran distorcionados. Copernico
haba asumido que la Tierra se mova a velocidad uniforme. Los otros planetas, de acuerdo a
este astrnomo, se movan quasi-uniformemente relativo a algn ecuante epiciclo. De aqu
que la tarea de Kepler fu determinar, de una manera m precisa que la que hizo Copernico, la
mocin de la Tierra alrededor del Sol. Para hacer esto, l us la artimaa de transferir las
posiciones del observador de la Tierra exactamente como lo habra hecho un astrnomo de
Marte. Por esta comparacin, como en el caso de los otros conos, Kepler pudo descubrir
algunas otras verdades concernientes a la real rbita de Marte. Es decir, que la Tierra, como
cualquier otro planeta, (por ejemplo, Marte) no revoluciona a una velocidad uniforme, sino ms
ligero en su Perihelion y ms despacio en su Aphelion.
La ltima parte de este proceso icnico para descubrir el objeto real de este signo,
tom casi dos aos. Encontrar la rbita elptica de Marte fue un hecho nuevo de la mente
creativa de Kepler. Si ponemos esta abduccin como una manera de solucionar problemas, en
el caso de Kepler, slo se conoca el estado inicial del problema (el hecho sorprendente) no se
saba el estado meta (es decir, que la rbita de Marte era elptica, no circular), y no se tena ni
idea de qu operadores usar para solucionar este problema. Kepler tuvo que crear un modelo
nuevo para poder conectar el hecho sorprendente con la hiptesis explicativa.
1. N"as 9inales
En este trabajo trat de presentar las principales caractersticas del razonamiento
abductivo siguiendo la concepcin de Peirce, pero dentro del marco moderno de las ciencias de
la cognicin. Tambin present las razones por las cuales este tipo de explicacin es totalmente
distinta de los otros tipos de explicacin abductiva, que la reducen a la deduccin (Poole y
?=
Levesque) a la induccin (Rescher y Thagard). El que se la pueda considerar como una
explicacin de tipo creativa, como sugera Peirce, coloca a este tipo de interpretacin de la
abduccin (un proceso creativo que tiene que crear un modelo analgico para explicar un hecho
sorprendente anmalo), ms cercano a lo que realmente sucede en la prctica cientfica. El
caso de la abduccin de Kepler es paradigmtico, ya que muestra todos los aspectos creativos
e icnicos involucrados en una explicacin abductiva en ciencia.
???????????????????????????????????????????
Re&erencias <
Anderson, J.R. (1993). "Learning". En: J.R. Anderson (Ed.). Rules of the Mind. London: Lawrence Erlbawm
Associates, Publishers, pp. 69-92.
Gentner, D. et al. (1983). "Mental Models of Electricity". En: D. Gentner et al. (Eds). Mental Models.
London: Lawrence Erlbaum Associates, Publishers, pp. 99-129.
Hempel, C. y Oppenheim, P. (1948). "Studies in the Logic of Explanation". Philosophy of Sciences, Vol. 15, pp.
135-175.
Hempel, C. (1966). Philosophy of Natural Sciences. London: Prentice-Hall nternational.
Larkin, J.H. y Simon, H.A. (1995). "Why a Diagram is (Sometimes) Worth Ten Thousand Words". En:
J.Glaslasgow, et al. (Eds). Diagrammatic Reasoning. Cognitive and Computational Perspectives.
Cambridge, MA: The M..T. Press, pp. 69-110.
Levesque, H. (1989). "A knowledge Level Account of Abduction". Proceedings of the Eleven
nternational Join Conference on Artificial ntelligence. San Mateo, CA: Morgan Kaufmann, pp.
1061-1067.
Marostica, A. (1995). "cons & Science: A Peircean Perspective". Semiotische Berichte. Bildsprache
Visualisierung Diagrammatik. Wien, sterreich, pp. 201-215.
Peirce, C.S. (1967). Collected Papers of Charles S. Peirce. Vol. - V, Eds. C. Hartshorne, P. Weiss, y A.W.
Burks. Cambridge, MA:The Belknap Press of Harvard University Press.
Peirce, C.S. (1967). Manuscripts and Letters. As Arranged in Annotated Catalog of the Papers of
Charles S. Peirce. Por R.S. Robin, University of Massachusetts Press.
Poole, D. (1990). "A Methodology for Using a Default and Abductive Reasoning System". nternational
Journal of ntelligent System 5, pp. 521-548.
Qin, Y. y Simon, H. (1995). "magery and Mental Models in Problem Solving". En: J.Glasgow, et al. (Eds.).
Diagrammatic Reasoning. Cognitive and Computational Perspectives. Cambridge, MA: The M..T. Press,
pp. 403-434.
Rescher, N. (1978). Peirce's Philosophy of Science. Notre Dame, London: University of Notre Dame
Press.
Thagard, P. (1988). Computational Philosophy of Science. Cambridge, MA: The M..T. Press.
Wallas, G. (1970). The Art of Thought. New York: Harcourt, Brace and World, Publishers.
Weisberg, R.W. (1986). Creativity: Genious and Other Myths. New York: W.H. Freeman, Publisher.
Acerca !e la su,uesa eserili!a! !e la !isinci6n enre alea"rie!a! e inceri!u#)re
en ec"n"#5a.
Adriana Spehrs (UBA, Facultad de Ciencias Econmicas y Facultad de Filosofa y Letras)
8resentacin.
De acuerdo con la opinin de Jochen Runde
1
, los economistas podran clasificarse
en dos categoras segn cul sea la interpretacin del concepto de probabilidad que
acepten, pues, o bien adhieren a lo que este autor denomina 'la concepcin tradicional' o
bien adoptan la concepcin bayesiana. Quienes defienden la primera de estas posturas,
sostienen que las creencias slo pueden ser consideradas como correspondientes a
probabilidades puntuales en aquellas situaciones que se asemejan a los juegos de azar.
Quienes aceptan la postura bayesiana, en cambio, consideran que las creencias deberan
ser tratadas como probabilidades puntuales que se intrOducen en economa va teora de la
decisin y que emergen como parmetros de eleccin consistente.
De este modo, uno de los rasgos ms importantes de la concepcin bayesiana es
que permite la aplicacin de una teora para la eleccin racional an en aquellas situaciones
en las que no se pueden determinar probabilidades objetivas. Este rasgo no slo ha
contribuido a incrementar la popularidad de esta postura en teora econmica, sino tambin
a desestimar la relevancia para el anlisis econmico de la distincin entre aleatoriedad e
incertidumbre afirmada por la concepcin tradicional. Pero aunque algunos defensores de la
concepcin bayesiana han considerado que esta distincin es estril
2
, no obstante, en el
?!
campo de la economa y la teora de la decisin, han surgido corrientes que, a pesar de su
inspiracin bayesiana, revalorizaron esta distincin.
3
En esta comunicacin nos proponemos, en primer lugar, analizar el modo en que
se ha justificado la distincin entre aleatoriedad e incertidumbre en el marco de lo que
Runde denomina 'la concepcin tradicional'. En segundo lugar, discutiremos los
fundamentos en los que se basa la opinin bayesiana de que la distincin en cuestin es
estril, con la intencin de mostrar que esta concepcin no logra eliminar tal distincin.
Analizaremos, adems, las razones que justifican la popularidad de la concepcin bayesiana
en la teora econmica moderna. Finalmente, estudiaremos algunas de las consecuencias
que se derivan de la postura que denominaremos "bayesianismo disidente, que reivindica la
distincin entre aleatoriedad e incertidumbre fundndose en la crtica de algunos de los
supuestos del bayesianismo ortodoxo.
7leatoriedad e incertidumbre en la concepcin tradicional.
Pese a las profundas divergencias entre la interpretacin lgica y la interpretacin
frecuencial de la probabilidad, Runde sostiene que ambas comparten un criterio ontolgico
comn para fundamentar la distincin tradicional entre aleatoriedad e incertidumbre. En
efecto, de acuerdo con la concepcin tradicional, una situacin o experimento aleatorio es
aquel en el cual las creencias del agente acerca de los posibles resultados son -o estn
fundadas en- probabilidades puntuales definidas como una proporcin numrica entre clases
de eventos. Por el contrario, cuando las creencias del agente no tienen tal fundamento,
estamos ante una situacin de incertidumbre.
Knight
4
, defensor de la concepcin frecuencial consideraba esta distincin entre
aleatoriedad e incertidumbre no como una simple dicotoma, sino como una gradacin
continua de situaciones en las que tenemos eventos empricos slo son ms o menos
homogneos. Este continuo tendra como casos lmites el caso ideal en el cual las
alternativas son posibilidades abstractas, y por eso mismo, perfectamente homogneas, y
en el extremo opuesto, aquellas situaciones en las que no se puede determinar la
probabilidad de las alternativas posibles. En el caso ideal en que las alternativas son
perfectamente homogneas y mutuamente excluyentes, la probabilidad de stas puede
computarse sobre la base de principios generales propios de la denominada concepcin a
priori de la probabilidad, es decir, como un cociente entre casos favorables y casos posibles.
Knight diferenciaba esta nocin de probabilidad a priori de la probabilidad estadstica, que se
refiere a eventos empricos en lugar de referirse a posibilidades abstractas, como la
probabilidad a priori. La probabilidad estadstica se define como la frecuencia relativa con la
cual cierto tipo de eventos ocurre dentro de una determinada clase de referencia.
De acuerdo con Knight, si bien la nocin de probabilidad estadstica es ms
relevante en el mbito de la economa que la nocin de probabilidad a priori, aquella no es
siempre lo suficientemente definida como para emplear el clculo matemtico de
probabilidades para su determinacin. Pues sto slo puede hacerse en el caso de que las
alternativas sean realmente equiprobables o lo suficientemente homogneas como para ser
tratadas como si lo fueran. Por esta razn, Knight concluye que el tratamiento estadstico no
proporciona resultados exactos, pero no intenta superar esta situacin mediante, por
ejemplo, una definicin de la nocin de probabilidad estadstica entendida como el lmite de
la frecuencia relativa en una serie infinita.
Por su parte, Keynes
5
propone una interpretacin de la probabilidad entendida
como una relacin lgica de implicacin parcial entre enunciados. As, la probabilidad lgica
de una hiptesis h con respecto a otro enunciado e referido a la evidencia disponible que
sustenta a la hiptesis h es una generalizacin de la relacin de implicacin lgica. De modo
que si h es una consecuencia lgica de e, la probabilidad de h con respecto a e asumir el
valor 1, pero si la negacin de h es una consecuencia lgica de e, entonces la probabilidad
de h con respecto a e asumir el valor 0. Y, en el resto de los casos, la probabilidad lgica
de h con respecto a e -y el grado de creencia racional que e garantiza para h- alcanzar
algn valor intermedio entre estos dos extremos. Sin embargo, los grados de creencia
racional a los que Keynes se refiere no pueden ordenarse linealmente. De este modo,
Keynes desarrolla una lgica de la probabilidad cualitativa a partir de combinaciones
binarias de relaciones probabilsticas, pero slo en circunstancias especiales tales
comparaciones pueden traducirse en trminos de probabilidades puntuales. Pues, de
acuerdo con Keynes, la condicin necesaria para que esto suceda es que en tal situacin
pueda aplicarse legtimamente el principio de indiferencia. Este principio, que afirma que no
debe haber razones conocidas para preferir una alternativa con respecto a las dems de un
conjunto de alternativas posibles, es el criterio por el cual las hiptesis alternativas pueden
ser juzgadas como equiprobables. De acuerdo con la reformulacin keynesiana de este
1/
principio, la evidencia disponible debe ser simtrica con respecto a cada una de las
alternativas, de modo tal que no debe haber evidencia relevante que sustente una de las
alternativas y que no sustente del mismo modo todas las dems. Keynes elabora adems un
segundo requisito necesario para la legtima aplicacin del principio de indiferencia, que
exige que las alternativas relevantes sean "ltimas o indivisibles. Este requerimiento
asegura que las alternativas a las que se les asignar una probabilidad no podrn ser
ulteriormente divididas en subalternativas ms elementales, condicin que es necesaria para
evitar las paradojas clsicas que se presentaban al aplicar ingenuamente el principio de
indiferencia. As, con el enfoque keynesiano, es posible determinar una probabilidad
numrica para cada alternativa, si se ha garantizado ya que dichas alternativas son
equiprobables, indivisibles, mutuamente excluyentes y que constituyen un conjunto
exhaustivo.
De acuerdo con Runde, el enfoque de Keynes podra ser descripto como un intento
de reducir las probabilidades estadsticas a algo parecido a probabilidades a priori. As,
aunque la interpretacin de la probabilidad propuesta por Keynes es generalmente
considerada como opuesta a la interpretacin frecuencial, Runde sostiene que la opinin de
Keynes es la de que las probabilidades estadsticas son un caso particular de su
interpretacin lgica de la probabilidad. Pues las frecuencias relativas estn siempre
referidas a alguna clase de referencia, y el problema que enfrentan los tericos de la
interpretacin frecuencial es el de encontrar la clase de referencia apropiada. Keynes aduce
que la eleccin de la clase de referencia se reduce a juicios acerca de la equivalencia del
sustento evidencial con respecto a cada una de las alternativas. Si esto es as, entonces las
frecuencias relativas mismas estn fundadas sobre juicios de equiprobabilidad comparativa.
ndicamos ya que las interpretaciones de la probabilidad propuestas
respectivamente por Knight y Keynes fueron, generalmente, consideradas como contrarias.
Pues la interpretacin lgica de la probabilidad sostenida por Keynes es considerada como
un ejemplo de probabilidad epistmica, de la probabilidad interpretada como una propiedad
del modo en el cual nosotros pensamos acerca del mundo externo. En cambio, en la
interpretacin de Knight, la probabilidad parecera ser considerada como una propiedad
mensurable de las entidades del mundo externo. Esta diferencia tiene su paralelo en la
manera cmo cada uno de estos autores concibieron el concepto de indiferencia, ya que
mientras que Knight parece identificar la indiferencia con brechas en la determinacin causal
de la realidad, Keynes la identifica con brechas en nuestro conocimiento de la determinacin
causal de la realidad. Pese a estas divergencias, Runde afirma que las condiciones para la
determinacin de las probabilidades numricas son las mismas en ambas concepciones,
pues en ambas se supone la existencia de clases identificables de alternativas equiprobables
e indivisibles. Pero adems de este presupuesto ontolgico comn, ambas posturas
comparten una concepcin epistemolgica que pone en tela de juicio la supuesta objetividad
de los juicios de probabilidad. As, Knight advierte que los juicios de equiprobabilidad son
relativos a los juicios que el agente formula respecto de la semejanza u homogeneidad de
las alternativas. Y el propio Keynes considera su formulacin del principio de indiferencia
como exhibiendo su necesaria dependencia de los juicios de relevancia de la evidencia, y,
por lo tanto, poniendo en evidencia los elementos intuitivos y subjetivos ocultos que siempre
estn involucrados en ellos. La principal diferencia entre las interpretaciones de Knight y
Keynes radica en que Keynes atribuye probabilidad a proposiciones acerca de eventos en
lugar de atribuirla a los eventos mismos, como hace Knight.
En suma, el fundamento ontolgico de la distincin tradicional entre aleatoriedad e
incertidumbre es que hay casos en los cuales hay eventos lo suficientemente semejantes
como para conformar una clase de referencia apropiada que permita determinar
probabilidades numricas. Es decir que las situaciones o experimentos aleatorios son
aquellos en los que existen clases identificables de eventos homogneos o resultados
repetibles. Y las situaciones de incertidumbre son aquellas en las cuales tales clases no
existen o no pueden ser identificadas.
7leatoriedad e incertidumbre en la concepcin bayesiana ortodoxa.
En la concepcin bayesiana, la probabilidad de una proposicin o de un evento es
interpretada como el grado de confianza o fortaleza de la creencia personal de un agente
con respecto a dicha proposicin o evento. Autores como Ramsey
6
han sostenido que tal
confianza o fortaleza de la creencia es una propiedad causal que se refleja en el caso de que
el agente est preparado para actuar y que puede ser medida examinando la conducta
electiva en situaciones de apuestas. As, si se desea determinar la probabilidad subjetiva
que un agente asignara a una proposicin h, se debe encontrar el precio ms bajo P que el
agente estara dispuesto a apostar en una jugada que paga S si h es verdadera y nada si h
1
es falsa. En esta concepcin hay dos presupuestos esenciales: en primer lugar, se asume
que existe tal valor P; en segundo lugar, se asume que el valor P deja al agente en una
situacin tal que es para l indiferente aceptar la apuesta en esa partida o rechazarla.
7
Creemos que la popularidad de la concepcin bayesiana en teora econmica
puede explicarse tomando en consideracin que esta concepcin se basa en lo que
generalmente se considera como una expresin sistemtica de la idea propia del sentido
comn de que las acciones de la gente resultan de sus deseos y creencias, en conjuncin
con la ampliamente aceptada idea de que la acciones deben ser evaluadas en trminos de
su utilidad esperable y de sus consecuencias. Pero tambin debe tomarse en consideracin
otra ventaja: la de que la interpretacin bayesiana de la probabilidad permite aplicar el
clculo matemtico de probabilidades a ciertos casos que no podan ser tratados de este
modo bajo la concepcin tradicional de la probabilidad -ya sea en su versin lgica como en
la frecuencial-. En efecto, la interpretacin bayesiana considera que siempre es posible
apostar acerca de cualquier proposicin decidible o cualquier evento, y por esta razn
algunos autores argumentaron que la distincin tradicional entre aleatoriedad e
incertidumbre ha perdido relevancia. Tambin ha sido frecuentemente sealada en defensa
de la concepcin bayesiana una tercer ventaja que radicara en su modestia ontolgica, ya
que esta concepcin se abstiene de efectuar afirmaciones acerca de probabilidades
independientes del observador. En particular, esta interpretacin no presupone la existencia
de clases de eventos homogneos o repetibles.
Pero el rasgo ms atractivo de la interpretacin bayesiana de la probabilidad, desde
la perspectiva de los economistas, es la pretensin de que es una condicin de racionalidad
el que los grados de creencia subjetivos del agente estn relacionados de modo tal que
satisfagan los axiomas del clculo de probabilidades. Esta pretensin central en la propuesta
bayesiana se sustenta en el denominado argumento "Dutch Book, de acuerdo con el cual
cualquier agente cuyas creencias no satisfagan este requisito podra ser inducido a aceptar
una secuencia de apuestas que llevaran una prdida segura, cualquiera fueran los
resultados del evento sobre el que se realiza la apuesta. As, los economistas consideran
como un argumento en favor de la postura bayesiana esta idea de que aquellos agentes
cuyas creencias violan los axiomas del clculo de probabilidades se veran conducidos a
asumir una conducta econmicamente autodestructiva. Pero la aplicabilidad del argumento
Dutch Book tiene al menos tres prerrequisitos. En primer lugar, debe satisfacerse la
condicin de que el agente tiene que evaluar las alternativas que se le presentan en trminos
de la expectativa matemtica del valor de las consecuencias de su eleccin. En segundo
lugar, debe cumplirse la condicin de que el agente siempre tiene que estar preparado para
actuar -es decir, para apostar- sobre la base de sus creencias, por pequea que fuera la
ventaja esperada en base a sus creencias, de modo que dados dos agentes racionales
cualesquiera, ellos estarn siempre dispuestos a efectuar apuestas cuando sus creencias
sean diferentes. Adems, la existencia de probabilidades subjetivas numricamente
definidas presupone que el agente tiene grados de creencia que asumen valores precisos,
puntuales.
La controversia entre bayesianismo ortodoxo y bayesianismo disidente
Contra lo que sostiene la propuesta bayesiana, el anlisis introspectivo sugiere que
raramente se satisfacen los requisitos de que los agentes tiene grados de creencias que
asumen valores numricos precisos y de que los agentes estn siempre dispuestos a
apostar ante la ms pequea diferencia que presenten sus grados de creencia. En efecto, se
ha argumentado frecuentemente que a pesar de que los agentes tengan opiniones
divergentes, su tendencia a efectuar apuestas es mucho menor que lo que pretende la
concepcin bayesiana. Esta circunstancia no representara un inconveniente para esta
concepcin si sta slo pretendiera tener una dimensin exclusivamente normativa, si se
empleara slo para analizar la consistencia de las propias decisiones. Pero este no es el uso
que generalmente se le da en teora econmica, ya que en este contexto se considera la
concepcin bayesiana como una representacin de la conducta a la que se aproxima la que
los economistas estudian. Pero, en su dimensin descriptiva, la generalidad que consigue la
teora en virtud de su modestia ontolgica con respecto a las probabilidades "objetivas, se
consigue al precio de tener que asumir presupuestos ontolgicos no tan modestos relativos
a la informacin que poseen los agentes, a cmo stos estn dispuestos a actuar, y a la
consideracin de sus creencias como cuantificables mediante valores precisos. En este
sentido, es importante recordar que los ya famosos experimentos de Ellsberg
8
sugieren que
la mayora de las personas no se comportan como si asignaran probabilidades puntuales a
los resultados de los experimentos.
Si no aceptamos las respuestas que los bayesianos ofrecieron con la intencin de
1)
neutralizar el alcance de los experimentos de Ellsberg, parecera que slo nos quedan dos
alternativas. Una es reconocer que es falso el supuesto bayesiano de que las elecciones de
los agentes estn -o al menos pueden considerarse como si estuvieran- guiados por
probabilidades subjetivas que asumen valores numricos exactos. La otra alternativa es
considerar que nuestras creencias tienden a ser ms vagas y parciales que lo que el modelo
bayesiano supone
9
. Esto ltimo es precisamente lo que proponen ciertos autores que han
reformulado el modelo bayesiano siguiendo una inspiracin knightiana o keynesiana, y
dando origen a una postura que podramos denominar "bayesianismo disidente. De acuerdo
con esta concepcin, hay situaciones en las que el agente podra no estar dispuesto a
apostar el menor valor P para intervenir en una partida que paga S si h es verdadera y nada
si h es falsa, y tampoco estara dispuesto a aceptar un pago del mayor valor P' para
intervenir en una partida en la que perdera S si h es verdadera y nada en el caso contrario,
de modo tal que p(h) = P/S = P'/S. Pero an en tales situaciones en las que no habra
tales valores definidos P y P', el agente podra estar dispuesto a apostar en favor o en contra
de h si la apuesta es lo suficientemente favorable. Es decir, el agente podra estar dispuesto
a apostar un valor menor que P para ganar S si h es verdadera y nada en el caso contrario,
y estar dispuesto a recibir un valor superior a P' en retribucin por tener que pagar S si h es
verdadera, y nada en el caso contrario, siendo P<P'. As, las creencias tendran que ser
consideradas como intervalos, cuyas cotas superior e inferior estaran dadas por p(h)=P/S y
p'(h)= P'/ S respectivamente. Tales intervalos podran superponerse de manera tal que no
pudiera afirmarse que uno de ellos es, sin ambigedades, ms o menos probable que el
otro. En tal caso, para determinar la eleccin podran agregarse reglas de decisin
adicionales, pero tambin podramos optar por retener la indeterminacin.
Una propuesta como sta formula Bewley
10
, quien descarta el requisito de
completitud bayesiano
11
, asumiendo as que las opciones disponibles podran no ser
comparables, lo cual supone cambiar dos de los supuestos ontolgicos del bayesianismo
ortodoxo. En efecto, en esta teora se elimina el presupuesto de que existen grados de
creencia que adoptan valores numricos exactos, reivindicando as la distincin entre
aleatoriedad e incertidumbre. Y tambin en ella se debilita la conexin entre grados de
creencias y disposicin a la accin sobre la que se fundaba el bayesianismo ortodoxo. De
este modo, la propuesta de Bewley podra dar cuenta de aquellas situaciones en las cuales
los agentes reaccionan ante la incertidumbre abstenindose de hacer una eleccin o de
ejecutar una accin. As, la consideracin de los grados de creencia como intervalos de
valores que slo en ciertos casos constituyen intervalos degenerados, es decir, valores
numricos exactos, parece reflejar ms apropiadamente la tpica vaguedad de nuestro
conocimiento. Adems, la propuesta del bayesianismo disidente corroborara la tesis
keynesiana de que las probabilidades interpretadas como grados de creencia estn slo
parcialmente ordenadas.
De acuerdo con Runde
12
, esta concepcin no slo parece adecuarse ms a lo que
nosotros sabemos acerca de nosotros mismos, sino que adems es consistente con ciertos
fenmenos econmicos que parecen resistirse al anlisis del bayesianismo ortodoxo. Sin
embargo, autores como Howson y Urbach
13
han objetado esta concepcin, sealando que, si
no hay grados de creencia que asuman valores puntuales, probablemente tampoco haya
lmites precisos para el rango de imprecisin de las creencias, es decir que las cotas de los
intervalos tampoco sern valores puntuales exactos. Adems, segn estos autores, la teora
bayesiana ortodoxa es ms simple y puede ser considerada como lo suficientemente exacta
en la mayor parte de los casos. La situacin sera similar a la que se presenta, por ejemplo,
en el caso de las magnitudes fsicas, donde nos contentamos con atribuirles valores exactos
pese, a que estrictamente hablando, no sea posible asignar tales valores precisos a
longitudes, densidades, volmenes, etc. De acuerdo con Howson y Urbach, la teora de los
nmeros reales, aplicada a la medicin de magnitudes fsicas, es ampliamente aceptada
porque se emplea como una idealizacin que proporciona resultados lo suficientemente
correctos dentro del rango de imprecisin en el cual trabajamos. Y lo mismo podra
sostenerse, segn estos autores, en el caso del bayesianismo ortodoxo.
En este punto, consideramos necesario sealar que la defensa que proporcionan
Howson y Urbach de la concepcin bayesiana ortodoxa no parece capaz de reivindicar
desde una perspectiva realista los compromisos ontolgicos que asumen los partidarios de
dicha concepcin. Pues, la consideracin de los grados de creencia como susceptibles de
asumir valores exactos aparece, en esta defensa, como asumida desde una postura
puramente instrumentalista, que -como mnimo- se abstendra de formular juicio alguno
acerca de la utilidad o la esterilidad de la distincin entre aleatoriedad e incertidumbre. Por
otra parte, el modo en que las creencias del agente y su disposicin a maximizar la utilidad
1-
esperada de sus elecciones determinaran efectivamente sus acciones, no parece poder
someterse al tratamiento que se le proporcionara a un experimento aleatorio, de manera tal
que ste sera un ejemplo de situacin de incertidumbre irreductible al clculo de
probabilidades. As, los propios supuestos de la concepcin bayesiana ortodoxa
ejemplificaran la irreductibilidad de la incertidumbre a las leyes del azar, y, por lo tanto,
pondran de manifiesto que la ineliminabilidad de la distincin entre aleatoriedad e
incertidumbre.
??????????????????????????????????
N"as <
1. Runde, J. "Chances and Choices: Some Notes on Probability and Belief in Economic Theory, *$e
Monist, vol.78., n 3, 1995, p.330
2. Hirshleifer, J. & Riley, J., *$e #nalytics o1 Uncertainty and ;n1ormation, Cambridge, Cambridge University
Press, 1992, p.10.
3. Kelsey, D., & Quiggin, J., "Theories of Choice Under gnorance and Uncertainty, Bournal o1 Economic
9urveys, 6, 1992, pp. 133-153.
4. Knight, F., /isk, Uncertainty and 7ro1it, Chicago, University of Chicago Press, 1921, pp. 215-225.
5. Keynes, J., A *reatise on 7robability, Londres, Macmillan, 1921
6. Ramsey, F., (1926) "Truth and Probability, Houndations Essays in 7$iloso!$y, &ogic, Mat$ematics and
Economics, Mellor, D.H., London: Routledge Kegan Paul, 1978, p. 69
7. Dado que el agente se conduce de manera tal de maximizar la utilidad esperada, su declaracin de que le
es indiferente apostar P para ganar S si h es verdadera, o para no ganar nada si h es falsa, significa que
el valor de la probabilidad subjetiva de h ser el conciente entre P y S, pues P = p(h)S + (1-p(h))(0), as
que p(h) = P/S
8. Ellsberg, D., "Risk, Ambiguity and the Savage Axioms, 3uarterly Bournal o1 Economics, n 75, pp.643-
669.
9. Runde, J., "Chances and Choices: Some Notes on Probability and Belief in Economic Theory, *$e
Monist, vol.78., n 3, 1995, p.343.
10. Bewley, T., "Knightian Decision Theory: Part 1, Cowles Houndation :iscussion 7a!er, n 807.
11. De acuerdo con este requisito, dadas dos opciones alternativas, el agente debe preferir una de ellas a la
otra, o bien no tener preferencias por ninguna en particular, pero, en cualquier caso, las opciones se
suponen comparables.
12. Runde, J., "Chances and Choices: Some Notes on Probability and Belief in Economic Theory, *$e
Monist, vol.78., n 3, 1995, p.345.
13. Howson, C. & Urbach, P., 9cienti1ic /easoning *$e ,ayesian #!!roac$, Open Court, Chicago and La
Salle, llinois, 1989, pp.87-89
:i)li"4ra&5a<
Carnap, R., "The Two Concepts of Probability", /eadings in 7$iloso!$ical #nalysis, Feigl, H. y Sellars,
Appleton-Century Croft, New York, 1949.
Carnap, R., "Statistical and nductive Probability", en *$e 9tructure o1 9cienti1ic *$oug$t, Maden, E.H (ed.),
Hougthon Mifflin Co., Boston, 1960, p.269-279.
Carnap, R., 7$iloso!$ical Houndation o1 7$ysics, University of California Press, California, 1966.
Howson, C. & Urbach, P., 9cienti1ic /easoning *$e ,ayesian #!!roac$, Open Court, Chicago and La
Salle, llinois, 1989
Keynes, J., A *reatise on 7robability, Londres, Macmillan, 1921.
Knight, F., /isk, Uncertainty and 7ro1it, Chicago, University of Chicago Press, 1921, pp. 215-225.
Reichembach, H., E%!erience and 7rediction, The University of Chicago Press, Chicago, 1938.
Runde, J., "Chances and Choices: Some Notes on Probability and Belief in Economic Theory, *$e
Monist, vol.78., n 3, 1995,
8n M"!el" E&eci0" !e E0"luci6n Ec"n6#ica.
Fernando Tohm y Silvia London (Universidad Nacional del Sur)
1.7 Inr"!ucci6n
Los parmetros principales que describen un sistema econmico son las instituciones, la
tecnologa y las preferencias de los consumidores. Un marco formal que represente la
evolucin de un sistema econmico debe necesariamente involucrar las dinmicas de los
parmetros mencionados, tanto en sus interrelaciones como en sus comportamientos
1>
autnomos.
Una herramienta conceptual que puede ser utilizada con tal fin la constituye el modelo de los
sistemas crticamente autoorganizados (Self-organized Critical Systems -SOC Systems).
Los sistemas SOC permiten representar economas que presentan cambios y ajustes
permanentes. En este sentido Bak (1996) seala que la realidad econmica parece ser
asimilable a una estructura hecha de arena : discreta, plstica, y con generacin interna de
perturbaciones. Ms an, la economa, de acuerdo a Bak, parece ir de un equilibrio
puntuado a otro (en trminos tcnicos, de un estado metaestable a otro): largos perodos de
cambios graduales son interrumpidos por cortos perodos de cambios radicales. La idea
subyacente a este concepto es que el sistema se mueve en un entorno restringido, en el que
se producen variaciones de los estados a nivel local (ms no a nivel global) por perodos de
tiempo prolongados, mientras que cambios a nivel global ocurren espordicamente. Todas
estas son precisamente las caractersticas de un sistema SOC y por ello resulta til tratar de
representar de esta forma a las economas en evolucin.
A diferencia de otros sistemas que se autoorganizan, un sistema SOC no requiere un
parmetro externo de control para exhibir comportamiento crtico, dado que se ajusta a s
mismo hasta alcanzar el punto en el que tal comportamiento ocurre. Estos sistemas,
sometidos a una perturbacin externa evolucionan hacia un estado estable crtico, en el
sentido que muestran correlaciones espaciales y temporales de largo rango. En otras
palabras, generan variaciones de todos los tamaos y frecuencias que desde el punto de
vista de un observador externo aparecen como estados metaestables del sistema.
A pesar de sus ventajas como modelo, una caracterstica fundamental de los sistemas SOC
es que no resulta conveniente para representar economas en evolucin: un sistema
crticamente autoorganizado opera siempre bajo las mismas reglas. Una economa en
evolucin difcilmente pueda ser considerada de esta manera. Para salvar esta dificultad se
ha propuesto un modelo de proceso ms general caracterizado por cambios de reglas,
definiendo sistemas ESO (Evolutionary Self-organized) (London-Tohm 1997, London-
Tohm 1998). En estos sistemas los cambios de reglas provienen de los cambios que el
mismo proceso evolutivo genera, de all que la evolucin sea considerada endgena: el
cambio de reglas producido surge como resultado de la dinmica interna del sistema, y no
como una reaccin inmediata y previsible a un shock exgeno.
Sin embargo, este tipo de modelizacin es en principio inconveniente para representar
sistemas econmicos en los que las caractersticas intencionales de los agentes jueguen un
papel fundamental. En este caso es necesario especificar cmo las caractersticas del
sistema se van modificando de acuerdo con el desempeo del sistema. Al mismo tiempo
dichas caractersticas definen el comportamiento del sistema. En este sentido se produce un
bucle entre el sistema como un todo y las unidades de decisin. Una descripcin de este
fenmeno requiere una caracterizacin del mecanismo que rige a este proceso. La idea que
se discutir aqu es que el nexo sistema-agentes viene dado por el c"n"ci#ien" agregado.
Dicho conocimiento puede ser representado en forma conveniente de modo de permitir una
representacin ESO de un sistema econmico. Esto tiene la ventaja de que tanto los
teoremas que caracterizan el funcionamiento de este tipo de sistema como los resultados
generales acerca de los sistemas ESO pueden aplicarse al anlisis de las economas en
evolucin.
En la seccin siguiente se caracterizar a los sistemas ESO y sus propiedades. En la
seccin 3 se dar una representacin formal de los sistemas econmicos en evolucin. En la
seccin 4 se mostrar que dicha representacin puede reducirse a un sistema ESO
mediante una especificacin sencilla del conocimiento agregado en la economa.
@.7 Sise#as ESO
1
Un sistema ESO consiste de una sucesin de estructuras que van cambiando en el tiempo
debido a la accin de shocks externos. Ms precisamente :
9e2inicin: Un sistema E98, 9 es E _ <*, /, M=, donde * _ <*N,*M,...= es una secuencia de
to!ologas, / _ </N,/M,...= es una secuencia de reglas uni1ormes, y M es un conjunto de
meta(reglas.
Una topologa Ti es Ti = (Si, S
0
i , Ci), donde Si es un conjunto finito de sitios, S
0
i es el estado
inicial de dichos sitios, y Ci una estructura regular de conexiones entre ellas. Cada s en Si,
puede estar en un estado s, un valor numrico en el intervalo discreto {0,1,...,ni}. Dado un
sitio s y los valores en la vecindad en tiempo t, Nst, el valor del sitio en t+1 es el resultado
de la aplicacin de la regla Ri: st+1 = Ri ( Nst, st). Esto es, el estado del sitio depende del
estado previo tanto de la vecindad como del sitio. ms el resultado de aplicar un eventual
shock al sitio. Cada Ri debe ser una funcin no lineal, para evitar el caso trivial en el que el
1?
resultado asinttico es que todos los sitios tengan el mismo valor mximo.
Un shock Ds consiste en la variacin aleatoria de uno o ms sitios. La magnitud del shock es
evaluada antes de aplicar una regla Ri. Si dicha magnitud supera el valor admisible del sitio,
la meta-regla transforma tanto la topologa como el conjunto de reglas. Ms precisamente, si
los shocks en tiempo t estn dentro de rango, esto es, s + Ds < nt entonces Tt+1 =
Tt, y Rt+1 = Rt. Si no, cualquier meta-regla Mk se selecciona al azar, y (Tt+1, Rt+1 ) = Mk (Tt,
Rt,). Esto es, la meta regla genera una nueva topologa y un nuevo conjunto de reglas
dependiendo de la estructura previa y de la magnitud del exceso de shock por encima del
valor lmite. Adicionamos una regla de comportamiento parsimonioso : St y St+1 no pueden
ser disjuntos, lo que da una cierta continuidad a la historia del sistema.
Es claro que si los shocks estn siempre en rango, el comportamiento del sistema es
anlogo al de un sistema SOC. La no linealidad de la regla permite que valga una regla de
tres fases (fase reproductiva, muerte y nacimiento) y por lo tanto la propagacin de shocks
genera ruido 1/f, estructuras fractales, y computabilidad universal (Bak 1996). Se sigue que :
8roposicin %: si !ara cada t, `s` a :s b nt, entonces E es un sistema 98C.
Cuando los shocks no estn en rango, todo el sistema "muta, adicionando nuevos sitios,
nuevas conexiones, o nuevas reglas. Nuevas medidas deben ser creadas para
caracterizarlo. Una posibilidad consiste en considerar el "grado de homogeneidad entre
sitios. Para ello basta considerar, en un t dado dos momentos estadsticos: la media s*
= Media(s), y el desvo estndar (st), que abreviaremos como t. As se sigue que :
8roposicin :: si E es un sistema 98C, la secuencia <N, M,...= constituye en !romedio un
ruido M/1.
Un argumento similar puede desarrollarse para mostrar que un sistema SOC exhibe en
promedio una distribucin espacial Pareto-Levy. Si esto es vlido, la identificacin de
regiones de meta-estabilidad en la historia de un sistema ESO (una sucesin de sistemas
SOC) es equivalente a hallar regiones de robustez para los parmetros de las distribuciones
espectral y muestral. Es decir, tomando la historia de un sistema ESO es posible hallar
intervalos de tiempo en los que los parmetros caractersticos pueden distinguirse de los
valores de los parmetros en otros perodos de tiempo. Puede argumentarse que cada uno
de los perodos de tiempo distinguidos constituyen rangos en los que el sistema se
encuentra en un estado metaestable.
Los fenmenos evolutivos, tal como lo arguyen los bilogos (Dennett 1995), se caracterizan
por la presencia de equilibrios puntuados. Esto significa que la evolucin procede por
cambios sbitos entre largos perodos de estabilidad. El significado de estabilidad aqu es la
permanencia de los tipos bsicos : la aparicin de nuevas especies quiebra la estabilidad.
En estos trminos, un sistema ESO es una buena representacin de la evolucin si
identificamos estabilidad evolutiva con meta-estabilidad en sistemas ESO. Una
consecuencia de representar la evolucin por medio de sistemas ESO es la siguiente:
"eorema %: un sistema E98 jam0s alcan4a un estado estacionario.
Este resultado muestra por qu la prediccin de procesos evolutivos es prcticamente
imposible. Esto no impide, sin embargo, el estudio de dichos procesos mediante la
simulacin computacional. En este sentido, los sistemas ESO facilitan esta tarea ya que, al
ser una variedad de autmatas celulares, tienen en principio una especificacin efectiva.
(.; !<!"/=7! />4?@=<>4! /? /A4LU><@?
:
El sistema evolutivo autoorganizado propuesto en la seccin anterior intenta presentar un
marco general de an0lisis, factible de ser utilizado para la representacin de sistemas en
evolucin, sean econmicos o de otro tipo. El mecanismo subyacente en un sistema ESO
permite establecer cmo el sistema va de un equilibrio a otro, o dicho en otros trminos,
presenta perodos (largos) de relativa estabilidad, donde los cambios se suceden en forma
incremental y suave, interrumpidos por cortos perodos de cambios en los parmetros
fundamentales. En estos casos, el parmetro crtico del sistema muta, junto con la aparicin
de nuevas reglas de conexin y comportamiento entre sitios. Sin embargo, dos puntos
merecen mayor atencin en el esquema planteado: en primer lugar, la existencia de meta-
reglas que se seleccionan al azar. No parece plausible en el mundo real que la
determinacin del marco institucional de un sistema venga dado en forma aleatoria; este es
un supuesto difcil de sostener. La intencionalidad de los agentes econmicos debe jugar un
papel relevante en la eleccin de las meta-reglas del sistema. En particular resulta necesario
considerar los efectos que produce el incre#en" en el c"n"ci#ien" en la estabilidad del
sistema.
En segundo trmino, el sistema ESO plantea un nivel de generalidad que no permite
comprender los mecanismos intrnsecos que conducen al cambio. Para el estudio de casos
concretos se deben establecer las relaciones funcionales correspondientes, de forma tal de
11
caracterizar la estructura y la dinmica de la economa.
Una caracterizacin de sistema econmico que da cuenta de ambos aspectos es la
siguiente :
9e2inicinB Un sistema econmico , en el !erodo t, es
t
_ ;, c
t
, 8
t
, A
t
, 3
t
, /
t
, cd
t
, w
t
, c
t
, !
t
donde
; es un n>mero 1ijo de agentes
c
t
es un subconjunto com!acto en el es!acio euclideo /
l
. Es el conjunto de todas las
asignaciones de recursos 1actibles
8
t
i; 8i , es una distribuci"n de caractersticas entre los agentes, donde A
t
_i;A
t
describe la in1ormaci"n de los agentes. 7ara cada i, 8i es el es!acio de sus !osibles
ti!os, y Ai
t
es una distribuci"n de !robabilidad en
t K
. 7ara 8
t
A
t
!
t
corres!onde un
>nico cd
t
c
t
. Cada 8i
t
!rovee una descri!ci"n de las !re1erencias y dotaciones del
agente i y ki
t
describe el modelo 'ue i tiene de la economa, cd
t
es el consumo deseado
de i en el tiem!o t de acuerdo con su ti!o y creencias. Esto es, cd
t
es la 1unci"n de
demanda.
3
t
es una corres!ondencia com!acta, 'ue re!resenta la estructura !roductiva de la
economa, tal 'ue
%
t+M
_ <w
t+M
a c
taM
= 3
t
<w
t
, !
t
= c
taM
:ado un vector de in!uts, w
t
y sus !recios corrientes !
t
, 3
t
<w
t
, !
t
= es un conjunto com!acto
de resultados !ara el !erodo siguiente <en el 'ue obviamente un solo elemento !uede
e1ectivi4arse=.
/
t
es un o!erador vectorial 'ue re!resenta la estructura socio(!oltica de la economa, de
1orma 'ue !ara %
t
c
t
, /
t
<%
t
, , cd
t
= _ <w
t
, c
t
, !
t
= . :ado un !roducto y los consumos
deseados, las reglas indican 'u2 !recios !revalecer0n en ese !erodo, y c"mo el
!roducto ser0 distribudo entre los agentes y los !roductores.
w
t
c
t
son los in!uts de la estructura !roductiva
c
t
es el vector de bienes asignados al consumo.
!
t
[ N, M] es el vector de !recios <normali4ado=.
Dada esta definicin es posible inferir lo siguiente:
se supone que los agentes tienen racionalidad acotada. Esto es as porque sus
elecciones estn basadas en el modelo (posiblemente incompleto) que se forman acerca
de la economa
la estructura productiva genera sus propios bienes
la estructura poltico-social representa el marco institucional de la economa.
En que casos ocurrirn transiciones evolutivas? Las posibilidades pueden reducirse a dos: la
primera se da cuando los que cambios en el entorno provocan tensiones que lleven a la
necesidad de variaciones en los parmetros fundamentales del sistema. La otra posibilidad
de tensin que conduce a cambios en los parmetros se da cuando se presentan conflictos
internos en la estructura del sistema. Es decir que en primer lugar consideraremos cambios
incre#enales, que modifican levemente la estructura del sistema sin modificar las reglas
del mismo. En segundo trmino consideramos los cambios e0"lui0"s o no suaves, que se
reflejan en una variacin del parmetro crtico: estas ransici"nes n" sua0es ocurren
conjuntamente con ca#)i"s en las re4las !el sise#a. Cabe aclarar que la variacin de
reglas no involucra necesariamente una crisis a nivel institucional: puede tratarse de una
nueva organizacin del mercado, nuevas condiciones de produccin y comercializacin
establecidas por paquetes de poltica econmica, etc.
Las condiciones que pueden provocar una transicin no suave, y que resaltan la importancia
del conocimiento en este planteo, pueden ser :
Cambios en las caractersticas de los agentes, debidos a un mejor conocimiento de la
economa. Podemos representar este hecho con el operador:
1 : K O
En una primera etapa, podemos suponer este cambio como instantneo.
Cambios en el espacio de bienes: un bien que antes no era conocido de pronto forma
parte del rango de posibilidades de eleccin. Esto puede ser representado como:
2 : O X
entonces:
2 o 1 : K X
1.
Cambios en la estructura productiva, dado que el espacio de bienes cambia. As:
3 : X Q
y tomando en cuenta lo anterior:
3 o 2 o 1 : K Q
Cambios en la estructura poltica, dado que los agentes deciden que las "reglas del
juego deben cambiar. Representamos este hecho mediante:
4 : O R
entonces:
4 o 1 : K R
De esta forma vemos como el c"n"ci#ien" se ,r",a4a enre l"s ,ar$#er"s
rele0anes( a ra0>s !e las caracer5sicas !e l"s a4enes. Suponemos que los
operadores actan de forma tal que un cambio en K
t
define los valores de los parmetros en
t + 1. Obviamente, este es un supuesto muy restrictivo, en particular cuando es aplicado a
cambios operados en la estructura productiva.
A menos que el estado de conocimiento sea estacionario, todos los parmetros se
encontrarn en permanente cambio. Esto obviamente no es independiente de las reglas en
vigencia. En general las reglas tendern a e0iar cambios bruscos: las instituciones tienen
como funcin central la de establecer cierta estabilidad en las reglas de juego del sistema,
estabilidad incompatible con el cambio continuo. Por otro lado, el esa!" !el
c"n"ci#ien" ca#)ia !e un ,er5"!" al si4uiene, dado el desempeo promedio de la
economa, y tambin el exhibido en la historia.
Para dar cuenta de esta interaccin entre conocimiento y reglas definimos un operador de
aprendizaje:
9e2inicinB El o!erador de a!rendi4aje es tal 'ue
d
t ( M
e A
donde d
t ( M
e es el conjunto de las !osibles $istorias de $asta t ( M. :ada una $istoria
gen2rica
t ( M
, <
t ( M
=_A
t
.
El cambio de estructura se obtiene combinando el aprendizaje con el efecto del
conocimiento sobre los parmetros del sistema :
9e2inicinB el o!erador de cambio de estructura end"geno es tal 'ue
N M , Q o M , K o Q o M , O o M o d
t(M
e c
t
% 8
t
% Q
t
% /
t
Este operador indica que la historia previa de la economa determina la eleccin (factible) de
parmetros. En base a ello, podemos decir que:
9e2inicinB una transici"n end"genamente conducida en una economa, de t a taM se da
si c
t
% 8
t
% Q
t
% /
t
N <
t
=.
El problema que se presenta con la caracterizacin anterior es que el operador de cambios
de regla puede cambiar, a su vez, en el tiempo. Esto es, utilizando el lenguaje de sistemas
dinmicos, no es autnomo (no es independiente del tiempo).
Para salvar esta dificultad distinguimos entre dos tipos de operadores. En primer lugar
consideremos los operadores de tipo (OP1), que son aquellos que modifican el sistema de
reglas teniendo en cuenta la historia previa de la economa. Estos operadores son
tales que cualquiera de ellos, 0 OP1 es de la forma 0 : {
t
-1
} X
t
x O
t
x Q
t
x R
t
. Los
de tipo se organizan en una sucesin de conjuntos {OPk+1}, donde cada k+1 OPk+1 es tal
que k+1 : OPk OPk . De hecho, podemos decir que en cada etapa t el operador que puede
ser aplicado es el resultado del operador utilizado en la etapa previa
4
. Se puede demostrar
que todos los operadores pueden reducirse a una caracterizacin en trminos del operador
de tipo en el perodo inicial, de forma tal que:
0
t
=
o 0
t-1
, donde : OP1 OP1
Ms an :
0
t
t
o 0
to
, donde
t
{
t
:
t
= 0
t
o 0
t-1
o 0
1
, donde 0
i
OPi}t=1
OP2
Vemos entonces que cada operador endgeno de cambio de estructura puede ser definido
en trminos de la accin de OP2 sobre 0
t
. Se sigue que:
"eorema :B <87Q, o= constituye un semigru!o.
Este teorema puede ser combinado con la siguiente definicin:
9e2incinB Una cascada
C
es un semigru!o uni!aram2trico actuando sobre el conjunto M
!ara cada t, e%iste un
t
M M tal 'ue dado %<N= _ cN , entonces %<t= _
t
%N.
Se puede probar que 0P2 actuando sobre 0P1 constituye una cascada (Tohm-London
1998). Ntese entonces que las transiciones endgenas pueden ser definidas como
consecuencias no determinsticas de la historia de la economa. Vemos entonces que:
1=
8roposicin (B !ara cada
t
existe al menos un N
t
.
Podemos decir que cualquier secuencia {0
k
}kt0 obtenida a partir de la accin de 0P2 sobre
0
to
es una ra.ec"ria en 0P1. Por otro lado , una trayectoria en 0P1 determina un
sendero en c
t
% 8
t
% Q
t
% /
t
para la economa. Esto es equivalente a decir que:
8roposicin 'B E%iste un d
t
e
t_to % d
t
e