TESIS DOCTORAL.

"DESIGN CULTURE".

(Estudio etnográfico de los proyectos de investigación

de la School of Computer Science de Carnegie Mellon University,

                                                     un "computer-intensive campus" norteamericano).

ARTURO SERRA HURTADO.

DEPARTAMENTO DE ANTROPOLOGIA CULTURAL

E HISTORIA DE AMERICA Y AFRICA.

UNIVERSIDAD DE BARCELONA.

1992.

A la comunidad de Carnegie Mellon.

AGRADECIMIENTOS.

Este proyecto tiene su origen en las Jornadas Experimentales denominadas "Modelos de futuro, nuevas tecnologías y tradición cultural" que en Noviembre de 1988 organizó el Equipo de Dinamización de Nuevos Modelos de Cultura y Sociedad, dirigido por Arcadio Rojo y Arturo Serra, y el Departamento de Antropología Cultural e Historia de América y Africa, dirigido por la Dra. María J. Buxó, sin cuyo respaldo no hubieran podido realizarse.

Dichas Jornadas recibieron, a su vez, el apoyo del Dr. Salvador Giner, entonces director del Departamento de Sociología y Metodología de las Ciencias Sociales de la Universidad de Barcelona. A su vez contaron con el patrocinio de la Fundació Caixa de Barcelona, dirigida por el Sr. Joan Rigol.

A dichas Jornadas invitamos al Dr. Angel Jordan , entonces Provost de Carnegie Mellon, que ofreció al equipo dirigido por la Dra. Buxó su Institución como un primer "laboratorio" experimental para iniciar el trabajo de campo de un proyecto de investigación que elaboramos a partir de dichas jornadas y que denominamos: "Ciencias del diseño, nuevas tecnologías y tradición cultural".(1990-1991). Esta tesis es uno de sus frutos.

El Rector de la Universidad de Barcelona, Josep M. Bricall, el Dr. Angel Jordan, por Carnegie Mellon , y el Sr. Santiago Guillén por el Centre Divulgador de la Informática, S.A. de la Generalitat de Catalunya firmaron un convenio de colaboración entre esas tres instituciones para dar respaldo a dicho programa. A su vez, este programa recibió pequeñas ayudas de la CIRIT, dirigida por Artur Bladé, del Comité Conjunto Hispano-Norteamericano, dirigido por María Jesús de Pablos y de la Fundació Catalana per a la Recerca, el Dr. Planas y Castellví.

A todas estas personas que han hecho posible la realización de esta tesis, mi más sincero agradecimiento, en particular, a mi colega y amigo, Arcadio Rojo, a mi directora de tesis Maria J. Buxó, a mi generoso "informante" Angel Jordán, y al patrocinador del proyecto, Santiago Guillén, sin cuya financiación éste hubiera sido inviable.

En cualquier caso, esta tesis no hubiera sido posible sin el buen humor y la entereza de mi mujerTonia, durante estos dos largos años de separación para elaborar este trabajo y su inapreciable labor con Alejandro y Clara en mi ausencia. Gracias, en especial, a vosotros.

PRIMERA PARTE.

"DESIGN CULTURES": TEORIA DE LAS TECNOCULTURAS.

(OBJETIVOS DE LA INVESTIGACION, MARCO TEORICO E HIPOTESIS DE TRABAJO).

SEGUNDA PARTE.

CARNEGIE MELLON COMO "COMPUTER-INTENSIVE CAMPUS".

(DE INSTITUTO DE TECNOLOGIA A UNIVERSIDAD DE INVESTIGACION).

TERCERA PARTE.

LA SCHOOL OF COMPUTER SCIENCE: UN CENTRO PRINCIPAL DE INVESTIGACION DE CMU.

1. QUE SIGNIFICA COMPUTER SCIENCE EN LA SCS.

2. LA "ARTIFICIAL INTELLIGENCE" DE CMU.

3. EL "PROGRAMMING SYSTEMS" DE LA SCS.

4. "COMPUTER SYSTEMS" EN LA SCS.

5. " THEORY" EN COMPUTER SCIENCE DE CMU.

CUARTA PARTE.

CARNEGIE MELLON COMO "DESIGN CULTURE".

LIMITES DE UN COMPUTER-INTENSIVE CAMPUS Y PERSPECTIVAS.

QUINTA PARTE.

METODOLOGIA Y BIBLIOGRAFIA.

PARTE PRIMERA.

"DESIGN CULTURES": TEORIA DE LAS TECNOCULTURAS.

(Objetivos de la investigación, marco teórico , e hipótesis del trabajo ).

1. OBJETIVOS DE LA INVESTIGACION.

1.1. TECNOANTROPOLOGIA Y TECNOCULTURAS.

Este es un estudio antropológico sobre la investigación en un "computer-intensive campus", donde durante los años 80s, la tecnología informática se generalizó formando una "computer culture". Este es un estudio sobre esta comunidad de conocimiento.

La doctora Maria J. Buxó, en colaboración con el Dr. Angel Jordán, ha definido la tecnoantropología como : "el estudio de la tecnología como un sistema cultural. Ello significa el análisis del contexto social (producción, consumo, recursos humanos, redes de colaboración,...) así como el conocimiento cultural (ciencia, ideología, sentido común...) donde esta tecnología es construída (industria, sociedad, instituciones...) y su feedback sobre nuevas pautas de adaptación social y de innovación de conocimiento. Desde un punto de vista prospectivo, la tecnoantropología elabora los sistemas expertos de conocimiento desde los cuales el diseño cultural puede ser realizado para la innovación de la productividad y la calidad del trabajo humano en la industria, corporaciones e instituciones de investigación y de enseñanza."

Por su parte, el Dr. Salvador Giner ha acuñado el término "tecnoculturas"para designar un fenómeno social emergente en las sociedades industrializadas, nacido de las tecnologías de la información, y caracterizado por su incesante capacidad de innovación. "Estamos pasando de una sociedad apoyada sobre un flujo de innovaciones técnicas materiales (como lo ha sido hasta ahora la sociedad industrial) a otra que reposa en un flujo de innovaciones técnicas abstractas..." ("Ensayos civiles". 1987: 141).

Dentro de estos marcos de referencia, mi estudio está centrado en un tipo particular de tecnoantropología, la dedicada al diseño y análisis de las tecnoculturase entendidas como un tipo de comunidades posibles basadas predominantemente en el conocimiento y la actividad humana de invención e innovación, como valores culturales que se aplicables al conjunto de esferas de la vida social: los sistemas de conocimientos, de actividades, de organizaciones, de sistemas tecnológicos, y de ecosistemas y relaciones organizadas con el resto de la naturaleza, dentro de este planeta y más allá del mismo.

Es cierto que en toda cultura humana se han producido procesos de innovación, y en particular de innovacion tecnológica, pero sólo recientemente se está empezando a considerar esta actividad con una función de hegemonía cultural. Sólo recientemente la tecnología se ha empezado a considerar "high technology", y ésta empieza a considerarse un conocimiento básico de una tecnocultura.

Desde este punto de vista, esta rama de la antropología surge de la combinación del concepto central de la antropología : el concepto de cultura, y de una tarea característica de la moderna tecnología informática: la actividad de innovación mediante el diseño, y en particular, la programación.

Para el fundador de la antropología cultural, Edward B. Tylor, "la Cultura o la Civilización, tomada en su amplio sentido etnográfico, es ese complejo conjunto que incluye el conocimiento, las creencias, las artes, la moral, las leyes, las costumbres y cualesquiera otras aptitudes y hábitos adquiridos por el hombre como miembro de la sociedad" (1977:19). En palabras de Claudio Esteva: " Definimos como cultura, sobre todo, el modo común de pensar organizado de los individuos de una sociedad en orden a producir actividades sociales coherentes, tanto de acción material como de acción espiritual" (1984:65).

Por su parte, Herbert Simon, uno de los padres fundadores de la Inteligencia Artificial, y profesor de CMU, considera que el diseño es la principal marca que distingue las profesiones de las ciencias: "Design...is the core of all professional training; it is the principal mark that distinguishes the professions from the sciences" (1981: 129).

En este sentido, el concepto tecnocultura o cultura de diseño puede traducirse por el de "design culture", dado que el diseño es una actividad intelectual central a este modo cultural emergente.

El campo de estudio no son pues todas las culturas tecnológicas, sino en particular, aquellas que se desarrollan como "high tech", y van asociadas a tecnologías como el ordenador, la bioingenierías o los nuevos materiales. Como veremos, estas son tecnologías particulares, distintas a las ingenierías tradicionales y a la ciencia. El adjetivo "high" no es accesorio. Indica el tránsito de unas culturas tecnológicas ,hasta ahora concebidas como aplicación de la ciencia, a un nuevo tipo de culturas tecnológias con una teoría emergente propia distinta a la de la ciencia, y que puede disputarle a ésta el papel de conocimiento hegemónico en las culturas industriales.

La tecnoantropología que esta tesis desarrolla tiene como campo general de estudio este tipo de fenómeno tecnológico , y persigue contribuir al diseño de este tipo de tecnoculturas.

1.2. CMU COMO "COMPUTER-INTENTIVE UNIVERSITY" : EL OBJETO DEL ESTUDIO ETNOGRAFICO.

No obstante, el tema de las tecnoculturas es tan amplio que exige un recorte en este estudio. Existen "computer cultures" industriales o en organismos administrativos que no son objeto de este análisis. Nos hemos ceñido a estudiar una comunidad de conocimiento, aquel tipo de comunidad dentro de un sistema cultural dedicada a la elaboración de los patrones de conocimiento del conjunto del sistema.

Este estudio es un análisis etnográfico de la "computer science community" de Carnegie Mellon University, el primer campus universitario de Estados Unidos en establecerse como "computer-intensive campus". Dentro de éste, hemos estudiado los proyectos de investigación principales de la School of Computer Science, un centro de investigación de esta comunidad universitaria.

Este "computer- intensive campus" es una "computer culture" universitaria. Este estudio está ceñido a una "research university", un tipo particular de universidad cuya actividad fundamental es la investigación, actividad de donde obtiene una parte sustancial de sus ingresos. Existen universidades que son esencialmente centros docentes que han establecido redes informáticas, que no conciernen a este estudio.

Este es un estudio de una comunidad de conocimiento, dedicada principalmente a producir nuevo conocimiento mediante la investigación.

Dentro de esta comunidad de conocimiento hemos seleccionado, por tanto, aquella parte más específicamente propia de la misma: su actividad de investigación, por la cual es reconocida como una universidad de excelencia en el conjunto del mundo universitario norteamericano. Y dentro de esta actividad de investigación hemos escogido aquella, la realizada en la área llamada "Computer Science", que es la más reconocida en la cultura universitaria no sólo del país sino a escala internacional. Otras áreas culturales de esta comunidad como su sistema de jerarquías o su infraestructura material se analizan sólo en tanto en cuanto tienen relación con ese objeto de estudio.

CMU es pues, una universidad de investigación, cuyo campo principal, no único, en estos momentos, es "computer science ". A lo largo del estudio se utiliza el término "computer science" y no la traducción castellana "informática", dado que tiene un particular sentido en este contexto cultural. A diferencia de las escuelas de informática como en España, integradas inicialmente en Universidades Politécnicas, Computer Science en CMU se constituye en el período en que esta institución pasó de ser un instituto de tecnología a denominarse universidad. La evolución de esta cultura en CMU ha asociado dos términos "computer" y "science" en una particular relación que no es traducible por el término "informática".

Vivimos en una época, que socialmente se denomina "sociedad de la información". En ella, se afirma que el "conocimiento" es un valor cultural central de esta era.

Esta denominación surgió en los años 60s y 70s, gracias a un conjunto de estudios entre los que destaca, hasta la fecha el más completo, el del sociólogo de Harvard, Daniel Bell , "The Coming of the Postindustrial Society" (1973). Segun este clásico, la significación de este tipo de sociedad era ante todo " La consolidación de la ciencia, y los valores cognoscitivos como necesidad institucional básica de la sociedad".(1976: 64). La sociedad post-industrial era una "sociedad del conocimiento" (ib:249), en el que "la universidad...es la institución principal"(ib: 65) .

Para D. Bell: "El grupo más crucial en la sociedad del conocimiento es, por supuesto, el de los científicos"(ib:253). Para Bell, la cúspide de esa clase alta de la "Ciudad Cientifica" en 1968 estaba compuesta en Estados Unidos por una élite de 297.492 personas, con una mayoría de ciencias físicas (53%), un 20% de ciencias de la vida, y un 11% Matemáticas y Computadoras (2% para computadoras), y17% para ciencias sociales. Los ingenieros, según este autor, no formaban parte de esta élite.

Según esta teoría, el poder de las naciones era proporcional al poder de su conocimiento científico. Una forma de medirlo era el índice de gastos en Investigación y Desarrollo en relación con el producto interior bruto. A mas R&D, más conocimiento científico y más poder nacional. En los años 70s, este modelo parecía evidente en Estados Unidos. La área clave, por lo tanto, de la política de un país era la "policy of science".

Pero este modelo ha empezado a entrar en crisis en los años 90s.

En los años 80s, determinados estudios han empezado a señalar los límites de este modelo cultural.

Uno de los más influyentes fue el informe "Made in America" (1989) del Massachussets Institute of Technology . Este informe critica la idea de la "sociedad postindustrial" basada en los servicios, que amenaza la desindustrializacion del país,(ib.:39). A su vez, el excesivo énfasis puesto tras la II Guerra Mundial, en Estados Unidos en la ciencia en detrimento de la ingeniería se considera una de las razones de la pérdida de liderazgo tecnológico frente a japoneses y alemanes . (ib:77-80). Esta pérdida de liderazgo se ha intensificado al finalizar la Guerra Fría.

Científicos y expertos en Estados Unidos, como Lewis Branscomb, antiguo defensor de la " policy of science", sostienen ahora la necesidad de una "Technology Policy" para Estados Unidos (1991). Alan Bromley, asesor para asuntos científicos del presidente Bush, sostiene por primera vez la urgencia de dicha "technology policy" para la defensa del interés nacional. Un panel de expertos, encabezado por William D. Phillips, Associate Director for Industrial Technology, de la Office of Science and Technology Policy de la Executive Office of the Presidente, ha emitido un reciente informe que basa en un conjunto de 22 tecnologías claves , el grueso de las cuales se agrupan en torno al grupo "information and communications"(1991).

El hecho que ha evidenciado la crisis del modelo anterior es el declive económico del país que aún cuenta con el más poderoso sistema científico-técnico del mundo: Estados Unidos. Por el contrario, se asiste al surgimiento de competidores como , Japón, y Alemania, que con una producción científica inferior tienen un creciente poder tecnológico e industrial. Un campo donde este hecho se ha puesto en evidencia es el de las "computer industries". Estados Unidos, con una mayor capacidad en Computer Science esta empezando a perder terreno industrial frente a Japón. Ello ha venido provocando desde finales de los 80s, sucesivas reflexiones sobre la crisis de este modelo.

En Europa, esta diferencia entre cultura científica y cultura tecnológica ha sido detectada por el francés, Jean Jacques Salomon, profesor del Conservatoire National des Arts et Metiers.(1989).

Según este experto en políticas de I+D: "L’effort d’innovation ne se confond pas avec l’effort de recherche scientifique proprement dit...Le succes spectaculaires du Japon dans les domaines technologique et industriel n’ont jusqu’a present mis en jeu que des contributions mineures au progres de la science en tant que telle" (1989:35).

Así los éxitos industriales de Alemania, en comparación con Francia, según Salomon, se deben al cuidado en la eficacia económica de las inversiones en R&D, que son realizados en un 62% por la industria, mientras que el Francia, es el Estado el que financia la mayoría, el 53%.

Estas reflexiones apuntan a la puesta en marcha de "politiques d’innovation", basadas en una "culture technique", distintas a las tradicionales "science policy". (1989:35).

Pero este modelo, curiosamente, no es japonés, ni alemán sino, inicialmente, norteamericano.Japón está en gran parte adaptando un modelo que nació en la cultura norteamericana : la primacía de la cultura tecnológica respecto a la científica.

Como indica Ralph Gomory, presidente de la Sloan Fundation: "The United States was the leading industrial power well before it became the leading scientific power. When during the 1920s, the capitals of science were the European universities, the United States excelled in worker productivity and per capita income and had the biggest trade surplus...Now U.S. universities are the capitals of science, and Japan has the trade surplus". (1989:99).

La nueva cultura tecnológica, que está naciendo de la "high tech", está provocando cambio de valores sustanciales. El valor clásico de la cultura científica, que según Robert Merton era el "universalismo", está siendo reemplazado por el de "innovation", una característica propia de la tecnología.

Carnegie Mellon es un caso interesante para analizar la evolución de estos modelos. Antes de la II Guerra Mundial fue un "institute of technology". Tras ella, se convirtió en una "research university"

Y ahora este modelo está en crisis en los 90s, abriéndose una reflexión sobre su porvenir. Su estudio puede darnos pistas para entender la crisis del modelo y dar elementos para su solución.

Durante los últimos 30 años, Carnegie Mellon se ha ido constituyendo, ante todo, en una "computer-intensive campus". 1. Es una universidad de investigación de excelencia en Estados Unidos, país que inventó este sistema de R&D. 2. Su investigación más avanzada es en el campo de los ordenadores, investigación en la área que se denomina "computer science", estando clasificada entre las tres primeras universidades de Estados Unidos, junto con el M.I.T. y Stanford. 3. CMU se ha distinguido dentro de esta área por ser el centro pionero en "Artificial Intelligence" y "Cognitive Science" del país. Este fue uno de los centros fundacionales de la "Cognitive Revolution". Y 4. CMU fue la primera universidad del país es establecer un "computer-intensive campus", una red informática para todos los profesores y estudiantes del campus, con la que intercomunicarse y construir "educational software".

Carnegie Mellon ha ido haciendo de la "innovation" un objetivo cultural característico y diferenciador de su comunidad: " Carnegie Mellon is committed to innovation and professional excellence. While offering each student a strong professional education, the University seeks to confront students with perspectives drawn from diverse disciplines across the arts, humanities, sciences and technology. This confrontation of perspectives, while not always comfortable, encourages new ways of thinking"(University Goals for General Education. The Search for the President.1989).

Pero , al mismo tiempo, Carnegie Mellon se enorgullece de haber conseguido colocarse entre las universidades de élite del país, donde la ciencia es el saber dominante. Allí donde se imparte la educación en "arts and sciences" tradicional. De ser un "institute of technology", en 1967 cambio su nombre por el de "university" bajo la dirección del físico H.Guyford Stever. La "etapa científica" de esta institución es precisamente la etapa en la que la "computer science" ha reinado como principal área de investigación, desplazando el protagonismo de la ingeniería. Y esta etapa es la que está ahora en crisis en todo el país.

No obtante, CMU ha conservado este doble carácter como se refleja en su modelo de educación denominado: "liberal-professional education", que la diferencia de la educación habitual en las otras universidades que se denomina "liberal arts education".

Esta ambiguedad se refleja, también en el carácter de su área fundamental de investigación: "computer science". La área tradicional de esta escuela era la denominada "engineering", y ésta incluía en su interior a la ciencia. La facultad principal de la antigua Carnegie Tech era el College of Engineering and Science.

Tras la II Guerra Mundial, nació el Department of Computer Science en esta escuela. Nació formado por matemáticos (Perlis) y científicos sociales (Simon y Newell) que diseñaban sistemas informáticos. Ya no sólo los ingenieros diseñaban sino también otras disciplinas del campus. Este protagonismo de científicos, no de ingenieros, al menos en CMU, en el diseño de este tipo de máquinas, condujo a que la disciplina se denominara "computer science" en este campus. Y este modelo sirvió de base para lo que Herbert Simon llamó "sciences of design". Ello ha tenido interesantes repercusiones.

El sistema denominado "Science and Technology" fué inventado en Norteamérica tras la II Guerra Mundial, dirigido por la comunidad de físicos que habían participado en el Manhattan Project. La "computer science" siguió inicialmente este modelo, adaptándose al esquema Science&Technology. Pero este modelo ha encajado en este esquema con dificultades. Durante décadas ha habido y siguen habiendo debates en Estados Unidos sobre si Computer Science era una ciencia o una ingeniería, o una combinación de ambas y cuál primaba sobre cuál.

La "cybernetics", el "complex information processing", la "computer science", disciplinas fundacionales de las "computer cultures", son conocimientos de síntesis entre ciencia e ingeniería, cuando no entre ciencia, ingeniería y ciencias sociales como la sicología, la linguística y la lógica, en el caso de la Inteligencia Artificial.

Estos conocimientos se denominan tanto "knowledge" como "know-how", esto es, "un conocimiento de la forma de hacer las cosas" (Simon, 1977:160), un saber-como-hacer una determinada tarea. Se consideran no sólo meras prácticas profesionales o habilidades propias del experto ("skills") sino también conocimiento teórico , pero distinto al saber propio de la física o la química.

Tradicionalmente, la técnica se ha considerado en la cultura occidental una mera habilidad, una mera operación, un "doing", que se aprendía con el mero ejercicio, "learning by doing". Por el contrario, la Academia, al modo platónico, se encargaba de la "theory", o conocimiento como contemplación. La moderna ciencia de Galileo introdujo la experimentación en el estudio de los fenómenos naturales, pero su objetivo era confirmar la certeza de las hipótesis sobre la naturaleza establecidas por medio de las matemáticas.

El computer science es distinto. Su objeto de estudio es un artefacto: produce un saber sistemático sobre como inventar nuevas máquinas y sus programas. Se muestra como un conocimiento diferente a la mera práctica operativa, pero , al mismo tiempo, distinto a las otras ciencias meramente explicativas o interpretativas, destinadas a observar o a razonar sobre el mundo.

Este tipo de conocimiento lo expresa en su forma más acabada el programa informático. No es una teoría al modo de las leyes de la mecánica newtoniana, pues indica un modo de operar. No persigue la búsqueda de la verdad, sino la ejecución de una acción por un objeto técnico inventado por el propio investigador. También los científicos naturales han inventado artefactos para hacer ciencia, como el telescopio de Galileo. La diferencia es que ahora, el caso es el inverso. Ahora el computer scientist utiliza las matemáticas, y otras ciencias como la sicología cognitiva, para hacer tecnología. Prima el objeto artificial, sobre el llamado"orden natural".

De ahí se derivan dos modelos de investigación distintos: uno, el aún dominante, se denomina "Science and Technology". El segundo, podríamos denominarlo a la inversa: "Technology and Science", para indicar que el papel de iniciativa le corresponde a la tecnología, y su patrón cultural es la innovación, no el universalismo, propio de la ciencia clásica, según Merton.

El primero modelo es, principalemente, el de la National Science Foundation, basado en la definición de Vanevar Bush, director de la Office of Scientific Research and Development en su famoso libro "Science, the Endless Frontier"(1945). Está compuesto por tres etapas sucesivas: "Basic Research"-"Applied Research"-"Development". Según Bush, la primera es : "Basic Research" o "Pure research is research without specific practical goals. It results in general knowledge and understanding of nature and its laws. This general knowledge provides the means of answering a large number of important practical problems, thout it may not give a specific solution to any one of them" (Bush, 81). 2. La segund y tercera: "Applied Research and Development". Su diferencia con la anterior es que éstas se dirigen a objetivos y sus resultados tienen un valor práctico o comercial. Este ha sido el programa de conocimiento cultural conocido hasta hoy por Research and Development. (R&D).

Su arquitecto Vannevar Bush lo concibió explícitamente como un contrapeso a lo que denominaba la "perverse law governing research": "Under pressure for inmediate results, and unless deliberate policies are set up to guard against this, applied research invariably drives out pure". (1945:83).

Este modelo es el que Nathan Rosenberg y L.E. Birdzell, Jr. denominan: "Science, Technology and the Western Miracle" (1990): "Western science had become an institution with a broad general goal (to explain natural phenomena), a division of labor into specialized departments with their own subsidiary goals...A fundamental factor holding the enterprise together was its adoption of a single standard of scientific truth based on observation, reason, experiment and replicability. The standard enabled scientists to make use of findings from other laboratories...It also permitted artisans, merchants, manufacturers and the rest of the working population to applay scientific discoveries to everyday labors". (1990:44).

No obstante, es el segundo, el que se ha seguido mayoritariamente en centros de investigación como CMU. Tuvo su origen en la II Guerra Mundial, en el denominado Manhattan Engineering District, y ha sido continuado , hasta hoy. Es el que está en el origen de la "computer science and technology", aunque este modelo como veremos también participa del anterior, en tanto que se ha considerado parte de la ciencia.

Este modelo se ha financiado principalmente por determinadas agencias del Departamento de Defensa, como DARPA, y su investigación tiende a ser : "mission oriented". Este modelo ha tendido a borrar esta división investigación basica-investigación aplicada tendiendo a fundirla en una sola actividad: la construcción de lo que Henry Riggs, profesor de Electrical Engineering de Stanford denomina"fundamental technology", ( 1988 :250).

Hay pues dos modelos de R+D: uno el que sostiene, preferentemente, la National Science Foundation (N.S.F) e instituciones como los National Institutes of Health y otro el que sostiene DARPA y agencias similares. El primero es el culturalmente hegemónico. Los orígenes de ambos son distintos: el primero es el tradicional, el admitido oficialmente por la Academia, y el propio de las Universidades tradicionales , el segundo es la que tuvo su origen en la actividad excepcional de diseño de la bomba atómica en el llamado "Manhattan Engineer District" (Hughes, 1989:353) y el que DARPA ha continuado durante 40 años. Este modelo como veremos tiene como uno de sus orígenes el laboratorio de inventos de Thomas.A. Edison, y en instituciones como el M.I.T, minoritarias, pero influyentes, en el mundo académico norteamericano.

No obstante, existen programas en la NSF como el de Engineers Research Centers, iniciado en 1985, que intentan dar una orientación más aplicada a dichas investigaciones.

Computer Science en CMU participa de ambos. Mientras que su área denominada"Theory" es financiada prioritariamente por la NSF, el resto de áreas las financia DARPA.

Este doble modelo de R+D explica que en científicos de CMU como Herbert Simon apareciera incluso una división de campos de investigación distintos: el "natural world" y el "artificial world", el primero el mundo tradicional que estudian los físicos y otros científicos, y el segundo el que diseñan los computer scientists. Nacían dos tipos de científicos, los "natural" y los "scientists of design". Pero el código de conducta de este segundo tipo de científico es distintos al del primero.

Según Robert Merton, el primer valor de la ciencia es el "universalismo". El objetivo institucional de la comunidad científica sería la " la extensión del conocimiento verificado". (1942: 67).

Pero el valor que aparece central en el "scientist of the artificial" es el de "innovation". Y éste es un valor central de la ingeniería. En palabras de Dick Teare, antiguo Dean del Collenge of Engineering and Science de la antigua Carnegie Institute of Technology: " Look at what characterized engineering: perhaps the most striking thing --and it’s getting more striking all the time--is the rate of innovation". (Focus, February, no.5 1980).

La ciencia clásica se basa en el descubrimiento de patrones en la realidad natural que se repiten, regularidades, modelos formalizables matemáticamente."Science is all about discovery things" H.Simon. "The Cat That Curiosity Couldn’t Kill". 9-4-91). Su sello distintivo es el descubrimiento. Por su parte, a tecnología se centra en la invención de nuevos artefactos. Su tarea es el diseño.

Es cierto que la tecnología tradicional ha admitido ser una aplicación de la ciencia. Pero ahora está naciendo una "fundamental technology" (H.Rigss) como Inteligencia Artificial, Robotics, Bioengineering,... . que son tecnologías que José Sanmartín, profesor de lógica de la Universidad de Valencia, denomina "tecnologías sintéticas"(1989), dirigidas a la creación de objetos artificiales, a diferencia de las "tecnologías de control", como las tradicionales orientadas a la canalización de fuerzas naturales. El control ha sido el tema clave de las tecnologías mecánicas, incluso de la cibernética. El design es el tema clave de las "high tech".

Pero ello plantea una relación nueva con el científico. Si la clave de la "high tech" es el diseño, la ciencia empírica de estas tecnologías, como el "computer science", ha de estudiar lo que diseña el ingeniero, o el propio científico. La relación ciencia-tecnología se invierte. No puede haber ciencia empírica del ordenador sin ordenadores. Por lo cual, primero hay que inventarlo y luego analizarlo.

En su construcción se sigue una metodología de invención ingeniera: Para hacer un sistema informático, lo primero a saber son los "goals", la función de dicho sistema, luego hay que saber con qué se parte para hacerlo, y finalmente qué estrategias o caminos se pueden seguir para construirlo, el cómo hacerlo.

Este tipo de innovación es distinta a la concepción de la tecnología como mera "aplicación" de la ciencia. Se está desarrollando un sistema de conocimiento de una tecnología básica que no es ciencia ni mera aplicación "técnica" de la ciencia. Esa tecnología básica, estratégica, es la que producen centros como CMU, y está protagonizada por un tipo particular de científicos cuya finalidad no es el mero descubrimiento de orden de las cosas sino diseñar nuevos ordenes artificiales.

Norman Chigier, William J. Brown Professor of Mechanical Engineer en CMU resume en esta frase el tipo de conocimiento que podría definir el adoptado por computer science: " ...Design is what one imagines--translated often in engineering by a drawing. It’s the concept. As distinct from the person who just goes out and constructs something. The designer plans....Design is the concept, the coordination of the ideas, the detailed instructions of how elements need to be constructed; it is testing, the proving, and finally it includes the commercial phase...All that is design. They have to conceive the idea and they have to carry it all the way through. This is the process that scientists don’t normally get involved in" (Focus. Feb 1983).

La filosofía griega clásica, a excepción de los sofistas, nunca consideró la técnica ("techné") como saber, como "episteme" (Medina, M. 1989). El saber tenía que ser saber objetivo, saber universal. La universidad, decía con razon Daniel Bell, es por ello la institución central de conocimiento de la moderna cultura. La técnica era tradicionalmente un saber secundario,"aplicado", nacido del saber fundamental y original. Arrancando de esta tradición, nace la revolución copernicana en astronomía, la "sciencia nova" física de Galileo , el sistema newtoniano del Universo, y la teoría de la relatividad de Einstein.

Robert Merton extrajo de este programa de conocimiento un "ethos" de la comunidad científica: "el universalismo", "el comunismo", el desinteres", y el "escepticismo organizado". (1942:67-77). Daniel Bell, de Harvard, concluyó que la universidad iba a ser la institución central de la sociedad postindustrial.

Pero la Computer Science, y las tecnologías que le siguen, están entre dos mundos culturales. Por un lado se definen como ciencias, y han encontrado ubicación la lado de la matemática. Pero por otro, se rigen por un patrón de innovación, propio de la ingeniería. CMU, hoy, está entre estas dos culturas, y su equilibrio es inestable.

CMU no es la clásica universidad modelada al estilo europeo tradicional, sino más un instituto tecnológico, convertido en un "computer-intensive campus", cuyo centro de innovación principal son los grandes programas de investigación en Computer Science and Technology financiados por DARPA.

Hasta ahora a este saber se le ha llamado "science of design". Sería más correcto denominarlo, "new engineering" pues su matriz cultural es el diseño, no el descubrimiento. Es una nueva ingeniería, concebida como la invención de "fundamental technology", a diferencia de la vieja ingeniería concebida como ciencia aplicada.

Estas nuevas disciplinas ingeniero-científicas están influyendo en la renovación del universo tanto de las disciplinas científicas, como demuestra el campo de la ciencia cognitiva, como de las antiguas ingenierías.

Ello conlleva una dinámica de creación de conocimiento distinta a la tradicional de la Academia. Las "nuevas tecnologías" abren una dinámica hacia la "sintesis de conocimientos". La cibernética era una síntesis de ingeniería de comunicaciones, matemáticas y fisiología. (Wiener. 1948). El "Information Processing", incluye ya una ciencia social más compleja, la sicología cognitiva. La Artificial Intelligence , necesita también la linguística, la lógica, . Se funden conocimientos y nacen otros nuevos de la síntesis. La propia Ciencia Cognitiva es un resultante de este proceso nacido de la propia "computer culture" y admite en su seno disciplinas científicas e ingenieras, es una combinación de filosofía, linguística, Inteligencia Artificial, sicología cognitiva, neurofisiología, y antropología. (H. Gardner. 1987).

Estas disciplinas, utilizan como todas las ciencias, unas metodologías analíticas . Pero su finalidad es la síntesis, la producción de un conocimiento sobre qué nuevos objetos artificiales son posibles y cómo construirlos.

La dinámica de la ciencia moderna , según el patrón establecido en el siglo XIX por la universidad alemana (Ben-David,J. 1962:46-59) fue la siguiente: partiendo de cuatro troncos teóricos iniciales: teología, filosofía, derecho y medicina, que englobaban casi el conjunto del conocimiento superior en Occidente en ese momento, se fueron formando disciplinas especializadas. El tronco original denominado filosofía se escindió en filosofía, historia,literatura y ciencias naturales. De esta última, salió la física, la química, la biología. Y así ,sucesivamente, hasta llegar a los 24 "campos", 248 "disciplinas" y cientos de "subdisciplinas" establecidas por la UNESCO (Comisión Interministerial de Ciencia y Tecnología. 1989: 27-69).

La dinámica de la "computer science" ha sido la inversa. Partiendo de diversos campos de la ingeniería (rama que no estaba aceptada siquiera en la antigua universidad alemana), y de la matemática aplicada, se ha ido configurando un nuevo tipo de saber que va englobando a los restantes en su interior, en una dinámica de "putting it all together" (Newell, 1989: 399).

Estos cambios en el conocimiento conllevan cambios en el sistema organizativo de la Universidad. El centro organizador de estos saberes no es ya la propia universidad sino las redes estratégicas de conocimiento que engloban "computer departments", "industrial laboratories" y "federal agencies" como DARPA. Al ser un saber mitad ciencia mitad ingeniería y de dimensión estratégica ,pues influye al conjunto de disciplinas y actividades humanas en las sociedades avanzadas, estos saberes han sido y son objeto de atención prioritaria por los gobiernos y las industrias, formándose una red de organizaciones estratégicas en torno a ellos.

La Universidad esta desbordada ante estos conocimientos, perdiendo gran parte de la autonomía antes conservada respecto al poder político y el mundo empresarial.

Tradicionalmente esta autonomía venía dada por el hecho de sostenerse de las matrículas de los estudiantes. Esto ha desaparecido en la "research university" norteamericana. Los fondos públicos de investigación son los que sostienen principalmente los gastos universitarios, investigación de la que las universidades obtienen el 58% justificados como gastos para pagar el uso de la propia institución.

Por otra parte la independencia de las disciplinas tiende a desaparecer.

Los sistemas científicos tradicionales se organizan en especialidades y departamentos que como su propio nombre indica departamentan, especializan el conocimiento como se ha hecho antes con el objeto de estudio, gracias a lo cual se puede analizarlo y hacerlo de forma exhaustiva, entendiendo como funciona.

Por el contrario, las nuevas tecnologías tienden a utilizar todo tipo de conocimiento para la construcción del sistema tecnológico. Su dinámica es centrípeta, buscan el "putting it all together", expresión propia de CMU, que indica esta tendencia hacia la síntesis.

El fenómeno de las "computer cultures" en la Universidad ha partido principalmente de aquellas con una cultura tecnológica, más arraigada. La cibernética nació en el M.I.T, el "information processing" y la Inteligencia Artificial en la RAND co. y la antigua Carnegie Tech. El "knowledge engineering" y los sistemas expertos en esa institución y Stanford University. Se dice que la "sociedad del conocimiento" tiene como centro la Universidad. Pero esto no es el caso para las "nuevas tecnologías". Son universidades e instituciones particulares con este tipo de cultura tecnológica los centros de las mismas.

Por otra parte, el tipo de sistema de financiación que ha alentado el desarrollo de este fenómeno cultural, ha sido y es una política pública, "a public policy", una actividad política estratégica central, ni siquiera local o regional. Los fondos que se requieren para financiar programas de alto riesgo sólo lo ha podido cubrir determinadas agencias especiales como DARPA de la Administración federal, agencias dedicadas a proyectos avanzados y con una gran flexibilidad y agilidad en su funcionamiento interno, y regidas con una mentalidad de tipo "entrepreneur".

Los motores de innovación en la "high tech" son unos conocimientos como la computer science, la Inteligencia Artificial, el Programming, ... unas nuevas tecnologías, planificadas estratégicamente desde determinados departamentos, agencias y organismos públicos con una cultura de innovación, como DARPA, mediante determinadas políticas tecnológicas de carácter "entrepreneurial", cuyo objetivo es dinamizar la capacidad tecnológica de la nación.

Carnegie Mellon aporta elementos claves para entender este modelo cultural, al tiempo que revela su inestable situación y sus límites.

Un límite principal es que este modelo no tiene teoría propia. A nivel del sistema de conocimiento, busca su fundamentación en la matemática, en la sicología cognitiva, o en la ingeniería tradicional. No existe una teoría propia aún, de este tipo de conocimientos nuevos. A nivel organizativo, estas instituciones de innovación no acaban de encajar en las estructuras universitarias tradicionales. Así como las agencias que las financian no responden a la clásica estructura burocrática de la Administración. Una teoría de las tecnoculturas como culturas de innovación integrada podría servir de marco de referencia para el diseño y desarrollo de estos nuevos fenómenos culturales complejos.

2. EL ESTADO DE LA CUESTION.

2.1. PROSPECTIVA ANTROPOLOGICA, ANTROPOLOGIA COGNITIVA Y ANTROPOLOGIA INDUSTRIAL.

Esta tesis se alimenta de elaboraciones teóricas y prácticas que a partir de diversas ciencias sociales he realizado, de forma independiente y en conjunción con Arcadio Rojo y otros investigadores del denominado "Equipo de Dinamización de Nuevos Modelos de Cultura y Sociedad" a lo largo de los años 80s. Estas elaboraciones tuvieron una primera expresión en el libro titulado " Problemas en torno a un cambio de civilización" (1988). En el, escribía el artículo "La posibilidad de un cambio cultural diseñado", en el que se planteaban los problemas básicos que recorren esta tesis. En particular, destaco uno que es central a esta tesis, la posibilidad de un tipo de conocimiento cultural distinto a la religión y la ciencia para liderar en ese cambio: " Estas preguntas requieren posiblemente la elaboración de un nuevo tipo de saber que combine la capacidad proyectista de inventar nuevos fines sociales y culturales, ‘la veritá fattuale delle chose’, y por último, de trazar caminos prácticos de conseguir los nuevos fines sociales" (1988:54.).

La influencia de la antropología en esta tesis proviene de varias fuentes. La primera de ellas de la "prospectiva antropológica" introducida por Maria J. Buxó en 1987. En un artículo denominado "Antropología Cultural" publicado en ese año, se citaba como aspecto del sentido aplicado de esta disciplina, la "prospectiva antropológica". En el se decía: "La tarea prospectiva consiste en el diseño de alternativas de futuro, formas probables que pueden llegar a suceder por elección del colectivo social a partir de la generación constante y nueva de metas propias. En este sentido, la prospectiva antropológica es más exploratoria que predictiva".(1987:29).

Este artículo fue a su vez materia de un primer curso de doctorado en el Departamento de Antropologia Cultural e Historia de America y Africa en 1986-87. A su vez M. J. Buxó y Josep M. Fericgla fundaron el Instituto de Prospectiva Antropológica.

A su vez, se hacía referencia a la Inteligencia Artificial como un posible campo de estudio del antropólogo prospectivo. Esto concuerda por los esfuerzos de M. J. Buxó por introducir una "antropología cognitiva" en el panorama de la antropología española desde 1978, el campo dentro de esta disciplina más cercano al mundo de la ciencia cognitiva, en particular la área de la Inteligencia Artificial. A través de la antropología cognitiva se llega a la problemática de la "sociedad de la información", del carácter del conocimiento en los distintos modos culturales y su diferenciación. En este sentido, otro artículo clave de M.J. Buxó es "La cultura en el ámbito de la cognición" (1984), donde establece la idea de "modos cognitivos", que ha sido importante para mi distinción entre modos de conocimiento entre "mythos", "logos", y "design".

El artículo sobre la prospectiva antropológica abría a su vez una reflexión sobre una problemática usualmente relegada en el ambiente universitario, la de la antropología aplicada o profesional. El Dr. Claudio Esteva fue el primer antropólogo en introducirla en la antropología peninsular ya en la Primera Reunión de Antropólogos Españoles en Sevilla de 1975 ("La antropología aplicada y su problemática"), unida al tema del "cambio cultural". El tema de la cultura profesional es clave para entender la cultura de Carnegie Mellon, y en general de la tecnología y la figura del ingeniero.

A su vez, la obra de Esteva sobre Antropología Industrial (1973, 1984), permite introducirse en la cultura del diseño.

Este libro supone un notable esfuerzo por situar a la antrología cultural en el marco de estudio de las sociedades urbano-industriales, ampliando su campo de trabajo tradicionalmente limitado al estudio de las sociedades primitivas.

Partiendo de la premisa de que: "En este momento, las organizaciones industriales son el verdadero poder del mundo", Claudio Esteva analiza el tema de la tecnología y del "diseño industrial" según sus propias palabras"...la expresión más avanzada o de vanguardia alcanzada por la cultura científica y tecnológica de una sociedad" ( ib:95). Esta actividad, según Esteva estaría protagonizada por " la clase intelectual del pensamiento, la ciencia y la tecnología" que constituiría la parte superior de la pirámide social.

2.2. "ANTHROPOLOGY AND ENGINEERING", "COMPUTING AS A CULTURAL PROCESS", "ANTHROPOLOGY OF TECHNOLOGY": TENDENCIAS RECIENTES EN LA ANTROPOLOGIA NORTEAMERICANA.

En un sentido amplio, existe un creciente interés en la antropología norteamericana en el tema de la "innovation", estudios que encabeza Marietta Baba (1985, 1988), de la Wayne University. Sus trabajos sobre "innovation" y "University and Industry", han retomado el hilo iniciado por el ingeniero y antropólogo , Homer Barnett y su estudio "Innovation: The Basis of Cultural Change" (1953), y están directamente relacionados con una nueva antropología aplicada. Es de destacar por su carácter pionero la sesión organizada por esta profesora en el reciente congreso de la American Anthropological Association denominada "Anthropology and Engineering" en el que participaron tanto ingenieros como antropólogos.

El interés particular de Marietta Baba para esta tesis es su interés en una "applied anthropology", no en un mero estudio de la tecnología como fenómeno cultural a simplemente analizar. Es miembro de la National Association for the Practice of Anthropology (NAPA) y su enfoque es a la vez académico y profesional, como el que intenta realizarse en este estudio.

Así mismo son interesantes los trabajos de Gary L. Downey (1989) del Virginia Polytechnic Institute sobre una "anthropology of technology".

Sobre "anthropology of science" es un clásico el trabajo de Bruno Latour y Steve Woolgar, "Laboratory Life" (1979) sobre la construcción de la ciencia en un laboratorio de biología. No obstante el laboratorios científicos, no deben confundirse con los laboratorios de carácter ingeniero como los existentes en Computer Science en CMU, donde la construcción de "facts" se ha convertido en construcción de "deeds", ésto es, donde el hecho científico ha pasado a ser un artefacto mecánico hecho por el "computer scientist". Más reciente es la obra de Latour, "Science in Action" (1987).

Por último, es preciso conocer la obra de Yehuda Elkana de la Van Leer Jerusalem Foundation y profesor de historia de la ciencia en la Universidad de Tel Aviv sobre una "anthropology of knowledge" (1981. Su obra "Sciences and Cultures", conjuntamente con Everett Mendelsohn y otros autores (1981) es interesante para analizar las relaciones entre religión y ciencia en diversas culturas.

En el sentido más estricto de la antropología de las "computer cultures", a diferencia de la sociología que empezó en los años 70s, la antropología está empezando a estudiar recientemente el fenómeno del "computing" como fenómeno cultural. El 90º Congreso de la American Anthropological Association, celebrado en Chicago en Noviembre de 1991, acaba de organizar un "Committee on Computing as a Cultural Process", para iniciar el análisis este fenómeno. Diversos antropólogos que llevan varios años trabajando el tema integran este comité, del que el autor de esta tesis forma parte.

Entre los estudios más avanzados se encuentran los de la antrópologa Lucy Schuman, del Xerox Palo Alto Research Center, especializada en Human-Computer Interaction (HCI). Su libro "Plans and Situated Actions: The Problem of Human-Machine Communication" (1987), analiza los sistemas cognitivos de los computer scientists que trabajan en Inteligencia Artificial. Y ella misma diseña dichos sistemas.

Así mismo, la Dra. Diana E. Forsythe (1990,1991) que trabaja en el Intelligent Systems Laboratory de la University of Pittsburgh, está especializada en Expert Systems y la construcción del conocimiento y del trabajo de los computer scientists de dicho laboratorio.

Por otra parte, David Hakken de SUNY (1991) ha desarrollado trabajos de campo en Inglaterra sobre el problema de la "computarization" en el mundo del trabajo.

Los primeros trabajos sobre "culturas informáticas" datan de los años 80s. De los tres centros principales de dicha cultura en Estados Unidos, sobre la área de California, es de destacar el estudio de dos sociólogos , Everett M. Rogers y Judith K. Larsen, denominado "The Sillicon Valley Fever. Growth of High-Technolgy Culture".(1982), sobre el nuevo boom industrial en torno a Stanford.

Respecto a la costa Este, destaca el trabajo de campo de la sicoanalista Sherry Turkle , "The Second Self. Computers and the Human Spirit" (1984). Su objeto de estudio es la "computer culture" del Massachusetts Institute of Technology, y en particular el fenómeno "hacker".

El fenómeno de CMU, y la "high-tech" en esta región de Pennsylvania, es el menos conocido de los tres, al no haber engendrado aún un fenómeno industrial concentrado de empresas de alta tecnología, y estar más reducido a una cultura académica relacionada casi exclusivamente con la Defensa. Hemos podido encontrar una tesis doctoral de 1986, de Annette Lois Giovengo, sobre "The Role of the University in High-Technology Economic Development: Pittsburgh as a Case Study", realizada en el Departamento de Historia Aplicada ("Applied History") en la propia CMU. Así como la tesis doctoral de Stuart S. Shapiro de CMU, "Computer Software as Technology" (1990), que trata en general dicho problema.

En 1987, Sara Kiesler y Lee Sproull, dos sociólogas de la Carnegie Mellon University, realizaron un estudio " Computing and Change on Campus" sobre la experiencia de la red Andrew en dicha universidad. La conclusión que extrajeron fue que, en efecto, existía una "computer culture" en dicha universidad,a la que denominaban paradójicamente "an alien culture" (una cultura extraña) basada también en tipos humanos ya analizados en anteriores trabajos como el "hacker"(fanáticos del ordenador) o el "user" (usuarios). Y concluían que el proceso de enseñanza no había cambiado en lo fundamental en dicha universidad por el hecho de utilizar los ordenadores : " It is true that computer systems are always changing, but the social settings remain relatively stable." (1987:194).

Con todo este estudio no entraba a analizar la School of Computer Science, lugar de nacimiento del Andrew system.

2.3. SOCIOLOGIA DE LAS NUEVAS TECNOLOGIAS, TECNOCULTURAS Y SOCIOLOGIA DE LA LIBERTAD.

Volviendo al panorama español, considero indispensable para entender el tema de las nuevas tecnologías, los trabajos pioneros de Manuel Castells, del Instituto de Sociología de las Nuevas Tecnologías de la Universidad Autónoma de Madrid. El informe de su equipo, dirigido por él, "Nuevas Tecnologías, Economía y Sociedad en España" (1985), fue junto con los encuentros de Buitrago del 86, el comienzo de una política tecnológica en España.

No obstante, a pesar de definir acertadamente el fenómeno como un fenómeno esencialmente tecnológico, de "nuevas tecnologías", aún lo analiza dentro del modelo antiguo de la "sociedad de la información" y del "Sistema Ciencia-Tecnología-Industria" (Ib:899).

Un enfoque más próximo al de la antropología cultural es el del profesor Salvador Giner del Instituto de Estudios Sociales Avanzados del CSIC. Aunque su programa de investigación no es sobre este fenómeno en particular sino sobre el tema de la "sociedad civil", sí ha aportado conceptos claves para entenderlo, como los de "tecnocultura" y "tecnoconocimientos" (1987: 140).

El artículo titulado "Tecnocultura", de su libro "Ensayos Civiles" (1987), de Salvador Giner, señala acertadamente que: " Estamos pasando rápidamente de una sociedad cuya dinámica se basa en la innovación técnica a otra en la que , cada vez más, esa dinámica depende de la innovación cognoscitiva sistemática" (1987:141). Este "tecnoconocimiento" lo separa y lo sitúa por debajo de lo que denomina "sabiduría", el "saber racional, estético y moral".

Este estudio intentará demostrar que también existe una moral en esa tecnocultura, y que la "innovación", que el propio Giner, plantea como la característica clave de la "libertad", es una de sus principales metas. La tecnocultura es una cultura donde el ser humano puede ejercer su mayor nivel de responsabilidad, a diferencia de la hasta ahora cultura científica o logocultura, que ha permitido una separación entre juicios de valor y juicios de verdad. Como vió Max Weber, la cultura profesional es una cultura eminentemente ética, al estar dirigida a la acción ("ascesis"). Y la cultura tecnológica es la culminación de esa cultural profesional. Pero ello, como empezamos a ver ahora, conlleva una inversión de su relación con la cultura científica.

La aportación de la sociología, en su corriente más cercana a la antropología cultural , aquella que arranca de Max Weber, y su análisis de la ética protestante (1985), sigue por Robert Merton (1977), y su análisis del "ethos" de la ciencia moderna, y culmina en Daniel Bell (1973), y su teoría de "las contradicciones culturales del capitalismo" (1976) es imprescindible para analizar el modelo cultural de las "computer cultures". También son interesantes los trabajos de Berger y Luckman sobre sociología del conocimiento, desde un enfoque de "construcción social de la realidad".

Finalmente, es preciso señalar el nacimiento de un nuevo campo en la filosofía, el denominado Filosofía de la Tecnología, que en España encabeza el colectivo INVESCIT (Instituto de Investigaciones sobre Ciencia y Tecnología), dirigido por Manuel Medina (1989) y José Sanmartín, y que en Estados Unidos tiene como figuras claves a Carl Mitcham y George Bugliarello.

2.4. MODOS DE CULTURA , MODOS DE CONOCIMIENTO.

A fin de analizar el fenómeno de las "computer cultures", y sentar bases teóricas de una tecnocultura, hemos de partir de un concepto de cultura considerada no sólo como un fenómeno adquirido , sino también como una construcción e invención humana continua.

Admitimos con el antropólogo cognitivo W. Goodenough que cultura es "shared knowledge" (1957), un sistema de conocimiento compartido. Este este conocimiento compartido es, a su vez, una construcción cultural humana.

Hasta ahora, se ha analizado la cultura como un conjunto de conocimientos, pautas, hábitos e instituciones adquiridas por el ser humano como miembro de una comunidad. Se ha resaltado el carácter de aprendizaje, de adquisición. No se ha tenido tanto en cuenta el estudio de los procesos de construcción cultural, de diseño y edificación de nuevas formas culturales. En suma, los procesos de invención.

La doctora Maria J. Buxo, sin embargo, sí ha venido sosteniendo en línea con el pensamiento constructivista de Vico, Von Glaserfeld (1988), o Piaget, que : " La cultura es una construcción constante de estructuras de realidad...es un instrumento simbólico para la comprensión y la predicción en el ámbito de las relaciones sociales que se modifica dinámicamente según las necesidades e intereses de grupos e individuos" (1987:29).

Margaret Mead , y su "antropología del futuro" abogaba también por esta visión del fenómeno cultural: " Hoy, cuando empezamos a entender mejor los procesos circulares mediante los cuales se desarrolla y transmite la cultura , reconocemos que la característica más humana del hombre, no consiste en su capacidad para aprender, que comparte con muchas otras especies, sino en su capacidad para enseñar ...El aprendizaje, que se funda sobre la dependencia humana, es relativamente sencillo. Pero las aptitudes para crear refinados sistemas aptos para ser enseñados, para entender y utilizar los recursos del mundo natural, y para gobernar la sociedad y crear mundos imaginarios, son muy complejas." (1977: 121).

Un año después publicaba un artículo acerca de la contribución de la antropología a la ciencia del futuro, en el que planteaba como su tarea final: " a source of new designs for living for the extensive wordwide culture building which is needed in today’s interconnected planetary system" (1978:3).

Por otra parte, se ha sostenido que la cultura era un sistema históricamente transmitido de símbolos compartidos , una herencia o tradición que a modo de superorganismo determinaba el contenido, los hábitos y los sistemas jerárquicos de una cultura particular, siendo tarea del antrópologo la interpretación de sus sistemas de significados. (Clifford Geertz. 1973).

Para unos la cultura eran esencialmente artefactos, para otros conocimientos, símbolos. Esta escisión se verá como un estudio de las tecnoculturas la ayuda a disolver. Hay un conocimiento tecnológico que puede llegar a formar la base de un nuevo tipo de sistema cultural.

Conforme la antropología se ha visto confrontada al análisis de culturas en proceso de cambio, ha tenido que introducir conceptos de "innovation" ( H. Barnett. 1953), "cambio cultural dirigido " (Linton), o "Technical Change" (Mead.1953) . Ha debido dar creciente importancia a la antropología aplicada.

La innovacioón cultural empezó a ser estudiada en los años 50s por el antropólogo, Homer Barnett, a su vez ingeniero civil, en su clásico libro "Innovation: The basis of Cultural Change"(1953). Una de las razones para ello fue que los conceptos de enculturación, difusión y aculturación estudiados por la antropología no acababan de explicar como surgían los cambios en las culturas, como se generaba el cambio cultural.

El estudio de H. Barnett permitió comprobar que el cambio cultural se producía por un proceso de innovación que se daba tanto en culturas tradicionales (los Yurok, los Tsimshian, los Yakima) como en la cultura norteamericana contemporánea.

Las computer cultures, que ahora analizaremos, son el resultado de uno de esto procesos de innovación en el interior de culturas urbano-industriales occidentales, en particular en la norteamericana. No estamos en los años 50s. El papel del antropólogo aplicado en los 90s no es ya la incorporación de las "culturas primitivas" a la "modernización", sino el cambio en el interior de las culturas modernas hacia otro modo cultural que aún no sabemos en que consiste, y cuyo uno de sus elementos claves parece ser la tecnología informática, y en general, lo que se denomina la "high tech".

2.4. PROGRAMAS CULTURALES Y MODOS DE CULTURA.

Diversos autores han considerado las culturas como "programas de y para la acción social que actúa en el ser humano durante el proceso socialización e interacción social adulta". (M.J. Buxo: 1984:33). Para Claudio Esteva: "Los sistemas culturales se caracterizan por el hecho de que se distribuyen como programas de acción en el seno de los diversos grupos sociales de una sociedad". (1984:75).

La definición de cultura como "pattern" es clásica en antropología. Los sistemas de conocimiento compartidos se estructuran en "patrones de comportamiento" (Kroeber y Kluckhohn. 1963), en "paut as tradicionales de acción" (Murdock) , o como ha sostenido más recientemente Roy d’Andrade, en forma de"programas culturales" (1981).

Las innovaciones culturales son cambios en los programas culturales.

Para analizar el fenómeno de las computer cultures necesitamos distinguir entre distintos tipos o modos de cultura, y dentro de ellos entre distintos tipos de programas culturales.

Si bien todas las culturas son construcciones humanas en tanto que diseños de significados compartidos, hay que resaltar también que los miembros de dichas culturas han visto su propio proceso de construcción de muy diversa forma. Por ello, podemos distinguir distintos modos culturales o diferentes tipos de construcción cultural que los agrupamientos humanos han seguido para definir sus metas de finalidad, sus sistemas de valores, sus relaciones sociales y de jerarquía, sus sistemas tecno-económicos, en suma , sus distintos sistemas de conocimiento organizados, esto es, sus programas culturales.

Los modos de cultura más exahustivamente estudiados por la antropología han sido las mito-culturas, o lo que Margaret Mead llamó "sociedades postfigurativas" (1977). Para esta autora, tanto a las sociedades primitivas como a las organizaciones religiosas podrían situarse en esta categoría de sociedades que extraen su autoridad del pasado, de una memoria colectiva codificada en forma de mitos y rituales que estructuran los significados fundamentales de la vida de dichas comunidades.

Agrupo bajo el término de mito-culturas aquél conjunto complejo de sociedades , estudiadas por la antropología bajo el término de "sociedades primitivas", que se construyen a si mismas en torno a diversos sistemas de creencias basadas en relatos que describen como los antepasados (dioses, héroes,...) crearon el mundo, y con él a los seres humanos identificados como los miembros de dicha cultura.

La obra de Levi-Strauss , las Mitológicas, resume toda una época de estudios antropológicos, iniciados por E.B. Taylor, destinada a entender el sistema de vida y de conocimiento de dichas culturas. " Les societes que nous appelons "primitives" ne le sont en aucune facon, mais elles se voudraient telles. Elles se revent primitives , car leur ideal serait de rester dans l’etat ou les dieux ou les ancetres les ont cree a l’origine des temps" (Levi-Strauss. 1990:175).

"La creación del mundo" será la forma de construcción común a este tipo de culturas, y el modelo de formación de sus sistemas de conocimiento y sus jerarquías internas.

Los mitos cosmogónicos proporcionar un modelo de explicación y de conducta social a este tipo de culturas. A modo de ejemplo tomemos uno de los clanes winnébago estudiado por P. Radin: " En el principio, el Hacedor-de-la-tierra estaba sentado en el espacio. Cuando cobró conciencia, nada había en ninguna parte. Comenzó a pensar qué haría, y por último se puso a llorar y de sus ojos fluían lágrimas y caían por debajo de él. Luego de un rato miró bajo de sí y vió algo brillante. El objeto brillante por debajo de él representaba sus lágrimas. Al caer, habían formado las aguas presentes. Cuando las lágrimas fluyeron hacia abajo, se convirtieron en los mares tal como son ahora. El Hacedor-de-la-tierra comenzó a pensar otra vez. Pensó: "Es así: si quiero algo, se hará como yo quiero, tal como mis lágrimas se han hecho mares". Así pensó. Entonces deseó la luz y se hizo la luz. Luego penso: " Es como yo pensaba: las cosas que he deseado han venido a la existencia como yo deseé’". (Radin, 191968:209).

A esta forma de pensar se le ha denominado "realismo conceptual" (Buxó, 1984:44), según la cual los deseos subjetivos son considerados una realidad tanto o más poderosa que la existencia real. En realidad, la objetividad y la subjetividad no forman aún una dicotomía. Curiosamente elementos de este modo de pensar los volvemos a encontrar en la "computer culture" y su creencia en que las construcciones formales matemáticas son ya tecnología en sí misma.

"La creacion-destruccion o muerte" será el núcleo común temático de chamanes, artistas, sacerdotes y guerreros de dichas comunidades postfigurativas. Son clásicos los estudios sobre los movimientos de revitalización religiosa de comunidades como los Seneca, estudiados por A.F.C. Wallace (1972), el papel del chamán, de los estados alterados de conciencia, de los códigos morales trasmitidos a través de ellos, etc. Estos movimientos se constituyen en el patrón de innovación cultural más profundo de dichos modos culturales. Su renovación pasa por una "vuelta al origen" , al momento de la creación, de donde extraen las enseñanzas para cambiar sus culturas presentes.

Una utilización de este modo de innovación cultural lo podemos apreciar también en culturas como la japonesa. Al inicio de la Restauración Meiji en 1868, las reformas económicas y políticas se hicieron bajo la consigna de "Sonno joi" : "Restauremos al emperador y expulsemos a los bárbaros". (Ruth Benedict. 1974:74). Todo el sistema de deudas (on), y de deberes (giri) ante la sociedad y ante sí mismo de la cultura clásica japonesa derivan de esa misma concepción de la cultura como creación de los antepasados, simbolizados en la figura del Emperador. "Isshin": restaurar, volver al pasado, fue la consigna de una reforma que abrió paradójicamente al Japón al mundo industrial.

Este modo de construcción cultural se repite en momentos de crisis de la moderna cultura como estamos viendo con el auge del fundamentalismo islámico en Oriente Medio, en especial en paises como el Iran shiita o la Argelia integrista.

Así también, se aprecia en Estados Unidos en el pensamiento neoconservador de escritores como Irvin Kristol o el mismo Daniel Bell: "El principio de la cultura es el de un constante retorno -no en sus formas, sino en sus preocupaciones- a las modalidades esenciales que derivan de la finitud de la condición humana...¿Cuáles son, pues, las normas para la conducta humana?. No pueden estar en la naturaleza... No puede ser la historia...Queda, por ende, la respuesta anticuada y tradicional: la religión...como concepción trascendental que está fuera del hombre, pero relaciona al hombre con algo que está más allá, fuera de él" (1977:160).

2.5. LAS LOGO-CULTURAS.

Coincidiendo con la Depresión de los años 30s y sobre todo tras la II Guerra Mundial , la antropología inició una serie de estudios sobre las culturas urbano-industriales (antropología industrial, antropología urbana, de la salud,...), fundamentalmente en Estados Unidos . Con ellos la antropología ampliaba su campo de estudio pro primera vez a las áreas urbano-industriales.

En los años 60s, algunos antropólogos no occidentales espezaron a estudiar la propia cultura occidental desde patrones culturales distintos a los nacidos en Europa. Se empezó a considerar a Occidente no como la civilización sino como una cultura entre otras, tal como había hecho el siglo pasado la antropología colonial con las sociedades primitivas.

Estudios de diversos antropólogos como Magoroh Maruyama (1978), reunidos en torno a ideas de una "antropología del futuro", en gran parte influída por el fenómenos denominado "contracul-tura,proporcionaron alos occidentales elementos interesantes para un análisis de nuestra propia cultura desde el exterior de la misma. Para Magoroh Maruyama, desde el punto de vista del sistema de conocimiento, estas eran sociedades basadas en la lógica aristotélica (1978: xxi). Margaret Mead denomino este tipo de cultura, "sociedades cofigurativas" (1977). En estas "el modelo prevaleciente para los miembros de la sociedad reside en la conducta de sus contemporáneos" ( ib:65).

Podríamos denominar logo-culturas al conjunto de sociedades urbano-industriales, cuyo programa cultural se basa en una cosmovisión por la cual el mundo se considera un "orden natural universal", descubierto por medio de la razón humana. Este orden universal o "logos" habría evolucionado hasta culminar en el "animal racional y social" (Aristóteles) . Y de esa comprensión racional del mundo se extrae el código de valores de estas culturas.

"El punto de partida para alcanzar esta cosmovisión se inicia con la ideación griega del entendimiento de las cosas en cuanto estas son" (M. J. Buxo. 1989: 215). Como señalo M. Mead, en este tipo de culturas el tiempo verbal culturamente significativo es el presente, no el pasado propio de "sociedades post-figurativas", ni el futuro , característico de "culturas prefigurativas".

El modo de conocimiento dominante de estas culturas sería para María J, Buxo, el formalismo abstracto: " La abstracción no es lo mismo que el formalismo abstracto...Lo que sí es nuevo y propio de las sociedades urbano-industriales es que esta lógica formal aporta la base estructural de las relaciones sociales y económicas, y dentro del pensamiento ha dominado otras formas de operar mentalmente hasta proveer el paradigma cosmológico único, el cual determina las nociones de realidad y verdad" (M. J. Buxo. 1984: 38).

No obstante, la ciencia moderna se diferencia de la griega es que este formalismo matemático lo ha aplicado a la comprensión de fenómenos empíricos. Como ha señalado A. Koyre, la gran obra de Galileo fue la "matematización del universo".

La modernidad ha prescindido de una explicación del mundo basada en la revelación, para confiarla a la razón y los sentidos. Explicación de donde está excluida no sólo la voluntad de los dioses sino también el libre arbitrio humano. (Salvador Giner, 1987:275). Por ello ciencia y libertad humana son dos valores conflictivos en el actual modo cultural, que en parte se reflejan en la oposición conocimiento científico, conocimiento tecnológico.

La ciencia, basada en la matemática, y en la lógica, sería el tipo de conocimiento que explicaría este mundo , de cuya evolución, y por selección natural, surgirían todas las especies incluido la especie humana. La naturaleza humana sería en esencia constante, y regida por principios universales, como el propio conocimiento humano.

Las culturas urbano-industriales en que vivimos basan fundamentalemente su legitimidad , como la ciencia natural, en leyes extraidas del libro de la naturaleza, mediante " experiencias sensibles y demostraciones necesarias" (Galileo), y no en la autoridad de los antepasados, o en diseños culturales de futuro.

Pero este tipo de visión del mundo es no solo descriptiva sino fundamentalmente normativa. Lo que es debe de ser. En palabras de Hegel: "La libertad es la conciencia de la necesidad". Este patrón cultural constituye el programa cultural de la ciencia como saber unificador del presente modo de vida. Y conlleva como ha señalado R. Merton un ethos científico, basado principalmente en el valor del "universalismo". Y es la Universidad, la institución que ha terminado siendo internacionalmente el centro del saber científico de la moderna civilización, su organización de conocimiento más compleja, desplanzando a la Iglesia o las sectas reformadas, como centros de elaboración de los patrones de la cultura.

El modelo de innovación que este tipo de culturas sigue, preferentemente, es el modelo de la evolución natural. No son "los dioses" los que generan el cambio, mediante "una creación", sino la propia Naturaleza en su progresiva evolución. Los seres humanos ayudan a este cambio , ante todo, adaptandose al mismo , analizando y descubriendo sus tendencias y preveyendo sus futuros cursos.

Estos descubrimientos son a su vez utilizados por la tecnología para producir inventos útiles para la sociedad . El ciclo termina en la industria que se encarga de producirlos y colocarlos en el mercado, a fin de satisfacer las necesidades del consumidor. Este ciclo de innovación se ha acabado sintetizando de esta forma: CIENCIA-TECNOLOGIA-INDUSTRIA.

Una fase más reciente de este modo cultural es aquella iniciada en Estados Unidos, a mediados del siglo XIX, donde la TECNO-LOGIA, la creciente conversión de la técnica en un procedimiento científico formalizado, se ha ido convirtiendo en factor decisivo del cambio social. Este modelo ha dado un paso decisivo con las "computer cultures" en los años 80s, con la "high tech culture".

2.6. TECNOLOGIA Y "COMPUTER CULTURES".

Durante y tras la II Guerra Mundial, en Estados Unidos se desarrolló un tipo de cultura tecnológica basada en una transformación de la ciencia y los científicos tradicionales (matemáticos, físicos, sicólogos, antropólogos...) en científicos diseñadores o científicos-ingenieros, utilizados para fines de interés nacional.

El compromiso de una generación entera de científicos en el esfuerzo bélico y postbélico (Guerra Fría) ha orientado su investigación a objetivos aplicados de tipo estratégico. Este ha sido el origen de la "computer science and technology".

Este programa de investigación contiene, sin embargo, elementos contradictorios. Por una lado es la obra de unos "científico-diseñadores" con características particulares , distintas a los científicos e ingenieros tradicionales. En lugar de tener separado el descubrimiento científico y la invención ingeniera, se ha producido un proceso de síntesis de ambas actividades, lideradas, en la cultura norteamericana, por el avance tecnológico.

Sin embargo, por otra parte, este programa de investigación se sigue reclamando científico, y no ingeniero.

Ha sido Norteamérica, el país que ha aportado a la cultura occidental el concepto de "technology". El historiador Daniel J. Boorstein, director de Biblioteca del Congreso, define a Estados Unidos como " The Republic of Technology" (1978).

Según D. Noble , el que inventó éste término fue el médico norteamericano Jacob Bigelow en 1829:" I have adopted the general name of Technology ...Under this title is attemped to include an account...of principles, processes, and nomenclatures of the more conspicious arts, particularly those which involve applications of science, and which way be considered useful, by promoting the benefit of society, together with the emolument of those who pursue them" (1829:). Este fue el programa cultural en el que se basó en 1865 el Massachussets Institute of Technology, instituto fundado como institución separada de Harvard, ante la negativa de esta institución a aceptar este tipo de estudios.

Fue en este mismo instituto donde varias generaciones más tarde nacería la "Cibernética", disciplina dedicada al estudio de los mecanismos de control en máquinas y animales, nacida de estudios sobre aparatos y circuitos eléctricos no lineales, que usaban el mecanismo de la retroalimentación ("feedback"). La máquina se transformaba en un autómata, capáz de cierto gobierno de sus propios procesos mecánicos. (kibernetes). Su utilidad: el perfeccionamiento de la artillería antiaérea norteamericana en la II Guerra Mundial.

Con el desarrollo del ordenador y su extensión al conjunto de actividades intelectuales, Herbert Simon de Carnegie Mellon apuntó la idea de "mundos artificiales" (1969) o mundos diseñados por el propio ser humano, diferentes de los "mundos naturales". El concepto de artificialidad en este profesor, no nació de su contacto con los ordenadores, sino de sus estudios de Administración y su experiencia práctica en la misma. De ésta, y de su "model of man", el "administrative man" cuya actividad central es la "decision-making" extendió esta conducta al terreno de las computadoras, entendiendo finalmente por artificio todo "complex information processing system", sistema que significa tanto un ordenador como un proceso mental humano.

Las "computer cultures" son culturas tecnológicas-científicas que tienen como centro la actividad de invención de sistemas informáticos. La ingeniería, las ciencias naturales y sociales constituyen disciplinas que sirven de ayuda para la construcción de dichos sistemas, y enriquecen a la propia computer science. El centro de toda esta cultura es el sistema informático, el ordenador. Por eso son "computer cultures", "artificial worlds".

Autores humanistas como el arquitecto Lewis Munford han criticado lo que denominan "The Machine Age", considerando que lo característico de Occidente ha sido la mecanización del conjunto de los comportamientos sociales. (1934). Sin embargo, no distingue el diferente significado que "mechanicazation" tiene para un científico europeo tradicional o para un inventor norteamericano.

Mecanicismo en la cultura científica tradicional europea significa ante todo una concepción del mundo, según la cual el Universo se considera como un gigantesco artefacto sometido a las leyes inexorables de la física newtoniana. La Mecánica se considera, en primer lugar, una rama de la Física, no de la Ingeniería. Según esta tradición , no es la máquina industrial el modelo cultural que da significado al Universo, sino al revés. El Universo mecánico de Newton (1642-1727) antecede en varias generaciones a la Revolución Industrial de Newcombe y James Watt.(1736-1819).

Pero la máquina no se introduce en Estados Unidos a través de la física teórica sino a través de la obra de "mechanics" y cientiíicos aplicados como Ben Franklin, que más tarde se convertirían en ingenieros y sólo recientemente en físicos teóricos. Lo que ha aportado Estados Unidos a Occidente es la consideración de la máquina como una invención técnica, ésto es, humana, cuyo valor se lo da el hecho de ser útil para servir a propósitos humanos, no su referencia primaria a un universo mecánico.

Representantes históricos de la cultura científica europea como Bertrand Russell consideraban a la máquina como "hideous, and loathed because they impose slavery", seres horribles y odiosos porque imponen la esclavitud. De aquí se deriva que "la cultura", y por consiguiente la "liberal education" en Europa, en especial en las universidades tradicionales (Oxford, Paris, Lovaina) se considere lo opuesto a la máquina y a las artes mecánicas.

Sin embargo, para el norteamericano medio, la máquina es una obra, ante todo, humana. "Only Man can make a Machine". (Boorstein. 1978:44). " The Machine is the great witness to man’s power. The land was there at the Creation. But every machine is the work of man. The power of the Machine is man’s power to remake his world, to master it to his own ends. ...It may tempt us to overlook our limitations and put ourselves in the place of God" (ibid:91).

Como afirmó Daniel J. Boorstein : "The Machine brought endless novelty into the world". (:46).

Ello explica que el problema tecnológico, el "problem solving", se considera en este contexto el tipo de problema humano por excelencia: " We Americans have tended to take the technological problem-the soluble problem- as the prototype of the problems of our nation, and then too, of all mankind". (1978:33). Carnegie Mellon es una expresión culminante de esta cultura en la que se considera al ser humano un "problem solver", y la institucion como un "laboratory". Y este desde la tecnología que la cultura norteamericana ve, en gran medida, la política y la sociedad.

El fenómeno actual de la "high-tech" como cultura de invención tecnológica significa avanzar este proceso hasta el punto de inventar una máquina de propósito general, "general-purpose machine", el "computer", apta para todo tipo de conocimiento y actividad humana orientada a fines, a "goals". Y los límites en este objetivo dado que el ordenador no lo ha conseguido, es lo que está ahora impulsando iniciativas en CMU en ir más allá de esta máquina incluso.

La "computer culture", tan sólo el inicio de nuevas tecnoculturas, no es sólo la invención de una herramienta más (el computer), o el surgimiento de una nueva industria más a gestionar. Se está convirtiendo en un sistema tecnológico-social-económico , en suma cultural, cada vez más complejo, cada vez más internacional y global, que tiende a abarcar no una industria sino al sistema industrial en su conjunto, no un país, sino crecientemente al sistema internacional. El mundo se ve como un "artificial world". Y el artificial world se considera una obra humana. Cultura y tecnología se unifican. Si por cultura se entiende la definición de Herskovits "Man and his works". La tecnología informática abre la posibilidad de considerar por primera vez el mundo como una "human work", como una cultura, un "man-made world".

El proceso la "computer science and technology" para Alan Perlis empieza en 1947 con la invención del primer ordenador digital ENIAC, por el equipo dirigido por el físico John Mauchly y el ingeniero electrónico John Presper Eckert. (1977:113). A continuación Von Newmann y otros inventaron un ordenador con un programa almacenado :EDVAC. La herramienta empezaba a funcionar con programas, como las instituciones humanas. Se crearon, por tanto, programas para ella. En 1955-56 un equipo de un científico social-un matemático aplicado- y un programador, Simon-Newell-Shaw inventaron el Logic Theorist el primer programa de Inteligencia Artificial. En 1960, otro equipo de matemáticos, entre los que estaba Alan Perlis, diseñó un lenguaje de programación: ALGOL 60. En 1969, Robert Kahn, promovió el equipo de DARPA, que puso en marcha la red ARPANET, hoy la red de conexión de ordenadores más extensa de todo el mundo.

Este proceso conllevó el sintetizar un conjunto de disciplinas científicas, técnicas y humanísticas antes separadas (matemáticas, ingeniería, sicología, linguística,...) y formar otras nuevas útiles para la construcción del nuevo sistema. De esta síntesis, están surgiendo nuevas disciplinas, ya especialidades de la Computer Science (Inteligencia Artificial, Programming Systems, ), a su vez, subespecialidades de éstas (Machine Learning, Expert Systems...) y combinaciones de Computer Science con ramas de ingeniería para formar otras áreas como Robotics, con ciencias sociales (Computational Linguistics,...) etc.

Conforme el sistema se va complejizando nuevas disciplinas empiezan a colaborar con el computer: el management, la música, el diseño industrial, las ciencias sociales, formando nuevas síntesis.

Lo mismo ocurre a nivel organizacional. Lo que era un pequeño departamento, se convierte en una escuela que influencia a toda la universidad. Lo que era una pequeña industria (IBM) influye al conjunto del sistema industrial de un país. Lo que antes era una tecnología de un solo país, se ha convertido en un fenómeno internacional.

Por último, estas nuevas tecnologías se fusionan con otras como la televisión, las telecomunicaciones, etc. formando una red tecnológica global, más y más compleja.

No obstante, el ordenador sigue siendo considerado por la cultura científica mayoritaria como un "tool", una herramienta mecánica al servicio de un conocimiento más elevado. La R&D en Estados Unidos sigue dirigida por las ciencias naturales (física, química, biología, matemáticas), a cuyas investigaciones ha de servir el computer scientist.

Ello conlleva que se considera al ordenador una "calculadora", más sofisticada que hace 40s años pero de la misma naturaleza.

Los primeros ordenadores se inventaron para el cálculo de trayectorias balísticas. "Computation" significa en ingles "cálculo". Los físicos los utilizaban como herramientas para la solución de ecuaciones. Los matemáticos especializados en Análisis Numérico, como G. Forsythe, fueron de los primeros directores de departamentos de Computer Science . En cualquier caso, una herramienta de cálculo para la ciencia y la ingeniería. Esta visión del ordenador aún pervive en los programas de la National Science Foundation basados en supercomputadores. ( Grands Challenges: High Performance Computing and Communications. 1992. Office of Science and Technology Policy)

Por su parte, el mundo de la empresa considera aún hoy el ordenador como prolongación de las máquinas calculadoras y las cajas registradoras de hace 40 años, utilizándolo ante todo como un instrumento de "proceso de datos" para llevar la contabilidad y la facturación de la empresa.

Por su parte, los científicos sociales que se han incorporado a la "computer science" también lo consideran una útil herramienta para la "simulación cognitiva" o para el "cooperative work".

Durante estos primeros 40s años el ordenador no ha cambiado la clásica visión de las technai estableciada por Platón en La República según la cual la educación más elevada no era la de las technai que "se orientan hacia las opiniones y deseos humanos o tienen que ver con la creación y fabricación" (533b) sino aquél saber que consiste en la contemplación de la verdad. (cit. Mitcham: 1989: 16)

En cualquier caso, dos tendencias se pueden apreciar: 1. La absorción dentro del ordenador, y por tanto de una "problem solving mentality" del conjunto de disciplinas e instituciones sociales. Ello implica la instrumentación del "computer scientist" del conjunto del saber social en función del "computer". 2. La resistencia de las ciencias y humanidades a ser integradas en esta tendencia, manteniendo al ordenador como una herramienta para realizar sus tradicionales trabajos.

2.7. TECNOLOGIA, CULTURA, TECNOCULTURA.

Margaret Mead, en los años 70s, detectó éste fenómeno cultural de cambio tecnológico acelerado denominándolo , "sociedades prefigurativas", : "La invención de la computadora, la desintegración efectiva del átomo...el descubrimiento de la bioquímica de la célula viva, la exploración de la superficie del planeta, la extraordinaria aceleración del crecimiento demográfico,...la quiebra de la organización urbana, la destrucción del entorno natural, la interconexión de todas las comarcas del globo mediante los vuelos de retropropulsión y las imágenes televisivas, los preparativos para la construcción de sátelites y los primeros pasos que se han dado en el espacio, las posibilidades recien descubiertas de obtener energía ilimitada y materias primas sintéticas...he aquí los factores que sumados, han culminado en una división drástica e irreversible entre las generaciones." (1977:92).

"Los asertos contemporáneos sobre el drama del hombre o, a la inversa, sobre las nuevas oportunidades que se le presentan al ser humano, no contemplan la aparición de nuevos mecanismos de cambio y transmisión cultural que difieren fundamentalmente de los mecanismos postfigurativos y cofigurativos con los que estamos familiarizados. Sin embargo pienso que está surgiendo una nueva forma cultural y la he denominado prefiguración". (1977:91).

Margaret Mead detecta elementos tecnológicos nuevos, pero los pone en el mismo plano que descubrimientos científicos, y considera el conjunto de innovaciones como un proceso espontáneo.

Esta confusión de saberes ha tenido repercusiones estratégicas 20 años más tarde. Un país como Estados Unidos con más ciencia básica que ningún otro, está siendo superado en áreas industriales claves por otro como Japón, con un nivel inferior de ciencia, pero con una tecnología cada vez más avanzada, y con una creciente voluntad de construirse como "technological country" (Hajime Karatsu. 1986), y con teóricos importantes de la "information society" como Yoneji Masuda (1980).

Por su parte en Europa, cuna de la ciencia, existe un potencial de crecimiento tecnológico en paises como Alemania, Italia o España. (El caso español es materia de otro estudio, pero es interesante resaltar que la primer plan de I+D nace del impulso dado por parte de sociólogos de la nuevas tecnologías como Manuel Castells (1986), y con una clara orientación hacia la investigación "mission oriented".

La ciencia no es un saber "prefigurativo". Su aportación histórica, tal como Occidente la ha concebido de forma mayoritaria, ha sido el poder explicar, en palabras de Kuhn, "qué existe y qué es"(1987:97). "El descubrimiento de un pauta parcialmente oculta"(Herb Simon, 1973: 16 ). Es tarea de la tecnología, no de la ciencia, el diseñar como podrían ser éstas. El saber prefigurativo es el diseño. Los programas de investigación científicos para Lakatos pueden ser deductivos o inductivos, basados en conjeturas y refutaciones (1975) pero no programas de diseño de nuevos sistemas, tal como se practican en CMU.

Esa tarea le ha correspondido a la tecnología. Esta, de momento, se ha concebido, por la moderna cultura, como mera aplicación de una ciencia concebida a su vez con criterios de objetividad, lo cual ha sido un paso intelectual importante en la historia de la cultura humana. Una nueva visión de la misma puede concebirla como el campo de diseño e invención humano del conjunto de nuestra realidad cultural.

Denomino tecnoculturas o "design cultures" a las comunidades que consideran el diseño y la invención como su práctica cultural preferente, actividad encaminada no sólo a la construcción de máquinas informáticas y sus programas sino del conjunto de su vida organizada, incluyendo su propia tecnología. Entiendo que este modelo cultural es una hipótesis no tanto sobre una estructura cultural existente sino sobre una posible. Al fin y al cabo, la invención de momento en las "computer cultures" está limitada al sistema mecánico principalmente.

Salvador Giner viene utilizando también el termino "tecnocultura" desde 1984 ("Tecnoculturas", La Vanguardia, 4 de febrero 1984). para definir una realidad social emergente producida por estas nuevas tecnologías. La inncesante capacidad de innovación, no ya de objetos, sino de los propios conocimientos, la considera una de sus características principales. Es una realidad cultural que considera poco estudiada y que ya no puede entenderse con los tradicionales estudios sobre "los impactos sociales de la tecnología". Su relación con las técnicas por un lado, y el saber científico por otro es problemática.

Por otra parte, Karl Popper ya sostuvo en los años 30s, y en nombre de la libertad contra el historicismo, la posibilidad de una "ciencia social tecnológica", una metodología para "un estudio de las leyes generales de la vida social, cuyo fin sería el de descubrir todos aquellos hechos que habría que tomar en cuenta todo el que quisiera reformar las instituciones sociales". (1987:60).

En antropología, los intentos de una antropología aplicada han sido conflictivos. Es conocida la historia de críticas que sufrió el proyecto Vicos de la Cornell University, dirigido por el antropólogo Allan Holmberg (1955,1956,1958), realizado en plena Guerra Fría y acusado de proyecto "colonialista" (Stavenhagen, 1971). A su vez, todo plan de reforma social era vista por el otro bando, de hacer el juego al comunismo.

En los años 40s, el antropólogo Melville Herskovits propuso un giro en su libro "El hombre y sus obras ", publicado por primera vez en 1948, para entender la mentalidad inventora que nos parece que ayuda a ver de forma distinta esta nueva realidad cultural: " Es menester un giro absoluto en la mentalidad euroamericana de hoy si hemos de considerar que el proceso de invención actúa sobre la totalidad de la cultura, y no sólo sobre sus elementos tangibles. Con la mayor facilidad propendemos a descuidar el papel del inventor de nuevas ideas y de nuevos conceptos, descuidando la función que desempeña en los cambios que señalan el desarrollo histórico de toda cultura..." ( Ed. cast.1981:536)

Siguiendo a Roland Dixon, profesor de antropología en Harvard, ("The Building of Cultures" 1928), Herskovits entendía por invención la "creación deliberada de alguna cosa radicalmente nueva", actividad distinta del descubrimiento , el hallazgo accidental de algo que no se había observado previamente.

"El uso común de la palabra ‘inventor’ ilustra muy bien el prejuicio euroamericano. Un ‘inventor’ es una persona que ‘inventa’ una nueva máquina, o un nuevo método mecánico. Quien desarrolla ideas para un nuevo sistema económico, o imagina un nuevo esquema político, o elabora una nueva concepción del universo, no es, para nosotros,en modo alguno, un inventor. Podemos llamarlo un teórico, un filósofo, un visionario o , más despectivamente,un revolucionario.

Sin embargo, las ideas son ciertamente no menos poderosas que las cosas en la formación de las vidas de los hombres. Sería difícil sostener que los ‘inventores’-y la palabra se usa aquí en su sentido etnológico y funcional- que imaginaron contar la descendencia por un lado de la familia, o quienes más tarde desarrollaron sistemas de clasificación de la terminología del parentesco, tuvieran menos influencia en el curso de la cultura humana que tuvo el inventor de la tienda de pieles, o de la canoa batanga, ode la bomba y los fuelles usados en el trabajo del hierro". (1981:536).

Por su parte, Margaret Mead dentro de los trabajos por una Anthropology for the Future, afirmaba: "We are in a period of invention, of dealing with many concepts that we never had to consider before, and recognizing that one of the tasks of anthropology is culture building". (1978: 272)

En las "computer cultures’ el mundo se empieza a ver como un "artificio colectivo" (H. Simon. 1973: 17) , como un "man-made world" (entendiendo por "man" ser humano genérico). Antropólogos como Clifford Geertz, poco proclives al estudio de la tecnología, ya habla de la ideación como un "cultural artifact" ("Local Knowledge. 1983:152), tomando el lenguaje propio de los investigadores en Inteligencia Artificial.

El invento en esas culturas ya no se reduce a la máquina. Como afirma Herb Simon: " Moreover for most of us--the white -collared ones-- the significant part of the environment consists mostly of strings of artifacts called ‘symbols’ that we received through eyes and ears in the form of written and spoken language and that we pour out into the environment..The law that govern these string of symbols, the laws that govern the occasions on which we emit and receive them , the determinants of their content are all consequences of our collective artifice" ( 1981: 5).

Las "computer cultures" nos permiten apreciar que el fenómeno de invención mecánica es una invención de símbolos y programas de símbolos. Las tecnoculturas desarrollan y complejizan las "computer cultures" al no reducir la invención al sistema informático, o a un sistema simbólico lógico-matemático. El diseño no tiene por que reducirse al diseño sólo de máquinas o sistemas mecánicos o su lenguaje de programación. Puede incluir también el de instituciones humanas que los usan (familiares, escolares, de entretenimiento,...) , los nuevos sistemas de conocimientos que los desarrollan, los nuevos ritos y prácticas sociales que rodean al ordenador y que no son codificables en lenguaje máquina y procesables por el ordenador, pero sin las cuales el ordenador no hubiera nacido.

Una tecnocultura es una cultura de invención de nuevos conocimientos, ante todo, de nuevas disciplinas tecnológicas. Así como se concibió la Inteligencia Artificial, como una síntesis de matemáticas, ingeniería, sicología cognitiva,etc. concebida para hacer más inteligentes a las máquinas, el profesor Frederik Reif de CMU concibe una "human cognitive engineering" (1980: 44) que pueda mejorar las capacidades de los humanos. De hecho, éste es el objetivo de la educación. Y es en la educación donde en CMU se están desarrollando modelos más avanzados de diseño. Las tecnoculturas son culturas de invención general, y esta invención considera la propia educación humana su campo priviligiado de acción.

Basándome en este enfoque conceptual, analizaré en este estudio, los proyectos de la School of Computer Science de CMU como procesos de formación de una "computer culture".

3. DESCRIPCION DEL OBJETO DE ESTUDIO.

3.1. CMU COMO CULTURA DE INNOVACION.

Los dos motivos iniciales para la elección de CMU como base de la investigación fueron: 1. El constituir un primer experimento de "computer-intensive campus". 2. El ser un centro de investigación generador de la idea de "The Sciences of the Artificial", libro escrito por Herb Simon en 1969 , donde introduce la idea de mundos "naturales" y "artificiales" como mundos distintos, basados los últimos, en el diseño humano. Estas dos características son únicas de CMU como "computer culture".

Segun Herb Simon, profesor de sicología cognitiva y computer science, existe un tipo de ciencias, distintas de las naturales, que denomina "sciences of the artificial" que se basan en la idea de diseño. A diferencia de la física o la química dedicadas al estudio de qué son y cómo funcionan los "natural worlds", las ciencias de lo artificial, como la ciencia de la administración, la economía, la sicología y las profesiones como la ingeniería tienen un terreno distinto: "Engineering, medicine, business, architecture, and painting are concerned not with the necessary but with the contingent--not with how things are but with how they might be--in short with design". (1981:xi).

La computer science es una expresión de este tipo de ciencia. Estudiar la cultura de CMU implica ante todo analizar que es este tipo de conocimiento y la gente que lo ha producido.

Esta distinción entre "natural worlds" y "artificial worlds" tiene relación directa con la cultura de CMU como cultura de innovación.

Tradicionalmente, en la cultura occidental el mundo de la ciencia natural ha sido el mundo de los fenómenos necesarios.

Yehuda Elkana, en su "Sciences and Cultures"(1981), ha puesto de manifiesto la conexión entre la ciencia griega , su visión de lo inevitable y su relación con el teatro trágico: " Greek drama is a depiction of the inevitable. Fate is inmutable, and man can influence minor details of his own destiny...It is an old Western cultural tradition to view the growth of knowledge-knowledge of all kinds, even scientific knowledge- as the subject of Greek drama: the unfolding of the inevitable". (1981:66).

Esta visión concuerda con la doctrina de la predestinación del calvinismo protestante y permite explicar , como hizo Robert Merton, el auge de la ciencia, en especial la ciencia natural, entre el protestantismo ascético, tanto en Inglaterra como en las primeras colonias norteamericanas.

El método de estudio clásico de la ciencia natural sería una combinación de racionalismo y empirismo: "predicciones empíricamente confirmadas y lógicamente coherentes" (Merton, 1942: 67).

Daniel Bell ha culminado esta visión afirmando que la "racionalidad funcional" es el principio axial del orden tecnoeconómico contemporáneo. (1976:24).

Pero esta visión tradicional del mundo, como "orden natural", explicado racionalmente por la ciencia, esta siendo modificada por un "orden artificial", inventado por la tecnología de forma incesante.

El presente paradigma científico ha admitido la tecnología y su cultura de invención como un complemento secundario de la actividad científica. Es el modelo "Science and Technology" que forma, con la industria, el denominado " unique innovation engine" (Dertouzos.1988: 22).

Según este esquema es la Ciencia la que inicia el ciclo de innovación, lo aplica la Tecnología y lo produce la industria. Pero en este esquema hay una anomalía. La llamada "innovation" no ha sido un valor cultural principal de la ciencia sino de la tecnología. Para Merton, el valor principal de la ciencia es el "universalismo", para Bell, el principio axial del orden tecnoecónomico es la "racionalidad funcional". Ninguno de ellos asocia ciencia, ni siquiera tecnología, a innovación. Más antiguamente, la escuela de Frankurt habló de "racionalidad instrumental", como la "ideología" del "unidimensional man"(Marcuse). Veían al tecnólogo como un burócrata controlador de procesos naturales. Su valor cultural clave era el "control" (Beniger, 1986), y así veían a los ordenadores, como las herramientas del burócrata.

Según este esquema, la secuencia normal de innovación en las culturas urbano-industriales o "sociedades complejas", partiría del "descubrimiento científico" desde las clásicas ciencias naturales, realizado en la Universidad, continuaría con la invención tecnológica a cargo principalmente de los laboratorios industriales y terminaría en la producción de objetos manufacturados para el mercado realizado en las industrias. Es interesante destacar que el conjunto del proceso se denomina"innovation cycle" y en él la ciencia, aunque se considera que inicia el proceso, actúa dentro de un sistema cultural presidido por un valor cultural ajeno a ella.

En realidad este modelo, éste "innovation cycle" no empezó en una Universidad sino en un instituto de tecnología: el Massachussets Institute of Technology. En este instituto nació el concepto de TECNO-LOGIA, por el cual la ciencia debía servir para aplicaciones útiles, y la técnica se convertía a cambio en un procedimiento científico, sistemático y formalizado.

En realidad el M.I.T. nació buscando independizar la tecnología de la ciencia. Empezó como un centro investigación tecnológica básica. Más que como una ciencia aplicada, el modelo empezó dotando a la tecnología de estatus académico, ésto es, convirtiéndola en "básica", elevándola de categoría intelectual . El M.I.T pasaba a competir con Harvard, el centro espiritual de la cultura liberal de Estados Unidos.

Fue la cultura tecnológica del M.I.T la que produjo el fenómeno de la cibernética en los años 40s, reconocido por Simon y Newell (1972. :878) como la base intelectual, el Zeitgeist, donde se desarrollaría el resto de la cultura informática, y de la propia ciencia cognitiva. Esto es sólo parcialmente cierto. Una aportación clave provino del grupo de matemáticos de Princeton: Church, Turing y Von Neumann.

De la cibernética se pasó al "information processing". Dos científicos de Carnegie Tech se adelantaron en 1955 a los del M.I.T como Minsky y McCarthy, inventando el primer sistema artificial inteligente. Este ha sido, hasta el momento, el acmé o cénit de CMU: en la invención de la tecnología más avanzada en el campo informático: la Inteligencia Artificial se pusieron por delante de la primera institución tecnológica de Estados Unidos, el M.I.T.

El modelo de CMU es un modelo nacido en un Instituto de Tecnologia, como una teoría dentro de un Zeitgeist denominado "cybernetics revolution" (Newell, Simon,1972) con un carácter estructural tecnológico.

No obstante CMU ha aportado a esa cultura rasgos propios:

2. Al pivotar sobre la Artificial Intelligence esta cultura se ha apoyado principalmente en la única institucion que durante décadas ha financiado una investigación basica en AI: el Defense Advance Research Project Agency (DARPA). La misión estratégica de esta institución era doble : promover la investigación avanzada para la defensa nacional de Estados Unidos y secundariamente y transferir a la industria dichas tecnologías para aumentar la productividad económica nacional. La investigación en Computer Science de CMU está basada en el modelo de un laboratorio estratégico de la Defensa, en particular "a DARPA Artificial Intelligence Laboratory", y por lo tanto al servicio de intereses estratégicos de Estados Unidos. Ello le ha permitido una mayor profundidad a su investigación básica de carácter tecnológico en áreas como la AI, en las que ni siquiera las grandes corporaciones (IBM, Apple...) se han atrevido a abordar, que la National Science Foundation solo ha financiado tardíamente.

3. La School of Computer Science (SCS) de CMU ha sido un centro principal de investigación de esta universidad, y de donde han salido innovaciones principales de esta "computer culture".

Al mismo tiempo, es uno de los centros generadores de la "computer culture" en Estados Unidos en el terreno de la investigación básica. Es uno de los tres centros ("hubs") estratégicos en el país para el desarrollo de la investigación básica y aplicada en el campo de los ordenadores, y particularmente de la Inteligencia Artificial.

Los otros dos históricamente han sido el Massachussets Institute of Technology, (MIT), y la Stanford University de California.

Durante los últimos 25 años, DARPA ha sostenido ininterrumpidamente la investigación básica en ese departamento en áreas estratégicas como la Inteligencia Artificial, Programming Systems, Computer Systems , que están teniendo aplicaciones y relaciones con otras áreas y disciplinas (ciencias, management, humanidades, ingenierias, educacion, etc.).

3.2. LA INVESTIGACION DEL COMPUTER SCIENTIST DE CMU: "OUR SUCCESS IS INNOVATION".

"We don’t have 300 years like Harvard. Our success is in innovation". Esta palabras de Herb Simon (Entrevista, 1 Mayo 1990) marcan el patrón cultural en el que desarrolla la actividad de investigación del "computer scientist" de CMU.

La innovación en esta "computer culture" parte, fundamentalmente, aunque no de forma exclusiva, de lo que antes se denominó Computer Science Department y hoy School of Computer Science de CMU y de su investigación. Esta escuela parece tener características culturales particulares, en parte heredadas de la institución a la que pertenece, Carnegie Mellon, y en parte, propias y adoptadas posteriormente por el conjunto de la universidad.

Una de ellas es el haber nacido no de un departamento universitario o de una disciplina científica tradicional, sino de la confluencia de tres factores: En primer lugar, una actividad de invención en 1955 de un programa de Inteligencia Artificial, denominado LOGIC THEORIST (LT) y un lenguaje de programación nuevo INFORMATION PROCESSING LANGUAGE (IPL), por el equipo interdisciplinar formado por profesores como H. Simon, estudiantes de postgrado como Allen Newell y programadores como Cliff Shaw , equipo con base en dos instituciones , la propia universidad, que en1955 era aún Carnegie Institute of Technology", y la Research and Development Co (RAND), el original"think tank" inventado en Estados Unidos y financiado con fondos de la Defensa . Esta invención formaba parte de una nuevo programa de investigación de este equipo, iniciado en febrero de 1952, destinado a comprender lo que denominaban "complex information processing systems" ( A. Newell, H. Simon"The Logic Theory Machine".1956).

En segundo lugar, la apertura un Computation Center en dicha universidad en1956, formado por Alan Perlis, director del Departamento de Matematicas, y basado en una máquina, una IBM 650. Este centro fue concebido como servicio al conjunto del campus, como un lugar abierto de encuentro de matemáticos, ingenieros, físicos, estudiantes de management de todo el campus, que utilizaba el ordenador para resolver problemas de su especialidad.

En tercer lugar, la formación en 1962 de un programa interdisciplinar de doctorado, denominado Systems and Communications Sciences, con participación de cuatro departamentos: Mathematics, Psychology, Electrical Engineering y Graduate School of Industrial Administration, precursor de lo que en 1965 será el programa de doctorado en Computer Science.

Estos rasgos responden a una cultura académica, la de Carnegie Mellon University, entonces llamada Carnegie Tech, que se había distinguido por dos rasgos: 1. Su "problem solving mentality", su mentalidad pragmática , propia de una escuela técnica, expresada en el lema de su fundador Andrew Carnegie en 1900:"Handication versus Headication". Y 2. Su concepción de la educación para los ingenieros de carácter liberal, que debía integrar también inseparablemente el estudio de humanidades y la ciencia básica. Ambos rasgos culminarían en el llamado Carnegie Plan, en los años 40s, un plan para formar ingenieros con mentalidad interdisciplinar científico-humanística, y al mismo tiempo con dominio de los métodos de" problem solving", propios de la ingeniería.

Desde su fundación en 1965, el Departamento de Computer Science de CMU ha propiciado una actividad de investigación interdisciplinar basada en un modelo que al parecer se comparte como valor común de la escuela : el enfoque pragmático y diseñador del ingeniero, y la formación científica y humanística , complemento del anterior. Este modelo cultural se ha definido como "scientist of design" (Herb Simon). El modelo educativo se denomina: "liberal-professional education". Ello conlleva un tipo de investigación específica en la que se combina la innovación tecnológica, que está en el puesto de mando, con una dimensión social y humanística, que le sirve de complemento.

A estos dos rasgos se unió un tercero, no existente en la antigua Carnegie Tech: la investigación estratégica, introducido por la cultura de la RAND Co. Carnegie Tech se convertirá en un centro de investigación para los intereses estratégicos nacionales norteamericanos en materia de tecnología informática. De centro de educación pasará a ser principalmente una unidad de investigación, y de servir a la industria local o nacional, pasará a servir, principalmente, intereses estratégicos de Estados Unidos en el campo de la investigación informática. Este pensamiento estratégico, retomado a través del management, le servirá para constituirse en los años 80s, mediante un ejercicio de "strategic planning" en la primera "computer-intensive university" de Estados Unidos.

Esta combinación de rasgos constituye el patrón cultural hegemónico, el modelo de pensar y de actuar dominante en esta comunidad, y le proporciona un conjunto de ventajas comparativas sobre otras "computer cultures".

Este patrón en CMU ha ido unido a una doble actividad : 1. La tendencia a sintetizar los dos primeros procesos de innovación tradicionales , el descubrimiento científico y la invención tecnológica, en una única e inseparable actividad, liderada por el avance tecnológico. Y 2. La introducción del conjunto de toda la comunidad universitaria, no sólo a un sector de la misma en la actividad de invención tecnológica, concretada en la producción de sistemas informáticos, en particular, software. Sus líderes, incluso proveniendo de ciencias sociales, se dedican a producir tales sistemas sin los cuales no serían reconocidos como tales en una comunidad de base ingeniera como ésta.

Si consideráramos Carnegie Mellon como un prototipo de una "tecnopolis" apreciaríamos que su modelo de innovación es más complejo que el descrito por el tradicional ciclo de CIENCIA-TECNOLOGIA-INDUSTRIA. En este ciclo ,que podríamos denominar "simple", la innovación la inicia sólo un sector de la población investigadora: los científicos y técnicos, dejando fuera al resto de disciplinas (ciencias sociales, humanidades,...) y de conocimientos (arte, management,...). Y la culmina sólo un sector de la sociedad: la industria. Se deja fuera al resto de instituciones: la Administración, la enseñanza, la sanidad, las administraciones locales,... simples usuarios de las anteriores invenciones tecnológicas.

Por contra en el ciclo "complejo" de CMU, en tanto que COMPUTER CULTURE, la invención tecnológica trata de comprometer al conjunto de disciplinas, a las que se trata de embarcar en una actividad de diseño de programas informáticos, propia de la tecnología ("ciencias del diseño") y es el conjunto de la institución la que se pretende que participe en el proceso de innovación, entendido como un procesos de planificación estratégica.

El iniciador de la innovación es una combinacioón de político-computer scientist (Herb Simon, A. Newell, A. Jordan), más que un mero científico -industrial.

Según el modelo de CMU, la investigación ha de ir unida al diseño y construcción de sistemas informáticos, no sólo a la mera explicación de un fenómeno.

La teoría se elabora construyendo los programas y sistemas informáticos. Una construcción matemática de un hipotético sistema , por ejemplo, tendrá tanto más valor en la SCS de CMU si va unida a la construcción de nuevo programa informático que funcione, que "valide"dicha teoría. La "computer science" se sirve así del conocimiento matemático para construir sistemas computacionales. Pero no se reduce a matemáticas, ni básicas ni aplicadas, ni a otra ciencia clásica. Se considera una disciplina distinta, en palabras de Mary Shaw, veterana profesora de la SCS :"a separate discipline" Great Ideas, april 1991) .

Este particular enfoque de la SCS hace que la clásica relación entre ciencia y tecnología, entre "investigación básica" e "investigación aplicada" aparezca invertida y unificada. En documentos fundacionales del centro, se afirma así que es de la segunda de donde salen principalmente las nuevas ideas. "The new ideas and insights that move it towards being a science arise mostly from applications rather than from any self-generative character of the pure sciece of information processing"(A. Newell, A. Perlis, Schatz,E.1964: 3).

Los fundadores de la disciplina en esta institución (Perlis, Simon, Newell) han operado así desde el principio, construyendo sistemas, en particular "programas" (Logic Theorist, GPS, lenguajes informaticos...), que validaban su teoría del "information processing", asentando un hábito cultural característico, un "particular approach" de esta escuela : "the pragmatic approach". (ib:13).

La computer science nació en CMU en los años 60s como "the attempt to produce a science in an area that not logn ago was a purely technology" (ib : 1). " The scientific knowledge is contained, not in a formal theory, but in the knowledge, however expressed, of the structure of a class of information processing tasks and the programs that can do that". (ib: 7).

En esta escuela, la tarea teórica del científico se indentifica con la de hacer programas. Un ejemplo de ello es SOAR el último programa informático de Allen Newell , resultado de casi 30 años de trabajos en Inteligencia Artificial, considerado no un mero vehículo para validar una teoría sobre la cognición humana sino la propia teoría en sí misma: "The effort internally (at home, so to speak, was to convert Soar to a cognitive theory" (A.Newell.1990:x).

Por tanto, las dos primeras partes del ciclo Ciencia-Tecnologia aparecen sintetizadas en una nueva disciplina: "Computer Science", en la que se reconoce que la tecnología va por delante en innovación respecto a la propia ciencia . Allen Newell explicaba en el reciente XXV Aniversario del Departamento, celebrado en septiembre de 1990, esta paradoja. A diferencia de como otras ciencias como la microbiología o la genética habían nacido , a partir del descubrimiento de algún fenómeno natural (micro-organismos o genes), el Computer Science nació de una tecnología : "Its emergence has been especially confusing because of the computer’s origin as an engineered and manufactured device " (Newell,1990 :41).

Esta primacía de la invención tecnológica sobre el descubrimiento científico da lugar a un proceso de innovación distinto, en el que las iniciativas provienen de las nuevas invenciones tecnológicas que son teorizadas científicamente a posteriori o simultáneamente, formando ambos aspectos un conjunto inseparable, pero liderado por el avance tecnológico. Este rasgo constituye uno de los fenómenos característicos de la "computer culture" en CMU, institución que fue primero una escuela técnica (1900), luego un instituto de tecnológia (1912) y sólo recientemente (1967) se convirtió en un tipo particular de universidad , un "computer-intensive campus" (1980s). Y su futuro está abierto.

Este proceso intelectual de síntesis entre investigación básica y aplicada ha precisado a su vez de un marco organizativo nuevo : el Computer Science Department, hoy ya School of Computer Science (SCS).

Como la propia disciplina , este es un departamento universitario distinto a los restantes. Inicialmente fue concebido como un "open center" (Newell ,Perlis, Schatz. 1964: 25), un centro abierto a todas las disciplinas y departamentos de la universidad, con la idea de que " A very substantial segment of Carnegie Tech should become the laboratory for the study of information processing" (ibid. :26).

Esta institución se ha ido constituyendo como una nueva institución experimental, y con un estilo de organización informal, síntesis de diferentes disciplinas ( matemáticas, ingeniería, sicología,. ..) y de profesores provenientes de estos departamentos, siendo a su vez distinto a éstos. En 1965, se fundó éste fuera tanto del departamento de ingeniería eléctrica como del de matemáticas dentro del College of Engineering and Science, siendo el primero que lo hizo en Estados Unidos. Una vez que el College of Science en CMU se separó del de Ingeniería, el departamento se quedó en el colegio de ciencias, de donde se separó en 1985 y en 1988 se constituyó como escuela con rango equivalente a los otros colegios de CMU.

Por último, el modelo de relación de esta institución con el mundo industrial ha sido más compleja que las de la clásica de las escuelas de ingeniera, y descrita en el ciclo Ciencia-Tecnología-Industria. La industria del ordenador ha jugado y juega aun un papel secundario en el apoyo de la investigación en la SCS. Secundario pero significativo.

La entidad que ha sostenido y sostiene aún fundamentalmente estas investigaciones, de "alto riesgo" (high risk) dado que su resultado no está garantizado y es a medio o largo plazo, en CMU es una institución pública de carácter gubernamental: la Defense Advanced Research Projects Agency (DARPA) . Esta es una institución particular. A pesar de ser pública, su carácter desde el principio fue financiar proyectos tecnológicos avanzados, teniendo un gran carácter innovador.

Gracias a su prolongada y sostenida inversión y apoyo durante los últimos 30 años, ese tipo de investigación nueva mitad ciencia-mitad ingeniería y con objetivos públicos no privados al servicio directo de la empresa, se ha podido mantener . En 1988, la proporción entre la investigación esponsorizada por el gobierno y la sostenida por la industria en el Departamento era 85%:15%.

La SCS forma parte del pequeño grupo de seleccionados departamentos que recibe cerca de 10 veces el promedio de financiación en comparación con otros departamentos de similar tamaño en Estados Unidos. (Goals and Strategic Plans. CMU. 1988).

Ello ha permitido realizar en la SCS un tipo de investigación estratégica en áreas que no han tenido aplicación comercial inmediata, y que la industria no se ha atrevido a sufragar dado su alto riesgo : Inteligencia Artificial, Vision y Reconocimiento de Voz, redes electrónicas, circuitos integrados, robots autónomos, ... Una vez que han producido resultados las propias industrias, no sólo norteamericanas sino japonesas y europeas, se ha beneficiado de ellos. Igualmente se han aprovechado las otras universidades, la Administración, y todo el complejo mundo formado en torno al ordenador, y sobre todo, el propio Departamento de Defensa.

No obstante, es preciso reconocer que fue una industria, la IBM , la que patrocinó el Proyecto Andrew, que fue la base de conversión de CMU en una "computer-intensive university". Y que fue la fundación de un banquero, Richard K. Mellon, la que aportó 5 millones de dolares iniciales para la constitución del Computer Science Department en 1965.

3.3. LA SCHOOL OF COMPUTER SCIENCE , CENTRO DE LA INVESTIGACION DE ESTA "COMPUTER-INTENSIVE UNIVERSITY".

Esta escuela es una escuela de postgrado (graduate students), su objetivo es formar científicos del ordenador de alto nivel investigador (highly-qualified research computer scientists.). Pero por encima de todo, su meta es liderar la investigación en "computer science" a escala mundial: "The overall goal of the Computer Science Department is to maintain its worldwide leadership role in computer science research" (Goals and Strategic Plans. CMU. Feb. 1988: 28). El primer objetivo de la institución es, pues, la investigación ("research") y subordinado a éste la educación ("education") de investigadores en computer science. Al menos así ha sido hasta ahora.

La estructura oficial de la escuela esta formada por un Programa de Doctorado en Computer Science ("Doctoral Program in Computer Science"); un programa de Master para formar ingenieros de software ("Software Engineering Master’s Program") , realizado en colaboración con el Software Engineering Institute. Y por último, tres institutos: Robotics Institute, (que tiene su propio programa de doctorado), el Machine Translation y el Information Technology Center, nacidos de la propia investigación de la escuela y con una estructura organizativa independiente. Todo ello bajo la dirección del decano ("Dean") de la SCS, Nico Habermann, que en 1991, pasó a un nuevo cargo en la National Science Foundation.

En 1989, habia 193 estudiandes graduados en la School ( 77 en computer science y 17 en robotics). Ese curso se doctoraron 14 estudiantes de un total de 350 Ph. D. en todo el país. La admisión de estudiantes en la escuela es altamente selectiva. En 1987, se recibieron 900 solicitudes de todo el mundo, siendo admitidos unos 30 estudiantes, de los cuales un tercio aproximadamente estudiantes extranjeros.

A efectos educativos, el programa de doctorado en Computer Science se divide en cuatro áreas ("areas") : Teoría, ("Theory"), Sistemas de Programación ("Programming Systems"), Sistemas de ordenadores ("Computer Systems") e Inteligencia Artificial ("Artificial Intelligence"). El estudiante deberá realizar un examen escrito en cada una de ellas "core qualifiers" para poder realizar la tesis doctoral.

Esta estructura docente colabora con la estructura de investigación que constituye la actividad principal de la SCS. La valoración en esta escuela está en función directa de la capacidad investigativa del computer scientist. "The potential for outstanding ability in research in always the primary criterion" (Graduate Studies in CS. CMU.)

La escuela cuenta con 108 profesores e investigadores que forman el núcleo investigador clave de la misma. En 1989 eran 77 de Computer Science, 27 en Robotics y 3 en el Machine Translation. Del total, 36 eran "regular faculty" o profesores con derecho a plaza, 35 "research faculty" y 37 "special faculty" (investigadores especiales, profesores visitantes,...). Un figura clave para entender un aspecto que distingue esta escuela de otras es el papel de los "programmers". En 1990-91, la escuela contaba con 91 progradores, de ellos 68 en el area de Computer Science. Ellos son los responsables de escribir los programas informáticos para el ordenador.

En total se calcula que en 1991 la School abarcaba entre profesores, estudiantes de doctorado, personal de investigación, personal técnico de apoyo y personal administrativo, unas 700 personas (XXV Anniversary.:vii)

Cada profesor trabaja según diferentes "intereses"( "interests") en las diferentes áreas arriba indicadas, y en determinados "proyectos de investigación"( "projects"). Las principales innovaciones de la escuela se han producido en la investigación . Esta es la razón para seleccionar " los proyectos de investigación" como unidad de análisis etnográfico básica .

Los proyectos se agrupan en grandes programas de investigación que son los esponsorizados por DARPA (Defense Avanced Research Projects Agency). En 1990 son cuatro: "Basic", "Strategic", "Speech" y "ERGO". Estos programas forman la columna vertebral de la investigación de la Escuela. Agrupan a sus mejores equipos y los mayores presupuestos.

Los proyectos, al mismo tiempo, son el campo de trabajo del estudiante de la SCS , dado que durante los 4-6 años que dura su doctorado, la mayor parte transcurrira trabajando en algún proyecto de investigación dirigido por su director de tesis ("advisor"). Muchas de las tesis doctorales son productos del trabajo en el proyecto.

He seleccionado cuatro áreas, "Artificial Intelligence", "Programming Systems", Computer Systems" y "Theory", y distintos proyectos en ellas, que reunen algunas de las características que considero valores culturales propios de la School: 1.) la "construcción de sistemas" ("building systems"), como expresión de la investigación en "information processing systems", teoría básica de la computer science en CMU ; 2,) un enfoque holista a hora de construir dichos sistemas , ( "total system effort") abierto al trabajo interdisciplinar y de innovación entre distintas áreas de la computer science y entre esta disciplina y otros departamentos de CMU considerados como laboratorios para el estudio del " information processing"( open center) ; 3.) un estilo de trabajo que promueve la formación de equipos (teamwork), y 4) una estructura informal en la escuela con menor compartamentalización que en instituciones de similar tamaño y organizada en redes (network).

El objetivo central de esta investigación es describir el o los patrones culturales de los profesores y equipos que forman estos proyectos de investigación , y de las metas de finalidad de los propios proyectos como unidades de estudio. Este patrón o modelo etnográfico estará compuesto por el sistema de valores de dichas personas, sus relaciones jerárquicas, sus relaciones con otras instituciones en la comunidad universitaria de CMU y en el resto de organizaciones del

país, tanto industriales como político-administrativas, y sobre todo un análisis de como se están construyendo estos patrones a través de los proyectos de investigación de dicha escuela.

Siguiendo el análisis del ethos de las comunidades científicas establecido por Robert K. Merton (1942), y que para Daniel Bell dicho "ethos" de la ciencia, constitutuye "el ethos emergente de la sociedad postindustrial" (1973), la pregunta es :¿ es éste el ethos de una high-tech community como la de computer scientists de CMU, en concreto de los investigadores en estudio?.¿ En qué coincide y en qué difiere? ¿ Qué valores o metas de finalidad tienen estos, cuál es el sistema de valores de los profesores que construyen los ordenadores, los programas, las aplicaciones a través de estos proyectos seleccionados?. En suma, como cualquier modelo etnográfico, el estudio ha de responder a estas cuestiones básicas: " Cómo son los individuos, qué es lo que quieren ser y cuáles son los caminos institucionalizados que deben seguir para lograrlo" (Claudio Esteva. 1978: 234).

4. HIPOTESIS DEL ESTUDIO .

4.1. PRIMERA HIPOTESIS: "KNOWLEDGE IS DESIGN" EN LA SCHOOL OF COMPUTER SCIENCE.

Supongamos que hemos de hacer un modelo etnográfico del saber de un "computer scientist" de CMU. ¿Qué programa cultural rige a los que hacen programas informáticos, a los "computer scientists" de CMU?.

Afirmamos que la principal meta de finalidad de estos "computer scientists" parece ser el aumentar su conocimiento sobre qué sistemas informáticos pueden construir y cómo hacerlo. Su meta es el diseño como sistema de conocimiento cultural básico de esta comunidad. Esta comunidad no persigue principalmente entender o explicar una realidad dada, ni siquiera un sistema tecnológico dado, sino conocer qué nuevos sistemas informáticos pueden hacer. Por otra parte, el hecho de que acabe sabiendo cómo hacerlo, es la única vía para cubrir su primer objetivo. Para aumentar su conocimiento sobre qué nuevos sistemas tecnológicos pueden hacer, aprenden a hacerlos, adquieren lo que denominan know-how, o saber-como-hacerlos.

El hecho de que acabe construyendo prototipos, o demostraciones ("demo") de sistemas es un medio para lograr su objetivo central : la creación de nuevo conocimiento sobre nuevos sistemas informáticos posibles.

Por "sistema informático" se entiende en la SCS los sistemas construidos en Artificial Intelligence, Programming Systems, Computer Systems, y Robotics . La Theory es la área encargada de estudiar los posibles sistemas informáticos a construir, a nivel formal.

El proceso de innovación en los programas estratégicos de la Escuela, Vision, Speech, Supercomputers,... parece empezar no por el descubrimiento de un objeto empírico sino por el diseño de un nuevo conjunto de objetivos a conseguir ("goals"), que describen el nuevo "sistema", "programa", o robot, a construir.

La lógica del diseñador de "computer science" de la SCS , tal y como se expresa en los documentos de los proyectos ("proposals"), indica que lo primero son los "goals", los objetivos que identifican el nuevo sistema que el equipo de computer scientists quiere construir y que aún no existe. Y que es imposible por tanto descubrir a priori y estudiar como objeto empírico.

Estos objetivos, sin embargo, no se establecen "ex nihilo". Se apoyan en elementos tecnológicos y científicos ya existentes. Pero constituyen una realidad cultural nueva, existente tan sólo como "proyecto".

En el apartado denominado "technical rationale" de sus "proposals" , documentos de base de sus proyectos, es donde exponen los objetivos nuevos en forma de nuevos sistemas que se pretenden construir: Nectar, Mach, Soar...

En esto podrían asemejarse a los ingenieros y a los tecnológos tradicionales. Como ellos pretenden construir, diseñar nuevos sistemas. Pero estos sistemas son instrumentales para su finalidad principal: aumentar su saber a cerca de los mismos. Su fin principal es el nuevo conocimiento, no sólo el nuevo sistema. Ese rasgo cultural les diferencia de la ingeniería tradicional : no se consideran aplicadores de un conocimiento básico encarnado en las ciencias clásicas (matemáticas, física, química, biología), sino que se consideran los elaboradores del nuevo conocimiento que ellos mismos aplican. Son tambien teóricos, construyen su propia teoría mediante la construcción de sus proyectos.

No se trata sólo de tecnología, sino "high technology", donde el término "high" designa el peso del componente teórico o "científico" de la misma.

Su programa cultural tiene una doble característica: la finalidad principal es la construcción de una teoría del nuevo artefacto informático posible. El medio es su propia construcción. Así ,por ejemplo, se está formando ahora en esta escuela una nueva disciplina informática, Robotics Science, al calor de la construcción de sistemas como Ambler o Navlab, robots autónomos. Esta nueva disciplina está formada por la síntesis de Machine Intelligence, Mechanical Engineering y un nuevo campo denominado " Computer Vision", que estudia los sistemas de identificación de la imagen del robot.

¿ En qué se diferencian, pues, de un científico tradicional?. En que las nuevas disciplinas nacen no del descubrimiento de un objeto real preexistente a la propia observación científica, mediante la observación empírica en combinación con el razonamiento, , sino que surgen de una invención tecnológica que realiza el propio computer scientist y que una vez construida, la toma como objeto empírico de estudio para seguir construyendo nuevas realidades artificiales . Estas disciplinas son "conocimientos artificiales", sintetizados, nacen de la actividad de construir artificios y sirven para producir nuevos artificios, nuevos sistemas.

Como la ciencia clásica, el "computer scientist" busca crear conocimiento, pero a diferencia de ella, su conocimiento es inseparable de la construcción de artefactos pues se trata del conocimiento de esos mismos ingenios mecánicos.

Son "nuevos conocimientos", basados en una lógica de integración, de "putting it all together", la misma lógica con la que construyen sus máquinas.

En este sentido podríamos formular esta primera hipótesis: en la SCS de CMU, el objetivo fundamental del computer scientist es la creación de nuevos conocimientos sobre nuevos sistemas informáticos posibles. Actividad que exige inseparablemente la construcción de dichos sistemas, que se toman como objeto de estudio e investigación. En este sentido, en la SCS, "knowledge is design ".

De ello se derivan dos coralarios fundamentales: 1. La inversión de conocimientos, subordinando el estudio empírico de los sistemas a su diseño y 2. La tendencia hacia la síntesis de nuevos conocimientos de diseño.

Desarrollémoslos.

4.1.1. PRIMER COROLARIO: "LA INVERSION DE CONOCIMIENTOS".

El primer corolario podría formularse así: el estudio científico empírico de estos nuevos mundos artificiales del ordenador, tal y como se ve en estos proyectos de la SCS, no es ni puede ser previo a su diseño sino posterior. Ha de secundar con elementos analíticos el proyecto de sistema informático que se pretende construir, siendo inseparable de su construcción práctica. De haber seguido una lógica inversa, anteponiendo el proceso de descubrimiento científico de esos artectos a su diseño e invención tecnológica, estos hoy no existirían.

Este "científico" de CMU diseña, se propone construir realidades artificiales, en las que cuentan sus preferencias. El diseño parece ser su meta principal, su "core knowledge" .

Para construir sus artefactos o "desired states", realiza análisis empíricos, trata de encontrar patrones y modelos en las realidades que construye ("initial state") . Pero el análisis empírico de realidades artificiales en el ámbito del ordenador no puede ser previo a su construcción, sino posterior. Este es un fenómeno que no se ajusta al patrón clásico de la ciencia occidental, ni a la mentalidad cultural del "animal racional" aristotélico. Si nos basamos en Levi-Strauss podríamos compararlo inicialmente con el artista: " El arte se inserta, a mitad de camino, entre el conocimiento científico y el pensamiento mítico o mágico; pues todo el mundo sabe que el artista, a la vez, tiene algo del sabio y del bricoleur: con medios artesanales, confecciona un objeto material que es al mismo tiempo objeto de conocimiento". (1984:43).

Construye "modelos reducidos", como las pinturas de la Capilla Sixtina respecto al universo. Es algo "man made": "En la medida en que el modelo es artificial, se torna posible comprender como esta hecho" ( ib:46).

El "computer scientist" se sirve de análisis empíricos de realidades que son previas a la existencia del ordenador, como la mente humana. Pero esos análisis son instrumentales al servicio de la construcción de una inteligencia artificial distinta a la del ser humano. Igualmente se sirve de sistemas formales, creados por los matemáticos o lógicos, antes de la existencia del ordenador, pero esos sistemas son también herramientas para construir lenguajes de programación distintos a aquellos sistemas matemáticos, de la misma forma que el computer scientist se expresa a través del lenguaje simbólico natural sin por ello convertirse en poeta, en creador de este lenguaje.

Estos "científicos del diseño" han abierto las puertas , a través de la computer science, a un cambio de la clásica relación descubrimiento-invención-descubrimiento en otra nueva, invertida : invención-descubrimiento-invención. Esto es un fenómeno cultural nuevo , distinto a la clásica relación de saberes en la cultural occidental. A este fenómeno detectado en los proyectos analizados lo denomino: " "una inversión cultural de conocimientos". Esto hace de la "Computer Science" de la SCS una "separate discipline", y una institución independiente.

La denominada "basic research " es en la "computer science" de CMU el estudio de un invento y de sus propiedades a fin de producir más inventos. El descubrimiento empírico es una función del diseño, no al revés.

Lo que se denomina investigación "básica" en este campo tiene un significado distinta a lo que se entiende por ella en la física u otras ciencias naturales. Su propósito principal no es el descubrimiento de leyes en la naturaleza o la sociedad, sino el saber que nuevos sistemas computacionales son posibles y como poder construirlos. No es tampoco la estrecha investigación aplicada propia de la ingeniería tradicional: su finalidad no es meramente aplicada, de construcción de artefactos o "building systems", sino destinada a conocer cuáles se pueden hacer y luego hacerlos, como medio para poder ampliar el horizonte de los que se pueden hacer.

Lo que nos interesa es señalar un proceso que es el que vemos en la base del Computer Science, y que en CMU se ha reconocido en la figura del "designer": la tendencia de algunos científicos a hacerse diseñadores.

Pero el científico tradicional una vez convertido en computer scientist entra en conflicto con su ethos anterior : se pone en función del diseño de ordenadores, sus lenguajes, sus mecanismos, etc, en lugar se ser un científico dedicada a probar teoremas o a probar hipótesis sobre el mundo natural. Se ha pasado a mundo del diseño. Tiende a convertirse en un nuevo tipo de ingeniero.

De momento, algunos líderes de la generación de estos "científicos de lo artificial" definen a este tipo humano como un "Renaissance Man", una especie de ingeniero-científico-artista, todo al mismo tiempo, como Leonardo da Vinci (H. Simon. Entrevista Personal. 30/11/90).

Este fenómeno cultural se ve de momento como la síntesis de los patrones de la cultura occidental . Por ejemplo, Herbert Simon, como científico de lo artificial se sigue viendo a sí mismo,ante todo, como un científico, un "animal de racionalidad limitada" y como tal con valores básicos universales . En ésto sería un científico, siguiendo el patrón cultural de R. Merton. Pero al mismo tiempo, Simon ve al científico como un "problem solver". (1989:373). Esta síntesis es clara en el Dr. Dana Scott, lógico, matemático, y filósofo, y figura en la área de Theory en la SCS, internacionalemente reconocida.

No obstante, Leonardo da Vinci no era fundamentamente un científico como Galileo, sino un ingeniero renacentista, que gran parte de su esfuerzo intelectual lo dedicó a construir ingenios militares. La cultura de problem solving de CMU surgió de la ingeniería, más que de la ciencia o la matemática.

Sin embargo, los computer scientists de CMU proceden crecientemente de culturas de matriz no occidental. Como es sabido, cada vez es más reducido el porcentaje de estudiantes norteamericanos en carreras técnicas y más los que proceden de Asia. H.T. Kung procede de Taiwan y no se define como científico sino como "problem solver". Takeo Kanade proviene de Japón. Otros líderes de la SCS proceden de la India, como Raj Reddy o de paises europeos recien incorporados al tren tecnológico como España ( A. Jordan) o de América Latina (J. Carbonell).

Los profesores de la School of Computer Science unos pertenecen a la National Academy of Engineering como Raj Reddy y Angel Jordan , como lo fueron A. Perlis y J. Traub , antiguos directores del Computer Science Department. Otros, como H. Simon y D. Scott son de la National Academy of Sciences. Y sólo Allen Newell es de ambas.

4.1.2. SEGUNDO COROLARIO: LA TENDENCIA A LA " SINTESIS DE NUEVOS CONOCIMIENTOS DE DISEÑO".

Dicho mundo artificial avanza unido a la construcción simultánea de disciplinas nuevas, nuevas "ciencias artificiales" que lo estudian y lo complejizan. Este fue el proceso de construcción del "information processing" en la propia escuela en los años 60s, y de subdisciplinas como el "Speech", "Vision", el "Machine Learning" y ahora Robotics.

El fenómeno citado de "inversión" constituye una innovación en la cultura de una institución universitaria. Su explicación sólo es posible si estudiamos con más detenimiento la cultura de Carnegie Tech como instituto tecnológico, y su utilización tradicional de la ciencia como parte instrumental en la educación del ingeniero. En Carnegie Mellon, el "problem solving" instrumentaliza a la ciencia, hasta convertir al científico en un "problem solver" (Herb Simon).

El segundo corolario de la hipótesis "conocimiento es diseño" podríamos formularlo así: La inversión de conocimientos antes citada precisa de una nueva interdisciplinariedad que se genera en torno al ordenador en la SCS, y tiende a la formación de síntesis de conocimientos nuevos igualmente basadosen el diseño, acordes con los sistemas artificiales en construcción. La investigación en la SCS está abierta a una "collaboration across boundaries" o trabajo interdisciplinar entre distintas disciplinas del campus.

El antiguo inventor pragmático, también era experto en la síntesis de los más variados componentes, a través de una interminable serie de experimentos de laboratorio. Este método de "cut and try" se ejercía sobre los más diversos materiales y procedimientos. Proceso no muy distinto de lo que Levi-Strauss denomina el pensamiento "bricoleur", propio de la magia. Popularmente se conocía a Edison con el apodo del "Wizard of Menlo Park" (El Mago de Menlo Park).

La construcción de la Inteligencia Artificial se ha servido a su vez de distintas disciplinas (sicología cognitiva, linguística,...), aprovechando de ellas aquellos enfoques y herramientas conceptuales y metodológicas aptas para la construcción del nuevo artefacto.

La SCS no se reduce en su investigación a una sóla escuela sino que tendencialmente atrae a su esfera de influencia progresivamente al conjunto de disciplinas del campus, hasta formar una "computer-intensive university" , proceso iniciado en los años 80s y aún no culminado. El College of Humanities and Social Sciences forma disciplinas, como Computational Linguistics, Information Processing Psychology, o programas de doctorado como el Information and Decision Systems. Igualmente otras escuelas.

Este fenómeno tiene base en la cultura de una institución que desde los años 40s con el Plan Doherty, introdujo el concepto de "liberal-professional education", por el cual la educación del ingeniero debía ser al mismo tiempo profesional y liberal, ésto es, basada en el conocimiento de humanidades y ciencias. Y a su vez, a los de "liberal arts" se les educaba en la mentalidad de problem solving del ingeniero.

Este fenómeno ya fue detectado por Herb Simon en 1969: "Los que hemos vivido en íntimo contacto con el desarrollo de la computadora moderna, durante su gestación y su infancia, hemos pasado ante una gran variedad de campos profesionales, entre los cuales se encuentra la música. Hemos advertido la creciente comunicación entre disciplinas intelectuales que se efectúa en torno a la computadora. La hemos acogido con agrado porque nos ha puesto en contacto con nuevos mundos de conocimientos, porque nos ha ayudado a combatir nuestro aislamiento multicultural" (1973: 123).

Pero este fenómeno tiende a cambiar el propio patrón cultural de una universidad, en sus fines y en sus jerarquías y formas de organización y hábitos internos.

El sistema cultural tradicional de la Universidad occidental, como institución especializada en la produccion de saber, está basado en el supuesto de que el valor del conocimiento aumenta en proporción directa a su grado de formalización lógico-matemática. Se le ha denominado "el ethos de la ciencia pura". (Barnes, Merton, Kuhn,et al. 1980). En palabras de Simon, la cultura general de la universidad implica un conjunto de normas que tienden a priorizar la formalización de las materias: " De acuerdo a las normas vigentes, la respetabilidad académica exige aquellas materias que son, intelectualmente, arduas, analíticas, susceptibles de formalizarse o de enseñarse". (1973: 88-89).

La ciencia (matemáticas, física, qu´mica, biologiía) es el conocimiento más valorado, y se considera a la tecnología (ingenierías) como una aplicacion de sus conocimientos. Por ello, para el ingeniero tradicional considerarse "científico" significa aumentar de estatus cultural. Esta dinámica quedaría expresada en la tradicional relación Harvard-M.I.T. en Estados Unidos, en la que, simplificando constatamos que la primera institución es la que aporta los Premios Nobel, los Presidentes del país y los Premios Pulitzer y la segunda, los ingenieros , los jefes de empresa, y también algún Nobel .

La tendencia hacia la unificación de conocimientos y creación de nuvas disciplinas de diseño, como factor cultural propio de la SCS, bajo una idea de "problem solving", constituye una innovación en la cultura de una institución universitaria, incluso de la propia CMU, que originalmente fue un instituto tecnólogico.

Al priorizar el conocimiento y construcción de sistemas posibles, la síntesis, sobre su análisis, el "computer scientist", como el ingeniero, recaba para ello todo tipo de conocimientos y disciplinas:"Putting It All Together" (Allen Newell). Busca "síntesis de conocimientos". El tema de la "synthesis" (Art Westerberg, 1979, 1988) se convierte en clave de la nueva ingeniería, basada en el diseño.

La computer science de CMU avanza sobre la base de síntesis con otros conocimientos y disciplinas formando nuevos conocimientos artificiales, nuevos conocimientos de diseño. En este sentido se le puede considerar una matemática de las tecnoculturas.

La Artificial Intelligence de CMU de Simon-Newell-Shaw fue posible gracias a una síntesis entre matemática aplicada, problem solving , métodos de introspección sicológica y técnicas de programación informática.

El invento de Ed Feigenbaum de los sistemas expertos, fue otro avance al unir el ingeniero de conocimiento con el médico o el experto y trabajar juntos para poner en marcho un producto realizado por los dos.

Este es el fenómeno de intento de síntesis con el "complex information processing" de Simon-Newell, una disciplina o campo de investigación unitario entre sicología y AI.

La línea de avance de la Computer Science es la abierta con la experiencia Andrew: abrirse a la colaboración con otras disciplinas, hacer nuevas síntesis de conocimientos artificiales como la propio Computer Science.

Pero esta síntesis de conocimientos tiene sentido sólo si se pretende construir nuevos sistemas artificiales, más y más complejos. Y aquí llegamos a los límites del "computer" como sistema para conseguir avanzar en dichas síntesis.

4.2. SEGUNDA HIPOTESIS: "KOWLEDGE IS LOGIC" Y "KOWLEDGE IS SEARCH" en la SCS.

Pero que el diseño haya sido hasta ahora la forma de conocimiento que predomina en la escuela no garantiza que lo siga siendo. El conflicto con una concepción de la Computer Science como ciencia empírica o como una rama de la lógica o las matemáticas está presente.

Respecto a concebir la Computer Science como ciencia empírica ya hemos visto los efectos que implica. Analizemos ahora qué implica concebirla como una parte de la lógica o las matemáticas.

El ordenador nació como una máquina de calcular hecha por matemáticos para realizar con más rapidez y ausencia de errores sus operaciones aritméticas. Dado que la matemática es el lenguaje de la ciencia, el ordenador tiende a convertirse en la máquina por excelencia de la universidad, la institución principal de la ciencia, como sistema de conocimiento cultural.

Ello conduce a que tiendan a ser matemáticos y lógicos los que dirijan la evolución teórica de la máquina más específicamente suya. Y así ha ocurrido en CMU, y en el resto de la comunidad de computer scientists de Estados Unidos.

Ello implica considerar subordinada la labor del ingeniero, del constructor de instrumentos, a la del matemático aplicado, que diseña la construcción formal de los ordenadores.

El reciente proyecto dirigido por Peter J. Denning de la Association for Computing Machinery (1989) sobre un "Core of Computer Science" pretende hacer oficial esta orientación académica . Propone un "nuevo" paradigma para la computer science que claramente coloca a "los matemáticos" a la cabeza de la disciplina, dándoles el mando de la "theory". Más abajo coloca a los "computer scientists", considerados como aplicadores de sus teorías en forma de "modelos", según el patrón cultural de los científicos naturales. Y finalmente, se coloca a los "ingenieros" como los encargados del diseño . Por último, se define la "computer science" como "el estudio sistemático del proceso algorítmico, que describe y transforma información" (P. Deening. 1989), siendo los algoritmos una área de trabajo propia de la matemática.

Esta definición, de aceptarse en CMU , puede dejar fuera de la escuela a la mayor parte de la Inteligencia Artificial, y a gran parte de la área del software y de hardware . Paradójicamente dejarían de ser "computer scientists" dos de los fundadores de la disciplina en CMU : Herbert Simon y Allen Newell, que no son partidarios de esa definición de la computer science. Quedaría fuera también parte de la área de Robotics, Takeo Kanade, Red Whittaker,... Se rompería el pacto de 1964.

La computer science así concebida se diferencia radicalmente de la práctica tradicional del ingeniero al creer que construcción formal de un sistema tecnológico es ya el sistema tecnológico. Los ingenieros tradicionales asociaban inseparablemente el proyecto de ingeniería con su realización práctica. Eran considerados "system builders". Trabajaban, normalmente al servicio de empresas que les planteaban problemas concretos del mundo real a resolver ("real world problems"). Eran profesionales, el centro de su educación era la preparación para la solución de los llamados "real world problems", era una educación práctica, quizá en exceso.

El actual computer scientist, y también el ingeniero cada vez más, trabaja cada vez más con simulaciones. La cultura universitaria tradicional presiona al "computer scientist" en dirección hacia la Theory, y dentro de ella a sus partes más lógico matemáticas, en lugar de las más operativas. La escuela tiende, en tanto que parte de una cultura universitaria, a la propia lógica de su investigación y la docencia, en lugar de a los problemas del llamado "real world".

La construcción de la máquina informática formal por A. Turing ha tenido un doble efecto en este sentido: Por un lado, ha permitido construir modelos formales de computación liberados de las constricciones de la ingeniería tradicional, pero a cambio, las máquinas resultantes son méramente formales, no tecnológicamente relevantes, lo cual las coloca por detrás de las que la ingeniería ha construido tradicionalmente.

Conforme el Computer Science va adquiriendo autoridad universitaria, va adaptándose a la cultura de la misma, presidida por la necesidad de formalización y matematización de los conocimientos. Así, la área de Theory, tardíamente iniciada a principios de los 80s, va cobrando fuerza conforme se afianza la School, desplazando los metódos más pragmáticos del inicio. Dana Scott, lógico, matemático y filósofo, desplaza en la School a Herbert Simon o Allen Newell, como autoridad en Computer Science en la área de Theory. La "racionalidad limitada" no puede competir con la racionalidad que funda la matriz del concepto de "animal racional", la razón lógico-matemática, base a su vez de la filosofía clásica griega.

Pero esta tendencia a cambio tiende a concebir los sistemas informáticos como sistemas formales, y por lo tanto no regidos por el criterio de viabilidad en el "real world". El constructivismo matemático no es equivalente a la "computer science", al diseño de sistemas informáticos. Un sistema lógico puede ser consistente, pero inviable para construir un programa de ordenador que funcione. Esta creencia está favorecida por la separación entre "computer scientists" y "electrical and computer engineers". Escisión iniciada con Von Newmann y su intento de establecer una disciplina universitaria científica, separada y por encima de la ingeniería de Eckert y Mauchly, los ingenieros constructores de ENIAC, el primer ordenador digital. (ASPRAY, 1980:120).

Ello produce una tendencia a a identificar sistemas informáticos con sistemas formales matemáticos, y Theory con teoría matemática.

Ello tiende a congelar el diseño en Computer Science en un diseño formal, un diseño de sistemas formales, válido en si mismo, sin necesidad de implementación práctica. Este diseño puede consistir también en un DISEÑO SIMULADO por ordenador. Reduce la computer science a matemáticas.

Pero la Computer Science nació de la tendencia contraria de los científicos y matemáticos a hacerse diseñadores ingenieros, a tratar con "real world problems", a hacerse aplicados (Von Neumann).

La Computer Science avanza a través de la ingeniería, y de una teoría y práctica de diseño de sistemas informáticos.

Existen límites a la computer science considerada como disciplina basada en las matemáticas aplicadas.

Esta hipótesis la podríamos formular así: El diseño formal de sistemas informáticos no implica su realización. Si estos sistemas no se realizan existen sólo como sistemas formales o simulados, pero inoperativos. La lógica y la matemática son instrumentos de la Computer Science pero no pueden ser su teoría, pues están en función de la construcción de un sistema informático sin el cual no tienen sentido. "Mathematical Logic is mostly used as a tool, not as a foundation". (Giuseppe Longo. Some Aspects of Impredicativity. 1988. CMU-88-135).

La formalización de una teoría de la Computer Science como teoría de los sistemas formales, computacionales en un sentido formal, transforma a esta disciplina en una rama de la matemática y la escinde en sus dos componentes iniciales: matemáticas e ingeniería. Este fenómeno constituye "una regresión de conocimiento".En este sentido el Computer Scientist en lugar de una nueva figura, suma de científico e ingeniero se queda en un ingeniero formal, o un matemático aplicado.

El no haber podido encontrar un estatus nuevo a la Computer Science como nuevo tipo de conocimiento provoca una tendencia a definirlo simplemente como matemática aplicada en su Theory. Desde los años 80s, han aumentado las presiones académicas, no precisamente de los departamentos principales del país, para que la "Computer Science" se definiera y se organizara siguiendo el modelo clásico de la Academia presidido por la matemática, "knowlege is logic" o de la ciencia natural, "knowledge is search", acorde con los patrones mayoritarios de la institución universitaria moderna (P. Denning Report. 1989).

Esta presión académica, que comparten los propios departamentos de Computer Science del país, es tanto más fuerte cuanto la Universidad es, en Estados Unidos , la institución cultural de mayor prestigio internacional. Como institución de investigación básica, su sistema de promoción sigue estando regido por el patrón de la ciencia tradicional , cuya base es la producción de descubrimientos científicos significativos.

Esta orientación de la computer science presiona en CMU para dar más fuerza a una "professor mentality", ligada a la consecución de "tenured" (puesto fijo similar al titular universitario europeo), y una equiparación con el sistema de ascenso del mundo universitario clásico, basado en la redacción de trabajos ("papers") individuales , publicados en forma de artículo científico en revistas reconocidas por las comunidad de la especialidad en cuestión.

Todo ello hace que Computer Science puede entenderse como una disciplina transicional, en inestable equilibrio entre una cultura tecnológica basada en el diseño y una cultura científica basada en el descubrimiento ("search") o el razonamiento ("logic"). Ha indicado el camino futuro de la tecnología, el diseño, pero aún es una tecnología subordinada al sistema de conocimiento científico, presidido por la lógica y la matemática. Y ello tiende a normalizar su situación como una ciencia más al lado de las restantes.

Es concebible que la "computer science" en los próximos años se vea superada por un nuevo tipo de disciplina directamente con base en el diseño como nuevo tipo de saber cultural, con base directa en la ingeniería, y un nuevo tipo de máquina, que podríamos llamar, ya no "computer" sino "designer", con una función directamente diseñadora, inventada por ingenieros provenientes de diversos campos, incluidas las ciencias sociales, y por "computer scientists", jugando un papel complementario.

4.3. TERCERA HIPOTESIS: REDES ESTRATEGICAS NACIONALES VS. CULTURA ACADEMICA EN LA SCS, DOS SISTEMAS ORGANIZATIVOS EN CONFLICTO.

Este conflicto entre sistemas de conocimiento distintos en Computer Science está relacionado con sistemas de organización a su vez, diferentes.

En la formación de Computer Science en CMU como sistema cultural basado en el diseño, entra en juego la particular relación establecida desde principios de los 60s entre el Computer Science Department de CMU y el Departamento de Defensa, en concreto su Information Science and Technology Office (ISTO) de la Defense Advance Research Project Agency (DARPA), posiblemente la principal institución de investigación de Estados Unidos, en esta área.

Durante tres décadas, computer scientists destacados de CMU, como Allan Newell, Raj Reddy, Takeo Kanade, y últimamente Angel Jordan han jugado un papel iniciador en la propuesta de programas tecnológicos de carácter estratégico : Inteligencia Artificial, Speech, Vision, Software, Supercomputers , Sistemas Operativos y ahora HDTV (Television de Alta Definicion).

Los propios proyectos analizados (NECTAR, MACH, GANDALF) son, ante todo, proyectos tecnológicos estratégicos para la década de los 90s, encabezados por científicos de la segunda generación (R.Rashid, H.T. KUNG, R. Whittaker).

Y es en torno a este tipo de programas, con un marcado acento tecnológico, como científicos como A. Newell o H. Simon han desarrollado sus teorías. Para H. Simon, el ordenador ha sido simplemente un medio para avanzar en el descubrimiento de las bases del comportamiento inteligente, ante todo, humano. Por eso su trabajo se ha desarrollado preferentemente en el Departamento de Psicología, financiado por los Institute of National Health. Pero visto desde dichos programas, y desde Computer Science, H. Simon y sus teorías han sido un medio para avanzar en la construcción de sistemas informáticos inteligentes.

La estructura para llevar adelante el tradicional esquema "descubrimiento -invención" era "Universidad-laboratorio industrial". Al iniciarse en CMU la inversión y unificación de conocimiento, la estructura del laboratorio industrial moderno, basada en el modelo de la "invention factory" desarrollado por Edison, y más tarde el "think tank" como laboratorio de la Defensa, según el modelo de la RAND Co se ha introducido dentro de la propia universidad.

" Se refieren a él a menudo, junto con los laboratorios de Stanford, M.I.T. y SRI, como uno de los cuatro Laboratorios de Inteligencia Artificial de ARPA (Advanced Research Projects Agency). (Proposal for Continuation of Research in...1975:8).

Desde la formación del equipo Newell-Simon-Shaw, en los años 50s, constructores del primer programa de Inteligencia Artificial, la estructura de base de este tipo de trabajo no ha sido el clásico departamento universitario de profesores y estudiantes sino el equipo interdisciplinar y operativo, llamado también "mission oriented".

Este modelo de organización es similar a un "task force": un equipo teórico-práctico, universitario y extrauniversitario, de profesores, investigadores, estudiantes, programadores, staff administrativo, disponiendo del equipo tecnológico más avanzado y que lleva a cabo proyectos que exceden las fuerzas de un clásico departamento univeritario. Cliff Shaw fue el programador de la RAND Corporation sin cuya ayuda Simon y Newell no hubieran podido materializar su programa. Este equipo complejo les dio ventaja respecto a Minsky y MacCarthy, meros teóricos de la Inteligencia Artificial, en la famosa reunión de Darmouth en 1956. Estos últimos presentaron a la reunión los clásicos "papers", Simon y Newell llevaron un programa inteligente que podía funcionar como se demostró semanas más tarde.

Lo mismo se puede decir de los actuales equipos de R. Rashid con Mach o H.T. Kung con Nectar.

Este modelo organizativo de equipos interdisciplinares altamente cualificados y operativos es la base estructural del Computer Science Department de CMU desde su fundación en 1965, y de sus proyectos como Nectar, Mach o Ambler.

Este modelo se complejizó con una innovación decisiva : la formación a finales de los 60s, de ARPANET, la primera red electrónica nacional, organizada a instancias de Robert E. Kahn, de DARPA. Los principales centros de computer scientists de Estados Unidos, incluido el de CMU, fueron los primeros en experimentar un tipo de tecnología nueva: la network informática, que se ha demostrado útil para su tipo de trabajo.

Ello ha introducido un nuevo modelo de organización: la red de proyecto, académica, empresarial y política, estructura básica de realización de los programas de investigación más importantes de CMU.

Los equipos citados forman redes de investigacion estratégica con otros equipos todo Estados Unidos que participan en los programas de DARPA, y que se sirven de las redes electrónicas para sus comunicaciones. Estos equipos son los más avanzados en dicha materia, y trabajan ya en centros universitarios ya en laboratorios industriales, formando una red de programa , que constituye una comunidad de referencia principal de estos equipos científicos. Estas son las redes estratégicas de la "computer science" en Estados Unidos.

La SCS es uno de los centros claves de esa organización de redes estratégicas que son las encargadas de llevar adelante los programas fundamentales de la computer science en Estados Unidos.

Esta estructura de proyectos de la SCS participa de una nueva estructura informal suprauniversitaria basadas en tres instituciones: los propios equipos de investigación universitarios interdisciplinares, las agencias de investigación federales , y los laboratorios industriales de grandes empresas o de empresas que comienzan ("start up") con personal cualificado para dicho tipo de investigación.

Estas redes son clave en la investigación estratégica en la área del ordenador. Se han ido formando en los últimos 30s años, en torno a diversos programas ( Artificial Inteligence, Speech, Vision, Planetary Robots, y ahora HDTV...).

Este modelo de redes se ha intentado extender al campus.

Por un lado observamos con experimentos como Andrew una tendencia es convertir todo el campus en una gran red o "network", al modelo de SOAR .

Paradójicamente, la SCS no considera a Andrew como su red de trabajo. Porque sus redes son extraacadémicas y supraacadémicas. Ello situa a la School en cierta medida de espaldas al campus. La SCS no considera a Carnegie Mellon como su lugar de trabajo, sino a sí misma y sus redes complejas, como lugar de trabajo principal.

CMU ha alcanzado prestigio nacional como universidad de investigación basándose en la SCS, y ésta ,a su vez, se apoya en las redes y proyectos estratégicos que la vertebran. Son estos proyectos los que han hecho al Departamento y a la propia Escuela, que es la estructura que da cabida al conjunto de dichos proyectos. Un ejemplo de red es Soar, una red interdisciplinar de computer scientists de todo Estados Unidos, y con presencia en Europa, organizada en torno al programa de Inteligencia Artificial del mismo nombre por Allen Newell.

Pero dichas redes estratégicas no se ajustan con la estructura de la comunidad académica normal, ni con sus sistemas de valoración ni con sus sistemas de recompensas y ascensos. Ni con su composición, pues no tienen estudiantes de licenciatura. Son redes de investigación no de docencia. Por otra parte, el funcionamiento en red es distinto al de un departamento universitario tradicional, basado en la especialización y la rígida jerarquía de promociones y cargos.

La función de las redes estratégicas es llevar adelante los programas de investigación básica y aplicada en computer science y tecnología en función de los intereses nacionales de Estados Unidos.

Pero este tipo de trabajo choca con la estructura clásica de una universidad, base de una cultura que como la científica se considera en teoría "universal", y donde sus profesores colaboran en revistas internacionales, realizando publicaciones que basan su ascenso en la escala académica. Y donde han de atender diariamente a sus estudiantes en clases numerosas y con escaso nivel académico, en su mayor parte.

Ambas culturas, la que se basa en redes estratégicas nacionales de caracter tecnológico,y la que se basa en las estructuras universitarias científicas con vocación universal, están en conflicto, y este no es sino un reflejo de dos culturas en pugna en CMU, la "liberal" y la "professional culture", con dos tipos de conocimientos, el científico y el tecnológico.

PARTE SEGUNDA.

CARNEGIE MELLON :

DE INSTITUTO TECNOLOGICO A "COMPUTER - INTENSIVE UNIVERSITY".

1. "EXCELLENCE AND INNOVATION".

El estudio de la investigación en una "computer-intensive university", a partir de los programas de investigación de la School of Computer Science se explica por el hecho de que estamos hablando de una comunidad con una doble característica: 1. Ser una "research university", esto es, uno de los primeros centros universitarios de investigación en Estados Unidos y 2. El ser el primer "computer-intensive campus" del país, el primer experimento de universidad donde cada estudiante, profesor o staff tiene acceso, a través de la red Andrew, a la comunicación informática con el resto del campus, el resto de país y el resto del mundo.

De hecho, en una encuesta realizada por la Administración de CMU entre los estudiantes para conocer las razones de su elección de CMU, las principales eran ante todo la "research reputation", y las "computer facilities". (D. SCOTT. Search for President 1989:21-22).

1.1. LA PRIMERA "COMPUTER-INTENSIVE UNIVERSITY".

Carnegie Mellon University es una institución universitaria norteamericana situada en la ciudad de Pittsburgh, en el Estado de Pennsylvania, al noreste del país. Esta institución es el resultado de la fusión en 1967 de dos instituciones de enseñanza superior e investigación: el Carnegie Institute of Technology y el Mellon Institute for Industrial Research.

Dentro del rango de universidades nacionales, esta catalogada entre los 25 primeros centros de Estados Unidos, de un conjunto de más de 3000 universidades y "colleges" que imparten grados. Se considera una "research university" o universidad de investigación.

La ciudad de Pittsburgh, donde se encuentra, fue a principios de siglo la capital del acero de Estados Unidos. A lo largo de su historia ha generado dos movimientos ciudadanos de revitalización, los llamados Renaissance, que han tratado de renovar su base industrial, su medio urbano y ecológico. Hoy día, es una ciudad de algo más de 375.230 habitantes en 1988 (Pittsburgh Facts 1990-91), con un area metropolitana de 2.322.246 habitantes previstos para 1990, reconvertida en un centro de alta tecnología. Cuenta con 170 laboratorios de R&D y más de 25.000 científicos e ingenieros, destacando en especial por su investigación en informática (CMU) y en biotecnología (University of Pittsburgh).

En el documento "The Search for the President 1989", preparado por el Faculty Presidential Search Committee, dirigido por John G. Fetkovich y redactado por Dana S. Scott, podemos encontrar los objetivos generales de esta institución: " Carnegie Mellon University is an academic community whose purpose is the creation and dissemination of knowledge, a purpose which can only be achieved with good will and collegiality among its administration, faculty, staff, and student body. As a major research institution, Carnegie Mellon has many unique qualities which gave it both special strenghts and special problems." (1989:1).

Esta universidad esta compuesta por siete escuelas o facultades: Carnegie Institute of Technology , College of Fine Arts ,Mellon College of Science , Graduate School of Industrial Administration , College of Humanities and Social Sciences, School of Urban and Public Affairs y School of Computer Science. Cuenta a su vez con más de 60 centros de investigación.

Segun Herbert A. Simon, Richard K. Mellon University Professor of Computer Science and Psychology en esta institución y miembro del Board of Trustees de la misma, los dos objetivos fundamentales de la política de Carnegie Mellon han de ser: "excellence and innovation". (Models of My Life.1991:251).

Según el documento the Search for the President una de las "unique qualities" de esta institución es la posibilidad de colaboración entre distintas disciplinas y colleges lo que resulta más difícil, sino imposible, en otras instituciones: "With its long-standing emphasis on the fine arts, on management professions, on the sciences and engineering, and its newer ventures in interdisciplinary research in areas of the humanities and social sciences, Carnegie Mellon provides both a wide spectrum of opportunities for a liberal-professional education and a site for exciting graduate and post-doctoral study" (1989:1).

El cuerpo universitario está formado por cinco grupos de personas: el "Board of Trustees", la "University Administration", el "Faculty". los "Students" y el "Staff".

El Board of Trustees, órgano que tiene la decisión última de la universidad en materia de políticas, organización, finanzas y gobierno, si bien no está envuelto en la administración cotidiana de la Universidad que corresponde a la University Administration, al President y al Provost de la misma. No obstante es significativa su figura dado que es propia de una universidad como ésta,( y de una gran parte de las norteamericanas), que son entidades privadas. La mayoría del Board de Trustees son presidentes o directores de empresas, principalmente de Pittsburgh (Westinghouse, USX Co, PPG, Mellon Bank...) aunque también del resto del país.

El Presidente de CMU es el "chief executive officer" (C.E.O) de la Universidad. Esta denominación CEO, es la que se utiliza en la empresa para denominar al director ejecutivo de la misma. Es el encargado principal de diseñar la estrategia de la institución.

Para la dirección operativa de la Universidad el Presidente delega su responsabilidad en el Provost, la figura encargada de la gestión de la investigación y los programas de estudio, varios Vice-Presidents, los Deans o decanos de facultad, Directors y Head of Departments o responsable de los departamentos.

En 1989, el total de profesores o "faculty" era alrededor de 500, divididos en cuatro categorías: "university professors", "professors", "associate professors", y "assistant professors". Los estudiantes de grado o "undergraduate" eran 4200. Había 2000 estudiantes graduados realizando el doctorado, y el staff estaba compuesto por unas 2800 personas: 365 administrativos, 85 instructores, 500 personal de investigacion (incluyendo "special faculty", y "research scientists"), 185 administrativos profesionales y 860 personal de apoyo. En resumen, un total de cerca de 10.000 personas formaban esta comunidad.

El estudiantado se distribuía equilibradamente entre un 30% en ingeniería, un 20% en ciencias, un 30% en humanidades y un 20% en "fine arts".(Goals &Strategic Plans: 1988).

Vista a partir de estos datos, ésta universidad parece no tener una especial diferencia con otras universidades de tamaño y calidad de investigación parecidos en Estados Unidos. Pero en los años 80s, Carnegie Mellon cobró relevancia en todo el país, y a nivel internacional, por ser la primera experiencia mundial en construir una red informática, Andrew. Esta red constituía el primer experimento piloto en la informatizacion de una universidad, iniciando lo que se denomino un "computer intensive- campus". Este experimento levanto una serie de críticas a cerca de lo que consideraban un paso perverso en la transformación de una universidad en una "Computer U."

Ocho años depués de iniciado el proyecto, Carnegie Mellon tenía instalados en 1990, aproximadamente 9000 ordenadores personales("Carnegie Mellon Facts 1990", editado por la oficina de University Planning). De estos 342 estaban a libre disposición de cualquier miembro de CMU, instalados en claustros públicos en las diferentes escuelas. Los principales tipos de ordenadores eran Unix workstations, Apple Macintoshes, IBM PCs, y VMS workstations. Estos están conectados en una red denominada Andrew, instalada en la década de los 80s, que cubre todo el campus, cada edificio y cada despacho. Hay 12.500 conexiones a la red. Esta universidad es un centro ("hub") de la National Science Foundation Net.

Esta red proporciona los siguientes servicios: archivos de 100 gigabytes de memoria a través del" Andrew file system", correo electrónico, más de 3000 boletines electrónicos tanto del campus como de todo el mundo, un servicio de información de las bibliotecas ("Library Information Service"), y conexiones con el Pittsburgh Supercomputer Center, uno de los cinco centros nacionales de la NSF para la investigación científica, dotado de los ordenadores con mayor potencia de cálculo actualmente existentes.

En resumen, según el citado informe: "Carnegie Mellon has probably the finest computing environment of any university in the United States, built around the general theme of personal computers with a network which provides access to shared information." ( ibid.: 39).

Su entonces Presidente Richard Cyert afirmaba: "I expect that this will be looked back upon in 25 o 30 years as the most significant move in the 20th century as far as higher education goes". ("Personal Computing" 1983:37). " "It is going to be the prototype for every major university in the country" (Cyert 1982:6).

Por todo ello, esta comunidad universitaria constituye un modelo de lo que puede considerarse la cultura de una "computer-intensive university", o una universidad informatizada.

Este medio informático es el resultado de toda una cultura tecnológica que está en el origen de esta institución formada por el Carnegie Institute of Technology, y por el Mellon Institute of Industrial Research, instituciones dedicadas la primera a la educación técnica y la segunda a la investigación aplicada a la industria.

Esta "computer university" es el resultado de una "new idea of education" que está en el origen de una institución fundada en 1900 por el industrial Andrew Carnegie.

1.2. "INSTITUTES OF TECHNOLOGY" y "LIBERAL-ARTS UNIVERSITIES" : DOS CULTURAS ACADEMICAS DISTINTAS.

Para entender el tipo de investigación que se hace en CMU, y en particular en la School of Computer Science, es preciso primero analizar la comunidad en la que dicha investigacion tiene lugar. Existe el peligro para un antropólogo europeo, que analiza una comunidad de investigación norteamericana, de creer , que por el hecho de utilizar palabras similares en uno y otro continente, como "universidad", "ciencia" o "investigacion", éstas tienen los mismos significados. Existe una importante diferencia de culturas académicas que un análisis más en profundidad puede desvelar.

El nombre de universidad asociado a CMU tiende a confundir si pretendemos identificar esta institución con lo que se entiende en Europa por Universidad.

Mientras que las tradicionales Universidades europeas (Oxford, Paris, Lovaina) nacen en la Alta Edad Media, en un medio urbano con una creciente actividad comercial, como creaciones de la Iglesia destinadas al estudio de la teología y la filosofía natural, basada en los clásicos griegos, Carnegie Mellon, a diferencia de éstas, fue inicialmente una institución tecnológica con fines educativos fundada por un industrial en 1900, en el contexto histórico de la gran expansión industrial de Estados Unidos.

Actualmente asistimos en Europa a distintos esfuerzos por adecuar la Universidad a las demandas de una sociedad cada vez más tecnológica. Este proceso de modernización en marcha, que incluye como uno de sus aspectos claves el aumento de la I+D, se realiza, sin embargo, conservando en lo fundamental una triple característica de la universidad tradicional europea: 1. La división de dos tipos de instituciones universitarias, las Científico-Humanistícas y las Politécnicas. 2. La consideración en ambas de la Ciencia como el conocimiento por excelencia dentro del mundo académico, lo que conlleva el predominio intelectual del primer tipo de universidad sobre la segunda, considerada ésta como la aplicación de los conocimientos producidos por la primera.

Carnegie Mellon University tiene unas características distintas a ese modelo de universidad: 1. Como la mayoría de las universidades norteamericanas, es una institución académica que ha admitido la ingeniería en su seno, así como las disciplinas derivadas de ésta como el management y la informática. 2. A diferencia de éstas, en CMU la cultura tecnológica ha sido predominante sobre la cientifico-humanística, dado que su propósito inicial fue la educacion profesional y no la científico-humanística. 3. Esta relación, expresada en el término "liberal-professional education", es no obstante conflictiva.

Este conflicto se inició a principios de la expansión industrial de Estados Unidos después de la Guerra Civil, con el nacimiento del Massachussets Institute of Technology en 1861, ante la resistencia de Harvard a los planes de industrial Abbott Lawrence, a introducir una educación cientifíca para "practical purposes". (Noble 1972:22).

Tanto el MIT como Carnegie Tech han evolucionado en dirección hacia la cultura académica tradicional, introduciendo mayores dosis de educación científica y liberal, pero intentando conservar su matriz original como escuelas tecnológicas.

En los años 30s el denominado Carnegie Plan, introdujo en la educación ingeneniera patrones académicos de la cultura científico-humanística al modo europeo, la llamada "liberal-arts". Estos, no obstante, fueron concebidos como complementos de su modelo educativo tecnológico predominante, cuyo colegio principal se denominaba College of Enginering and Science, situación inversa al modelo Science and Technology que se generalizará tras la II Guerra Mundial en los campus norteamericanos.

En diferentes momentos de su historia esta institución ha tratado de elaborar ese estilo de pensar y de educar propio que pretende encarnar. Este modelo que se ha denominado a lo largo de su historia de forma distinta: "problem solving", "engineering method", o en la era del computer, "programming" o " science of design". En cualquier caso se trata de un tipo de mentalidad distinta a la clásica de una universidad tradicional. Su objetivo es tratar de resolver "real world problems", no tanto dedicarse a la contemplación de la verdad al modo académico clásico.

En los años 60s, esta institución paso de ser fundamentalmente educativa a ser investigadora. Se transformó en una "research university". La calidad de su investigación le ha permitido ascender al rango de las 25 primeras instituciones universitarias del país, grupo de élite que representa lo fundamental de la investigación que se realiza en Estados Unidos en cualquier campo de la Ciencia, la Tecnología o las Humanidades.

Esta investigación, basada principalmente en la informatíca, no obstante está cortada en CMU segün un patrón más propio de un laboratorio industrial que el de una universidad de tipo europeo tradicional. En la School of Computer Science, su centro neurálgico, sus mayores logros consisten en programas y sistemas informáticos, como MACH O NECTAR, que implican investigación y desarrollo, R&D. La teoría y la práctica forman un conjunto inseparable, dentro de una mentalidad orientada a conseguir un sistema que funcione, "it-works- mentality".

La "computer culture" en Estados Unidos bajo su forma de departamentos de computer science nació en universidades marcadas por un patrón académico tecnológico. Los tres centros que hoy protagonizan los programas mas avanzados en Inteligencia Artificial, el Massachusetts Institute of Technology, la Stanford University y la Carnegie Mellon University, forman parte, de forma desigual, de esta cultura academica tecnologica norteamericana.

Pero de estas tres, la primera institución que se ha diseñado a sí misma como "computer-intensive university", unificando en una misma red informática tanto a las escuelas de ingeniería como a las de "liberal-arts" ha sido Carnegie Mellon. Fue también ésta la primera que produjo un programa de Inteligencia Artificial, un Instituto de Robótica, un sistema operativo, MACH, que trabaja en cualquier soporte informático, y está trabajando en la primera red informatica de alta velocidad (NECTAR).

Como veremos a continuación, un rasgo que distingue este patrón universitario es la unión de la ingeniería, la ciencia, y las artes en un mismo tipo de institución, en el que la primera disciplina, la ingeniería como profesión tiene un rango igual o incluso superior al de la ciencia al haber adoptado crecientemente sus métodos y conocimientos y en el que la ciencia adopta actitudes más pragmáticas y orientadas a la aplicación propias de la ingeniería. El resultado de ésta tendencia a la unión de la ciencia y la ingeniería lo podemos ver en el Computer Science, disciplina que aún se discute si su carácter es científico, tecnológico, una nueva disciplina o una síntesis de las anteriores. Por su parte, las "Fines Arts" han influido notablemente en la formación de la cultura de éste campus, en el que en un principio la "technical education" y la educacion artística eran complementarias.

Mientras que en Europa, la cultura científico-humanística y la cultura tecnológica forman dos mundos separados, presididos por la primera , en Estados Unidos, la universidad clásica ha admitido en su seno a la ingeniería, al estar aquella más orientada hacia la "purely practical part of science"como ya detectó Tocqueville. Ello ha producido una cultura particular centrada en la idea de "problem solving", un tipo de problemas propios de la tecnología, aquellos a resolver.

Margared Mead en su estudio sobre el carácter cultural norteamericano, "And keep your powder dry" (1942) tambien detectó la relación entre la mentalidad del inventor y el "problem solving" : "For our willingness to work on inventions, our belief that problems are to be solved by purposeful thought and experimentation, is another aspect of this type of character structure...Only in those societies which shifted success from heaven to earth, and so put the whole impact of religion back of efficiency, could we have a type of character in which it became a virtue to do the kind of thinking which lies back of invention, a virtue to set problems and solve them". (1942:207).

Carnegie Mellon es un caso extremo en este modelo, con un peso aún mayor de la mentalidad profesional y orientada al "problem solving", al haber nacido no ya como una universidad, como Stanford, ni siquiera como un Instituto de Tecnología con rango universitario como el MIT, sino como una escuela técnica de grado medio con un particular interés en la educación técnica o "technical education".

Fue la creación de Andrew Carnegie, un industrial que pretendía fundar una institución distinta a las universidades americanas de la época (Harvard, Princeton, Yale...). Este empresario fue una de las principales voces que en la década de 1890 se levantaron contra la inutilidad ("uselessness") de la educación universitaria en Estados Unidos (L. Veysey, 1965:13), y construyó un tipo de institución no sólo distinta sino en abierto rechazo de la tradicional "college education" norteamericana, basada en la cultura académica de la "liberal-arts". Con todo, también diferenció ésta institución de las hasta entonces escuelas de aprendices de las empresas, al servicio de sus inmediatas necesidades.

La comparación de Carnegie Mellon con universidades clásicas europeas tipo Cambridge, Oxford o París está, por tanto, fuera de contexto histórico. La llamada educación liberal propia de estas universidades y cimentada en los modelos educativos nacidos en la cultura clásica griega, ha sido, en la cultura academica tecnológica de CMU un elemento instrumental al servicio de un patrón cultural diferente, de un tipo humano distinto al de dichas culturas académicas: el "professional".

La idea de la educación en Carnegie Mellon es formar, ante todo, profesionales, esto es, en terminología de esta institución: "problem-solvers", personas capaces de aplicar sus conocimientos a la resolución de los problemas que se plantean en la vida económica, social o cultural . Es en función de esta tarea que se le proporcionan conocimiento sobre la historia, el lenguaje, o las matemáticas, a modo de complemento.

Este modelo, a los ojos de un europeo, conlleva un paradójico planteamiento de la educación y de la investigación, que podríamos comparar con el de un mundo al revés.

Lo que en Europa, y en particular en paises como España, es considerado un tipo de educación de carácter aplicado, y por tanto con menor contenido intelectual, esto es, la llamada "formacion profesional", en esta cultura académica de CMU es lo contrario: es la educación básica. Y viceversa, lo que para la universidad clásica europea es el modelo ideal, la educación científico y humanística, la impartida en las Universidades tradicionales, en esta cultura tecnológica inicialmente nació como un complemento subordinado a la formación profesional. Este cambio de perspectiva tiene repercusiones a todos los niveles.

Respecto a la investigación en CMU ello influye en una consideración de la investigación aplicada, o "mission oriented" como la principal en CMU. Como veremos al analizar la School of Computer Science, por investigación se entiende, ante todo, el conocimiento para construir sistemas, o "building systems". Y estos son considerados a su vez medios para producir un saber a cerca de la manera de producir más sistemas, el "know-how".

Sir Charles Percy Snow, profesor universitario inglés, afirmaba en los años 60s que existía un conflicto entre "dos culturas" universitarias, por un lado la científica y por otro, la humanística (1978) . Pero visto el mundo académico desde América, y en particular desde CMU, el conflicto tiene tres contendientes pues existe una tercera cultura académica distinta a las dos anteriores : la cultura académica tecnológica. Esta cultura, como veremos, se alimenta tanto de la ciencia como de las humanidades pero sin confundirse con ellas. Es distinta a ellas, y como vemos en CMU, en su actual grado de desarrollo, aún incipiente, puede mediante un producto suyo, el ordenador, unificar a las restantes en un mismo campus universitario.

En esta cultura tecnológica, el "professional" tuvo como primera versión el "engineer". Su cenit en Estados Unidos se produjo entre el último tercio de siglo XIX y las décadas anteriores a la Gran Depresión de 1929. Para afrontar una creciente problemática situación en la empresa, el professional se transformó en "manager", una creación cultural típica norteamericana, basada originalmente en el ingeniero convertido en jefe de empresa y conocedor de "social relations", figura que dominó la escena de los años 30s y 40s. Tras la segunda guerra mundial, y el auge de la ciencia en Norteamérica, y la invención de la computadora, surgío el computer scientist, que domina el panorama tecnológico desde entonces. Y todos ellos tienen con la ciencia y las humanidades una relación instrumental.

Así, mientras que la ingeniería, por ejemplo, precisa conocer principios de la ciencia (física, química o biología) sin confundirse con ésta, el management, como vemos en esta universidad, se alimenta de las ciencias sociales (economía, ciencia política,...) siendo una disciplina profesional distinta a aquellas. Igualmente, la Computer Science utiliza las matemáticas aplicadas siendo distinta a éstas, y la Inteligencia Artificial hace lo mismo con la Sicología Cognitiva o la Linguística sin confundirse con éstas. Ello no significa que la relación sea estable y sin conflictos.

Los elementos de liberal-arts tienden a convertir a los profesionales en su instrumento, el ingeniero tiende a convertirse en científico, el manager en profesor de economía y el computer scientist en matemático. Pero esa propia tendencia indica que la relación es distinta a la existente en una cultura universitaria normal, como la europea. Esta tendencia a revertir el modelo se aprecio en los años 80s con la denominada batalla del "core curriculum" en CMU, por la cual se pretendió sentar una base de cursos de ciencias y humanidades principalmente como modelo unitario del campus, complementado con el uso de ordenadores a través de la red ANDREW. Pero este modelo no ha prosperado.

Ante la crisis ahora de este modelo, y si la historia sirve de lección, la tendencia lógica sería a utilizar una nueva versión ingenieril de las ciencias sociales para dar un caracter más complejo a la solución de la misma. Complementar la "high tech" con una "high policy" que considere los aspectos sociales y culturales de la misma.

El carácter de esta institución, Carnegie Mellon, como una cultura académica inicialmente con un origen distinto a las de las liberal-arts universities" la explica acertadamente Herb Simon, uno de los miembros veteranos de esta institución: " In the United States, institutes of technology...have had rather different traditions from the liberal arts colleges, and even from the nonprofessional divisions of research universities.

Carnegie Tech, and GSIA within it, clearly belonged to the tradition of institutes of technology, not the liberal arts tradition." (Models of My Life. 1991:157-158).

Esta cultura tecnológica en Estados Unidos se empezo a desarrollar en instituciones como el MIT (1865) y como Carnegie Tech. Los primeros institutos tecnológicos norteamericanos fueron el Rensselaer Polytechnic Institute (1824) y el Polytechnic Institute of Brooklyn, ambos en el Estado de New York. George Bugliarello, presidente de la Polytechnic University de New York, y antiguo profesor de CMU, ha señalado que el modelo de estas primeras instituciones es l’Ecole Politecnique, fundada por la Convención francesa, en 1794, en el cénit del periodo revolucionario. (1991:34).

A lo largo de su historia, este modelo académico ha ido produciendo un estilo de pensamiento que se ha pretendido codificar como un modo de pensamiento propio y para algunos profesores un modelo claramente distinto al de la ciencia , al menos en esta universidad de CMU. Así Richard Teare, decano del College of Ingenieering, afirmaba en 1963: " It is clear, I think, that what distinguishes the engineer from scientist, apart from education, is that while the scientist’s goal is to add knowledge, discover new phenomena, establish new principles, the engineer is concerned with devising and designing systems which not only work, but which meet often conflicting criteria of cost,efficiency, life, manufacturability, reliability, safety and so forth...Courses will be needed that are different in content and point of view than those we have now. And just as Carnegie Tech has been a leader in the developments in engineering education that took place in the last two decades, we want to continue to lead in the future". (citatado en P. Covey Ed. 1988:13).

El llamado Carnegie Plan introdujo en los años 30s un mayor peso de la liberal-arts culture en el curriculum ingeniero, pasando a denominar su modelo educativo la "liberal-professional education". Este ideal educativo que aún se mantiene en CMU conserva la manera de pensar del ingeniero o professional como "core knowledge" siendo la educación liberal su complemento. La relación por tanto entre la cultura cientifico-humanística y la tecnológica en CMU se halla invertida.

A este modo cultural de pensar y de actuar, se le denomina en esta universidad: "problem solving", y más recientemente "design", y constituye el sistema de conocimiento clave de esta cultura tecnológica, de la misma forma que la lógica o la ciencia empírica y experimental constituye el "método" de la cultura científica europea, nacida de la filosofía griega. Ambos sistemas de conocimiento están unidos conflictivamente en esta institución y su tensión no está resuelta.

En los años 80s, proyectos como Andrew, y la batalla del "core curriculum" intentaron cambiar esta situación. Se pretendía poner en el centro un modelo de "liberal education", complementado con medios tecnicos avanzados como una red informatíca. Se intentó unificar la antigua escisión entre Harvard y el MIT, pero bajo la direccitn de Harvard. Era la llamada "revolution in education", que venía a culminar la "cognitive revolution" iniciada en los 60s.

La idea era una "síntesis de conocimientos", liderada por la ciencia cognitiva, y complementada con la tecnología informática.

Pero este modelo a finales de los 80s dejaba un problema nacional sin resolver. El informe del MIT, Made in America, de 1989 alertaba que Estados Unidos estaba perdierdo su liderazgo industrial respecto a Japon, país con un nivel científico inferior al norteamericano, pero con una producción de 73.000 ingenieros al año, casi la misma cifra que Estados Unidos con la mitad de la población.

Por otro lado, el fin de la Guerra Fría basado en el poderío nuclear, ponía en crisis el modelo de investigación basado en el predominio de la ciencia sobre la tecnología, y dentro de la ciencia de la física sobre las restantes disciplinas. La "sociedad del conocimiento", liderada por la ciencia, no se muestra capaz de mantener el papel líder de Estados Unidos en el mundo.

Esta crisis del modelo de "research university" replantea el papel de las grandes universidades del país, y en particular a los grandes laboratorios nacionales, que en gran medida viven de la investigación financiada con dinero público.

Las universidades de la Ivy League, con Harvard, Yale o Princeton a la cabeza, marcan el patrón académico mayoritario, según el cual, la educación cientifíco-humanística, propia de la cultura occidental, es la que marca el modelo dominante y la educación de la clase dirigente. De ellas salen los Presidentes de la nación, la mayoría de Premios Nobels en el campo de la ciencia, y los Premios Pulitzer, en el campo de la literatura y las artes.

Pero este modelo, como ahora la competencia con Japón demuestra, ya no garantiza, que los Estados Unidos continuen en su papel de líder internacional.

Está planteado en toda la "higher education" en América la necesidad de una reforma profunda.

CMU es una institución joven que intenta buscar una ventaja compartiva con otras universidades mediante la adopción de un valor, que es propio de la tecnología: la "innovation".

Carnegie Mellon atraviesa tras la experiencia Andrew, una etapa de transición, como le sucede al conjunto de la universidad en Estados Unidos. En 1990 eligió a un nuevo Presidente, el Dr. Robert Mehrabian, anteriormente decano de la School of Engineering en la University of California at Santa Barbara. En un momento de crisis e incertidumbre en el conjunto del país, los ingenieros vuelven a la presidencia de CMU.

El modelo dominante de la anterior administración intentó hacer del diseño una ciencia, del computer una ciencia, del "problem solving" una ciencia. En suma, trató de convertir a la ingeniería en una ciencia más. De ahí que estuviera presidido por la idea de "The Sciences of the Artificial".

El problema en el próximo periodo parece ser otro: como formar una nueva ingeniería ante todo una ingeniería cultural propia de las "computer cultures", una ingeniería de diseño de computer cultures, ante todo de sus aspectos de organización.

Una necesidad similar de impulsar la cultura tecnológica se planteó a principios de siglo, en el momento de la fundación de esta institución.

2. "A NEW IDEA OF EDUCATION" (ANDREW CARNEGIE).

2.1. LAS CARNEGIE TECHNICAL SCHOOLS.

Existe una historia particular que explica como ha llegado a conformarse esta nueva "computer-intensive university", como se ha formado su actual patrón cultural como "research university", que puede dar luz a cerca de cómo resolver sus actuales problemas.

El origen de esta "problem solving culture" en Carnegie Mellon hay que buscarlo en la fundación en 1900 de las Carnegie Technical Schools por Andrew Carnegie (1835-1919).

En la década de 1890, Carnegie Steel constituía la más concentrada y moderna industria del mundo, gracias a los métodos de Andrew Carnegie, basados en la combinación de la más avanzada tecnología Bessemer de fundición, las economías de escala y una política de reduccián sistemática de costos. Este tipo de industria revolucionó la estructura del resto de sectores productivos y estableció el modelo que a continuación imitaron el petróleo, el caucho, los automóviles, el equipamiento eléctrico, y más recientemente la propia industria del "computer". Pittsburgh era conocida entonces como "the Workshop of the World".

Andrew Carnegie, un emigrante escocés , fue el artífice de esta industria. Empezó trabajando a los 13 años de aprendiz en una fábrica de algodón, continuó como superintendente de los ferrocarriles de Pensilvania a los 24 años y en su madurez se convertiría en el industrial más rico del globo, con unos beneficios anuales en 1900 de 40 millones de dólares.

En la cumbre de su poderío industrial, este empresario aportó un millón de dólares para crear ese mismo año las Carnegie Technical Schools, origen de la actual Carnegie Mellon University. Esta institución pretendía ser la cristalización de lo que Andrew Carnegie denominó: "A new idea of education". ("The Idea of Education at Carnegie-Mellon". Focus. 1979)

Este industrial, cuya educación formal no pasó de la escuela primaria, donó el 80% de su fortuna personal, considerada en su época una de las más grandes del mundo, a fines educativos (Swetnam:149). En 1889, en un discurso de fundación de una biblioteca para obreros del metal en el barrio de Braddock, Andrew Carnegie resumía así su filosofía educativa:

" We occasionally find traces even at this day of the old prejudice which existed against educating the masses of the people...Men have wasted their precious years trying to extract education from an ignorant past whose chief province is to teach us, not what to adopt, but what to avoid...

They have in no sense received instruction. On the contrary, what they have obtained has served to imbue them whith false ideas and to give them a distaste for practical life. I do not wonder that a prejudice has arisen and still exists against such education. In my own experience, I can say that I have known few young men intended for business who were not injured by a collegiate education. Had they gone into active work during the years spent at college they would have been better educated men in every true sense of that term. The fire and energy have been stamped out of them, and how to manage a life of idleness and not a life of usefulness, has become the chief question with them. But a new idea of education is now upon us". (Focus 79:)

Esta filosofía pragmática, democrática y basada en la idea de utilidad, es la que condujo a la construcción de las Carnegie Technical School en 1900, bajo el lema de Andrew Carnegie: "My heart is in the work". Esta idea no es un mero deseo sentimental o formal, resume un tipo de cultura que cuando inventa o produce algo, sus autores lo primero que afirman es "it works", "funciona", "trabaja".

Este tipo de pensamiento no fue patrimonio exclusivo de Andrew Carnegie, sino un patrimonio ideológico común de la denominada Progressive Era en la Norteameerica de principios de siglo, la era dorada del "professional engineer", de las grandes corporaciones como General Electric o General Motors, del Taylorism o "scientific management" y del Massachusetts Institute of Technology. La América de los Edison, los Ford, los Taylor.

David F. Noble, en "America by Design"(1977) explica el surgimiento de la "technical education" en Estados Unidos en el periodo que siguió a la Guerra Civil: "Technical education in the United States, developed in struggle with the classical colleges, both inside and outside of them. One form of this development was the gradual growth of technological studies within the classical colleges, resulting from the reorientation of natural philosophy toward the empirical, experimental, scientific research for truth and from the pressures of some scientists and powerful industrialists for practical instruction; the other was the rise of technical colleges and institutes outside of the traditional colleges in response to the demands of internal improvement projects like canal-building, railroads, manufactures, and, eventually, science-based industry". (1977:20).

La Stanford University, fundada en 1891 gracias a la donación de la familia Stanford, podría considerarse como expresión del primer modelo, iniciado por Ezra Cornell al fundar la Cornell University, en 1868. Este constituye un modelo de reforma de la clásica universidad europea desde dentro, experimento que más adelante analizaremos.

Pero el modelo central de este periodo lo constituyó el Massachusetts Institute of Technology (MIT), construido en Boston en 1865 independientemente de Harvard University ante las resistencias de esta Universidad a adoptar la "technical education". El MIT tomó por lema: "Mens et Manus", un patrón cultural diferente al de Harvard: "Veritas". El MIT fue la cuna del concepto "technology" propuesto por primera vez por el médico Jacob Bigelow, indicando con ello que el estudio de la ciencia iría dirigido a conseguir fines prácticos.

El MIT es la institución que instituyó el patrón del ingeniero profesional en Estados Unidos, formando a la élite dirigente de las corporaciones industriales de Estados Unidos durante la epoca dorada de las General Electric, General Motors, y la Ford. (Noble:43).

Las Carnegie Technical School, fundadas más tarde, constituyeron una versión aún más radical,( y también más local) de este modelo. Esta versión constituye también una versión más típicamente americana y menos cosmopolita,esto es, europea, de este segundo modelo de "technical education". Fueron concebidas en su inicio como una institución más democrática que los institutos de ingeniería de rango universitario al modo MIT. Su finalidad fue formar masas de especialistas y profesionales para la industria y los negocios locales de Pittsburgh, en un momento en que esta ciudad estaba considerada "the workshop of the world" por su industria siderúrgica floreciente, que era la primera industria moderna de Estados Unidos, y la primera con una facturación de miles de millones de dólares.

"This is the age of the specialist: therefor you who have to make your living in this world should resolve to know the art which gives you support: to know that thoroughly and well, to be an expert in your speciality". (Andrew Carnegie . Focus. 1979).

Inicialmente la insitución se diseño para atender las necesidades locales, industriales, economicas y educacionales de la ciudad: "The type of Industrial Education ...adapted for the Carnegie Technical Schools of Pittsburgh has been specially designed to meet the local, industrial, economic, and educational needs which are found to exist..." (Preliminary Report, 1902:15).

"Education is a direct preparation for life, and modern civilization demands distinct and defined vocations. And that education is most lasting and effective, which is directly related to the lifework of the individual...Therefore:-You should recognize that SPECIALIZATION in any one particular line of work, whether in the arts, sciences, or in any field of human endeavor, is the path which leads most directly to success. Specialization means thoroughness in a particular calling". (Preliminary Report, 1902: 16).

2.2. "TECHNICAL EDUCATION": JAMES WATT COMO MODELO.

Los documentos fundacionales de esta institución fueron la carta escrita por Andrew Carnegie el 15 de Noviembre de 1900 al alcalde de Pittsburgh, en donde le comunica su intención de fundar estas escuelas, y la "proposal" formulada en 1903 para desarrollar las finalidades, estructura y tareas de las mismas, basada en un Preliminary Report realizado el año anterior.

En la primera de ellas podemos apreciar que su intención era proporcionar "useful education for the sons and daughters of working men". Estas escuelas se basarían en el modelo de institutos técnicos como los de Boston, Worcester en Massachusetts y Drexdel Institute en Philadelphia. En particular, tras una visita a Gran Bretaña al Keithley Institute y al Halifax Institute, lo que más impresionó a Andrew Carnegie fue la combinación que realizaban estos jovenes entre trabajo y estudio: "workers during the day, improving themselves in various studies pertaining to their crafts in the evening classes of these institutions. I told these students that this impresses me more than anything else".(. Plan and Scope,1903:4).

Esta orientación hacia la "vocational training" para las jóvenes generaciones hijos de los trabajadores es un rasgo específico de Carnegie Tech. Ni Stanford University ni MIT tenian en torno suyo una población de trabajadores como Pittsburgh necesitada de formación profesional de grado medio. La gran expansión de actividades comerciales e industriales se había adelantado en esta ciudad a su oferta educativa, produciendo anualmente 120.000 jóvenes buscando un sistema de aprendizaje que les prepara directamente para el empleo, "to their life of work".

El lema que Andrew Carnegie eligió para explicar el sentido de estas escuelas lo tomó de su abuelo, zapatero de profesión: "Handication versus Headication", esto es, dedicacion manual versus dedicacion intelectual. Este lema resume su modelo educativo, basado más en la figura del artesano que la del moderno obrero industrial. Su lugar de trabajo era el taller, "the workshop".

El modelo educativo elegido para las Carnegie Technical Schools estaba inspirado en la figura de Andrew Watt, compatriota de Andrew Carnegie, y de quien escribiría su autobiografía , al que llamaba"the creator of the most potent instrument of mechanical force known to man", "the inventor of the greatests of all inventions" (Swetman, G. & Smith, H., 1989 :129)

En esa biografía relata la triple formación de Watt: "While Watt was still in boyhood, his wise father not only taught him writing and arithmetic, but also provided a set of small tools for him in the shop among the workmen- a wise and epoch-making gift, for young Watt soon revealed such wonderful manual dexterity, and could do such astonishing things, that the veredict ot one of the workmen, "Jamie has a fortune at his finger-ends" became a common saying among them." (1905:11).

Esta visión de Watt es con todo unilateral. La máquina de vapor no la inventó Watt en un taller artesano sino en un taller de la Universidad de Glasgow, en Escocia. Esta era una universidad con características particulares como ser la primera en establecer una escuela de ingeniería y un profesorado en esta materia, y según Andrew Carnegie "American universities have, forutunately, followed the Glasgow model". (1905:35). Un grupo de científicos y filósofos entre los que se encontraban Adam Smith, Lord Kelvin, y otros habían acogido en ella a Watt como mecánico, proporcionandole una pequeña habitación de 6 metros cuadrados.

Instituciones como el MIT tenían ya el lema "mens et manus". Pero el lema de Carnegie Tech : "My heart is in the work" es aún meas radical, implica una conversión de la institución educativa en un taller, o "workshop". No quiso organizar en Pittsburgh una universidad al estilo Glasgow sino una escuela de formación profesional de grado medio. Sólo más tarde se convertiria en un instituto tecnológico al estilo MIT.

El 4 de abril de 1910, en su segunda visita al campus, Andrew Carnegie explicaba así a los estudiantes su modelo educativo: " In the struggle for life some of you may place upon yourself the ambition to be a multi-millonaire. That is a low ambition. The engineering professions your have chosen, for instance, are much higher and more worthy. Your first duty is to be self-maintaining, because if you are not that you will not possess those qualities of independence, aggressiveness, and content that mark a true man.

Surplus wealth is a great trust and should be administered for the good of the community. It does not add to human hapiness, and if you have sons it may led them astray....The ignorant man has no ambition but millions. The man who is educated does not care for money. As we progress we will find the desire for money decrease and the desire for service increase. Just imagine you were an Edison, or a Graham Bell, or a Shakespeare, ...". (Tarbell, 1937: 39).

Lo cual conecta con la otra institución clave, aparte del MIT, para entender la cultura tecnológica norteamericana: el "industrial research laboratory" fundado por un contemporaneo de Andrew Carnegie: Thomas A. Edison.

Este abrió en 1876 en Menlo Park, el primer laboratorio de investigación industrial de America y del mundo. Pero el nombre con el que lo designaba no era el de laboratorio sino el de "invention factory". Su propósito, hacer investigación y desarrollo en "any and all inventions" (Josephson,1959:133), convirtiendo de esta forma la invención en un proceso rutinario e industrial. Las aportaciones principales de Edison fueron dos: 1. la construcción de un laboratorio, esto es, de un centro de investigación, dedicado exclusivamente a la tarea de invención, independizando esta función de la de la ciencia y los laboratorios de las universidades pero empleando conocimientos científicos, separado por tanto de la invención artesana, méramente práctica . y 2. la conversión del nuevo tipo de invención en un procedimiento rutinario industrial, y en este sentido, ingeniero.

Carnegie Technical Schools se construyó sobre un modelo anterior al laboratorio industrial, en el que no se precisaba aún esta separación de funciones, y donde Edison y Shapeskeare, el inventor y el artista, aún no formaban tipos humanos claramente diferenciados, como igualmente ocurría con figuras como Leonardo, tipo humano que aún hoy se considera el prototipo de CMU. Como certeramente apunta Pamela McCorduck, aún en los años 70s: " Carnegie-Mellon represents old-world craftsmanship" (1979:112).

Entre el modelo de Edison y el de Andrew Carnegie existía una importante diferencia: la que mediaba entre la industria eléctrica puesta en marcha por el laboratorio industrial, y la industria siderúrgica, anterior a esta. Mientras que la novedad de la primera era la separación entre laboratorio y la cadena de montaje, en la primera, el conjunto del proceso se realizaba en el taller.

La gran industria siderúrgica de Carnegie se basó en un invento técnico específico, el proceso Bessemer de producción de acero, con las técnicas de management de los ferrocarriles de Pensilvania, construyendo la primera industria integrada del país. Su modelo era el de producción en masa a bajo precio, y era anterior al uso sistemático de los conocimientos científicos para la producción de inventos industriales. No tenía diferenciada como funciones delimitadas el laboratorio del taller, la parte pensante o "research" y la manufactura o "manufacturing".

Sus beneficios provenían ante todo de las economías de escala, no del valor añadido proporcionado por sus inventos tecnológicos. Andrew Carnegie basó su modelo de gran industria, no en el textil, sino en los métodos de administración de la red de ferrocarriles del estado, la Pennsylvania Railroad, inspirada a su vez en la organización del ejercito. (Livesay, 1975:33).

Ello se refleja en la concepción original de Carnegie Tech. Mientras que el MIT se organizó como instituto de tecnología, basado en la ingeniería, Carnegie Tech pretendía formar a la masa de especialistas, los que necesitaba su modelo de gran industria siderúrgica.

Los cuatro primeras escuelas de Carnegie Tech fueron: La School of Science and Technology, destinada a formar "engineers assistants", the School of Fine and Applied Arts, para preparar en profesiones relacionadas con el diseño y sus aplicaciones industriales. La School for Apprentices and Journeymen, destinada a formar mecánicos y especialistas para la manufactura y el comercio. Y la Margaret Morrison Carnegie School for Women, que preparaba en estudios de secretaría, diseño de vestidos, economía doméstica y formación general.

El punto en común a toda esta filosofía era la idea de una educación para la "real life", dotar al estudiante de "skills" (habilidades, destrezas) para que pudiera resolver los problemas que se le iban a plantear en el mundo real, "the real world problems".

2.3. CARNEGIE TECHNICAL SCHOOLS Y FINE ARTS.

Si bien en este enfoque hacia la educación profesional Carnegie Tech era parte del esfuerzo nacional por construir una "technical education", el modelo de Carnegie Tech, guardaba una diferencia particular: una visión de la educación técnica ligada a las artes. La visión del técnico como "craftmanship", como poseedor de "skills" o destrezas, habilidades manuales. El especialista necesitaba solo "skills". Durante decadas lo que proporcionaba Carnegie Tech fueron "tools", herramientas, concibiendo la educación como un "learning by doing", como es propio del taller artesano, en el que aprendiz sigue los pasos de su maestro que mediante la experiencia de los años ha conseguido la maestria (el "master") en el oficio. Ochenta años mas tarde, ANDREW, la nueva red informática de CMU, aún se concebirá como un nuevo "tool" para el estudiante. Y Simon proponía el aprendizaje por "inmersion".

El modelo inicial de Andrew Carnegie fue modificado en la década siguiente bajo la dirección de Arthur Hamerschlag (1903-1922) en el sentido de impartir una educación técnica de rango universitario. En 1912, Carnegie Tech se convirtió de escuela técnica en instituto tecnológico con derecho a conferir grados universitarios según el modelo del MIT, cambiando su nombre de Carnegie Technical School to Carnegie Institute of Tecnology. Con este paso Carnegie Tech pudo otorgar los títulos de Bachelor of Science in Chemical, Civil, Electrical, Mechanical, Metallurgical or Mining Engineering, y el Bachelor of Arts in Architecture o en Interior Decoration. Se iniciaba así el periodo del "engineer", con formación científica, iniciado por el MIT en 1865.

2.4. M.I.T vs. HARVARD: EL "INSTITUTE OF TECHNOLOGY" Y LA "UTILITARIAN UNIVERSITY".

El nacimiento del MIT eb 1861 vino dado por el agotamiento del modelo universitario vigente dominado por las universidades tradicionales como Harvard, Yale o Princeton. Ello provocó un proceso de reforma interna de la universidad norteamericana.

En esa época, entre 1865-1910, según Laurence R. Vesey, ("The Emergence of the American University" 1965) quedó fijado el modelo actual de la cultura académica en Estados Unidos. En este periodo surgieron tres concepciones rivales de Universidad, que este autor denomina: "Utility, Research, y Liberal Culture" respectivamente, modelos académicos que se ofrecieron como alternativos al del clero protestante, hasta entonces dominante en la universidad norteamericana.

Hasta mediados del siglo XIX la universidad norteamericana estaba dirigida por clérigos y humanistas. En 1865 nueve de cada diez presidentes de Universidad eran clérigos. Harvard fue fundada en 1636 por el clero puritano como una escuela para formar ministros de las iglesias y era la universidad más antigua y mejor dotada del país.

La autoridad en ella de la Biblia era indiscutida. En 1876, Noah Porter, presidente de Yale, afirmaba: " To Christ belongs the supreme authority in heaven and earth and...the goings on of nature and the events of human history, including the developments of science and letters, of culture and art, are all in the interest of Christ’s kingdom". (cit. Veysey: 26). Las materias de estudio básicas eran el Griego, el Latín, las matemáticas y en menor medida la filosofía moral. El método de enseñanza básico , la lectura de textos clásicos, su traducción y comentario. Método que aún pervive en la expresión "lecture".

Las alternativas que se ofrecieron a este modelo fueron , ateniéndonos a la división de L. Veysey tres: el "practical service", el"research" y la"culture".

El primer modelo , el de "utility", o "practical service", es el menos europeo de los tres y el más anclado en la cultura norteamericana de la "applied science" iniciada por Benjamin Franklin. Por contra, el modelo de "research" se importó de Alemania, y el de "culture" era el más tradicional en Europa, el dominante tanto en las universidades inglesas como francesas.

El modelo académico universitario denominado "utility" fue iniciado por la Cornell University en 1868, bajo la presidencia de Andrew D. White y culminado por Charles W. Eliot, presidente de Harvard.

Stanford University y las Universidades del Midwest, entre ellas la Universidad de Wisconsin, fueron sus más fieles seguidoras.

El mismo Andrew Carnegie fue trustee de Cornell, y admirador de su fundador Ezra Cornell, constructor de ferrocarriles y cuáquero de confesión religiosa.

Este industrial de Nueva York quiso fundar una institución basada en la idea de "democracy", un lugar "where any person can find instruction in any study". El dictum de Ezra Cornell fue " No object of human inquiry can be out of place in the programme of a real university." (Veysey: 90). De Cornell surgiría en los años 50s, el proyecto Vicos, el primer proyecto de ciencia social aplicada, dirigido por antropológos, concebido como un experimento de cambio social dirigido.

Cornell era una "useful university", una agencia dedicada a promover el "individual success", con una amplia variedad de cursos donde cada estudiante tenía la posibilidad de elegir ("choice") según sus propósitos y potencialidades. Este modelo de "free elective system" aún pervive. En lugar de una elitista institución al modo de Princeton o Yale, una universidad basada en la igualdad de trato o condición de todos los estudiantes.

Las escuelas de ingeniería, educación, y business entraron en los campus universitarios con igualdad de consideración que las restantes.

Las bases de dicha "utilitarian university" eran :

1. El concepto de "real life". La educación académica tenía que servir para la vida real. Una versión extrema de esta concepción es la que adoptaron algunas universidades del Midwest, como la Universidad de Wisconsin : la universidad es un "universal public service". Esta idea denominada la "Wisconsin idea", fue formulada por Charles K. Adams, presidente de la Cornell University en 1896: " The university is not a party separate from the State. It is a part of the State...as mach (sic) as the brain and the hand are parts of the body" (Veysey:104).

2. La "Social Efficiency". El problema pasó de ser "qué-enseñar" a "cómo-enseñar". El pragmatismo de William James y J. Dewey devino una expresión de este modo de pensar. Este último filósofo, profesor de la Universidad de Chicago, donde años más tarde estudiaria Herb Simon, codificaría en 1910, en How to think, ésta "problem solving mentality", estilo de pensar basado en la cultura tecnológica ingeniera norteamericana.

David S. Jordan, presidente de la Stanford University, fue también uno de los principales portavoces de esta reforma universitaria, y de la unión de la ciencia con la ingeniería.

George E. Vincent de la Universidad de Chicago definía así en 1902, la "social efficiency" : "It carries a general idea, the ability to meet situations, to solve problems, whatever they may be. Efficiency is problem-solving, adequacy. There is need of efficient persons in a world of problems. Daily life is continuous series of situations to be dealt with, problems to be solved..." ( Ibid: 117).

Este modelo quedó legitimado plenamente cuando Harvard lo adoptó bajo la presidencia del unitarianista Charles W. Eliot (1869-1909), "the first citizen of the Republic", el fundador de la moderna Harvard.

Esta universidad destaca entre todas las universidades norteamericanas por ser la institución decana entre las instituciones educativas del país, la que en su orígenes contribuyó decisivamente a la construcción del carácter nacional norteamericano. Su presidente Eliot definía así su "model of man": "We seek to train doers, achievers, men whose successful careers are much subservient to the public good. We are not interested here in producing languid observers of the world, mere spectators in the game of life, or fastidious critics of others men’s labors". (cit. R. N. Smith, 1986:29).

De el afirmó el presidente Theodore Roosevelt: " It unites the assurance of the scientist and the convictions of the moralist...He is the Man Doing". (Smith: 57). Su proyecto fue convertir a Harvard en el guardian de todo la educación americana, y de su cultura.

Esta "utilitarian university" fue el modelo mayoritario en esta reforma de la Universidad norteamericana, y se levantó en clara oposición respecto a otros dos modelos copiados de la tradición europea: la "research university" y la "liberal-arts university".

2.5. "RESEARCH UNIVERSITY" E "INDUSTRIAL RESEARCH LABORATORY".

Cuando se afirma que Carnegie Mellon es una "research university", un europeo tiende a pensar en el modelo de universidad alemana, basado en la ciencia pura, no-utilitaria, y que produjo a los W. Wundt, los Einsteins, los Heisenbergs, los grandes científicos de la ciencia europea contemporánea. En España este modelo de investigación inspiró la fundación del Consejo Superior de Investigaciones Científicas.

Pero la "research university" norteamericana en realidad tiene dos modelos. Uno es el modelo europeo, en particular alemán, de investigación representado por la John Hopkins University en Baltimore.

La ciencia pura en Estados Unidos, al estilo de la universidad pública europea, en la que el catedrático o "Herr Professor", con puesto de funcionario del Estado, y por tanto sin interés comercial directo,se dedica en la soledad de su laboratorio a una investigación concienzuda y de por vida a la búsqueda del descubrimiento científico per se, se desarrolló en Estados Unidos como un modelo minoritario en universidades como la citada Johns Hopkins University de Baltimore (1876) o la Clarke University. Y como un modelo en abierta oposición a la "technical education", y a la "utilitarian university".

La Johns Hopkins University oficialmente preconizaba una " advanced instruction, not professional, to properly qualified students, in various departments of literature and science" (Veysey: 149).

G. Stanley Hall, profesor de sicología fisiológica, y su nuevo presidente, llamaba al investigador el "knight of the Holy Spirit of truth", y la universidad era considerada un medio para mantener "the holy fervor of investigation". El centro organizador de la investigación era el laboratorio, en el caso de la química, la física y la biología, y el seminario, en el caso de las ciencias sociales o la historia.

Este modelo seguido posteriormente y de forma parcial por Harvard, Chicago y Columbia. Es el preconizado como "pure research" por Vanevar Bush en 1945.

Pero el modelo de "research university" de CMU, no ha salido principalmente de esa tradición de hacer ciencia sino más bien de la tradición de la "applied science" fomentada por Benjamin Franklin y del laboratorio de investigación industrial, inventado por Thomas A. Edison en 1876 en Menlo Park, New Jersey.

La aportación específica a la investigación de Norteamérica es considerar "research" lo que en Europa no era más que aplicación técnica sin valor intelectual alguno: no es tanto hacer la ciencia "aplicada" sino hacer científica la actividad inventiva. Edison no fue un científico que se decidió a aplicar sus teorías, sino un "craftman", que decidió hacer de la invención un procedimiento sistemático y rutinario.

Esta diferencia entre laboratorio científico y laboratorio industrial es clave dado que conduce a dos tipos de experimentación distintas, cuyos objetivos son diversos. Lo nuevo en América es el laboratorio de invenciones tecnológicas, cuya incesante actividad de experimentación tiene como objetivo no el probar hipótesis sobre el funcionamiento de la naturaleza sino la generación de forma sistemática, "científica", de nuevos artefactos, procedimientos o métodos a cerca de como realizar determinadas tareas.

Esta distinción es la que explica la diferencia entre la ciencia de Bacon o "empirical science" y la tecnología de Edison, guiada por fines prácticos. La primera descubre, la segunda inventa. Pero lo nuevo de Edison es que la invención, no sólo era una actividad fortuita y separada de la investigación. Construyó un tipo de investigación que se basaba en producir inventos. Como afirma su biógrafo, Matthew Josephson: "No one had ever heard of a man setting up a center of research, a sort of ‘scientific factory’ in which investigation by a whole group or team would be organized and directed solely toward practical inventions".( Josephson,1959:133).

Como veremos más tarde, al definir la investigación en computer science como "experimental research" se están confundiendo ambos tipos de investigación. La "basic research" en computer science puede ser de dos tipos, la que sigue el modelo de Bacon, y la que continúa el modelo de Edison. Y ambas se denominan "basic". Hay dos tipos de "basic research", cuando se dice que Japón no tiene basic research, se está refiriendo a la investigación científica básica. Pero proyectos como el del Ordenador de la Quinta Generación o el de la Human Frontier, o los que financia DARPA en Estados Unidos,son otro tipo de investigación básica, la investigación tecnológica básica, o que también podríamos llamar investigación estratégica.

Este tipo de laboratorio inventado en Norteamérica cobró rango universitario en 1913 al fundarse el Mellon Institute of Industrial Research, el primer centro de investigación industrial de Estados Unidos asociado a una universidad, instituto patrocinado por los banqueros e industriales Andrew y Richard B. Mellon.

Este tipo de investigación denominada "mission oriented", u orientada a objetivos, culminará con la II Guerra Mundial pasando a denominarse Research and Development (R+D), inaugurada entre otras por la RAND Corporation en Estados Unidos, modelo de institución que jugará un papel importante a la hora de configurar el Computer Science Department de CMU, con Allen Newell, antiguo investigador de la RAND Co. entre otros a la cabeza.

En Carnegie Mellon, en particular en la School of Computer Science, por "basic research" se entiende investigación por objetivos . Estos pueden ser estratégicos y a largo plazo, pero su matriz es marcadamente tecnológico. Por "basic research" se entiende una actividad distinta a la del clásico laboratorio de experimentos científicos. Su finalidad no es tanto probar hipótesis empíricas sino producir un sistema que funcione, para lo cual puede planificarse a 20 años vista.

2.6. "LIBERAL-ARTS EDUCATION" Y "LIBERAL-PROFESSIONAL EDUCATION".

Por último, la "liberal culture university" fue un modelo de universidad norteamericana que se planteó en conflicto con los otros dos, "utility" y "research". Yale y Princeton University fueron sus paladines. El objetivo fue implantar los valores de la civilización occidental en la mente de la juventud americana. Princeton convirtió las "humanities" en su "supreme love", en abierta oposición a los cursos vocacionales y de formación profesional. Su presidente Woodrow Wilson afirmaba que en Princeton era "not a place of special but of general education, not a place where a lad finds his profession, but a place where he finds himself" ( Veysey, 1965:242). Para conseguir esto las disciplinas preferentes eran: la literatura, la historia y la ciencia política. El filósofo idealista Josiah Royce era el pensador preferido de este modelo académico, en gran parte inspirado en las universidades humanísticas francesas e inglesas.

La universidad ideal debía ser una "community", basada en los mismos ideales de "co-operation", "comradeship", "loyalty", al servicio de su país y del "public service".

Elementos de esta "liberal culture" se instrumentalizaron en Carnegie Tech con el Carnegie Plan en los años 30s, y más tarde en el MIT, para proporcionar algunos conocimientos de "general culture" a los ingenieros y estudiantes de formación profesional, pero sin llegar a constituir un "core knowledge" central como es propio del modelo de universidad de Princeton o Yale, o del viejo "trivium" y "quatrivium" de las universidades medievales europeas.

El hecho más significativo de este periodo en cualquier caso no es tanto el surgimiento de estos tres modelos de universidad sino el movimiento profundo que llevo a ello: la presión de una nueva cultura tecnológica en la educación y en la investigación en Norteamérica que tuvo distintas expresiones:

1. el surgimiento de institutos tecnológicos como el MIT (1865) al margen de la universidad patrón de las universidades en Norteamérica, Harvard.

2. El surgimiento del laboratorio de investigación industrial (1876) formado por Edison, al margen del tradicional laboratorio de investigación experimental universitario de escasa importancia en Estados Unidos.

3. El nacimiento de escuelas técnicas de grado medio, como las Carnegie Technical Schools, para formar a la gran masa de mecánicos y personal especializado que necesitaba la industria de este país.

En palabras de Dwight Baumann, profesor of Engineering Design en CMU: "I believe that the basic motivation force for the development of the profession engineering, stemmed from the era of the American inventor and in part from the main flow of the industrial revolution itself. The American inventors, Edison, the Wright brothers, Eli Whitney, George Westinghouse, Bell and the rest became national heroes in their time..." (Focus. 1973. March 19).

Esta cultura académica tecnológica era vista por primera vez por sus protagonistas como distinta y superior a la "liberal education". Como afirmaba el Presidente del MIT en 1891: "Too long have we submitted to be considered as furnishing something which is ,indeed, more inmediatly and practically useful than the so-called liberal education, but which is, after all, less noble and fine. Too long have our schools of applied science and technology been regarded as affording an inferior substitute for classical colleges. Too long have the graduates of such schools been spoken of as though they had acquired the arts of livelihood at some sacrifice of mental development, intellectual culture, and grace of life... I believe that in the schools of applied science and technology is to be found the perfection of education for young men". (Noble: 25)

Aún hoy día un ingeniero de CMU como el profesor Norman Chigier, William J. Brown Professor of Mechanical Engineering, considera que su profesión es más compleja aún que la propia ciencia : "I’ve tried to demonstrate to scientists and even to fine artists how creativity and imagination are estremely important in engineering design. Engineering is really more complex than science. It can’t obey all the rules of science because it deals with systems that are less easy to analyze. Engineering have the challenge of working with practical systems --end-products" ( Focus. 1983: Feb.).

Esta cultura tecnológica, expresión de cambios decisivos en el país tras la Guerra Civil y su industrialización masiva, es la que presionó a la universidad norteamericana para su transformación en una "utilitarian university" lo que logró en su mayor parte, consiguiendo la formación de escuelas profesionales como la ingeniería o el management en el interior de universidades tradicionales como Harvard o Yale.

Este modelo de universidad es específico norteamericano y permite entender el por qué, con algunas excepciones como el MIT o Carnegie Tech, no existe en Estados Unidos una doble estructura universitaria como en Europa: la Politécnica y la Científico-Humanística, si bien se puede distinguir una doble cultura académica dentro de las universidades, aquellas que proceden de una tradición de "liberal-arts colleges" como Yale o Harvard, de aquellas como CMU que proceden de un instituto tecnológico reconvertido en universidad.

Este modelo de universidades unificadas explica que un Instituto Tecnológico como Carnegie Tech se pudiera transformar en 1967 en una universidad conservando su cultura tecnológica, y acabara construyendo una "computer university", una universidad donde la máquina herramienta del taller industrial, se ha transformado en el ordenador, concebido como un útil usado hoy en todas las facultades.

El modelo aún mayoritario de universidades norteamericanas son universidades que han incorporado elementos de una cultura tecnológica en su interior, pero de forma subordinada a lo fundamental de los patrones de la cultura occidental, los patrones de la concepción científica del mundo que permanece incambiable desde hace más de veinte siglos.

Los institutos de tecnología como el MIT o Carnegie Tech que se han adaptado al modelo universitario han tendido a priorizar la educación científica sobre la tecnológica, lo cual ha redundado en una pérdida de la sustancia teórica de la ingeniería, el diseño. Como se queja el informe Made in America del MIT: " The retreat of this activities has its origins partly in the wartime experience itself and especially in the dominant role played by physicists and other natural scientists in the development of nuclear weapons..But by now the pendulum has probably swung too far from real-world problem solving, especially as it relates to industrial production" ( Dertouzos,1989:78-79).

Con todo, es en universidades como CMU que eran hasta hace poco un instituto de tecnología, con limitada tradición científico-humanística, donde podemos encontrar ese estilo profesional de pensar, propio de una cultura académica tecnológica, a los que están subordinadas formas de pensar científico-humanísticas fundamentales de la cultura occidental. Y es en este tipo de instituciones, como CMU, donde más se ha avanzado en transformar su propio campus en una "computer culture" donde se presiona a los profesores a transformar su conocimiento de la búsqueda de la verdad a la construcción de un programa informático que funcione.

Esta cultura tecnológica ha sufrido cambios importantes. En los años 30s, en plena Depresión, el modelo de "professional education" iniciado por Andrew Carnegie fue modificado con el llamado Plan Doherty (1936-1950). Este plan introdujo dos modificaciones educativas principales, 1. la introducción del problem solving como "engineering method" . 2. la " humanistic-social stem" o nuevo tipo de formación humanística para los ingenieros, doble cambio que puso a Carnegie Tech a la vanguardia de la educación tecnológica en este país.

3. "THE CARNEGIE PLAN OF PROFESSIONAL EDUCATION".

3.1. LA "HUMANISTIC-SOCIAL STEM": "THE LIBERAL CULTURE" EN UN INSTITUTO TECNOLOGICO.

La Depresión económica de los años 30s significó el fin de la Progressive Era, del liberalismo económico, y de la autosuficiencia de la educación meramente técnica del ingeniero profesional. La invención de nuevos artefactos no garantizaba por sí sola la prosperidad económica. Había que tratar con el factor humano, crecientememte motivo de conflicto. Franklin D. Roosvelt iniciaba el New Deal. Se abría la era del "manager", del "planning", del ingeniero convertido en director de empresa y del planificador social (Hughes,1989: 335).

Es la época del Hawthorne project de Elton Mayo sobre las actitudes y la productividad de los trabajadores en la Western Electric Company, del Tennesse Valley Project de Lewis Munford, como experimento piloto de planificación regional, en suma de las "human relations"como nuevo tipo de "engineering problem".

En Carnegie Tech esta era estuvo dominada por el "Carnegie Plan of Professional Education"iniciado por el Presidente Doherty en 1936 y que constituyó una reforma de la educación ingeniera que sirvió de modelo para el resto de escuelas de ingeniería del país. Esta etapa culminó con la fundación de la Graduate School of Industrial Administration en 1949, auspiciada por el Provost Elliot D. Smith, y financiada por William Larimer Mellon, presidente de la Gulf Oil Company.

Herb Simon, uno de sus fundadores, experto en teoría de la organización, que había dirigido varios estudios sobre administración municipal ve así las aportaciones de este periodo: "Carnegie had pioneered in two important movements in engineering education: providing a substantial liberal arts component within the engineering curriculum, and shifting emphasis from teaching subject matter to teaching problem-solving skills" (Models of My Life:264).

Estas dos innovaciones van a tener consecuencias en la formación , años más tarde, de una específica "computer culture" de CMU, donde, a diferencia de otras universidades o institutos tecnológicos como el MIT, esta cultura se inició, al menos en su 50%, por científicos sociales como Herb Simon que llegó a Carnegie Tech en 1949 para formar esa escuela de managers. Por otra parte, la "computer culture" de CMU hará suya la "problem solving mentality" ingeniera, asentada en Carnegie Tech como un estilo de pensar propio de una escuela de formación profesional, tratando de convertirla en un "human problem solving" o un tipo de mentalidad no sólo ya del profesional sino del conjunto de disciplinas académicas.

El Carnegie Plan of Education fue el marco en el que se realizaron estas innovaciones. Este plan tuvos dos etapas distintas, separadas por la II Guerra Mundial.

En su primera etapa fue inicado como un simple plan de reforma de la educación ingeniera, por el entonces Presidente Robert E. Doherty (1936-1950), ingeniero eléctrico en el laboratorio industrial de la General Electric durante 20 años , y decano de la Escuela de Ingeniería de Yale University de 1931 a 1936. Fue el denominado "Social Relations Program".

Su "proposal" sometida a la Maurice and Laura Falk Foundation en 1937 para obtener fondos para este programa lo justificaba así: "This country needs more professional men who can grapple inteligently with intricate social problems. Technology with all its blessings yet subverts traditional habits and attitudes of mind; narrow specialists multiply endlessly...Engineers who understand technology, must give more thoughts to consequences. They, in common with lawyers, economists and other responsible professional people, must consider a new kind of educational preparation for their oncoming generations..." (Cleeton, 1965. :99).

En el libro "The Development of Professional Education, The Principles which have guided the Reconstruction of Education at Carnegie Institute of Technology as Stated by Its President", editado en 1950, y que recoge una selección de artículos desde 1936, podemos encontrar en el primero de ellos los tres cambios fundamentales propuso en el curriculum de la School of Engineering and Sciences:

"First, a new philosophy and new outlook which will comprehend the human and social as well as the technical. Second, the development in all professional men of genuine competence in the professional way of thought,--a way of thought which embodies an analytical and creative power that is as effective in the human and social realm as that developed in engineering in the application of the physical sciences....Third, the development of the ability to learn from experience so that in the unfolding future they can continue to expand their fundamental knowledge, deepen their understanding, and imporve their power as professional men and women and as leading citizens". (1950:2-3).

El primer objetivo se concretó en una revisión del curriculum de la escuela de ingeniería introduciendo el "Social Relations Program"(1938), y estableciendo una cuarta parte del tiempo para estudios de humanidades y ciencias sociales. Este programa consistía en un conjunto de asignaturas de humanidades y ciencias sociales, como inglés, historia, economía, sicología industrial ("human relations in industry") literatura y arte, que dieran una visión más amplia al estudiante de ingeniería. El nombre del experimento se denominó: "Carnegie Plan of Professional Education in Engineering and Science". Como reconoce Glen Cleeton, esta reforma estaba inspirada por pensadores sociales de la tecnología de entonces como Lewis Munford, Charles Beard, J.D. Bernal, Elton Mayo y John Dewey. Una idea común de toda esta reforma era de "education for social responsability" (Doherty, 1950:13).

Se estableció la Maurice Falk Professorship of Social Relations ocupada por el economista Willard Hotchkiss. Y en 1941 se creó una División of Humanistic and Social Studies. Este programa era el más amplio existente en Estados Unidos para escuelas de ingeniería. Sólo a mediados de los 50s, el MIT comenzó una revisión del curriculum similar a la realizada cerca de 20 años antes por Carnegie Tech. Este rasgo tendrá más tarde repercusiones en la influencia de científicos sociales en el establecimiento de la "computer science" , y en particular, de la Inteligencia Artificial, en CMU, aventajando en este campo al M.I.T. y a Stanford.

Por primera vez desde su fundación, Carnegie Tech reconocía dos bandas o "stems" de estudio: "the technological and the social" (Cleeton:95). La creación de la Division of Humanistic and Social Studies favorecía que materias como la Historia, el Inglés o la Economía pasasen de ser meros "servicios" de la educación ingeniera a fines en sí mismos.

Este cambio, origen de la idea de "liberal-professional eduction" iniciará en Carnegie Tech un conflicto que aún pervive. Un reflejo de ella es la división por ejemplo de la Inteligencia Artificial en dos areas una en Computer Science y otra en el College of Humanities and Social Sciences. No obstante, la idea inicial del Carnegie Plan sólo habla de "professional education".

3.2. "THE PROFESSIONAL STYLE OF THOUGHT".

La Segunda Guerra Mundial abrió una segunda etapa al Carnegie Plan, donde los cientifícos sociales adquirieron más relevancia, en especial los economistas.

Por primera vez en la historia de Carnegie Tech se elegía para el cargo de Provost a un abogado de profesión, Elliott Dunlap Smith (1945-58), hombre con larga experiencia en empresa y profesor de Social Relations en Yale. Su papel fue clave en la definición de la segunda etapa del Carnegie Plan, que coincidió con la construcción de la escuela que iba a encarnar parcialmente estos ideales: la Graduate School of Industrial Administration , fundada en 1949.

Discípulo de John Dewey, filósofo y educador pragmatista norteamericano, introdujo en la cultura académica de Carnegie Tech la idea que el "problem solving" podía proveer un lenguaje común tanto para el historiador como para el ingeniero, esta idea condujo a una particular forma de entender la interdisciplinariedad en Carnegie Tech.

Hasta entonces, el "problem solving" se había entendido como el "engineering method". Elliot D.Smith tratará de convertirlo en el estilo de pensar del profesional, y más en concreto del manager empresarial, tipo humano a formar en la Graduate School of Industrial Administration de Carnegie Tech.

En el artículo "Professional Discipline Versus General Education as a Preparation for Citizenship and Cultivated Living" (1948), Smith expresaba su filosofía particular: "If our country’s most disciplined thinkers --its professional men-- to devote their moral energies and intellectual powers to solving the problems of our perilously free society, education must more effectively prepare them for civic responsability that it has in the past...Hence proper humanistic and social, as well as technicial, instruction is professional in fact, and can be made interrelated aspects of a common professional education...The solving of problems in machine design, in economics, or in English composition all involve a fundamental unity of approach, each contributes a special influence to developing well-rounded analytical and creative power". (1948:2).

Ya en 1946, en la colección denominada Carnegie Institute of Technology: Educational Papers, que resumía los trabajos en torno a la revisión del Carnegie Plan, Elliot D. Smith en su artículo "Professional Education in a Free Society" apuntaba la relación instrumental ("tool relationship") entre conocimientos que se había empezado a desarrollar en diversas areas en la institución.

" Last year Carnegie Institute of Technology set out to integrate the apparently dispersed and separate courses in its program of general education by examining each course in that program to see how far it could be useful in learning subsequent courses and also to see how far it could carry forward prior learning by using what was previous taught. Although it was hard, difficult work, the reward was atonishing great, for as we proceeded it became more and more clear that courses widely differing in field can be effectively brought together, not in surface particulars but at their roots..." (1946:6). Esta etapa de la institución es clave para la formación de un rasgo característico de Carnegie Mellon, y de la School of Computer Science: la interdisciplinariedad o "collaboration accross boundaries". Pero un cambio radical se producirá en la generación siguiente. En 1977, Herbert Simon daba una charla en CMU bajo el título : Liberal Education in A Technological Society" (1977. Focus, April 5). En ella también se planteaba esta colaboración pero bajo la dirección de la "liberal education". Justo el proyecto inverso del de Dunlap Smith.

Este intento de Smith tendrá repercusiones importantes, en el propio Herbert Simon, a la hora de entender los continuos esfuerzos realizados a partir de ese momento en Carnegie Tech por, extender "el problem solving" como "professional method" al conjunto de disciplinas. El "human problem solving" (1972) refleja esta filosofía. Mas tarde, "problem solving" se substituirá por el tema del "design", tratándolo de hacer una actividad propia no sólo de la ingeniería (Simon, 1973). De aquí nacera una filosofía del "Putting It All Together", para encontrar una vía de unificar, integrar y comunicar diversas disciplinas, especialidades y materias en un campus que se convirtió en la cuna de la Inteligencia Artificial nueve años más tarde, construyendo una específica combinación de conocimientos para resolver un problema significativo, el de como hacer pensar a una máquina.

No obstante, la generación siguiente a la del Carnegie Plan, entendió que esta unificación se podía hacer bajo el manto de la ciencia, que era posible hacer una "science of design". En lugar de una "professional education" con una "liberal education" de complemento, pretendió revertir el modelo hacia una "liberal-professional education", donde la segunda era un complemento de la primera.

Inicialemente la vía seguida por Dunlap Smith fue, en lugar de analizar conocimiento por conocimiento por separado , ponerlos en una relación instrumental entre sí con el objeto de resolver determinado problema significativo: "It is essential...not to teach even the fundamentals as ends in themselves but to teach them as means of solving significant problems. For general as well as specialized education becomes cultural only when it becomes useful as a means of enlightening further learning. " ( 1946:5).

Así la Historia de la Civilización Occidental podía ser enseñada no tanto como un "fin en sí mismo" sino como medio de enseñar a los estudiantes los orígenes y el desarrollo de instituciones sociales con las que los estudiantes iban a tratar de forma distinta en economía. O las matemática y la ciencia "can be taught as basic tools avalaible for all technical learning".

La conclusión a la que llegaron fue que " the most important and most general interrelation between fields of learning, however, was found to lie in the fact that a basic form of scholarly thought is common to all. After much study a committee representing scientists, historians, mathematicians, English scholars came to unanimous agreement as to what were the essential elements of well-ordered problem solving". (1946:7).

Colocando al estudiante ante problemas de la vida real a resolver, se trataba de provocar en él el deseo de diseñar algún plan o planes que sirvieran de guías para su solución, en lugar de lanzarse a ciegas. Este plan consistía en el diseño de los medios necesarios para conseguir los fines propuestos y la serie ordenada de pasos a seguir para lograrlo. Esta era un "style of thought" planteado tanto para los cursos profesionales (ingeniería) como para los generales (humanidades).

"If professional skill, by being freed from professional boundaries, is made available for the understanding of human and social problems and if in addition the student becomes accustomed to using that skill in his thingking about human and social relations whatever thereafter increases his capacity in his profession will increase his stature as a person and his value as a citizen". (1946:8).

El problem-solving era para Elliot Smith pues el punto de unión de la educación especializada y la educación general, el tipo de pensamiento capaz de preparar a los estudiantes para progresar en una sociedad en continuo y acelerado cambio: " A free society can exist only if its citizens can think well for themselves in solving its problems" (1946:11).

"Problem-solving" era pues para Smith el conocimiento básico de la "professional education in a free society", el núcleo del Carnegie Plan of Professional Education. Pero esta fue su lectura de dicho plan. Pero las tendencias dominantes no la confirmarían.

Este momento de la historia de Carnegie Mellon no ha sido aún valorado con suficiente relevancia. El que por primera vez especialistas de materias tan distintas como la historia o las matemáticas puedan acordar un tipo de metodología común de enseñanza en torno al "problem-solving", y decidan acordar un interés en esta "basic form of scholarly thought", puede significar el punto de partida de la lo que podríamos denominar el "core knowledge" de una cultura tecnologíca o tecnocultura.

3.3. LA GRADUATE SCHOOL OF INDUSTRIAL ADMINISTRATION : DOS CULTURAS ACADEMICAS EN CONFLICTO.

El test del Carnegie Plan fue la Graduate School of Industrial Administration. Elliot D. Smith fue su promotor principal. Iba a ser la escuela donde se produciría la síntesis entre la educación ingeniera , científica y la humanístico-social, bajo la metodología del "problem solving".

En 1948, el Carnegie Institute of Technology recibió una donación de 6 millones de dólares de William Larimer Mellon, fundador de la Gulf Oil Company e hijo del banquero Thomas Mellon, que inició la dinastía de una de las familias económicamente más poderosas de Estados Unidos. Según relata Herb Simon en su autobiografía, este empresario había llegado a la conclusión que las empresas modernas de alta tecnología necesitaban altos ejecutivos que fueran a la vez expertos en management y entendidos en ciencia y tecnología. ( Models of My Life.1991:136). El provost Smith le presentó su programa de "industrial management" como base de lo que podría ser el centro y consiguió los fondos del empresario.

En su fundación, el Presidente Doherty afirmaba : "The new School will aim to produce men who have the fundamental qualifications for professional growth to leadership in the field of industrial administration and who will be active, intelligent citizens". (Cleeton: 88).

Pero al poco tiempo de su fundación se presentó un conflicto en la GSIA entre dos tipos de culturas académicas distintas: la cultura tecnológica y la "liberal-arts culture". Herbert Simon en su autobiografía denomina a este conflicto "la crisis de 1951", y a efectos de este estudio es muy significativa.

La GSIA fue creada inicialmente dentro de una "problem solving mentality". Así era vista por la revista Business Week, el 17 de septiembre de 1949: "Next week...Pittsburgh’s Carnegie Institute of Technology will begin an experiment aimend at turning out young, experienced executives...This means that the student will learn chiefly by solving a series of planned problems in the professional manner. That is, he must accurately define a problem after it has been presented to him in general form. He must then look for and organize data and information, and plan a way to solve the problem, test the solution, and make a generalization, about what he has learned in doing it. By thus working out the whole thing on his own hook, Carnegie believes a student learns best by hard, down-to-earth experience".

El punto de partida de la GSIA tenía como recuerda Simon (Models of My Life, 1991:138) una doble herencia: 1. El curriculum sobre "industrial management" (lease "industrial engineering") elaborado por Elliot Smith, y 2. El equipo de economistas del departamento de Economía de la División de Humanities y Social Sciences, dirigido por Lee Bach, nombrado a su vez decano de la nueva GSIA. La crisis citada nacerá de la diferencia entre fines y propósitos de ambas herencias.

Como relata Simon, a excepción de Elliot Smith que había sido jefe de personal para la Dennison Manufacturing Co., ninguno de los restantes fundadores de la escuela tenían experiencia en el mundo de la empresa o del management. Bill Cooper, Lee Bach y Herb Simon eran ,según este último: "social scientists". ( Models:138).

Ambos tres provenían de la "liberal arts culture", en concreto de la Universidad de Chicago, pero, en palabras del propio Simon, conscientes de estar en el marco de una cultura distinta, una cultura académica tecnológica, habían aceptado "the premises of the other culture" (Models:159).

Su estrategia era transformar el vocacionalismo de la "business education" norteamericana, dominado por la Harvard Business School, en un "science-based professionalism, as medicine and engineering had been transformed a generation or two earlier" (Models:139). Este cambio consistía en un nuevo método de trabajo, la sustitución del "case study" propio de Harvard por métodos cuantitativos y formalizados: más en concreto, "the use of quantitative tools for managerial problem solving and decision making", herramientas como la llamada programación lineal o la investigación operativa.

Esta estrategia es muy significativa pues explica la línea inicial de trabajo de Herb Simon en CMU durante 40 años : tratar de transformar al "professional", de un mero artesano o "craftman" en un profesional científico. A cambio, el científico se transformaba en un diseñador, en un "problem solver".

El conflicto de 1951 en el GSIA estuvo, según la versión de Simon, ocasionado por las resistencias de los profesores de economía de cambiar su investigación en una dirección de interés para una escuela de negocios. (Models:143). Problemas surgidos de esta relación fueron: la decantación de estos profesores por las técnicas abstractas matemáticas, a veces con mayor énfasis en la matemática más que en sus aplicaciones para el management, la oposición entre la"ciencia pura"de la economía y las aplicaciones en el "real-world" propias de una escuela empresarial, y, por último, la oposición entre las teorías de la racionalidad neoclásica y las del "decision making", estas últimas adoptadas por Simon.( Models:146-47)

Lo interesante de este conflicto es que es visto claramente por uno de sus principales participantes como un conflicto de culturas académicas distintas: "So part of what we were seeing, in the tension within GSIA, was a conflict between two academic cultures that had different definitions of the academic role and of academic freedom" ( Models:159). Estas distintas culturas no eran otras que las del un "institute of technology" y las de la "liberal-arts tradition". El triunfo de la segunda cultura sobre la primera responde al giro científico de la cultura tecnológica norteamericana en los últimos 30 años, y este giro transformara este instituto tecnológico en una "university" en 1967.

Este conflicto no es distinto al que dió nacimiento a la propia Carnegie Technical Schools con Andrew Carnegie. Pero en inicialemente esta institución nació separándose de la "liberal education". Ahora el proceso se invertía.

El conflicto se resolvió con la victoria en los años 60s de los "economists faculty" y la derrota de los "problem solvers". Así explica Simon el final de la crisis: "By the early 1960s, the Golden Age of organization theory and the behavioral theory of the firm had ended at Carnegie Institute of Technology...GSIA became dominated by research on sophisticated mathematical techniques in operations research and economics and by neoclassical economic theory. The economists’ aborted revolution of 1951 achieved a large measure of success in the 1960s" (Models:164).

Paradójicamente, lo que empezó siendo la institución destinada a encarnar los principios de una "professional education", base de la cultura tecnológica, acabó por adaptando patrones de la ciencia social por antonomasia, la economía política.

Este fenómeno no es nuevo. Simon en su libro "The Sciences of the Artificial" detectó esta tendencia general de absorcion de las escuelas profesionales en la "general culture of the university" (1981:130). En los años 30s, ya había ocurrido con las escuelas de ingeniería como el MIT, donde la reforma de Karl Taylor Compton, profesor de física y presidente de dicho instituto, se había basado en aumentar la enseñanza de las ciencias naturales. "Engineering schools have become schools of physics and mathematics; medical schools have become schools of biological science; business schools have become schools of finite mathematics" (ibid:130).

Sin embargo, Simon no advierte una tendencia que contrarresta la anterior y de la que él mismo, como representante de toda una generacioón de científicos norteamericanos: la tendencia a la transformación de las disciplinas científicas y humanísticas en disciplinas tecnológicas, basadas en el diseño, y con fines estratégico-políticos.

Las décadas inmediatamente posteriores a la II Guerra Mundial , a partir sobre todo del Projecto Manhattan, en el denominado "Manhattan Engineering District (Hughes,1989:353), físicos, matemáticos e ingenieros trabajaron al unísono para fines aplicados, principalmente para la Defensa. Esta actividad se definió como Investigación y Desarrollo (R&D): la ciencia se aplicaba, no sólo ya para la industria, sino en todos los fines económicos, militares y políticos de una sociedad. Se inicia el diseño consciente de cambios culturales. Es la época del Proyecto Vicos (1955) dirigido por el antropólogo aplicado A. Holmerg de la Cornell University, un experimento muy debatido pero que marcará un hito en la ciencia social, al demostrar la posibilidad de un diseño planificado del cambio social.

En este contexto, nace el Computer Science, como nueva disciplina, gracias,entre otros, a los trabajos del matemático Von Newmann, colaborador en el Manhattan Project y partidario de la utilización de la matemática para fines prácticos. En sus articulos, con Burks y Goldstine sobre "Preliminary Discussion of the Logical Design of An Electronic Computing Instrument"(1943). Von Newmann, siguiendo el ejemplo de Turing, inició el diseño lógico de un nuevo tipo de máquinas denominadas ordenadores. En CMU se le considera, junto con Turing, uno de los fundadores del Computer Science. Ambos trabajaron para la Defensa durante la II Guerra Mundial. Y su investigación aplicada no se puede entender al margen de su caracter estratégico.

4. CMU COMO "RESEARCH UNIVERSITY": "DEL COMPUTER SCIENCE DEPARTMENT" A LA"COMPUTER INTENSIVE UNIVERSITY".

4.1. CARNEGIE MELLON Y LA "CYBERNETIC REVOLUTION".

El Carnegie Plan introdujo una colaboración conflictiva entre culturas académicas distintas, la "profesional" y "la liberal-arts culture" en Carnagie Mellon que dura hasta hoy. Pero estas culturas no han permanecido estáticas, sino que en su mutuo contacto han cambiado, se han transferido conocimientos unas a otras, produciendo una paradójica y compleja situación.

Por un lado, tras la II guerra Mundial, ha avanzado la tendencia hacia la transformación de las antiguas disciplinas tecnológicas, como la ingeniería ("engineering science") y el managment, en materias cada vez más científicas y formalizadas. Esta tendencia es clave para entender conceptos como el de "information" de C. Shannon, ingeniero electrico del M.I.T., que tienen una base tecnológica directa.

A esta evolución influyó el crecimiento durante y sobre todo después de la II Guerra Mundial, del prestigio de la ciencia en Estados Unidos, sobre todo de la física. Es la época de Vannevar Bush, asesor científico del Presidente Roosvelt, y su libro "Science: the Endlless Frontier" (1945). Como recuerda Richard Teare, decano de la escuela de Engineering and Science de Carnegie Tech en ese tiempo :"World War Two pushed things in the direction of science and theory, and in a certain sense, you could say that engineering analysis was pulling back from theory as an end in itself" (Focus, Feb,5,1980). Esta tendencia hacia la formación de un teoría ingeniera en sí misma ha sido poco estudiada y es clave para el desarrollo de una teoría de las tecnoculturas.

Durante la II Guerra Mundial, también avanzó un fenómeno inverso: la progresiva transformación de la matemática, las ciencias naturales y sociales en Estados Unidos en áreas con una orientación hacia la "problem solving mentality", hacia la aplicación, y el diseño de ingenios mecánicos, ligados a objetivos estratégicos, dentro de una "mission oriented research".

En gran parte la colaboración en el esfuerzo militar de toda una generación de científicos como Wiener, Von Newman,Turing, favoreció el descubrimiento en sus trabajos de una "purposeful mentality". La cibernética de Wiener, nacida del artículo de A. Rosenbluth, N. Wiener y J.Bigelow, " Behavior, Purpose an Teleology"(1943), la teoría de juegos y la operatios research, el diseño de máquinas lógicas de Turing, la teoria de la información de Shannon basada en la ingeniería, la relectura de Simon y Newell de trabajos sobre problem solving, la obra del sicólogo George P. Miller, junto con E. Galanter y K.H. Pribram, "Plans and Structure of the Behavior"(1956), que inicia la llamada "revolución cognitiva", forman parte de una atmósfera cultural de una ciencia dedicada, sobre todo en Norteamérica, a fines prácticos, a una investigación por objetivos, planificada y con vistas más a fines políticos o militares que a la clásica misión de la Academia de descubrir la verdad.

Incluso las ciencias sociales no han escapado a esta tendencia. En la antropología, durante la II Guerra Mundial, la plana mayor de la disciplina en Estados Unidos, Mead , Bateson, Gorer, Benedict, Leighton, Kluchhohn, trabajó para el Departament of War. ( M.Mead. The uses of anthopology in World War II and after. 1979, Eddy, E. & Partridge, W. 1987.). El experimento Vicos en 1955 marcó esta época.

Para Herbert Simon estos fueron los años, en torno a la II Guerra Mundial, de formación de una nueva "scientific culture" - "an interlocking network of scientitsts with a real sense of community, which was almost independent of the special area in which each worked, and which ignored the diversity of their backgrounds and training. They came from physics, statistics, economics, biology, mathematics, engineering, philosophy, and even a few from phychology and political science" ( Models.1991:107). El tuvo acceso a esta cultura a través de dos vías: su participación en la" engineering culture" del Illinois Institute of Technology donde era profesor y de la "econometric culture" de la Commission Cowles. (ibid: 107).

Segun Simon, la cibernética ("cybernetics") se convirtió en la disciplina central de esta cultura, entendiendo por ella tres aspectos: la teoría de la información, la teoría de los sistemas de retroalimentación (feedback) y el ordenador digital. (1972. Newell &Simon: 878-879).

Pero lo que no dice Simon es que estos tres aportes fueron antes tecnológicos que científicos, nacieron en centros tecnológicos como los Bells Laboratories (Shannon), el M.I.T. (Bigelow, Wiener) y la Moore Engineering School (Eckert, Mauchly). La "Cybernetics Zeitgeist" fue inicialmente una cultura ingeniera teorizada matemáticamente.

La "mathematical theory of information" de Claude Shannon y Warren Weaver, nació en los Bell Laboratories, con los trabajos del ingeniero C. Shannon sobre problemas relacionados con la telegrafía de comunicaciones. Lo que este ingeniero hizo fue dar una nueva definición de información que la transformó en un parámetro físico capaz de ser cuantificable. Para ello separó el concepto de "information" (información) del de "meaning" (significado). Si nos quedamos aquí advertimos que esa es la operación púramente matemática, para lo que se requiere simplemente la lógica matemática. Pero Shannon no era un lógico matemático sino un ingeniero de comunicaciones: "This word information in communication theory relates not so much to what you do say, as to what you could say. That is, information is a measure of one’s freedom of choice when one selects a message." (Shannon &Weaver:1949:8-9).

Por su parte, el centro de la cibernética era la teoría del control basada en el mecanismo ingeniero del "feedback", o retroalimentación, estudiado en el M.I.T por el matemático N. Wiener y el ingeniero J. Bigelow para el diseño de mecanismo de disparo antiaéreo. De hecho el libro de Wiener "Cybernetics" tiene como subtítulo " control and communication in the animal and the machine". (1948).

Como explica el propio Wiener en su "Cibernética": "Al estallar el conflicto, el prestigio de la aviación alemana y el papel defensivo de la inglesa se tradujo en la atención de muchos científicos por el perfeccionamiento de la artillería antiaérea. Antes de la ruptura de hostilidades se había evidenciado que, debido a la rapidez del avión, todos los métodos clásicos de dirección de tiro quedaban anticuados,...Es de suma importancia disparar el misil, no contra el blanco sino de modo que misil y blanco coincidan en un determinado momento futuro en el espacio. Para ello había que encontrar un método para predecir la posición futura del avión..." (1985:27).

A través del estudio del comportamiento del artillero, el soldado acoplado al sistema de control de tiro, que luego inspirará el propio nombre de la disciplina ("cibernética", del griego,kibernetes, el timonel, el que controla el barco), Wiener y Bigelow llegaron al descubrimiento de la actividad voluntaria humana ("Behavior,Purpose and Teleology." 1943), y de ella, por un símil a lo que los ingenieros de control denominaban mecanismo de "feedback": " Bigelow y yo llegamos a la conclusión de que un factor sumamente importante en la actividad voluntaria es lo que los ingenieros de control denominan feedback ...Cuando deseamos que un movimiento siga un patrón determinado, la diferencia entre este patrón y el movimiento realmente efectuado se utiliza como nuevo impulso para que la parte regulada se mueva de tal modo que su movimiento se aproxime más al previsto por el patrón". (1985 :29). La cibernética tratará con este mecanismo mecanico-eléctrico de en palabras de Wiener: "suplantar una función específicamente humana...la predicción del futuro". (ibid.:29).

Finalmente el primer ordenador digital, el ENIAC, inventado en 1944, por el físico John M. Mauchl y por el ingeniero electrónico John Presper Eckert en la Moore School of Electrical Engineering de la Universidad de Pennsylvania, y bajo contrato del Army Ordonance Department, fue un producto de una investigación con fines militares (Stern, 1981). Su primera utilidad fuera el realizar complejos cálculos. Pero pronto se empezó a considerarlo un "general-purpose instrument", una máquina programable para cualquier propósito (Von Neumann).

El nacimiento del Computer Science como nuevo tipo de disciplina fue el resultado final de esta tendencia, en la que el matemático Von Neumann, jugo un papel destacado. El computer scientist nació , ante todo, como un programador de sistemas artificiales. Pero en cierta forma en un momento ulterior del esfuerzo bélico, en el que la ciencia tendería a separarse de la tutela de la ingeniería. Y convertir lo que habían nacido como teorías ingenieras ("information", "control") en teorías científicas. Es el paso del "computer" (Mauchly, Eckert) al "computer science" (Von Neumann).

La "computer culture" en CMU participa de ambas tendencias. Por un lado, al estar dependiendo de la Defensa, ha de mantener una orientación ingeniera o "mission oriented". Pero por otro lado, se desarrolla en un periodo (años 50s-60s) donde una vez finalizada la II Guerra Mundial, los científicos tomarán protagonismo sobre los ingenieros y se establecerá el sistema Science and Technology, tendencia que finalmente dará a los matemáticos y lógicos predominio en la nueva disciplina de la Computer Science, que nació de una mera tecnología con fines militares.

En CMU confluye un tipo de investigación por objetivos, tecnológicamente innovadora, interdisciplinar y estratégica es el que está en la base de la "computer culture" de CMU. Ello vienen reforzado por la cultura ingeniera de esta institución. Pero, al mismo tiempo, CMU va a convertirse tras la II Guerra Mundial en una universidad, siendo presionada para adquirir la cultura de la misma a la que antes se refería Herbert Simon, uno de los principales promotores de la misma en esta institución.

En Computer Science se condensa esta doble cultura contradictoria que se ha generado en Estados Unidos en estos ultimos 30s años. Es una ciencia de una tecnología, construida después de inventada ésta, pero que pretende liderar su desarrollo, y competir en el universo de las otras ciencias.

Dado que la "computer science" es quizá una disciplina directamente afectada por intereses estratégicos, el empleo de científicos a gran escala para la investigación aplicada que se inició en la II Guerra Mundial ha podido pervivir durante los 45 años de la Guerra Fría en áreas como la Computer Sciencie, dando lugar a un fenómeno inusual: lo que fue en otras disciplinas, como las ciencias sociales un fenómeno temporal, la transformación del científico en un "problem solver" o en un "ingeniero social", en el ordenador se ha consagrado como una especialidad nueva: el "científico del diseño" o "computer scientist", un científico que a su vez es ingeniero, de forma permanente.

Finalizada la Guerra Fría este matrimonio anómalo puede disolverse en sus componentes iniciales: matemáticas e ingeniería.

Durante los pasados 40 años la libertad del científico que se dedicaba a computer science era ilimitada con tal que produjera resultados, sin importar si su trabajo se ajustaba o no a los patrones de la Academia. No era ante ésta ante la que tenía que responder sino ante agencias como DARPA, que a su vez gozaban de una gran libertad de asignación de recursos.

Carnegie Tech participó de ambas tendencias: la Computer Science la iniciaron en 1955-56 científicos interesados en el ordenador como Herb Simon, Allen Newell y Alan Perlis, reunidos en torno a un ordenador IBM 650 en el Computation Center situado en la Graduate School of Industrial Administration.

La transformacion de Carnegie Tech de una escuela de educación de ingenieros a una universidad fundamentalmente de investigación se inicia en torno a la investigación en esa área, denominada por unos "information processing" y por otros "computer science".

En 25 años, Carnegie Tech se ha convertido en una "research university", gracias principalmente a esa investigación en informática.

Este proceso de focalización de la investigación en esta disciplina se explica por dos factores: 1. La enorme competencia entre las universidades norteamericanas de investigación a la hora de querer destacar en algún área. Si se quiere una investigación de excelencia, se ha de ser excelente y como no se puede ser el mejor en todas las áreas hay que seleccionar alguna, en este caso, se ha elegido durante esta época a computer science. 2. El ser excelente es lo que permite atraer fondos para la investigación. Y el computer science es un área que durante las últimas décadas permitía obtener esos fondos. Máxime cuando la investigación en las universidades norteamericanas está financiada en su gran mayoría por los presupuestos del Estado. Y los fondos para investigación de esos presupuestos del Estado los controlan principalmente tres agencias el Department of Defense (DoD), la National Science Foundation (NSF) y los National Institutes of Health (NIH).

La investigación informática ha generado, y genera, una sustancial parte de los fondos de los que vive CMU. El mecanismo específico que existe en la "research university" norteamericana para transferir fondos de la investigación a los gastos generales de la institución se llama : el "overhead" o gastos indirectos. Este es un porcentaje que, en esta universidad es del 58%, se queda la institución para pagar sus gastos generales y que carga a los ingresos por investigación generados por sus profesores o personal investigador. Así si un equipo consigue un proyecto cuyos gastos directos (salarios, viajes,...) valen 1 millón de dólares, el costo final sera de 1 millón que se queda el equipo investigador más 580.000 dólares que se queda la universidad y que van a parar a parte de su presupuesto o E&GO ("Educational and General Operating Budget").

Para entender la importancia de la investigación informática en CMU es conveniente analizar brevemente el presupuesto de una institución que, como la universidad privada ,vive principalmente de la investigación y de las matrículas de sus estudiantes.

El 25 de mayo de 1991 el nuevo President Mehrabian explicaba la situación financiera de la institución : CMU ingresará en 1991 una cifra global de 291 millones de dólares. De este ingreso, el presupuesto que la universidad realmente controla (el E&GO) será algo menos de la mitad: 140,7 millones. Del resto hasta los 291 millones la mayor parte son ingresos por investigación, 99 millones al año, ingresos que van a pagar gastos directos de la misma y que la universidad no controla. Lo que si hace la universidad es cargar a esta cifra un plus del 58% (27 millones) que van a parar a su E&GO, con lo que éste queda equilibrado. En resumen, los ingresos por investigación que llegarán a CMU en 1991 serán de 126 millones ( 99+27), mientras que los ingresos por matrículas de estudiantes sólo alcanzaran 91,5 millones.

La investigación informática cubre una gran parte de esos 126 millones de ingresos por "research", el 40% apróximadamente.

La subida de la investigación en la década de los 80s fue del 300%, pasando de 23,5 millones de dólares en 1978 a 96,3 en 1987. Por el contrario, los estudiantes de grado aumentaron sólo el 10% y los graduados el 77%.

En 1989, el presupuesto total de investigación de CMU fue de 120 millones de dólares. De éstos, la mitad, 60 millones, fueron generados tan sólo por dos centros de CMU : la School of Computer Science (39,249,000) y el Software Engineering Institute (20,900,000). (CMU Facts 1990:64). El tercer gran centro generador de fondos es la escuela de ingeniería, el Carnegie Institute of Technology que obtuvo 22,800,000 dólares ese mismo año. Su departamento más grande es el Electrical and Computing Engineering.

Las previsiones hasta el año 2000 indican que , mientras los ingresos por estudiantes permaneceran al mismo nivel, sera la investigación esponsorizada el área que seguirá subiendo entre un 20% y un 190%, y con ella el personal de investigación y las categorías técnico-administrativas, mientras que la plantilla de profesorado permanecerá estancada.

Hasta la II Guerra Mundial, Carnegie Tech. era principalmente una institucieon para la educación de ingenieros. Pero en los años 50s, esta dirección cambió, transformando a esta institución de un instituto de enseñanza en una universidad de investigación.

El Presidente John C. Warner (1950-1965), fue un presidente que decididamente apostó por convertir a Carnegie Tech en una institución de investigación. A éste le siguieron otros dos presidentes que profundizaron esta orientación: H. Guyford Stever (1965-1972), que fusionó Carnegie Tech con el Mellon Institute para formar Carnegie Mellon University, y Richard Cyert (1972-1990), bajo cuya presidencia, y con la colaboración del Provost Angel Jordan, esta universidad se convirtió en uno de los principales centros de investigación informáticos de Estados Unidos y del mundo.

No obstante, esta orientación hacia la investigación hay que entenderla según el patron cultural de una institución norteamericana marcadamente tecnológica.

La investigación, y dentro de ella, la informática como área principal, ha tenido un carácter inicialmente aplicado, como veremos en el siguiente capítulo al analizar los objetivos del Computer Science Department. Es una investigación financiada en mayor medida por fondos de la Defensa, lo cual no significa que tenga aplicaciones militares directas, pero sí que va orientada a objetivos ("goal oriented"), y ésto le imprime un carácter distinto a la investigación científica clásica como la financiada por la National Science Foundation, o los National Institutes of Health, más en la línea de la investigación básica al modo tradicional.

Los profesores que trabajan en Computer Science en CMU provengan de la matemática, física, sicología, linguística , sociología o ética, todos ellos acaban haciendo programas de software , hasta el punto que el College of Humanities and Social Sciences, en particular su Psychology Deparment y su Phylosophy Department, es un centro importante de producción de software en el campus.

La "problem solving mentality" durante los años 60s y 70s fue en gran medida revitalizada por el Computer Science y personas como Allen Newell y Herb Simon desde el College of Humanities and Social Sciences. Finalmente, la tarea de convertir el diseño en un "core curriculum" recayó en el Center for Design of Educational Computing, dirigido por Preston Covey, profesor de ética aplicada.

Por otra parte, Carnegie Mellon no ha sido ajena a la tendencia antes descrita de "absorción en la cultura general universitaria", lo que significa absorción en la "liberal-arts culture". El periodo de la "research university" ha significado la entrada de CMU en el ranking de las universidades de élite norteamericanas, grupo liderado por el selecto grupo de las "Ivy League" : Harvard, Yale, Princeton, Cornell, Darmouth, Pennsylvania, Brown, donde se forma tradicionalmente la clase dirigente de Estados Unidos. En 1988 las tres primeras competidoras de CMU para captar estudiantes eran Cornell, el MIT y la University of Pennsylvania. (D. Scott.Search for Presid. 1989:19). CMU forma parte irreversiblemente del mundo universitario norteamericano.

Este mundo universitario a finales de los 60s y principios de los 70s se fue democratizando a consecuencia de las denominadas "students troubles". (Simon. Models, 1991:279).

Este fenómeno conllevo una creciente oleada de críticas sobre la tecnología y el papel de los tecnólogos. Como confiesa un ingeniero de CIT, en los años 70s ser ingeniero estaba "mal visto en la universidad norteamericana". Esta oleada coincidió con la publicación del informe de Domela Meadows del MIT "Los límites del crecimiento", documento básico del ecologismo y alimento de una corriente internacional sensibilizada sobre temas como el deterioro del medio ambiente, la seguridad y la paz internacional, y el respeto por todas las culturas, lo que en Estados Unidos se engloba en el respeto a los derechos de las minorías o "minorities" (african-american, women, gays,...).

Lo paradójico es que en Carnegie Mellon estas tendencias, dada la influencia del proceso liberalizador del Carnegie Plan, encuentran apoyo en el campus tanto en departamentos de la escuela de ingeniería y como en los de Humanities and Social Sciences, su tradicional hogar.

Expresión del movimiento hacia la toma de conciencia de la responsabilidad social del ingeniero y los temas relacionados con la ecología, el pacifismo y el control políticos de los efectos de la tecnología es la formación , en 1970, del departamento de Engineering and Public Policy, dirigido en los últimos años por Granger Morgan, uno de los más influyentes en la escuela. Sus principales áreas de investigación en 1990 eran: "Energía y Sistemas Medioambientales", "Política de Telecomunicaciones", "Análisis de Riesgo", o estudio de los efectos nocivos de la tecnología en determinados trabajos, "Control de Armamentos y Política de Defensa", y "Manufacturas y Política Industrial".

Por su parte, el movimiento hacia una mayor formalización científica de la clásica actividad ingeniera de diseño tiene lugar en el Engineering Design Research Center, centro financiado por la National Science Foundation, uno de los principales centros para la investigación del diseño en U.S.A, se ha marcado un clara orientación destinada a convertir el diseño en una ciencia. Sus objetivos principales son: 1."Desarrollar nuevas metodologías de diseño que constituyan el terreno de la ciencia del diseño". 2. " Incorporar nuevas metodologías de diseño en herramientas informáticas que faciliten el uso , el aceso , la transferencia y la modificación de la información de diseño a lo largo de todo el ciclo del desarrollo del producto". 3. "Desarrollar un medio ambiente que permita el trabajo conjunto de equipos de diseñadores dispersos por todo el mundo." (EDRC, 1991-92: 2).

En resumen, formalizar los principios y la metodología de diseño, sacándolo de una actividad artesana, y transformándolo en ciencia, al objeto de aumentar la productividad industrial.

A su vez, la GSIA, que empezó como una escuela de "industrial management", se ha ido transformando con el tiempo en una escuela con profesores de prestigio mundial en "accounting" (contabilidad) y economía como Yuji Ijiri. Entre 1962 y 1972 fue dirigida por Richard Cyert, y con una clara orientación hacia la ciencia económica neoclásica y los métodos matemáticos. Aunque ahora está en un proceso de profundo cambio.

4.2. EL DEPARTAMENTO DE COMPUTER SCIENCE DE CARNEGIE TECH: "THE ARPA A.I. LABORATORY".

Esta tendencia de Carnegie Tech a integrar los patrones de la cultura tradicional universitaria, la "liberal-arts culture", fue a mediados de los 50s, contrarrestada por un nuevo fenómeno que reforzó valores propios de la educación tecnológica, la "professional education" : la irrupción del ordenador y de la "computer science", una nueva disciplina en la que se mezclaban matemática aplicada, ingeniería electrónica, y teorías de la sicología del "problem solving". Todo ello unido a una casi exclusiva conexion de esta investigación con el Departamento de Defensa, y su agencia de proyectos avanzados. (ARPA)

La irrupción del computer en Carnegie Tech fue visto como una innovación cultural. Art Evans, uno de los primeros participantes de este nuevo campo en Carnegie Tech, recuerda así estos años fundacionales: "This was all new. It was all new. We were inventing the things, discovering all the things which are now part of the culture. We were inventing the culture".(. CMU-SCS.25 Aniv.:49).

El departamento de Computer Science en Carnegie Tech se formó con unas características particulares respecto a lo que era entonces la institución:

1. A diferencia de otros departamentos del instituto más centrados en la enseñanza, este nació con una tendencia claramente hacia la investigación. Sus fundadores provenían de dos lineas de investigación distintas: la línea del "complex information processing" de Newell y Simon, y la línea de "programming languages" de Perlis.

Una tercera línea de investigación provino de la escuela de ingeniería: el diseño de "computer systems" y la desarrollaron Gordon Bell y Newell. Otra línea de investigación sobre semiconductores, iniciada entre otros por Angel Jordan, y que tenía posibilidades directas de entroncarse con la naciente industria de los transistores, no fue considerada en el Departamento. Esta concentracieon en áreas de computer science desconectadas de la industria influirá en la futura ausencia de una industria informática en Pittsburgh, a diferencia de Stanford o MIT, y constituye uno de sus puntos débiles de Carnegie Mellon una vez finalizada la Guerra Fría.

En 1971, con J. Traub, se iniciará una cuarta área de investigación, la "Theory", que no tomará cuerpo hasta 1981 con Merrick Furst.

2. La investigación que se acordó poner en marcha como prioritaria fue en torno a una disciplina denominada "the science of information processing", con lo cual este departamento se tendería a adscribir al College of Science, y no al de Engineering.

3. La investigación se orientaba, inicialemente de forma exclusiva hacia el "software", desde un enfoque particular que denominaba "pragmatic approach", dándole preferencia sobre el enfoque denominado "formal".

4. La investigación en "information processing" se planteaba en Carnegie Tech unida por fuertes lazos interdisciplinares tanto con las "behavioral and management sciences" como con las "natural sciences". El departamento se veía como un "open center" abierto al conjunto del campus, inventando la figura del "joint faculty", o profesor en dos departamentos simultáneamente.

5. La investigación se financiaba de forma exclusiva gracias a un contrato iniciado con la Advanced Research Projects Agency del Departamento de Defensa, que en 1965-66 ascendía a 992.000 dólares. Esta dependencia casi total de la investigación del Department of Computer Science de CMU respecto a intereses estratégicos de la defensa nacional, y la débil relación con la industria informática, será una característica propia de esta comunidad, y que la diferencia de otros departamentos como los del MIT o Stanford donde las relaciones son más diversificadas. Las razones pueden encontrarse en que en el momento de formación de ese departamento la industria local de Pittsburgh, el acero, estaba declinando, y hasta los años 80s no se ha empezado a generar una industria local informática, basada sobre todo en el software, aún incipiente.

En las proposals planteadas por los investigadores del Departmento a DARPA, se habla repetidamente de la "ARPA Artificial Intelligence Laboratory". Ello indica los tres rasgos fundamentales de la investigación de Computer Science de CMU:

1. El estar centrada en la Artificial Intelligence, como área que dirige al resto de la computer science.

2. El realizarse con los métodos experimentales propios de un laboratorio.

3. El estar financiada exclusivamente por DARPA, la única institución que ha sostenido a gran escala durante décadas la investigación básica en Inteligencia Artificial en Estados Unidos.

4.3. UN "PARTICULAR APPROACH" EN LA INVESTIGACION EN COMPUTER SCIENCE.

Desarrollemos estas características.

El documento histórico que sirvió de base para la constitución de esta línea de investigación en el Department of Computer Science es la "proposal" o propuesta presentada a ARPA en abril de 1964 denominada: "Proposal for a Center for the Study of Information Processing", y firmada por Allen Newell, Alan J. Perlis y Edward R. Schatz. (1964).

En una cultura prefigurativa que funciona hacia el futuro, como en el caso de la "computer culture" de CMU, tiene una gran importancia analizar los planes, proyectos o "proposals" donde se codifican los objetivos a cubrir, el estado de la cuestión y las estrategias a seguir para conseguirlos. Las culturas prefigurativas son "goal-oriented", y la antropología que las estudie conviene que parta de sus "proposals", de sus objetivos. Lo que en una cultura postfigurativa, por utilizar una terminología de Margeret Mead, son los mitos o historias que fundamentan su práctica social, o en una logo-cultura son sus principios básicos y universales extraídos del libro de la naturaleza, en una cultura tecnológica son sus fines, objetivos o proyectos estratégicos, que estructuran su práctica social en pos de su consecución. Ello explica que no sea la verdad preexistente su criterio de validación sino lo que llaman "results".

En la citada "proposal", por un lado, se especifica en ella que "the fundamental aim of the center is understanding the nature of information processing...The attempt to produce a science in an area that not long ago was purely a technology...implies a belief that there is much to discover and deep understanding to be had". (1964: 1).

El hecho que esta área haya sido antes una tecnología que una ciencia, lo acaba de confirmar de nuevo un perplejo Allen Newell al afirmar en el 25 aniversario del departamento: " Computer Science has been such an event. Its emergence has been specially confusing because of the computer’s origin as an engineering and manufactured device" (CMU-SCS, 25th Anniversary. :41).

Este paradójico fenómeno marca lo que denominó "inversión del conocimiento" en esta disciplina, según la cual su avance sólo sera posible si antes se diseña un nuevo artefacto, programa o sistema que se toma como objeto empírico a posteriori para su estudio científico. El diseño, bien sea ingenieril o lógico formal, va antes que su descubrimiento empírico.

Este fenómeno lo vuelve a advertir el citado documento: "In mathematics, for instance, which also pervades all fields, we do talk of pure mathematics and of applied mathematics. But information processing is much more closely tied to its applications. The new ideas and insights that move it towards being a science arise mostly from applications rather than from any self-generative character of the pure science of information processing." (ib.:3-4).

Este fenómeno lleva a los autores a fundir la teoría científica del "information processing" con los programas informáticos que la validan, con lo que la diferenciación ciencia básica-aplicada queda borrada. La teoría científica está unificada con la tarea práctica a realizar. En resumen, la teoría es el programa: " The scientific knowledge is contained, not in a formal theory, but in the knowledge, however expresed, of the structure of a class of information processing tasks and the programs that can do them. The validation of this scientific knowledge lies in the fact that operating programs run and communicated to new programmers, who can then produce new programs of high effectiveness in the area without themselves recapitulating all the mistakes and grotesqueries of the past" (Ib.: 6-7).

El conocimiento que desarrolla esta "science of information processing" en Carnegie Tech se basa en la construcción de programas que funcionan ("run"). Es la misma mentalidad basada en el "it works!" que tenía Andrew Carnegie.

El enfoque o filosofía del Centro, que 25 años más tarde se convertirá en la School of Computer Science, se define así : "A center is better characterized by its selections of specific problems, methods and attitudes, than by its most general goals. Almost a decade of research in information processing at Carnegie Tech has produced an approach which still seems to its major participants to be extremely produtive. The proposed center will be, by and large, a continuation of this approach. We are oriented towards software--towards programs written on digital computers. We are empirical, in that we believe in constructing programs that do things, and in learning about information processing from the difficulties of construction and from the behavior of the resulting programs. We are theoretical, although not so much by a dependency on formal models...,as by trying to formulate the essential nature of information processing." (1964:4).

El fin es "to formulate the essential nature of information processing", el medio " constructing programs that do things". Esta secuencia es la reconstruccion lógica de este pasaje, pero su formulación textual es la inversa: 1. "Constructing programs that do things" y 2. Formulate the essential nature of information processing". Ya hemos explicado antes la razón de este enfoque. La mentalidad pragmática no sólo es propia de la "computer science" en esta institución sino de su misma configuración cultural, que fue primero un instituto tecnológico y sólo después una universidad.

Los fines científicos (el conocimiento sobre la naturaleza del "information processing") son inseparables de los medios técnicos. Dado que el programa informático en este esquema no es un simple medio sino un fin en sí mismo, la única forma de materializar la teoría, siendo necesariamente previa a ésta. El "information processing" es el modo de comportarse de un programa de software y sólo se le puede analizar construyéndolo.

Este enfoque , "a much more pragmatic approach", lo proponen expresamente Perlis y Newell como alternativa al desarrollo de una "formal theory of information processing systems" , consistente en un esquema matemático básico para la representación de todo tipo de información.

Desde Logic Theorist hasta SOAR, la actividad fundamental de la computer science en CMU se medirá por los programas o sistemas informáticos que construya. Incluso departamentos como Sicología, Filosofía, o Música han adoptado esta filosofía de construir sus conocimientos en forma de software. Este fue el intento tras Andrew: convertir al profesor y al estudiante de CMU en un constructor de software informático.

Este es un rasgo principal de la "computer culture" de CMU: la investigación tiende a ser principalmente construcción de "software" o sistema informático, y no sólo para el "computer scientist" sino para el conjunto de disciplinas del campus.

4.4. UN "OPEN CENTER".

La propuesta en cuestión termina proponiendo la creación de un centro " ‘open’ towards the entire campus" (ibid:25). Ya desde 1961 operó en Carnegie Tech un programa de doctorado interdisciplinar denominado Systems and Communication Sciences, incluyendo a varios departamentos o escuelas: el de Mathematics, Psychology, Electrical Engineering y la Graduate School of Industrial Administration . Este programa fue el precursor del programa de doctorado en Computer Science de 1965.

Según la citada proposal, "information processing pervades other fields...and research on information processing ultimately becomes an integral part of many fields". ( ibid.:25). Por eso el centro debía estar abierto a todo el campus pues su objeto de estudio "information, the systems that process and transform it, and the way it is used to control, integrate and coordinate other systems" (ibid:2) les podía interesar a todos.

Carnegie Tech no fue la única universidad en organizar, por ese tiempo, un departamento de Computer Science. En 1965 más de 15 universidades norteamericanas impartían doctorados en Computer Science. Pero no todas ellas iban a entender el Computer Science como "information processing" y el "information processing" como una disciplina que debía crecer y desarrollarse en todo el campus de forma interdisciplinaria.

La visión específica de Perlis y Newell afirma que : "Research on information processing must grow up and flourish throughout Carnegie Tech because the Center is here, not in spite of it. Nothing would be more fatal than to erect an organization whose natural tendency was to absorb all such research within its confines, ...in which those ‘outside’ the center have little access to the advances achieved ‘inside’. Thus, in a sense, a very substantial segment of Carnegie Tech should become the laboratory for the study of information processing" (1964:26).

20 años después Carnegie Mellon se transformaría en una "computer-intensive university". Según su exalumna y actual profesora de la escuela , Mary Shaw, fue Alan Perlis el que inició esta política de abrir el computing a todo estudiante o profesor de Carnegie Tech: " Carnegie Tech was one the very first schools that made a commitment to making computation broadly available to everyone on campus...Alan saw far enough ahead to open access, and he helped create the campus policy that made computing as freely available as the technology of the time would allow".(CMU-SCS, 25th Anniversary,.:33).

En el momento de la propuesta (1964) había ya en Carnegie Tech 7 departamentos implicados en el computing: Mathematics, Psychology, Electrical Engineering, Graduate School of Industrial Administration, Physics,Civil Engineering y Chemistry. El mecanismo desarrollado para mantener la interdisciplinariedad fue el "joint faculty", o doble adscripción del profesor, según el cual éste pertenecía a su departamento de ciencias, humanidades o ingeniería y al mismo tiempo trabajaba conjuntamente en la investigación del Computer Science Department.

Esta solución se concibió expresamente como "an official way of blurring the lines of separation between those inside and outside the center". (ibid:26)

Esta forma de organización, al debilitar las tradicionales barreras de departamento y disciplina, ha hecho menos dificultoso la formación de una red como Andrew, y constituye una ventaja comparativa para el trabajo interdisciplinar entre culturas académicas distintas como la "professional" y "la liberal- culture". En 1990, la práctica totalidad de los 25 departamentos de Carnegie Mellon participan en la utilización del computing, la School of Computer Science tiene 27 "joint faculty" de un total de 86 profesores, y se da el caso de profesores como Dana Scott que pertenecen a tres departamentos en tres escuelas distintas: Mathematics en el College of Science, Phylosophy en el College of Humanities and Social Sciences y la SCS.

Esta política de colaboración entre el computer science y el resto de disciplinas es lo que denominó "collaboration across boundaries" e influirá en introducir la mentalidad programadora a disciplinas como la sicología o la linguística inicialmente ajenas a ella.

4.5. EL TRABAJO DEL CENTRO: "MIXING SERVICE AND RESEARCH".

Para llevar adelante el trabajo, el centro introducía una modificación fundamental en el tipo de actividad a realizar en una universidad: la realización simultánea de investigación ("research") y servicios ("service"). Desde 1956 existía en Carnegie Tech un Computation Center que proveía de servicios técnicos a todo profesor y estudiante que necesitara utilizar el ordenador. La propuesta citada propondrá incorporar el citado centro en el nuevo.

En el futuro el Computer Science Department contará además de la clásica estructura universitaria de profesores y estudiantes, que se dedicaran a la investigación "research", una estructura operativa , el "full time programming staff", que será la encargada del "service", consistiendo éste en implementar los programas informáticos. En palabras de un ingeniero español, visitante en esta universidad, "estos programadores no los tenemos en la universidad española, y son muy útiles dado que son los que llevan el trabajo adelante"

En resumen, la investigación a realizar en lo que sera el Department of Computer Science sera integra R&D, o investigación y desarrollo. Así lo justificaban Perlis y Newell: "The best part of the systems programming world today does not do much research by the definition implicity given above; it does high class engineering...We have labored this long to establish the legitimacy, in a proposal for a research center, of a large full time programming staff whose function is not research. The large size is dictated by the need to keep the total system stable in the face of continuous advancement in the state of the art. " (1964 :33).

En resumen, el trabajo en su conjunto seguirá esta secuencia: "The typical life history of much research done at the center will be as follows: A graduate student will get interested in some aspect of programming, say in monitor systems. Working with one of the professors as advisor, he develops a programming language in whose terms monitor routines may be expressed...Focussing on the essentials, he works with a "pseudo-machine" that he has defined for his own purposes and simulates it on the computer...At the termination of this research it has become abundantly clear that this monitor language should be used for the Carnegie Tech system. At that point there may be a full man-year of hard development work ahead, for it is unlikely that any such new idea could be applied for the first time without considerable effort. Yet this next year-man is just development work; it is not research...At that point the full time programming staff assumes control, and does the additional work necessary to incorporate it into the system...They make a substantial enough contribution to the programming art so that, in retrospect, research has been done: revealed as a sideline to the task of making the Carnegie Tech operating system as good as possible". (ibid:32-33).

Esta estructura combinada de investigación y desarrollo será la que produzca 25 años después programas como MACH o máquinas como iWARP o NECTAR, que constituyen motivo de orgullo para la escuela. No fue otra la estructura que produjo el primer programa de Inteligencia Artificial, LT, en 1955. Esta actividad significa una complejización de la estructura universitaria desbordando su carácter tradicional basada en la relación bilateral profesor-alumno, e introduciendo una tercera componente: el personal operativo, que es el que permite llevar la lógica del "problem solving"a su final: la construcción de un sistema informático que funciona.

En 1990, el personal operativo de programación igualará en la escuela al de profesores, y la mitad de ellos, no tendrán tareas directas de educación. Una categoría particular de profesor es el denominado "research professor", dedicado exclusivamente a la investigación, esto es, a los proyectos, sin obligación de enseñar, aunque también puede hacerlo. Esta figura se excluía de la propuesta inicial pero la realidad ha sido más fuerte que las intenciones iniciales: " No permanent full time research personnel would exist at the center" (ibid:31). La razón es que el trabajo de investigación supera al de ensenanza en "computer science".

4.6. LA RELACION CON EL DEPARTAMENTO DE DEFENSA Y CON LA INDUSTRIA : LA DEFENSE ADVANCED RESEARCH PROJECT AGENCY.

La formación del Computer Science Department marca un giro en la relación de Carnegie Tech respecto a la relación de la universidad con su entorno social. Carnegie Tech, como hemos analizado, nació como un instituto de formación profesional para formar técnicos cualificados para la industria de Pittsburgh. Su actual Board of Trustees sigue estando formado en su mayoría por industriales de la ciudad o antiguos alumnos que ocupan puestos de dirección en industrias a lo largo del país. Carnegie Tech era el instituto tecnológico de Pittsburgh y su comunidad.

Sin embargo, su transformación en una "research university" ha significado durante estos últimos 25 años el pasar a depender de organismos públicos y agencias de la Defensa, como DARPA. Con ello Carnegie Mellon ha alcanzado un rápido crecimiento pero desligandose en gran parte de la base social que le dió nacimiento: la industria local.

Este cambio fue favorecido, entre otros factores, por la línea de investigación que se adoptó desde un principio esta propuesta precursora del Department of Computer Science. Esta línea optó exclusivamente por el "software", rechazando explícitamente el trabajar en hardware. "The center, by inclination, talent and past action, is a center of software research...The center as organized contains no real effort on hardware research...Our plans for the full time faculty do not include scientists working on computer hardware" (1964: 34-40-42).

Pero la industria del "computer" no se inició en los años 50s por el software sino por los semiconductores. Tuvo como centro regiones que rodean otros centros de investigación informática de Estados Unidos, lo como Stanford el M.I.T. La influencia de estas universidades no fue directa en la formación de sus áreas industriales, pero si que sirvieron de lugares de reclutamiento de los ingenieros para las industrias que entonces nacieron. De momento, Pittsburgh no ha generado un fenómeno de tal magnitud, aunque su industria de "high tech" es floreciente contando con 700 empresas y 70.000 empleados en este sector. (Pittsburgh Facts, 1990-91:10).

La ingeniería ha sido la profesión que tradicionalmente ha estado ligada con la industria. Carnegie Tech tenía una escuela de ingeniería bien relacionada con la industria local. La elección de iniciar la investigación en "computer science" excluyendo de entrada al hardware y sus componentes, el área más conectada con la ingeniería, con el tiempo ha favorecido un divorcio en Carnegie Tech entre el ingeniero y el computer scientist que no ha beneficiado a ninguno de los dos. Y sobre todo ha creado un vacío social alrededor de Carnegie Mellon al hacer depender casi toda su investigación de un único patrón: el Estado, y dentro de él, de un exclusivo ministerio, el de Defensa. Esto crea en la nueva era post-Guerra Fría que ahora se inicia una situación muy problemática para la propia universidad.

En 1979, con la fundación del Robotics Institute, esponsorizado inicialmente por una industria local, la Westinghouse, la investigación en Computer Science iniciaba la senda de su diversificación al servicio de la industria. Pero la escasa extensión del uso de robots en la industria norteamericana, en comparación con la japonesa, hace que este instituto no acabe de ofrecer una solución al problema ya detectado: como conectar la investigación del Computer Science de Carnegie Mellon con el mundo industrial.

La relación estrecha de la investigación en Computer Science de CMU con intereses de la Defensa, por el contrario, ha tenido ciertas ventajas para un instituto tecnológico pequeño y alejado de los centros tradicionales de poder académico de Estados Unidos, la costa Este y California. Le ha permitido durante 25 años fijarse con mayor libertad objetivos en su investigación, no reducidos a los intereses de la industria local, sino de alcance estratégico al servicio de intereses nacionales.

Mientras que la industria norteamericana exige una investigación dirigida a objetivos inmediatos, medidos en pocos años, la investigación financiada por DARPA en programas como el de Inteligencia Artificial se mide por décadas. Programas como el Speech Recognition, iniciado en 1971, lleva 20 años funcionando. Ello permite abordar investigaciones imposibles de financiar por la empresa dado su resultado incierto.

Computer Science en CMU ha sido inseparable de DARPA durante este primer periodo de su existencia. Fue esta agencia, antes denominada ARPA, (Advanced Research Project Agency) la que seleccionó a este centro junto con el M.I.T y Stanford como centro estratégico para hacer investigación en "Big Science" en Computer Science. Se estima, segun J.M. Newcomer, veterano "computer scientist" de CMU, que esta es la que se financia con proyectos por encima de un millón de dólares.

DARPA es una agencia que tiene poder para financiar este tipo de proyectos. Es una agencia del Department of Defense, con sede en Arlington, Virginia. Tiene un presupuesto anual para 1992 de 1.200 millones de dólares (AAAS Report XVI, 1992: 69). Está formada por 160 empleados civiles.

Un resumen completo de su trabajo lo encontramos en el Goverment Research Directory, editado por Kay Gill y Susan E. Tufts (1992), sus objetivos son: "Pursue highly imaginative and innovative research ideas and concepts offering significant military utility; suport and manage projects assigned by the Secretary of Defense adn marshal advanced research through a demonstration of feasibility for military application. DARPA’s role in basic research is to develop selected new ideas (usually high -risk, high- payoff) from conception to hardware prototype to transfer to Service development agencies. DARPA does not conduct in-house research...Programs are conducted through contracts with industrial, university, and nonprofit organizations and with selected Service research and laboratories. DARPA’s programs focus on technology development and proof-on-concept demonstrations of revolutionary approaches for improved strategic, conventional, rapid-deployment, and ses-power forces; and on scientific investigation into advanced basic technologies of the future. It selects for support only those research and development initiatives that promise significantly U.S. national security interests, while lowering costs, through technologica advances or to prepare for futher technological progress. DARPA comprises technical program offices for Aerospace Technology, Defense Sciences, Directed Energy, Information Science and Technology, Naval Technology, Nuclear Monitoring Research, Prototype Projects, Strategic Technology and Tactical Technology". (1992: 184). Entre otras oficinas.

Este carácter de proyectos innovadores, estratégicos, demostrables en cuanto a su factibilidad ("feasibility"), que interesen a la Defensa y que tengan un alto riesgo a cambio de altos rendimientos (high payoffs), son los que han marcado el caracter de Computer Science en CMU.

La investigación en Computer Science no es la clásica línea de investigación de un departamento universitario, que funciona tradicionalmente sin plazos. Es una investigación por contratos, cuyo cliente es el Departamento de Defensa. Estos contratos son bianuales y tienen plazos de finalización. Desde 1962, cuando se inició la colaboración con la entonces denominada ARPA (Advanced Research Project Agency) hasta 1991, cada dos años el departamento ha tenido que revalidar la utilidad y calidad de su investigación, actualizando su "proposal" sobre "information processing".

Por estratégica entiendo que esta investigación 1. va dirigida a desarrollar un tipo de conocimiento con su tecnología correspondiente que se considera de valor para los intereses nacionales de Estados Unidos. y 2. que va destinada a conseguir una ventaja comparativa respecto a sus competidores nacionales, antes la URSS y crecientemente Japón y Europa.

Esto ha formado un tipo de investigador en Computer Science que tiene una visión estratégica de la tecnología que está produciendo. Como afirma Raj Reddy, director del Instituto de Robótica y director del comité de planificación estratégica que asesora al Presidente y al Congreso sobre el futuro desarrollo y aplicación del Computer Science and Technology: " We must create a vision for the future, which is exciting and challenging. ...Whenever possible, we must identify and work on problems of relevance to the nation--bold national initiatives that capture the imagination of the public.

Let me illustrate what I mean by two examples from biology and physics: the Decoding of the Human Genome, and the Superconducting Super Collider Project. These grand challenges of science are expected to require several billion dollars of investment each. However, the expected benefits to these projects to the nation are also very high. AI is in a unique position to undertake and deliver on such nationally relevant initiatives." (1988: 17-18).

Uno de los resultados de este pensamiento por "estrategic planning" fue la creación en los años 80s de la red Andrew, colocando a esta pequeña universidad de una mediana ciudad de Pennsylvania, a la cabeza de la innovación entre las universidades en Norteamérica.

Pero esta visión, para algunos profesores, no se detiene en los marcos meramente nacionales. Estrategas como el profesor Raj Reddy, de origen indú, considera que las implicaciones sociales de la Inteligencia Artificial abarcaran al conjunto de la humanidad en las próximas décadas: "By the turn of the century, it appears possible that a low cost (e.g. costing less than $1000) supercomputer could be accesible to every man,woman and child in the world. Using such system, AI researchers should be able to create a personalized intelligent asistant which would use voice and vision for man-machine communication, tolerate error and ambiguity in human interaction with machines, provide education and entertainement on a personalized basis, provide expert advice on day-to-day problems, maka vast amounts of knowledge available in active form, and make ordinary mortals perform superhuman tasks leading to new discoveries and inventions at an unheard of rate. Believe it or not, such a system would help th illiterate farmer in Ethiopia as much as the scientist in U.S.A. or Japan.... It is my belief that the most important wealth we can share with the disadvantage is the wealth of knowledge. If we can provide a gift of knowledge to village communities that would make them expert at what they need to know to be self-sufficient, we would then witness a true revolution". (1988: 19).

4.7. EL "STRATEGIC PLANNING" DE CMU: HACIA LA "COMPUTER-INTENSIVE UNIVERSITY".

Esta mentalidad estratégica, que forma parte de la actual cultura académica de CMU, es una innovación introducida en los años 70s, y en la que jugó un papel destacado el entonces presidente de CMU, Richard Cyert.

Este concibió el estrategic planning en CMU como una vía "to identify the areas in which the university should be doing research and offering educational curricula, to specify the goals of the institution, and to determine the kind of university that is desired by the community". (Cyert,1988: 91).

A diferencia del antiguo concepto de planificación, mecánico y determinista utilizado para controlar el proceso productivo de un país, el strategic planning seguido en CMU se basaba en estas ideas esenciales:

1."Seeking a distinctive niche". Cada departamento, colegio, y el conjunto de la universidad, trataría de distinguirse en alguna área de investigación diferente a las de otros departamentos y colegios de otras universidades.

2. "Analitical ability and comparative advantage". Se trataba de analizar las disciplinas y determinar, con la ayuda de expertos, cuál iba a ser su evolución futura. A ello había que unir un análisis de qué ventajas tenía cada departamento o colegio en comparación con otros departamentos o colegios con los que competía en la lucha por conseguir una mejor calidad de la investigación y enseñanza.

3."Uniqueness is Essential". El objetivo del strategic planning era colocar a la universidad en una posición única, distinta al resto de universidades. Para ello cada departamento debía analizar sus fuerzas ("strengths") y sus debilidades ("weaknesses") y tratar de desarrollar sus departamentos para hacer el mejor uso de sus fuerzas. " The worst action that an organization can take is to imitate another". (Cyert 1988: 92-93).

Se trataba pues de diferenciar, de adquirir una superioridad mediante esta diferenciación, y la mejor manera era abrir un campo del saber nuevo, donde la institución fuera única.

La universidad nació en Europa como una institución con vocación de abarcar al conjunto de saberes. Era una institución enciclopédica. En América, la cultura de los institutos de tecnología como Carnegie Tech conllevan criterios distintos: especialización, profesionalismo, competitividad, innovación. El strategic planning ha sido una vía para llevar adelante esta nueva cultura académica.

Durante cerca de 20 años, desde 1972 a 1990, ésta ha sido la filosofía básica de la Administración Cyert. "I have followed that phylosophy for the past sixteen years". (1988: 93).

Curiosamente los departamentos que Cyert pone como ejemplo de esta filosofía son el de Psychology y el de Mathematics. Su línea ha sido focalizar al primero en "cognitive psychology" y al segundo en "applied mathematics".

Es interesante ver la relación de estos departamentos con Computer Science, y como su planificación estratégica ha sido una consecuencia de la fuerza de la Computer Science en CMU, en esta pasada etapa.

Asi ve Cyert la transformación del departamento de Sicología: " Perhaps an ideal example of the application of these strategic principles has ocurred in Carnegie Mellon’s Psychology Department. For many years it attempted to cover the complete range of specialities in psycholgy (for example, clinical, industrial, experimental, and physiological), and, while it was a good department, it was not distinguished in any respect (in 1969, it was ranked thirty-fourth in the country). Though the strategic planning process, it became clear that a major potential strength of the department lay in the quality of our Department of Computer Science and its work on problem solving. The Psychology Department thus began to develop a concentration in cognitive psychology. With a few judicious appointments of new faculty members, the department quickly attained the leading position in the country in the cognitive area" (ib: 95-95)

Esto es, la razón de estos cambios no está en estos departamentos sino en el de Computer Science, que se nutre tanto de sicologia cognitiva para alimentar la Inteligencia Artificial, como de Applied Mathematics para el area de Algoritmos y Optimization.

No obstante, esta filosofía del strategic planning no entronca con la cultura norteamericana tradicional mayoritaria. " In the United States planning has been viewed as unacceptable to our society. The majority of the population tends to view planning as a part of a socialist society. Planning is viewed as antithetical to the nature of American society...The concept of the invisible hand dominates thinking in the United States with respect to planning" (Cyert 1986: 1-2).

¿De donde viene pues esta cultura de "planning" en CMU ?. Tiene varios componentes.

El primero es la propia cultura tecnológica norteamericana. A diferencia de la filosofía de los economistas, la mentalidad ingeniera, fundacional de Carnegie Tech, funciona por problem solving, no confiando en la "mano invisible". Y como decía Dick Teare, antiguo decano de Engineering and Science de CMU, en una discusión con Akram Midani, antiguo decano de Fine Arts, los cinco pasos del problem solving son: "1. Define the problem. 2. Plan de Attack. 3. Execute the Plan. 4. Check. 5. Learn and Generalize". ( Midani, Teare. Focus. January 9, 1976:). El plan es consustancial con el "problem solving" ingeniero.

Un segundo componente es la cultura del "management" o dirección de empresas, nacida también en este país. CMU formó, entre otros con la ayuda de R. Cyert, una de las mejores escuelas de management del país. Pese a la influencia de doctrinas neoclásicas, el mangement es una disciplina que proviene de la ingeniería, fundada por un ingeniero mecánico norteamericano, Frederick Taylor.

Un tecer componente, es la cultura del "planning" introducida en Estados Unidos en los años 30s, con el New Deal de F.D. Roosvelt, y promulgada por científicos sociales reformistas y políticos progresistas, para paliar los efectos de la depresión. En CMU, Cyert y Simon pertenecen a esa generación formada en esta época. La defensa del "organizational man", del "model of man" de racionalidad limitada, que confía no tanto en mercado con sus propias leyes autónomas sino en su propia actividad de "decision-making" es una expresión de esa cultura. En 1981, en las Sciences of the Artificial, Simon acaba proponiendo, con reservas no obstante, un "social planning" como nueva variante de las ciencias de lo artificial.

Esta cultura del planning fue reforzada por la experiencia de la II Guerra Mundial y los cuarenta anños de Guerra Fría, y la participación en masa de la ciencia en Norteamérica en los planes estratégicos nacionales. La expresión de este Zeitgeist es la cibernética (kibernetes: el timonel, el que gobierna). A su vez dió lugar al desarrollo de una serie de técnicas como la "operational research" y los juegos de estrategia útiles para fines militares. Esta cultura pasó a la empresa en forma de "strategic planning" y finalmente a la universidad, en primer lugar a aquellas como CMU que tenían una tradición de "teoría de la organización" en sus escuelas de management.

Un cuarto componente, es la influencia del modelo de planificación estratégica japonesa. Expresamente Cyert afirma: " We are interested, in view of the Japanese experience, of determining whether some form of central planning can improve the functioning of our system without destroying the basic freedoms that are an integral part of our lives". (1986: 3). La experiencia del strategic planning de CMU era vista así por Cyert: " I propose that research universities...function as MITI does. A university with a particularly strong research area should form consortia with the firms in the industry. Each firm should agree to contribute research funds to the consortium for a given period of time." (:1986:27). Esta experiencia ya se había iniciado casi 10 años antes, en 1979, con el Robotics Institute de CMU, fundado por Raj Reddy y Angel Jordan entre otros.

Finalmente el strategic planning acabó en la red Andrew, base del computer-intensive campus, que proporcionó a CMU una relevancia nacional. Esta iniciativa la acabaremos estudiando como un proyecto de investigación de la propia "computer science community" de CMU, en la que por primera vez, líderes de la misma como Allen Newell, aparecerán como líderes del conjunto de la institución universitaria, a la cabeza del Task Force fo the Future of Computing, comité que formuló la política del computing en CMU.

PARTE TERCERA.

LA SCHOOL OF COMPUTER SCIENCE,

CENTRO DE CARNEGIE MELLON COMO "RESEARCH UNIVERSITY".

1. QUE SIGNIFICA "COMPUTER SCIENCE" EN LA SCHOOL OF COMPUTER SCIENCE.

1.1. "GOALS AND STRATEGIC PLANS"

Analizar Carnegie Mellon como "research university" conlleva estudiar lo que ha sido el foco principal de investigación en esta universidad durante los últimos 25 años, la "computer science community". Esta comunidad ha terminado construyendo en 1988 una School of Computer Science, una de los primeras escuelas del país que se ha independizado de las facultades de ciencia o ingeniería, teniendo una entidad como colegio autónomo.

El Department of Computer Science se formó en 1965 dentro del College of Engineering and Science como departamento autónomo. En 1971 se adscribió al College of Science cuando este se separó del de ingenieria y en 1985 el Department of Computer Science se separó del College of Science. Y tres años después se constituyó en colegio independiente. En un documento sobre los objetivos y planes estratégicos de Carnegie Mellon de 1988 podemos leer esta valoración que hace la propia "computer science community" de su status: " The independent status of the Department has stimulated new and increased interdisciplinary activities in computer science and a variety of disciplines such as business administration, fine arts, psychology, philosophy, statistics and others. The independence has liberated computer science at Carnegie Mellon from the tendency to focus on mathematics or engineering. It has helped to establish information processing as a dimension of science that plays a role in many disciplines". (CMU, Goals and Strategic Plans, Feb 1988: 29).

Tradicionalmente, en Estados Unidos se ha tendido a considerar "computer science" como una rama de las matemáticas. En 1988, en el National Research Council, la princial agencia operativa conjunta de la National Academy of Sciences y de la National Academy of Engineering, la Computer Science and Technology Board estaba incluida en la Commission on Physical Sciences, Mathematics, and Resources. La separación de uno de los principales centros de investigación del mundo en computer science tanto del College of Sciences como del Carnegie Institute of Technology tiene implicaciones sobre la manera de organizar la universidad y las diferentes disciplinas en ella.

El objetivo que claramente se marcaba el Departamento en su conjunto, pocos meses antes de tranformarse en escuela, está expresado claramente en este documento sobre los planes estratégicos de CMU: " The overall goal of the Computer Science Department is to maintain its worldwide leadership role in computer science research. The Department has been consistenly ranked among the top three departments in the nation for more than a decade". (ibid.:28).

El 16 de septiembre de 1988, Angel Jordan, entonces Provost de CMU y Nico Habermann, el jefe del departamento, escribían un "position paper" denominado "The formation of the School of Computer Science"en el que afirmaban: "Although faculty members, department heads, and deans were divided on the issue of the separation of CS from MCS, deans and many department heads took the position that if CS were to be a unit separate from MCS, it should become a "school" rather than a "department". The autors of this position paper agreed with that point of view and strongly argued in favor of the formation of a school". (Jordan, Haberman,1988: 1)

Meses después se llegaba a un acuerdo para organizar una escuela donde el antiguo departamento, con su "federation of interrelated disciplines: programming systems, computer systems, artificial intelligence, and theoretical foundations" (Jordan , Habermann, 1988:5) , se unía a otros tres centros de investigación de CMU también de excelencia: el Robotics Institute, el Machine Translation y el Information Technology Center.

Su investigación se define como "experimental computer science research", lo que, se evidencia, según afirmó recientemente el nuevo Presidente Mehrabian con ocasión de la despedida del hasta ahora decano de la escuela, Nico Habermann, por "the quantity and quality of the experimental systems built in CMU". (Mehrabian, 27 Sept.1991).

Una de las características de la institución, y considerada por ella misma como vía estratégica para conseguir el objetivo antes señalado ha sido el énfasis en la participación de los estudiantes de doctorado en proyectos de investigación, así como la contratación de profesores de investigación (" research faculty") dedicados plenamente a esta tarea. " The Department has a worldwide reputation in experimental computer science research. It has received this recognition largely because of its emphasis on active participation of Ph.D. students in research projects rather than on a heavy course load. This strategy has paid off not only for the graduate students, but also for the quality and quantity of experimental systems that have been produced at Carnegie Mellon. We plan to continue this successful strategy and give leading-edge research the highest priority" ( CMU, 1988, Goals and Strategic Plans:30).

En resumen, esta escuela, con fecha 1991, está constituida fundamentalmente por un "Doctoral Program in Computer Science", un "Master Program in Software Engineering", realizado en colaboración con el Software Engineering Institute, y tres institutos de investigación citados. Los responsables de cada uno de ellos forman un comité, presidido por el decano de la escuela. No obstante, la institución está en periodo de cambio.

A su vez la escuela tiene otros programas de doctorado hechos en colaboración con otras escuelas o departamentos de Carnegie Mellon: "Algorithms, Combinatorics and Optimization", hecho con la Graduate School of Industrial Administration, y el programa "Pure and Applied Logic" hecho con el departamento de Phylosophy.

Sus actividades con otros departamentos son mucho más numerosas y variadas, incluyendo doble pertenencia ("joint appointment") de 28 profesores de la misma, a otros tantos departamentos de la universidad, programas de investigación conjuntos y actividades diversas como seminarios, charlas, y otras de carácter informal.

En total, la escuela tiene, en el curso 1990-91, alrededor de 700 personas, el núcleo más numeroso de investigación de toda la universidad, núcleo que incluye profesores, estudiantes graduados (no tiene estudiantes de grado), staff y personal técnico(programadores, técnicos de servicios...).(Rashid, 1991:vii). Sólo de profesores y staff cuenta con 564 personas en el curso 1990-91, distribuidas así: 284 Computer Science, 222 Robotics Institute, 29 Machine Translation, y 29 Information Technology Center.( Faculty and Staff Guide 1991: 175-177).

Su presupuesto de investigación en 1989 fue a su vez el mayor de la universidad :39 millones de dolares, casi doblando el de la segunda institución, el colegio de ingeniería (22 millones). (Carnegie Mellon Facts 1990:64).

1.2. ¿QUE SIGNIFICA "COMPUTER SCIENCE" EN CARNEGIE MELLON?.

Pero este estudio pretende centrarse no en la estructura organizativa de la institución sino en el significado que tiene el sistema de conocimiento denominado "computer science" para los investigadores de esta organización. Dado los escasos recursos disponibles y la complejidad de la organización he preferido empezar por estudiar de entre las clásicas áreas de toda etnografía , lo que M. Harris denomina el "patrón universal" ( 1983:130),, "infraestructura", "estructura", y "superestructura" , aquella que es más propia de la antropología: los significados compartidos de la comunidad en cuestión. Al ser ésta una comunidad tecnológica, la "superestructura" tiene una relación particular con la "infraestructura", dado que la tecnología se plantea como un conjunto de significados compartidos, que al mismo tiempo sirven para construir los objetos tecnológicos.

¿Qué significa "computer science" en esta comunidad?.

En el papel de N. Habermann y Angel Jordan antes citado se afirma: "Computer Science at CMU has always been considered an experimental science" (1988:5).

Esta es una escuela de investigación, que como ya vimos en capítulos anteriores, esta tarea significa investigación y desarrollo ("research and development"). Esta escuela produce conocimiento en forma de sistemas experimentales, como MACH o Nectar, que basan su prestigio mundial. Estos sistemas están agrupados en disciplinas (AI, programming,etc.) y el conjunto de las mismas forma lo que se denomina "computer science" y se considera que ésta es una "experimental science".

Esta definición viene a reafirmar la establecida por los "founding fathers" de Computer Science en CMU: Alan Perlis, Allen Newell y Herbert Simon. En septiembre de 1990, la comunidad de computer scientists de CMU celebraba el 25 aniversario de la formación del Department . En esta reunión se volvió a recordar dicha definición de Computer Science, que fue publicada en una carta enviada a la prestigiosa revista Science el 10 de julio de 1967.

Esta empezaba así: "Whenever there are phenomena, there can be a science to describe and explain those phenomena. Thus, the simplest (and correct) answer to "What is botany?’ is, ‘Botany is the study of plants’. And zoology is the study of animals, astronomy the study of stars, and so on. Phenomena breed sciences.

There are computers. Ergo, computer science is the study of computers". ( CMU-SCS 25th Anniversary.:43).

Más adelante se explicitaba esta definición frente a la objeción que pretendía reducir la computer science al estudio de los algoritmos o programas: " In the definition ,’computers’ means ‘living computers’--i.e. the hardware, their programs or algorithms, and all that goes with them. Computer Science is the study of phenomena surronding computers. ‘Computer plus algorithms’, ‘living computers’ or simply ‘computers’ all come to the same thing-- the same phenomena". (25th Anniv: 43).

La definición de Computer Science como "the study of phenomena sorrounding computers", para Mary Shaw, veterana profesora de la escuela, "it is still valid"(Entrevista personal. 24 Mayo1991). La podríamos considerar como el conocimiento compartido básico de la comunidad de computer scientists de CMU. Sin embargo caben distintas interpretaciones de esta definición como veremos a continuación.

1.3. EL "CYBERNETIC DIALOGUE" DE ALAN PERLIS.

Alan Perlis ocupa un lugar protagonista en la computer science en CMU, tanto como investigador como educador. Mientras Simon y Newell vinieron de culturas distintas a la antigua Carnegie Tech, Alan Perlis , nativo de Pittsburgh, recibió su Bachelor in Science en Chemistry en CIT en 1942, y el doctorado en Matemáticas en el MIT , siendo el primer director del Department of Computer Science de Carnegie Tech. Para su antigua alumna Mary Shaw, Perlis "helped create the campus policy that made computing as freely available as the technology of the time would allow" (25 Aniv. :33). Y para Habermann, "Alan Perlis truly represents the best tradition in teaching". (ibid: 36).

En su libro Introduction to Computer Science(1972) Perlis explica los elementos que según él componen el nuevo campo introduciendo lo que denomina el " ‘cybernetic dialogue’ (between us and machines)". Este diálogo consistía en cuatro componentes: "Us, alghorithms, languages, machines". (Introd. CS. 1972: 2).

"Introduction to Computer Science" fue un libro para educar a estudiantes en computer science. Está escrito por un educator, un "teacher". Y desde esta óptica Alan Perlis afirma: "Education reveals that the computer’s role is shaped by people and not by the machine itself...Thus, it is my conviction that an introduction to computer science must be significantly more than mere drill in the use of a popular programming language. It must provide students with a pou sto (A term used by Archimedes. It is a platform on which to stand in order to pry up the world-if only one had a lever that were long enough". (1972: xii).

A diferencia de la visión más propia un matemático como Donald Knuth para el que computer science es el "study of algorithms" (1974:323), para Perlis lo que era nuevo en esta tecnología no eran los algoritmos sino su unión con la máquina: "What will be new is the attachement of algorithms and languages to a machine-the electronical digital computer-which is the agent commanded to perform (to do , to accomplish) algorithms expressed in languages". (1972:2).

Para Perlis no sólo están atados los algoritmos a la máquina. Todo el diálogo está encabezado por el propio computer scientist, "us"(nosotros). Como hemos visto para Perlis, la función del ordenador es construida por las personas, no por la propia máquina. De aquí, la figura del "us". Lo curioso es que no dice en general "the man" sino "us", situándose a sí mismo también en el inicio de este diálogo.

Esto resulta nuevo. La ciencia tradicional en Occidente se constituyó bajo la premisa griega del orden natural. Lo primero para un científico es el descubrimiento de un orden objetivo, exterior al propio científico. Robert Merton afirma por ello que el "universalismo" es el primer valor del "scientific ethos". La ciencia moderna empieza por la astronomía copernicana y la física de Galileo. No con la sicología introspectiva. La computer science a su vez empezó gracias a la labor de físicos (Mauchly), ingenieros electrónicos (Eckert), y matemáticos (Turing, Von Newmann). Sin embargo, en la cultura de Carnegie Mellon, como antes hemos descrito, ha habido una combinación específica entre "professional" y "liberal education" que permite entender esta anomalía: que el círculo cibernético lo empiece el "us", sin el cual no se entiende de dónde procede el ordenador y todo el sistema pierde sentido.

En el diálogo cibernético de Perlis, los computer scientists juegan el papel iniciador del círculo, papel activador del que depende la construcción de algoritmos, los lenguajes y las máquinas. Y este papel consiste en un diálogo.

Comparemos esta visión de un hombre de Carnegie Tech con la de, por ejemplo, Marvin Minsky del M.I.T., uno de los iniciadores de la Inteligencia Artificial. En su libro "Computation: Finite and Infinite Machines" (1967), uno de los primeros libros sobre teoría de computación, escribe en su introducción:"Man has within a single generation found himself sharing the world with a strange new species: the computers and computer-like machines...all of us are falling under the shadow of their ever-growing sphere of influence, and thus we all need to understand their capabilities and their limitations...We still lack the tools necessary to fully analyze, synthesize or even think about them". (1967:vii).

Esta visión es la de un científico que descubre una realidad que necesita comprender. Esta es la visión que concuerda con la de la ciencia clásica europea, el descubrimiento de un orden objetivo a comprender ("understanding") mediante la razón y los sentidos.

El ser humano ("man") se ha encontrado ("found") compartiendo el mundo con una especie extraña ("strange new species"): los ordenadores. En el texto no se pretende explicar como han llegado, tan sólo se constata que "todos nosotros estamos cayendo bajo la sombra de su creciente esfera de influencia". La imagen aquí descrita es la de un poder ajeno al ser humano ante cuya influencia "caemos" ("falling"), hasta dejarnos ensombrecidos ("shadow").

El interés del científico es, según Minsky, primero, analizarlo, "analyze", a continuación , sintetizarlo,"synthezise", y por último, pensar, "think", acerca de esta estraña especie.

1.4. HERBERT SIMON : "COMPUTER SCIENCE AS EMPIRICAL SCIENCE".

Herbert Simon ha sido el principal defensor de la definición de Computer Science realizada en 1967. Y es la que aún se evidencia en la expresión de "experimental science".

Para este profesor de CMU y premio Nobel, y sus colaboradores: "the story of scientic progress reaches its periodic climaxes at the moments of discovery" (1989. Langley, P, Simon, H. Bradshaw, G, Zytkow, J.: 3). Este programa de investigación no se diferencia mucho del iniciado por Francis Bacon en el siglo XVI. Así, "Bacon", se denomina un sistema experto recientemente construido por este equipo. "The scientific enterprise is dedicated to the extension of knowledge about the external world. It is usually conceived as being made up of four main kinds of interrelated activities: gathering data, finding parsimonious descriptions of the data, formulating explanatory theories, and testing the theories" (ib: 18).

En el libro The Science of the Artificial (1981), Herb Simon, figura clave en la cultura de CMU, da su propia versión de la "computer science": "Since they are now many such devices in the world, and since the properties that describe them also appear to be shared by the human central nervous system, nothing prevents us from developing a natural history of them. We can study them as we would rabbits or chipmunks and discover how they behave under differente patterns of environmental stimulation. Insofar as their behavior reflects largely the broad functional characteristics we have described, and is independent of details of their hardware, we can build a general-but empirical- theory of them". (ib.:24).

En este sentido, Computer Science sería para Herb Simon una ciencia más en el sentido clásico occidental del término, como puede ser la física o la zoología. Esta sería su visión de esta disciplina.

Y culmina afirmando: "To understand them, the systems had to be constructed, and their behavior observed".(: 1981:25).

Si comparamos esta visión de la computer science con las de Perlis y Minsky apreciaremos sustanciales diferencias. Para Simon, al igual que para Minsky, los ordenadores están ya ahí, son una realidad. Esta constatación de un hecho es la propia de la ciencia empírica. En efecto, la ciencia moderna, desacralizó el mundo, lo convirtió en un objeto de estudio, en un "fact". Y por consiguiente, el conocimiento que aporta parte de un "análisis" de este hecho. En ésto, se diferencia de la visión de Perlis que parte del "us" y según la cual las máquinas no son hechos objetivos, sino productos del "computer scientist", del "us".

Simon admite que para comprender los ordenadores desde un punto de vista empírico, primero "the systems had to be constructed". Si no hay ordenadores primero, no puede haber ciencia empírica de los mismos. Siguiendo su lógica, si no hay "phenomena", no puede haber ciencia empírica de los mismos. Por tanto la primera actividad del computer scientist ha de ser diseñar esos ordenadores : "The research that was done to design computer time-sharing systems is a good example of the study of computer behavior as an empirical phenomenon....The main route open to the development and improvement of time-sharing systems was to build them and see how they behaved". (1981:25).

Pero, para Herb Simon, el diseño es una actividad instrumental en la computer science, que es una ciencia empírica. Preguntado, para qué hacia programas de ordenador, contestó comparándolos con el cultivo que Mendel hizo de los guisantes para entender las leyes de la herencia genética. (Entrevista, 30 Nov.).

Tradicionalmente así ha sido visto el diseño por la ciencia, como la actividad de los ingenieros, subordinada a un fin más elevado :el "understanding of the nature". Esto ha podido ser válido para la física, la química e incluso la biología. Pero es un esquema que al trasplantarlo a la computer science produce un resultado inesperado.

En computer science, entendida como ciencia empírica, se da la paradoja que la labor de diseño ha de preceder necesariamente a la de la ciencia empírica para que ésta se pueda desarrollar. Es su condición sine qua non. Ello produce lo que he denominado una inversión del conocimiento. La tecnología precede, se anticipa sistemáticamente a la ciencia y dirige su evolución. El científico si quiere seguir dirigiendo ha de hacerse un científico diseñador, y acaba reconociendo al diseño como centro del "artificial world" del que forma parte el ordenador.

La definición de Computer Science en 1967 estaba inspirada en las ciencias naturales, como la biología o la zoología, pero, dos años más tarde, en 1969, Herb Simon admitía en unas charlas dadas en el M.I.T.,un instituto de ingenieros, que existía una diferencia fundamental entre "natural worlds" y "artificial worlds", y que habían unas "sciences of the design" que se diferenciaban de la "natural science", pues trataban ,no con cómo las cosas son, sino con "how they might be" y concluía: " As soon as we introduce ‘synthesis’ as well as ‘artifice’ we enter the realm of engineering" (1981:7).

No obstante, esta ambiguedad entre "experimental science" y el papel del diseño en su construcción no se ha puesto en evidencia, al menos en forma de un debate público. Computer Science de CMU se le sigue definiendo como una "experimental science" al modo de las ciencias naturales y sin embargo, como veremos, se le hace avanzar mediante una labor incesante de diseño, actividad propia de la ingeniería. El propio Newell en el 25 Aniversario de la institución simposium reconocía que la computer science había tenido un inicio "specially confusing because of the computer’s origin as an engineered and manufactured device". ( "Revisiting ‘What is Computer Science’"1990:41).

1.5. "COMPUTER SCIENCE AND THE UNIVERSE OF DISCIPLINES". 1985.

Durante 25 años, la definición de Perlis, Simon y Newell ha servido para poder unir dos denominaciones con las que se suele nombrar el mismo campo: "computer science" e "information processing" .

Con motivo de los debates para la formación de la SCS, Allen Newell, junto con Nico Habermann, John McDermott y Raj Reddy trataron de avanzar en la clarificación del lugar de la computer science respecto al resto de disciplinas. Su papel, no publicado, " Computer Science and the Universe of Disciplines". (1985 Habermann, N. McDermott, J. Newell, A. Reddy, R.), es un intento de esclarecer el lugar de la computer science en relación con todas las otras materias.

La idea central del mismo es que la computer science ha de desarrollarse y mantener contacto con todas, absolutamente todas , las otras disciplinas. Se le compara con las matemáticas, en tanto que éstas sirven a su vez a una gran parte de las ciencias. Pero la computer science va más allá. Se pone el ejemplo de la Inteligencia Artificial y su intento de explicar la poesía. No se trata, finaliza el papel, de establecer una nueva disciplina-reina sino hacer la información y la computación propiedad común de todas las disciplinas.

Para estos autores, en los años 80s, el universo de disciplinas relacionadas con el procesamiento de información era ya increíble: inteligencia artificial, ciencia cognitiva, comunicaciones, ingeniería informática y de las telecomunicaciones, cibernética, educación, epistemología, lógica , linguística, matemáticas, sicología, semiótica, estadística, ...Y entre ellas, la computer science parecia jugar el papel central.

Desde el punto de vista de estos autores, las razones son complejas pero destaca una: la computer science juega el papel central en tanto que es una disciplina que se centra en la programación ("programming").

Recordemos que la computer science de Carnegie Mellon ha priorizado desde los años 60s el trabajo en software y programación. Fue la cuna de la Inteligencia Artificial y acoge al primer centro federal para el estudio del software, el Sofware Engineering Institute.

Comúnmente, se considera la informacion como la materia sustantiva de la "sociedad postindustrial", y su procesamiento, mediante el computador, como el adjetivo. Pero el centro de la "computer science" no es la información, materia de estudio que comparte con otras muchas disciplinas, como las ciencias sociales o el periodismo. Su epicentro parece ser, en CMU al menos, la programación, la información procesada según un programa de ordenador. Algoritmos, lenguajes lógicos, hardware, e incluso inteligencia humana, son instrumentos de una función que da sentido a este conjunto de herramientas: el computer program. Como afirmó Simon: "En el campo de las computadoras la hora de la verdad es un programa que funciona; todo lo demás es profecía." (1977:8).

En este sentido, ni siquiera el conocimiento ("knowledge") sería lo sustancial. Ni tampoco la inteligencia, ("intelligence"). La clave sería el conocimiento como programación. Y la programación como computer program. El "mythos" y el "logos" son función, en esta cultura, del "programming", actividad intelectual que da sentido a la utilización del resto de conocimientos como simples medios para construir programas.

Ello implica que la jerarquía intelectual se establece en torno al programa informático. El computer scientist con más influencia sera el que produzca el más potente y complejo programa informático. Para ello se puede utilizar la sicología o la lógica, o los algoritmos ingenieros. Pero la "cognition", o el "learning", o la "logic" o los "algorithms" son, en esta cultura" funciones del programa, de la máquina. No objetos de estudio en sí mismos. Así fue con el Logic Theorist Machine de Newell, Shaw y Simon en 1956, así fue con el General Problem Solver de Newell y Simon en 1958, con Dendral de Feigenbaum desde 1965 a 1983, y ha sido con SOAR de Newell, PRODIGY de Jaime Carbonell y THEO de Tom Mitchell en los 80s.

"Programming" en computer science significa computer programming :programas ejecutables por un ordenador. No todo programa humano es un computer programming. El antropólogo Roy d’Andrade estableció en 1981 una diferenciación interesante entre "computer programs" y "cultural programs". (1981), basada en entre otros elementos en la "especificidad" de los mismos. Mientras los primeros han de estar rigurosamente especificados siendo exactos y no-ambiguos, los segundos tienen una falta de especificación.

El problema de esta división es que parece no considerar los programas informáticos como programas culturales. Y lo son. Son obras humanas, y para su construccóon el computer scientist ha debido dejar a un lado las ambiguedades y centrarse en determinar un "effective procedure", un "well-structure problem". La diferencia es pues entre programas culturales, no entre programas culturales y programas informáticos.

Con todo sí hay una distinción a rescatar en la matización de D’Andrade. Una cosa es el programa informático, el programa de la máquina, y otra y programa de investigación del computer scientist que da lugar al programa informático. Su distinción permite abrir una antropología de la "computer science culture", basada en el análisis de los programas de los "computer scientists", aquellos que dan lugar, que construyen las máquinas, en tanto que artefactos humanos. La tarea de analizar las máquinas y sus programas es propia del experto en computer science, pero la de analizar a los constructores de dichas máquinas es tarea de los antropólogos que estudian tecnoculturas.

Así, como veremos, la propia Artificial Intelligence es una ciencia que tiene un programa cultural que va más allá de los programas informáticos que construye: el programa de la unidad de la inteligencia del ser humano y la del computador. Un programa de origen religioso y científico al mismo tiempo, que da sentido y significado a los concretos programas de ordenador que construye.

Han habido intentos en CMU de generalizar el "programming" al conjunto del procesamiento de información humano. Así Nico Habermann, decano de la escuela hasta 1991, puede afirmar: " The symbolic processing of information is something that has interest in it self, but it affect other disciplines in a similar way that mathematics affects physics and engineering. Information processing is not restricted to just physics and engineering. It applies to everything.

Computer science shouldn’t be buried in an engineering school, for example, because it is not just engineering , mathematics, data processing or artificial intelligence. Computer science really has something to say about the way that information is processed in all disciplines."( Carnegie Mellon Magazine 1990:56)..

Esta equiparación ("similar way") de la computer science con la matemática y la física no deja de ser sorprendente. La cultura científica moderna, en efecto, nace de la unión de la matemática y la física en el Renacimiento, renovando la tradición de la cultura científica griega. La física, la ciencia del "orden natural", es concebida como la disciplina que fundamenta la visión del mundo como Cosmos. (El surgimiento de una física del Caos, a partir del principio de incertidumbre de Heisenberg, es una expresión de la crisis de la antigua cosmología, pero conserva la misma problemática).

El que se empiece a plantear que existe una nueva disciplina, el"information processing", dentro de una universidad, que tiene tiene una función similar a la que la matemática juega en la moderna ciencia, es un hecho con implicaciones culturales significativas.

En su discurso de despedida, el 27 de septiembre de 1991, Nico Habermann volvió a repetir estas ideas: " Creo firmemente que computer science es un nuevo tipo de disciplina, distinta a las matemáticas y a la ingeniería, un tipo de disciplina que posibilitará a las restantes materias de la universidad el dedicarse al diseño de nuevas realidades simuladas con ayuda del ordenador". (1991).

Lo primero que un análisis cultural ha de hacer es estudiar el programa cultural de la computer science, qué fines últimos persigue, qué métodos utiliza, que personas lo llevan a cabo, y que realizaciones concretas (esto es, que programas informáticos) produce. La computer science no es un programa de un ordenador sino un sistema de conocimientos que un grupo de seres humanos han puesto en marcha para hacer programas de ordenadores. Y como tal no puede prescindir de los deseos ("desires") y creencias ("I believe that"), de las ilusiones, de los conflictos de poder, los pactos y convenciones que acompañan la cultura humana, sin los cuales no habrían nacido los ordenadores.

En Carnegie Mellon, se llegó a un pacto entre dos versiones de la disciplina, la de Newell y Simon defensores del "information processing" y la de Perlis, profesor de "computer science". Este pacto es el que ha permitido que durante 25 años personas provenientes de la matemática, las ciencias sociales, el management y la ingeniería, se consideraran trabajando en el mismo campo. La red Andrew, y la propia SCS, se pensó con la visión de poder abarcar al conjunto del campus como un laboratorio del "information processing".

Si esta versión del computer science se mantiene , si la disciplina se sigue definiendo como "el estudio de los fenómenos que rodean al ordenador", dado que éste es un fenomeno en expansión ( que abarca a 55 millones de ordenadores personales sólo en Estados Unidos), esta propia definición puede acabar conduciendo al estudio de las "computer cultures" en su complejidad, esto es, el conjunto formado por los seres humanos, sus programas informáticos y sus máquinas y redes electrónicas que las conectan, en un país y a escala cada vez más internacional.

1.6. CARNEGIE MELLON Y LA "COMPUTER SCIENCE COMMUNITY" DE NORTEAMERICA.

La definición de los "founding fathers" del Computer Science de CMU fue un acuerdo entre dos visiones de la disciplina que han estado en conflicto en Estados Unidos desde los años 60s.

Esta disciplina se denomina en este país "computer science" por características culturales propias. En 1965, la Association for Computing Machinery celebró una histórica votación a cerca de su cambio de nombre. La alternativa era pasar a denominarse "Association for Computing and Information Sciences". Ganó la opción de conservar el nombre por 3794 votos contra 2203. Destacados directores de departamento como George Forsythe eran partidarios de la segunda opción. Herb Simon y Allen Newell han estado denominando su investigación "complex information processing" y no computer science, que consideran un termino "parochial" (1972:888). Pero la nueva institucion se denominó School of Computer Science.

En efecto, "computer science" es un término propio de la cultura informática norteamericana. Y tiene un carácter ambiguo.

En Europa, la disciplina se denomina "informatique" (Francia), "informatik" (Alemania), "datalogi" (Dinamarca). Para Donal Knuth , prestigioso computer scientist de Stanford, "These other names for computer science all de-emphasize the role of computing machines themselves, apparently in order to make the field more ‘legitimate’ and respectable" ( 1974: 324). Sin embargo, también habría que decir que algunos de ellos como "informatique" o "informática" no necesitan del calificativo de científicos como en Estados Unidos. En Estados Unidos los doctorados son en Computer Science, término que funde ciencia y máquina en una sola expresión. El propio equipo interdisciplinar inventor del ENIAC, el físico Mauchly y el ingeniero Eckert son un símbolo de la disciplina.

La definición de computer science como "the study of the phenomena surronding computes" es propia de CMU. Pero no es la única definición ni la mayoritaria entre los computer scientists en Estados Unidos. El debate sobre la naturaleza del computer science dura ya 42 años en Estados Unidos y no se ha terminado.

Ward Goodenough definió en los 60s la cultura como "shared knowledge", un sistema de conocimiento compartido. Desde hace siglos, el sistema de conocimiento dominante de la cultura occidental es la ciencia y la tecnología, formando lo que podríamos denominar una logo-cultura. La computer science ha nacido en Estados Unidos hace apenas unas décadas y constituye la primera ciencia nacida en Norteamérica.

Tras la II Guerra Mundial, Estados Unidos recogió de Europa la tarea de liderar los valores de la moderna civilización occidental. Este sistema de valores tiene como conocimiento superior la ciencia. Hasta ahora el sistema de ciencias que rige en Estados Unidos, como en Europa, está presidido por las ciencias naturales y representado en su escalón superior por la National Academy of Sciences, bajo la dirección de los físicos, y otros científicos.

La computer science ha nacido en América en los años 60s, de la confluencia de la ciencia, tanto natural como social y de la ingeniería, y sus objetivos, métodos y estructura de actuación son una innovación en ese sistema de conocimiento cultural. Es quizá el principal cambio en el ámbito académico desde el establecimiento de el moderno sistema de las ciencias, establecido por Auguste Comte a principios del siglo XIX.

En el reciente informe de la Association for Computing Machinery, se parte de esta incertidumbre sobre la naturaleza de la disciplina: " It is ACM’s 42nd year and an old debate continues. Is computer science a science?. An engineering discipline? O merely a technology, an inventor and purveyor of computing commodities?. What is the intellectual substance of the discipline?." (P. Denning.1989: 9).

Esta situación de incertidumbre no llega comunmente al gran público, ni siquiera al resto de disciplinas. Se considera a la computer una tecnología en sí misma determinante de los cambios en el conjunto social. Un análisis más afinado de la propia comunidad de computer scientists nos permite apreciar las enormes contradicciones que implican las innovaciones que la computer science conlleva.

En 1978, en una reunión entre directores de departamentos de Computer Science celebrada en Snowbird, Utah, bajo el título, "Quo Vadimus". , y presidida por Joseph Traub (1981), el entonces director del Department of Computer Science de CMU, se trató de abordar un análisis entre otros temas sobre la naturaleza de la computer science y sus paradigmas. Tres posiciones destacaron. 1. Las que afirmaban que computer science era una ciencia nueva pero de la misma naturaleza que la física o la química. 2. Las que sostenían que era una "nueva especie de ciencia" con paradigmas distintos a las anteriores y 3. por último los que colocaron a la computer science como una disciplina al servicio de la sociedad al mismo nivel que la ingeniería o la medicina.

En el primer caso, paradójicamente no estaba un académico universitario sino J.S. Birbaum, miembro del Computer Science Department de IBM T.J. Watson Research Center, sostenía que: " For me, computer science is an emerging science; I view is as an experimental science whose nature is almost interdisciplinary...Computer Science does not differ in these regards from other more established sciences at comparables stages of gestation, such as physics, chemistry, and applied mathematics, and in my opinion is that its paradigm should be based on the history of those sciences". (1981:352).

En la segunda corriente, Juris Hartmanis, matemático y director del Computer Science Department de Cornell University, arguía que : "I believe very sincerely that computer science is a brand new species among all the known sciences and that is fundamentally differs from the older sciences...I am deeply convinced that computer science does not obey these and other paradigms from physical sciences. To repeat my main point, ...in computer science we are much more interested in exploring what can be done, what kind of computing structures can be built, what kind of languages are easily specified and understood, what data structures are economical, etc...At the risk of oversimplifying, we can say that in physical sciences we are primarily interested in the existing and in computer science (or the new species of the sciences of which there surely will be more) we are primarily concerned with that which is possible, with what can exist." (1981:354).

La ultima posición estuvo representada por Raj Reddy, profesor de Inteligencia Artificial de Carnegie Mellon. En lugar de preguntarse según la clásica forma socrática sobre qué son las cosas, o qué es computer science, se preguntó por su papel en la sociedad: " The question I would like to adress myself to is, "What is the role of computer science and how can it say relevant to the needs of the society in the 80s and the 90s?". Note that I am not asking "What is computer science? but rather, "what is the role of computer science?". Once we agree on the role of computer science we can derive as a consequence the central issues that will drive the field in the future. I would like to propose an expansive view of computer science and say that "computer science is a science devoted to the enhancement of the mental abilities of the human being". I suggest that computer science has the same type of role to play as engineering or medicine". ( ibid.:354-355).

Estructura básica de este enfoque: 1.¿ Para qué computer science?.¿ Qué objetivos sociales puede cubrir?. 2. En función de ello, ¿qué es computer science?.

Esta pregunta por la utilidad, por el "para qué" es característica de una mente tecnológica, más que científica. Y es la propia de CMU como universidad nacida de un instituto tecnológico. Y en cuya cultura hay una inversión de las relaciones profesional-liberal education, en la que la segunda está en función de la primera.

Pero ésto es sólo un aspecto. El otro es, que esta definición se pregunta por la utilidad social de esta tecnología, por su lugar al servicio del desarrollo del ser humano. Esta pregunta no es ya propia de un tecnólogo, sino de un educador. Un clásico ingeniero pone la ciencia al servicio del desarrollo tecnológico. Un científico pone la ingeniería al servicio de su labor descubridora. Un político pone la tecnología y la ciencia al servicio de la sociedad. Pero sólo un educador pone la tecnología al servicio del reforzamiento de las habilidades mentales del ser humano.

" How can one enhance the mental habilities of a mathematician or a biologist?. Will computer science take over all other fields? What does it mean to enhance the mental habilities? And so on. I believe our job is not to replace a biologist of a civil engineer but rather to develop tools and techniques that will make it possible for them to do their job better, faster, and with greater productivity...The primary mission of computer science is to develop techniques and systems which make "effective use of knowledge in day-to-day problem solving". (ibid.:355).

1.7. CARNEGIE MELLON Y EL INFORME DENNING: LA VUELTA " TO TRADITIONAL SCIENTIFIC STANDARDS".

Este debate en los últimos años ha entrado en una etapa en la que parece que existe un consenso en torno a la mayor parte de los directores de departamentos de Computer Science del país en torno a la necesidad de conformar la enseñanza de la computer science según los patrones tradicionales de la ciencia y la ingeniería.

Estos patrones rigen un sistema de conocimiento, codificado según la Nomenclatura Internacional Normalizada para los campos de la Ciencia y la Tecnología, propuesta por la UNESCO en 1974 ( Comisión Interministerial .1990" :27-68).

Esta clasificación está encabezada por los "campos" de la Lógica ( código11), y la Matemática ( código12), y seguida por las ciencias naturales (Astronomía y Astrofísica, Física, Química, Biología...), las Ciencias Tecnológicas . A continuación vienen las Ciencias Sociales. Y finalmente los últimos escalones los ocupa la Etica (código71) y la Filosofía (72). Su orden no es arbitrario o casual sino expresión de un consenso internacional en la comunidad científicia y tecnológica a cerca de la jerarquía de saberes en la presente cultura.

En esta clasificación la "ciencia de los ordenadores" (1203) es una disciplina dentro del campo de las matemáticas, y la "tecnología de los ordenadores" (3304) una disciplina dentro del campo de las "Ciencias Tecnológicas" (33).

En 1989, un informe de la"Task Force on the Core of Computer Science", dirigida por Peter J. Denning expresaba el claro propósito de conformar la computer science "to traditional scientific standards". La definición que hacía de la disciplina era : "The discipline of computing is the systematic study of algorithmic processes that describe and transform information: their theory, analysis, design, efficiency, implementation and application. The fundamental question underlying all of computing is . "What can be (efficiently) automated." (P. Denning,Communication ACM January 1989 : 12).

Esta pregunta ya fue formulada por George E. Forsythe, matemático, y fundador en 1965 del departamento de Computer Science de Stanford. Pero este consideraba en 1963 la "computer science" como " the birth of a coherent body of technique" y concebía su departamento incluyendo "experts in Programming, Numerical Analysis, Automata Theory, Data Processing, Business Games, Adaptive Systems, Information Theory, Information Retrieval, Recursive Function Theory, Computer Linguistics, etc..." (1963: 166-178).

La nueva definición del Informe Denning sobre Computer Science estrecha la disciplina y está en conflicto con la de CMU.

Como señaló A. Newell en el 25 aniversario citado al referirse a otras definiciones acerca de qué es computer science: " The preferred candidate usually has a strong flavor of computer science being the study of algorithms. However important algorithms are--and they are indeed important--much of the richness of computer science would disappear if we really took the central task to be discovering algorithms and understanding their nature". ("Revisiting..."1990: 41).

El informe Denning es significativo dentro de la situación de la "computer science culture" en Estados Unidos. Es el resultado de un trabajo de varios años de la Association for Computing Machinery , organización que se define como "scientific and technical society" y que abarca la mayoría de la comunidad de computer scientists del país, así como a estudiantes, ingenieros, y técnicos de las empresas "computer professionals" que trabajan en esta área. Su análisis permite apreciar mejor el significado diferencial de "computer science" en CMU.

El modelo tradicional que propone el informe Denning para encuadrar el computer science de ahora en adelante esta organizado en tres patrones culturales o "cultural styles" que corresponden a la matemática, la ciencia natural y la ingeniería: " The three major paradigms, or cultural styles, by which we approach our work provide a context for our definition of the discipline of computing. The first paradigm, theory, is rooted in mathematics...The second paradigm , abstraction, (modeling) is rooted in the experimental scientific method...The third paradigm, design, is rooted in engineering... Despite their inseparability, the three paradigms are distinct from one another because they represent separate areas of competence. Theory is concerned with the ability to describe and prove relationships among objects. Abstraction is concerned with the ability to use those relationships to make predictions that can be compared with the world. Design is concerned with the ability to implement specific instances of those relationships and use them to perform useful actions. Applied mathematicians, computational scientists and design engineers generally do not have interchangeable skills" (Denning, 1989:10-11).

Lo sorprendente de esta definición es que intenta meter en una sóla disciplina "computer science" los paradigmas que hoy estan repartidos entre tres tipos de campos distintos: matemática, ciencias naturales e ingeniería.

Al comentar esta nueva orientación que apunta en la comunidad de computer scientists norteamericana con la veterana profesora Mary Shaw de la SCS afirmó textualmente que no estaba de acuerdo con esta triple división, ni con las conclusiones del informe.

Si esta definición de "computer science" de la ACM se impusiera en Carnegie Mellon, se daría la paradoja de que quedarían fuera de la escuela dos de sus fundadores, Allen Newell y Herb Simon, que han dedicado su vida a demostrar que la computer science no se reducía a la matemática sino que abarcaba todo tipo de manipulacion de símbolos. Científicos a su vez que confiesan que su principal objetivo no es hacer más inteligentes los ordenadores sino "understanding the nature of human mind". (Newell. "Desires and Diversions". Dec,4.1991).

Pero guste o no en CMU, esta tendencia a la normalización de Computer Science es la tendencia que se está imponiendo en todo el país. La matemática sirve de teoría a la ciencia natural que proporciona los modelos para los diseños ingenieros. ¿Ha sido este el tipo de investigación seguida en CMU?. ¿Qué ha distinguido la investigación de computer science en CMU para que no acabe de cuadrar en los "traditional scientific standards" del informe Denning?.

Carnegie Mellon aparece como una comunidad de computer scientists particular en Norteamérica con características propias:

1. Como señala Merrick Furst, Vicedecano de la escuela, un hecho excepcional en CMU es que no ha tenido área de Theory, hasta los años 80s, a diferencia del resto de departamentos de similar categoría. (Entrevista. 16 Abril).

Todavía hoy, profesores como Allen Newell sostienen que un programa informático (SOAR) es a su vez la teoría en "information processing" ..

2. La Artificial Intelligence (AI) ha tenido, en proporción a otras áreas como hardware o programming systems, un mayor peso en CMU que en otros departamentos del país.

Y a su vez, la AI de CMU ha estado muy influída por un científico social, Herb Simon, educado en Ciencia Política, más que por la matemática o la ingeniería. El punto de partida de los padres fundadores de la disciplina en CMU ha sido más un "model of man", el hombre de racionalidad limitada, que un modelo de máquina. Y es a imitación del "model of man", y su forma de pensar (heurística) como se han construido los programas informáticos.

La pregunta, en el programa de investigación de Newell y Simon, no es tanto qué proceso humano puede ser automatizado sino qué software puede ser construido según el modelo de pensamiento de un human problem solver.

En consecuencia, se ha tratado sistemáticamente en CMU de abrir el ordenador a los científicos sociales, incluso a los escásamente formalizados como los sicólogos, y a todo tipo de disciplinas, en un esfuerzo de integración, de "putting it all together", de hacer del "problem solving" un lenguaje común a la ciencias y la ingeniería. Andrew fue una red pensada principalmente no para los computer scientists sino para el resto del campus, con un especial énfasis en el College of Humanities and Social Sciences.

Sin embargo, para el Denning Repport solo hay cabida para tres categorías de investigadores en este campo: matemáticos aplicados, "computational scientists" al modo de los científicos naturales, e ingenieros diseñadores.

3. Por último, la computer science de CMU ha tenido unos lazos con la Defensa proporcionalmente mayores que los otros departamentos en Estados Unidos, en parte determinada por su menor relación con la industria. Ello ha permitido a este centro un desarrollo de una visión estratégica basada en planes a largo plazo, muy relacionados con el interés nacional. .

Esta trayectoria ha terminado favoreciendo un ejercicio de strategic planning de la propia universidad, siendo una de las primeras universidades en programarse a sí misma con esta técnica.

Esta dependencia de los fondos de DARPA, y no de la Academia (National Science Foundation) le ha permitido una gran libertad de determinar su estructura educativa y su organización interna, más similar a un "think tank" tipo RAND Co, que a una institución universitaria.

En estos momentos, los doctorados que otorga CMU en computer science los avala el prestigio investigador de la institución, no una orden oficial.

La tendencia que apunta el informe Denning parece perseguir un sentido contrario: fijar los límites de la profesión, delimitando quién está dentro y quién fuera. Para ello funciona una comisión de acreditaciones (the Computing Science Accreditation Board. CSAB), como ya se hizo con la carrera de ingeniería, encargada de normalizar los curriculums en todos los departamentos.

Describamos más en profundidad el programa de investigación en Computer Science de CMU y observemos sus innovaciones, entroncadas en una tradición cultural propia de instituto de tecnología con una tradición humanística y en ciencias sociales.

1.8. "THE DOCTORAL PROGRAM IN COMPUTER SCIENCE" DE LA SCS Y LOS PROGRAMAS DE INVESTIGACION DE LA ESCUELA.

La investigación básica de la escuela se realiza principalmente por profesores del área denominada "THE DOCTORAL PROGRAM IN COMPUTER SCIENCE" en la School of Computer Science. El grupo de profesores que forma este programa constituye la columna vertebral de la School. Este grupo y sus proyectos pertenecen a lo que antes era el Computer Science Department de CMU, fundado en 1965.

La investigación y la estructura educativa de este programa se divide en cuatro "áreas" : "ARTIFICIAL INTELLIGENCE", "PROGRAMMING SYSTEMS", "COMPUTER SYSTEMS" Y "THEORY".

Dentro de estas áreas, el profesor en cuestión trabaja en varios "interests", (p.e. redes de ordenador, problem solving, o supercomputers). Y estructura con ellos sus "projects".(p.e. Prodigy, Mach,...). Estos proyectos forman la espina dorsal de los grandes programas de investigación que toman la forma de contratos, esponsorizados en su mayor parte por DARPA (Defense Advanced Research Projects Agency). En 1990 se agrupan en cuatro grandes proyectos: "INFORMATION PROCESSING", "STRATEGIC", "SPEECH" y "ERGO".

Estos programas forman parte de un inicial contrato único que desde los años 60s el Computer Science Department de CMU ha mantenido con DARPA, denominado "INFORMATION PROCESSING RESEARCH", y que ha sido la columna vertebral de la investigación en computer science en CMU.

Este contrato ha marcado un hecho diferencial de esta escuela, y de los otros tres enclaves estratégicos seleccionados por DARPA para realizar la investigación básica en Artificial Intelligence en Estados Unidos durante los pasados 30 años: Stanford, Massachusetts Institute of Technology , el Stanford Research Institute y CMU. Hasta el punto que en sus proposals se afirma: " It is often referred to ...as one of the four ARPA AI Laboratories (though the work under this contract is much broader than AI,) (CMU-CS-Proposal,1976-78:8).

Ello ha colocado a los seleccionados centros en el centro de la investigación en computer science en Estados Unidos. La diferencia con otros departamentos medianos que también tienen áreas de investigación similares, es que ellas no tienen estos grandes programas de investigación estratégicos, que son los que permiten la producción de los sistemas como Mach o Nectar de los que se enorgullece con motivo, la escuela, y hacen aparecer a ésta como un centro de primer orden en computer science en Estados Unidos y a nivel mundial.

La escuela cimenta su prestigio y se basa en la investigación en torno a los programas de investigación y desarrollo con interés nacional, y de larga duración que tiene. La SCS no es, principalmente,un centro de enseñanza para la producción de doctores en computer science, sino un centro de investigación básica en computer science, y en especial en Artificial Intelligence. Y entre ambas funciones existe un conflicto real, dado que obedecen a dinámicas culturales distintas.

Es en el sector de investigación donde se han producido históricamente las principales innovaciones de la School. Lo cual es una razón para escogerlos como base de análisis. Estos proyectos están organizados por los profesores más cualificados de la School.

El objeto de estudio quedará pues delimitado por estas cuatro áreas de investigación y dentro de ellas por aquellos proyectos dirigidos por los profesores que combinen dos factores: mayor cualificación investigativa reconocida en la School por sus colegas, y también se tiene en cuenta la dedicación a las tareas educativas, medida por el número de alumnos que supervisan. A esta figura se le reconoce por "advisor".

He seleccionado distintos proyectos que reunen algunas de las características que considero valores culturales propios de la School, y que forman lo que podríamos considerar su patrón cultural:

1.) La SCS está estructurada principalmente en torno a una investigación básica en computer science, y en especial en Artificial Intelligence, investigación financiada principalemente por DARPA. Durante la mayor parte de su corta existencia su carácter fue el ser un "ARPA Artificial Intelligence Laboratory".

2) La SCS rige mayoritariamente su investigación por un "pragmatic approach" orientado a "construcción de sistemas" ("building systems"), rasgo propio de esta School. Este enfoque fue adoptado en 1964 en la propuesta de fundación del Center for Information Processing, firmada por Allen Newell y Alan Perlis, origen de la actual School. (1963: 13). En particular, la actividad característica de la School es la construcción de "programs" o software informático, bien de Inteligencia Artificial o de Programming Systems, las dos áreas fundacionales del Department en 1965.

3.) El enfoque para acometer la investigación es "sistémico" u holista : "total system effort", abierto al trabajo interdisciplinar y de innovación entre distintas áreas del computer science y entre esta disciplina y otros departamentos de CMU considerados como laboratorios para el estudio del " information processing"( "open center"). Esta orientación está ya en el origen de proyectos interdisciplinares como el Logic Theorist, y a experimentos como la red Andrew en los años 80s.

Dentro de este enfoque, y el papel clave de la AI en esta escuela, es característico de la computer science de CMU una relación preferente con determinados departamentos del College of Humanities and Social Sciences: en particular con Psychology (Herbert Simon) y Philosophy (Dana Scott).

4.) Este "total system effort" conlleva un estilo de trabajo que promueve la formación de equipos ("teamwork"), y una estructura informal en la escuela con menor compartimentación y controles burocráticos que en instituciones de similar tamaño , estructura que favorece el trabajo en forma de redes ("network"). Internet, y dentro de ellas, subredes por especialidad, es la red electrónica de mayor uso en la SCS,

El resultado de todo ello son sistemas como MACH o NECTAR. Nico Habermann, con motivo de la celebración del 25 aniversario de la School celebrado en Septiembre de 1990 los valoraba así: " Another example of Carnegie Mellon’s contributions to computer science is the Mach system, which is very successful and useful in the design of architectures and the development of large programming systems....That is indeed a success story. You might say a similar thing is true of iWarp and the Nectar project..." (Carnegie Mellon Magazine, Fall 1990). Ambos sistemas son resultado de la Strategic Computing Initiative adoptada por DARPA en Octubre de 1982.

Otros proyectos como SOAR, PRODIGY Y THEO son programas de Inteligencia Artificial basados en capacidad de aprendizaje y están en proceso de maduración. Uno de ellos, Theo de Tom Mitchell, ha encontrado ya una aplicación en forma de robot autónomo. Ambler es el primer robot autónomo construido por el Robotics Institute de esta escuela en 1990 para la exploración del planeta Marte, con apoyo de la NASA, dentro del programa "Space Exploration Initiative" de la Administración Bush.

Por último, hay proyectos de lenguaje de programación como ERGO y TYPES IN PROGRAMMING, dirigidos por Dana Scott, que pretenden utilizar la lógica en beneficio de una mejor y más fiable construcción de programas informáticos.

Los profesores o "faculty" constituyen el núcleo principal de investigación. En total suman 86 profesores, 35 en Inteligencia Artificial (40%), 22 en Programming Systems (22%), 16 en Computer Systems (18%) y 12 en Theory (14%), aunque gran parte de estos últimos trabajan en el área de Programming también.

Su distribución por área de interés fue , en el curso 1990-91 la siguiente según el Faculty Research Guide de la escuela:

ARTIFICIAL INTELLIGENCE.

• SCIENTIFIC DISCOVERY. H. Simon.

• INTELLIGENT ARCHITECT.....SOAR...Newell, Lehman.

• PRODIGY....Carbonell.

• THEO...Mitchell, Mason, Schlimmer,Simmons.

• SPEECH....Reddy, Rudnicky, Stern, Ward, Young.

• VISION....Kanade, Ikeuchi, McKeown, Shafer, Webb, Witkin.

• MACHINE TRANSLATION...Nirenburg, Tomita, Waibel.

• REPRESENT.KNOWLEDGE....Berliner, Touretzky.

• MAN-MACHINE INTERFACES....Bates, Giuse, Perlin.

• AUTOMATED THEOREM PROVING...Andrews

• COMPUTATIONAL LINGUISTICS...Evans.

• NEURAL NETWORKS...Fahlman.

PROGRAMMING SYSTEMS.

• SOFTWARE (SEI)...Barbacci, Shaw, Garlan, Gibbs.

• PROGRAM. ENVIRON...Habermann, Wing, Clarke, Rollins, Cooper.

• PROGRAM. LANGUAGES... Lee, Pfenning, Reynolds, Scott, Brookes.

• HUMAN-COMPUTER INTERACTION...Myers.

• DISTRIBUTED SYSTEMS... Howard, Tokuda, Satya, Morris.

• OPERATING SYSTEMS...Rashid, Forin.

• COMPUTER MUSIC...Dannenberg.

• PROGRAMMING EDUCATION...P.L. Miller.

• NETWORKS.....Bruegge, Sansom, Steenkiste, Gross.

• SECURITY...Tygar.

COMPUTER SYSTEMS.

• PARALLEL COMP...Bianchini, Bisiani, Blelloch, Fisher, Subhlok,Rutenberg.

• VLSI SYSTEM VALIDATION....Bryant,

• VLSI CAD...Director.

• NETWORKS MULTICOMPUTERS...Kung, Gross, Melziolgu, O’Hallaron,

• DATA STORAGE SYSTEMS...Gibson.

• MULTIPROCESSORS...Siewiorek, Segall.

THEORY.

• ALGORITHMS....Bianchini, Furst, Kannan, Miller, Sleator.

• COMPLEXITY....Rudich.

• LOGIC....Andrew, Scott, Reynolds, Leivant, Harper, Lee, Pfenning, Clarke, Brookes, Statman.

Estos 86 profesores cuentan para la investigación con 227 estudiantes de grado seleccionados en función de su capacidad investigadora. La selección en la School es rigurosa. En 1987 se recibieron 900 solicitudes tanto del país como de todo el mundo, siendo admitidos tan sólo unos 30 estudiantes, de los cuales un tercio aproximadamente eran estudiantes extranjeros. Como dato de referencia, en el curso 1991-92 se han admitido dentro del Programa de Doctorado de Computer Science 67 estudiantes, y de ellos, 15 provienen de otros paises en su mayoría asiáticos: 5 de universidades chinas, 5 indúes, 4 europeas (3 inglesas y 1 griega) y 1 israelí.

Como afirma el Graduates Studies in Computer Science, la admisión en la School se rige por el criterio de capacidad investigativa: "The potential for outstanding ability in research is always the primary criterion".

A estos estudiantes hay que sumar alrededor de 200 colaboradores entre programadores (68personas), profesores visitantes, secretarias, managers y técnicos de servicio.

Por último, la escuela se ha dotado de una infraestructura técnica de primera calidad. Según se afirma en su informe Goals and Strategic Plans 1988: " The Department is probably matched by no other academica computer science department in the richness of its computing environment. There are more than 300 scientific workstations in use, 45 DEC-VAX machines, several multiprocessor machines of the Encore and Sequent type, and a variety of special-purpose machines such as Symbolics, Warp, Hitech, etc." (:28-29). Por ultimo, la Escuela esta conectada por la red Internet a toda la comunidad nacional e internacional de computer scientists, y mediante la red Andrew al resto del campus.

1.9. AREAS DE CONOCIMIENTO EN CONTINUO CAMBIO.

La relación profesor-estudiante se establece sobre un terreno común: el de la investigación, está en función de la investigación. El profesor tiene unos intereses de investigación que ha conseguido concretar en un programa de investigación , financiados prioritariamente por Defensa. El estudiante es libre de seleccionar entre los profesores de la escuela aquél cuya investigación más se ajuste a sus preferencias.

Un elemento clave a la hora de estudiar una cultura como ésta en proceso de construcción es el tiempo. Los conocimientos son caducos y cambiantes como la propia tecnología. Los datos que aparecen en este estudio son válidos en la fecha 1990-91. Muchos de ellos quedarán obsoletos probablemente en los próximos dos tres años, sino lo son ya. El Departamento de Computer Science empezó hace 25 años con dos docenas de profesores y estudiantes. Hoy ya no existe. Lo que existe es una School of Computer Science, con 700 personas, dentro de la cual, lo que antes era el Department hoy es el Doctoral Program of Computer Science. Esta escuela tiene hoy tres institutos de investigación, pero otros se están formando ya en su interior. Se acaba de iniciar un programa sobre High Definition Television. Por otra parte, casi todo el personal del Information Technology Center ha sido trasladado al Instituto de Robotics, a fin de profundizar la investigación en multimedia.

¿Qué significa ello en materia de áreas de investigación y de disciplinas?.

Uno de los mayores problemas para entender el sistema de conocimiento de la SCS es que este sistema está en construcción y estos propios profesores están edificando en estos momentos una clasificación o taxonomia clara de los diferentes componentes de dicho sistema.

Dentro de ella los 86 profesores e investigadores que la forman tienen distintos intereses o "interests".

Bajo el título de "interests", el Faculty Research Guide del Programa de Doctorado en Computer Science publicado en 1989-90, enumera para el conjunto de los 86 profesores de las cuatro áreas, hasta 246 intereses distintos . Los profesores con mayor número de "interests" son Dana Scott (27), A. Newell (17), J. Carbonell (16),H.T. Kung (12), M. Shaw (11).

Por citar un ejemplo dentro del área de AI, los "interests" de Allen Newell en esa fecha eran 17 según esta guía: "Chunking", "Cognitive Architecture", Cognitive Modelling", Cognitive Science", "Computer Architecture", "Human Computer Interaction", "Human Factors", "Intelligent Architectures", "Intelligent Tutoring Systems", "Interfaces Human-Computer", "Machine Learning", "Parallelism", "Practice", "Problem-Solving", "Production Systems", "Program Synthesis", "Psychology".

En este conjunto hay componentes heterogéneos : hay técnicas como "chunking"; subáreas de Inteligencia Artificial como "Machine Learning"; hay también otras áreas de computer science como "Computer Architecture" o "Parallelism"; hay ciencias tradicionales como "Psychology", y por último , también hay nuevas ciencias como "Cognitive Science".

Dos años después los "interests" de este profesor han aumentado a 22, según el Faculty Guide de 1991-92. Se conservan los fundamentales pero se añaden unos y se dejan otros. Los nuevos intereses son: "Concept Formation", "GOMS", "Intelligent Control of Software", "Knowledge Adquisition", "Knowledge- Based Systems", "Parallel Processing", "Protocol Analysis". Se abandonan los siguientes: "Practice" y "Program Synthesis".

Estos cambios se relacionan con el programa SOAR, el software inteligente que esta construyendo A. Newell desde principios de la década de los 80s, en colaboración con investigadores de ésta y otras univesidades.

Esta diversidad de áreas de investigación los profesores de la escuela han tratado de agruparla, a efectos educativos, en conjuntos más reducidos. Pero, como veremos a continuación, el área educativa también cambia de un año para otro.

Así en el Syllabus o programa de estudios de 1990-91 en el área de Inteligencia Artificial, cuyos responsables eran Alan Bates y Tom Mitchell , se delimitaban a efectos de los exámenes o "qualifiers" de los estudiantes sólo cuatro subáreas : "Search", "Logic and Knowledge Representation", "Machine Learning" y "Architectures".

En el curso actual, 91-92, esta división ya se ha cambiado. Está en discusión un cambio de curriculum. Al parecer el estudiante ahora puede elegir entre 2 o 3 áreas entre una docena de campos dentro de la Artificial Inteligence de esta Escuela:

a. " Search and Problem Solving Techniques.

b. "Representation of Knowledge".

c. "AI Languages, Software Tools, and System Organizations".

d. "Expert Systems and Knowledge Engineering".

e. "Learning, Knowledge Acquisition, and Analogical Reasoning".

f. " Parallel AI Arquitectures and Connectionism.

g. "Natural Language Processing".

h. "Speech Understanding".

i. "Vision".

j. "Robotics, Manipulation and Locomotion".

k. "Theoretical Foundations of AI (logical and philosophical foundations).

l. "External Areas of Study Directly Related to AI- for example:

-"Linguistics".

-"Human Cognition".

- "Automated Programming"

-" Automated Mathematics".

Estos datos son una muestra de cambios de las áreas de conocimiento en el sector de la AI, en relación con su clasificación y construcción taxonómica. Estos cambios han ido, hasta el momento, en la dirección de una mayor complejización de áreas y opciones a elegir.

Pasemos a analizar con más detenimiento el programa de investigación en AI de CMU.

2. LA ARTIFICIAL INTELLIGENCE DE CMU.

2.1.¿ QUE ES LA A.I. DE CMU?.

La "Artificial Intelligence’ (A.I) en Estados Unidos es una corriente minoritaria dentro de la "computer science" , pero tiene unas características particulares que la destacan sobre el resto de la comunidad.

En primer lugar, es una corriente fundamentalmente académica, enraizada en el medio universitario, no empresarial. Se concentra principalmente en una élite de centros tecnológicos de excelencia de Estados Unidos: M.I.T., Stanford, y Carnegie Mellon. Se podría considerar la intelligentsia de la "computer science". De sus líderes, Herbert Simon, Allen Newell, John McCarthy, Marvin Minsky , uno de ellos es Premio Nobel en Economía, H. Simon, y todos ellos son miembros de la National Academy of Science y , a su vez, de la National Academy of Engineering, excepto Simon que sólo pertenece a la primera.

No obstante, ninguna de estas universidades donde la Artificial Intelligence es fuerte, pertenece a la Ivy Leage, el núcleo de las ocho universidades encabezado por Harvard, Yale y Princeton donde se forma tradicionalmente la clase dirigente norteamericana. A su vez, los líderes de esta corriente, a excepción de Herbert Simon, no ocupan un papel destacado de liderazgo de la comunidad científica norteamericana, encabezada por los físicos. Más bien ocupan un lugar un intermedio entre la comunidad de científicos y la de ingenieros. Considerados demasiado ingenieros por los primeros y excesivamente científicos por los segundos.

En segundo lugar, este carácter principalmente académico se ha debido en gran parte a que durante tres décadas la AI ha sido un campo de investigación estratégica, de alto riesgo, financiada exclusivamente por DARPA, en el que sólo empresas aisladas como Digital, con fuertes conexiones académicas, se han atrevido a invertir.

En el documento denominado "Proposal for Continuation of Research in Information Processing" de Marzo de 1975, sometido por CMU a la Advanced Research Projects Agency del Department of Defense podemos leer: "CMU has a long history as a center for research into the nature of intelligence, both in humans and computers. It is often referred to , along with the laboratories at Stanford, MIT and SRI, as one of the four ARPA AI Laboratories..." (CMU-CS. Proposal 1875-76:8).

Pero la AI de CMU tiene características propias distintas a las otras universidades con quie compite, en especial Stanford y M.I.T.

Desde la formación del Computer Science Department, la Artificial Intelligence de CMU ha sido el grupo de computer scientists que ha ejercido el liderazgo en la investigación del citado departamento y luego de la School. Esto no es un rasgo común al resto de departamentos de informática del país, sino una excepción a la regla.

Esta fuerza de la AI dentro de la Computer Science en CMU, y en todo el país, proviene, entre otros factores, del hecho de que fue el denominado ‘RAND-Carnegie group",formado por Newell, Shaw y Simon, los que iniciaron la disciplina en 1955, gracias a la invención del Logic Theorist (LT), el primer programa de ordenador inteligente. El LT representa para la Artificial Intelligence lo que ENIAC, el primer ordenador digital significa para la tecnología informática.

La propia estructuración de la AI en CMU es anómala. A diferencia de MIT o Stanford, donde sus respectivos líderes están dentro de laboratorios de computer science, en CMU se considera AI el trabajo realizado tanto en Computer Science, liderado por Allen Newell y Raj Reddy, como el que realiza Herbert Simon, en el Department of Psychology, al que también pertenence Allen Newell.

Así se explicita en la propuesta enviada a DARPA, y citada anteriormente:

"The totality of research at CMU that should be discussed under the rubric of Artificial Intelligence actually occurs in three separate places: the work on human cognition, going on the Psychology Department and supported by other than ARPA funds; the work in Speech Understanding Systems,...and the work described in this section, officially labeled "artificial intelligence". (ibid:8).

La excepción consiste en considerar que un científico, Herb Simon hace también A.I. al estudiar la cognición humana. El carácter más científico de la A.I. en CMU es la anomalía. El "scientist of the artificial" es lo extraño.

La Inteligencia Artificial (AI) es dentro de las áreas de la SCS el grupo más numeroso no sólo de profesores sino también de estudiantes. Es el que aporta el mayor número de proyectos y por lo tanto de financiación. Es una de las dos áreas fundacionales de lo que fue el antiguo Department of Computer Science. Como recordamos se formó por Allen Newell y Herbert Simon que provenían de esta área y por Alan Perlis, primer director del departamento, y cuyo trabajo estaba dedicado principalmente al área de los lenguajes de programación, hoy considerada dentro de Programming Systems. El punto de unión de ambas corrientes era su interés en el "software".

Esta área de investigación está formada por 35 profesores e investigadores ( Faculty Research Guide.1991) . De estos 24 se dedican también a supervisar la investigación de un conjunto de 90 alumnos que los han elegido como "advisors". Estos 90 estudiantes de postgrado son el 39% de un total de 227 en enero de 1991, del conjunto de este programa de doctorado.

Este núcleo de profesores es el que sostiene en el área de Artificial Intelligence en 1991, las dos actividades fundamentales propias de esta escuela: la investigación y la dirección de las tesis doctorales de los futuros "computer scientists". Son los responsables de los principales proyectos de investigación y de la dirección de los futuros "computer scientists" en esta área. Estos son sus nombres: Joseph Bates, Hans Berliner, Jaime Carbonell, Scott Fahlman, Mark Fox , Dario Giuse, Katsushi Ikeuchi, Bonnie John, Takeo Kanade, Kaifu Lee, Matthew Mason, David McKeown, Tom Mitchell, Allen Newell, Raj Reddy, Alexander Rudnicky, Jeffrey Schlimmer, Steven Shafer, Reid Simmons, Herb Simon, Masaru Tomita, David Touretzky, Alexander Waibel y Andrew Witkin.

De este grupo, si nos fijamos en la relación con los estudiantes como "advisors" vemos que hay grandes diferencias en cuanto al número de los estudiantes que cada uno dirige, lo cual constituye un dato significativo. En el curso académico 1990-91 los profesores Jaime Carbonell y Tom Mitchell supervisaron grupos de 13 y 12 estudiantes de doctorado respectivamente, los grupos más numerosos , no sólo de esta área sino de toda la escuela.

En ese año, un reducido nucleo de 7 profesores del grupo de Inteligencia Artificial (un 20% del total) , los dos citados más A.Newell (8 alumnos), A. Witkin (7), M. Tomita (6), T. Kanade (5) y A. Bates (5) supervisaron un total de 56 estudiantes, el 62% del total de graduate students del área de Inteligencia Artificial. Si analizamos a continuación los intereses de estos profesores podemos hacernos una idea de las áreas que suscitan más interés en los estudiantes de A.I. en CMU.

Allen Newell, Jaime Carbonell y Tom Mitchell participan junto con otros profesores (H. Berliner, D. McKeown, H.Simon, y K Van Lehn) en un programa de investigación básica denominado: "INTEGRATED ARCHITECTURE FOR INTELLIGENT SYSTEMS"( 1990-1993). Como primera definición podríamos decir que se trata de construir programas de ordenador que puedan desarrollar una conducta inteligente similar a la de un ser humano. En particular, Jaime Carbonell y Tom Mitchell, han sido protagonistas en la puesta en marcha durante los años 80s de una nueva subárea dentro de la A.I. denominada: "MACHINE LEARNING", cuyo objetivo es construir máquinas que puedan aprender, "one of the defining features of intelligence" (Carbonell, 1987: 464).

Por su parte, Andrew Witkin y Takeo Kanade trabajan en el campo del "COMPUTER VISION", que trata de conseguir que los ordenadores puedan adquirir una visión igual o mayor que la de los humanos. Ambos, junto a otros investigadores (S. Shafer, K. Ikeuchi), participan en el programa "IMAGE UNDERSTANDING"(1990-93), que desarrolla estos objetivos.

A su vez, Takeo Kanade, director del programa y co-director del Robotics Institute, ha colaborado con T. Mitchell, y Red Whittaker, ingeniero civil, en la construcción de AMBLER, un robot inteligente y autónomo, finalizado en 1990 en CMU y destinado a la exploración expacial dentro de los programas de la NASA.

Masaru Tomita y Jaime Carbonell, trabajan en el área de MACHINE TRANSLATION, cuyo objetivo es construir máquinas que puedan traducir automáticamente lenguajes naturales. En una reciente reunión en Washington, the Machine Translation Summit III, Jaime Carbonell presentó el sistema KANT, construido en colaboración con el linguista T. Mitamura y el programador E.Nyberg III, que puede asimilar información técnica en inglés y generar un texto en japonés, alemán o francés. Para esta tecnología, se basan en una subárea de la Inteligencia Artificial denominada NATURAL-LANGUAGE PROCESSING (NPL), definida por J. Carbonell y Philips Hayes como "the formulation and investigation of computationally effective mechanisms for communication through natural language". (1987: 661).

Alan Bates, coordinador, junto con Tom Mitchell, del área educativa de la A.I. en la School, para el curso 90-91, se dedica a la nueva área de los INTERACTIVE MULTIMEDIA. Estos últimos años han surgido los primeros ordenadores que pueden procesar imágenes, no sólo texto o gráficos. Este es el campo llamado " MULTIMEDIA", y que emparenta con la televisión. La diferencia estriba en que en el ordenador la persona puede manipular, cambiar, crear, las imágenes que aparecen en la pantalla. Alan Bates se dedica a crear estos medios visuales interactivos, como MetaPrl y Sythetic Realities, en palabras de Bates "Paper and film provide ways for people to express their thoughts and fantasies. Computers may provide equally significant means of expression by supporting interaction with those thoughts and fantasies ‘brought to life’. I work in the areas of interactive environments and antificial intelligence, with the goal of creating these new interactive media." (CMU-CS.FRG, 1990-91:3).

Por ultimo "SPOKEN LANGUAGE UNDERSTANDING", es un programa de investigación dirigido por el Dr. Raj Reddy y su objetivo es la construcción de un sistema que sea capaz de reconocer la voz humana, en concreto 5.000 palabras con un acierto del 95%. Forma parte del área denominada "Speech" en A.I.. Su equipo esta formado en 1990-91, por los profesores Kaifu Lee, Alexander Rudnicky, Richard Stern, Wayne Ward y Sheryl Young.

Estos programas, particularmente tres de ellos: "Integrated Architectures", "Image Understanding" y "Spoken Language Understanding" engloban a los profesores de A.I. con una mayor experiencia en el campo de la investigación en esta disciplina. Y sus directores Allen Newell, Takeo Kanade, y Raj Reddy se pueden considerar líderes representativos de la investigación en la A.I. de esta comunidad.

Estos programas de Inteligencia Artificial son el resultado de un programa de investigación que fundó la disciplina y que se inició en 1955-56 con la invención del Logic Theorist por Allen Newell, Cliff Shaw y Herb Simon. Programa que constituye el patrón cultural dominante sobre el que se ha construido la A.I. en CMU.

2.2. LA CONSTRUCCION DE LA "LOGIC THEORY MACHINE" : EL PROGRAMA CULTURAL INICIAL DE LA "ARTIFICIAL INTELLIGENCE" DE CMU.

2.2.1. "THE PARENTS OF THE ARTIFICIAL INTELLIGENCE".

La Inteligencia Artificial es una nueva disciplina, un nuevo sistema de conocimiento, en torno al cual se ha organizado inicialmente en Estados Unidos y luego en Europa y Japón, un grupo de personas para su desarrollo. Constituye por lo tanto una cultura particular, una construcción humana histórica, que puede ser analizada por el antropólogo como una innovación cultural, dentro de lo que serían las "computer cultures".

A efectos de un estudio antropológico, la construcción del programa de Inteligencia Artificial , la "Logic Theory Machine", inventado por Allen Newell, Cliff Shaw y Herb Simon en 1955-56, lo podríamos considerar como una de las bases para la confección del modelo etnográfico de esta comunidad.

Al referirnos a la "Logic Theory Machine" entendemos el programa de investigación y desarrollo que dió lugar a dicho programa informático.

El análisis de este programa puede aportar esta base, máxime cuando el mismo fue creado por dos de los fundadores del Computer Science Department, Allen Newell y Herb Simon, aún hoy dos activos investigadores con 64 y 75 años, y que se consideran a sí mismos como "parents" ("padres"), de la disciplina (Simon, 1991:190). La relación "parents"-"padres"-"patrones culturales" nos parece, no sólo etimológicamente ajustada, sino además ,en este caso, culturalmente apropiada. Aunque la influencia de estos científicos va decayendo con los años, aún siguen siendo considerados por la nueva generación de la escuela como un modelo de referencia respetado.

Es evidente que todo modelo etnográfico es una reducción del conjunto de conductas y conocimientos observados en una comunidad dada, pero dado que es imposible aspirar a una observación sincrónica de la totalidad de las actividades de todo un colectivo humano, esta técnica está considerada, según antropólogos como Claudio Esteva, como "la técnica de conocimiento más productiva" (1978: 233). Dentro del modelo, trataremos de obtener un patrón cultural, o modo de conducta referencial para el conjunto del grupo. La actividad de estos profesores ha seguido ella misma un patrón sustancialmente idéntico durante estas cuatro décadas. Este modelo cultural ha sido y es el fundacional de la Inteligencia Artificial en CMU, y sigue aportando el modelo de actuación principal. En antropología, un patrón cultural, como vemos en este caso, es un "model of man" (utilizando la expresión "man" común para ambos géneros).

Anteriormente ya hemos citado al antropólogo Roy D’Andrade (1981) y su noción de "programa cultural" para el estudio de los sistemas culturales en general. Estos, definidos hasta ahora como sistemas de conocimientos organizados, se podrían ver como programas organizados, esto es, como programas culturales compartidos. D’Andrade diferencia programas culturales y programas informáticos, considerando los primeros como "programas humanos" y los segundos, los "computer programs". Pero, como ya hemos analizado antes, esta diferencia no es del todo ajustada.

Los computer programs, como el caso del Logic Theorist muestra, son también programas culturales, un tipo particular de ellos. Son productos humanos, obras humanas. La oposición programa humano-programa informático se podría superar si consideraramos ambos como subconjuntos de un programa mayor: el programa cultural.

Todos los programas informáticos son programas culturales pero los programas culturales no han sido hasta ahora programas informáticos.

Carnegie Mellon es una "computer-intensive university". Su cultura, sus habitos de trabajo, sus modos de comunicación, sus costumbres ("mores") y por lo tanto su moral, finalmente, está siendo regulada parcialmente ya por un programa informático. Su computer environment, Andrew, se rige en efecto por un programa informático.

No obstante éste ha sido hecho por unos computer scientists que trabajan en una institución con un programa cultural anterior a Andrew, el programa pre-informático de CMU como institución iniciada en 1900 y sus sucesivas actualizaciones, a su vez, concreción de todo un programa cultural característico de Norteamérica.

Se puede pensar que ahora puede iniciarse la construcción de programas culturales, los programas de las tecnoculturas, que sean realizados conjuntamente por seres humanos y ordenadores inteligentes. Hasta ahora podíamos pensar que los programas culturales simplemente se heredaban. Los construía la historia. Luego se pensó que los construía la naturaleza y nos adaptábamos a ella. Aún hoy se habla de Andrew como "environment". Un medio al que adaptarse. Pero lo cierto es que este "environment" ha sido una decisión humana, deliberada, una innovación, no una mera adaptación.

El Logic Theorist fue a su vez otra innovación. El resultado de la acción voluntaria y deliberada inteligente de un determinado colectivo humano organizado sobre su propio proceso de pensamiento, y sobre el medio externo. En estos conjuntos, la iniciativa para formar nuevos programas informáticos la tienen los seres humanos. Son los elementos generadores del proceso, los inventores, sus autores, lo que les permite ser responsables de sus actos. Mientras la ciencia era sólo observación y análisis podía equivocarse o no en sus predicciones , pero no era responsable. Cuando la ciencia pasó a diseñar en los años 40s, bombas atómicas o ordenadores, cuando empezó a actuar, a transformar, se convirtió en agente del cambio cultural. El problema de la responsabilidad, antes circunscrito a la figura del profesional, con su código de ética profesional, se ha extendido a la ciencia. La ciencia se ha hecho programadora. Y el "computer science" es una prueba de ello.

El uso del concepto "programa cultural" es particularmente útil para el estudio de la cultura informática. El concepto de programa permite entender mejor que la cultura es una actividad humana normativa que se caracteriza por su artificialidad, contingencia y posibilidad de acción innovadora sobre el medio.

En las computer cultures, la actividad del científico es claramente política ("policy"). Como afirma el antropólogo Erve Chambers: " The value of forming an idea of policy is that it enables us to start thinking about human issues and problems in terms of their intentionality. Programs and activities of change do not just happen. They are thought out, planned out, and put into action by human beings for particular reasons" (1985:38).

O como afirma Harold Abelson, profesor del Department of Electrical Engineering and Computer Science, del M.I.T.: "Computer Science is the business of formalizing imperative knowledge..." ( Abelson, H.1991:193)

No obstante no hay que olvidar que un programa es una función de un sistema en el caso de una tecnología o de una comunidad en el caso de una ciencia social. Logic Theorist era una Logic Theory Machine, el olvido, más tarde del último término, trajo consecuencias graves para la A.I.

La Inteligencia Artificial la empezó un grupo de científicos y programadores decididos a construir un programa informático que podía ejecutar en el ordenador una función inteligente que sólo el ser humano había realizado hasta la fecha: encontrar una prueba de un teorema de lógica matemática.

Esta prueba se realizó el 9 de agosto de 1956 en un ordenador JOHNNIAC en la RAND Co. Fue el resultado final de un programa cultural iniciado por tres personas en torno a una investigación denominada "complex information processing". La secuencia podría describirse así. Un equipo de científicos vislumbraron la posibilidad de inventar una máquina con esas características. Como dice Simon: " The sudden and permanent change came about because Al Newell, Cliff Shaw and I caught a glimpse of a revolutionary use for the electronic computers...We seize the opportunity to use the computer as a general processor for symbols (hence for thoughts) rather than just a speedy engine for arithmetic."( Models of My Life.1991: 189).

No había realidad natural preexistente a su invento. Vieron una posibilidad plausible.

A continuación , tras distintos ensayos y fracasos, seleccionaron una tarea que vieron realizable. Una vez seleccionada, uno de ellos resolvió dicha tarea simulándola, a la vez que analizaba su propio proceso de resolución de esta tarea . Mientras, los otros miembros del equipo construyeron un nuevo lenguaje de programación para introducir esta forma de pensamiento en un ordenador. Finalmente comprobaron si funcionaba o no el invento en la máquina. Y funcionó el 9 de agosto de 1956.

En palabras de Simon:" By the end of 1955 we had invented list-processing languages for programming computers and had used them to create the Logic Theorist, the first computer program that solved non-numerical problems by selective search. It is for these two achievements that we are commonly adjudged to be the parents of artificial intelligence." (ib:189-190).

Con ello no sólo construyeron un artefacto inteligente sino al mismo tiempo una disciplina para construir estos artilugios, la Artificial Intelligence.

Analicemos más en concreto el proceso cultural de invención.

2.2.2. EN LA RAND CORPORATION. : DEL DISEÑO DE ORGANIZACIONES AL DISEÑO DE UN PROGRAMA INFORMATICO INTELIGENTE. 

Herb Simon cuenta en su autobiografía que todo empezó en el verano de 1954 en la RAND Corporation en Santa Mónica, California: " Al and I had a long discussion of the possibility of simulating human thinking by computer" (1991:201). Diez años atrás Simon concedió una entrevista a un periódico de Pittsburgh, the Post-Gazette, el 7 de julio de 1980, donde afirmaba: "The work really began in Santa Monica about 1955...Al Newell and I began to talk about the possibility of writing a computer program that would solve problems".

Este modelo empieza pues con la misma pregunta que se formulara Allan Turing en 1950: "Can machines think?", aunque, según los autores, la influencia en ese periodo de Turing sobre estos personajes fue mínima o nula.

Quizá Simon y Newell no lo supieran en ese momento, pero esta posibilidad ya la había planteado A. Turing cuatro años antes, en 1950. Lo interesante a resaltar aquí es cómo aparece esta posibilidad a los ojos de Herbert Simon.

Según ha escrito en su autobiografía, "The completely new turn that my life took in 1955 was the unanticipated result of my work in the Systems Research Laboratory at RAND and my contact there with computers" (1991:198). Para este científico, Premio Nobel en Economía en 1978, : " The most important years of my life as a scientist were 1955 and 1956". (ibid.:189). Los años de la invención del Logic Theorist. Herb Simon tenía en 1955, 39 años y Allen Newell, 28.

Pero la razón por la que Simon y Newell se conocieron en la RAND Co en febrero de 1952 no fue el ordenador sino por el hecho de estar ambos implicados en un proyecto de la Defensa: el diseño de una estación de seguimiento aéreo de la Air Force para estudiar en ella el comportamiento humano en relación con la máquina en condiciones de stress.

La RAND Co. a finales de los 50s era un nuevo tipo de institución, "a nonprofit corporation formed to further and promote scientific, educational, and charitable purposes, all for the public welfare and security of the United States of America" (Articles of Incorporation). (The Rand Co.1963: The First Fifteen Years). La cultura de la RAND Co. afectará directamente al tipo de investigación a realizar por el Department of Computer Science de CMU, y a la propia estructura de esta institución académica. Allen Newell, en particular, afirmará: "In relation with problem solving, my influence is from the Rand Co, not from the Doherty Plan".(Entrevista 17 dic. 1990).

La RAND Co era entonces un nuevo tipo de institución, el original "think tank", "a university without students", cuyo propósito era la investigación aplicada con fines nacionales estratégicos. RAND era un acrónimo de "RESEARCH AND NATIONAL DEVELOPMENT". El propósito de su constitución era preservar el cuerpo de científicos que había participado en la guerra en tareas como el Manhattan Project, y seguirlo interesando tras la finalización de esta en tareas de investigación al servicio de la defensa nacional: "In postwar years the United States has undertaken vastly expanded responsabilities involving the well-being of much of the world...It was clearly important to preserve part of the scientific corps that had been mobilized during the war to develop the atomic bomb...That work had been done though emergency organizations, such the Manhattan District and the Office of the Scientific Research and Development...With victory, most scientists were anxious to return to former pursuits, and it was imperative that some cohesion be maintained among them...Various settings were considered after the war to a permanent research organization of a new kind" (ib: 6). Y así nacio RAND Co.

En este centro, se mantendría el carácter aplicado de la investigación científica, no ya al servicio de la industria, sino de los intereses nacionales estratégicos. En ella tenían cabida, en proyectos interdisciplinares las siguientes especialidades: " Aero-Astronautics, Computer Science, Cost Analysis, Economics, Electronics, Logistics, Mathematics, Physics, Planetary Sciences, Social Sciencies and System Operations". (ib:2-3).

En esta institución, se empezó a desarrollar a fines de los 40s un enfoque denominado "system analysis", que progresivamente iría ganando terreno al anterior, la " operation research", utilizado ante todo durante la II Guerra Mundial. Los problemas de la postguerra se fueron viendo de naturaleza más compleja que los de mera optimización de las fuerzas militares en campaña. Uno de los subproductos de este enfoque fue el Systems Research Laboratory, cuna del programa de Inteligencia Artificial de CMU.

Mientras que la "operation research" consistía en una técnica matemtática que proveía de ayuda cuantitativa para los "decision makers" militares en condiciones de guerra, decisiones caracterizadas por tener objetivos claros, una vez finalizada la II Guerra Mundial, las necesidades de planificación militar se transformaron, convirtiendose en decisiones cada vez más de tipo político. (La operation research ha seguido siendo utilizada en los problemas del management industrial, especialmente a los niveles medios y bajos, donde el objetivo está claro ("profit") y se puede medir en unidades de análisis no ambiguas ("money").

Como explica Bruce L.R. Smith, historiador de este periodo de la RAND Co, "this type of approach has limited utility on the broad policy questions where objectives cannot be precisely specified and no "optimum" solutions are possible." (1966:162). Esto llevó al desarrollo de un nuevo enfoque denominado "system analysis". Este era un método menos cuantitativo y más orientado hacia "the analysis of broad strategic and policy questions, and particularly in seeking to clarify choice under conditions of great uncertainty" (ibid:8).

"The useful systems analysis in this area typically attempts to identify relevant policy alternatives under conditions of great uncertainty, and helps policy maker to assess the costs and consequences of different courses of action" (ibid:162). Este es el nacimiento de lo que hoy se denomina "policy analysis".

"The task of sytem analysis work, indeed, is principally that of integrating a variety of specialized research skills into a common analytical framework bearing on an important problem. The aim of such work is to be precise where possible and where precission is ruled out by a context of conflicting values and unclear objectives, analysis strives to identify the many complex dimensions of a critical policy choice and to help the policy maker assess the costs and consequences of alternative courses of action". (Smith: 10).

Esta cultura de integración de elementos de distintas disciplinas para la solución de un problema importante, es similar a la del "total system effort" que se sigue en los proyectos de investigación de la SCS.

La RAND Co. en los años 50s fue, a su vez, la cuna de una mentalidad estratégica, derivada de su interés por la elaboración de alternativas políticas de alcance nacional: ""This strategic consciousness serves to distinguish RAND from some of the other advisory corporations whose major concern is more or less exclusively with nonstrategic matters". (Smith: 105).

Esta orientación estaba claramente orientada al futuro,siendo uno de los centros donde nacieron las técnicas de " technological forecasting" (Jantsch,E..1967), así como la "social technology" (Olaf Helmer. 1966), el método Delphi, en suma, las bases de la cultura futurológica que se desarrollaría en los 60s. Nacía el científico del diseño.

La investigación que más tarde daría pie a la Inteligencia Artificial de CMU nació en 1950 en el marco de esta cultura propia de la RAND. "In 1950 a team of psychologists began to study how men and machines works together; in particular, how men respond to conditions of stress. They simulated an Air Defense Direction Center, and used college students as experimental subjects" ( The Rand CO. 1963: 17). Allen Newell, graduado en Físicas por Stanford y con un año de matemáticas en Princeton, fue contratado en 1950 por la RAND incorporándose a ese proyecto de científicos sociales. Dos años después solicitaron la colaboración de Herbert Simon como experto en organizaciones.

Se trataba de un tipo de investigación para "immediate application", como era característico de la cultura de la RAND Co.. Como reconoce Herbert Simon, la RAND Co. gozaba en ese tiempo de "tremendous success and visibility as a new way of enlisting research talent to help advance applied goals". (. Models.1991:164).

Durante los veinte años anteriores, la investigación principal de este profesor Simon había tratado con organizaciones y cómo las personas que las dirigen toman decisiones. De esa época arranca su concepto del hombre como animal de "bounded rationality" expuesto en su libro "Administrative Behavior" (1948). Partiendo de una crítica de la visión neoclásica del Economic Man, Simon ofrecía un nuevo model of man basado en un nuevo tipo de conducta, la "administrative behavior", la propia del animal político , más dedicado a la toma de decisiones ("decision making") en un limitado campo de opciones, que a una búsqueda incesante de optimización de sus beneficios económicos en el mercado.

Este interés por la ciencia política y secundariamente por la economía es lo que le llevó a colaborar con la Comission Cowles y con la RAND Co como experto en organizaciones. Ambas eran instituciones que trataban de asesorar a organismos políticos de la Administración y de la Defensa sobre "decision making" en temas económicos y estratégicos.

Una vez en RAND, y después de tres años intentando formalizar las diferentes comunicaciones entre los miembros del laboratorio sin conseguirlo, cambiaron de terreno de investigación: " Yet Al and I sufferend from continuing frustration in trying to write formal descriptions of the process. Somehow, we lacked the necessary language and technology to describe thinking people as information processors...The frustration that Al and I experienced with the SRL experimental data had major consequences". (ibid: 168).

En un borrador de su biografia escrito en 1977, y hoy conservado en sus archivos personales en CMU, H. Simon explica su nuevo centro de atención : "At Systems Research Laboratory, I became fascinated by the method that Al Newell had devised for using a Card Programmed Calculator to produce the simulated radar maps needed for the air defense simulation. What was remarkable about this application was that the computer was being used not to generate numbers, but locations--points--on a two-dimensional map. Computers, then, were not merely number crunchers; they were general symbol manipulators, capable of processing symbols of any kind --numerical or not! This insight, which dawned only gradually, led AI and me even more gradually to the idea that the computer could provide the formalism we were seeking --that we could use the computer to simulate all sorts of information processes, and use computer languages as formal descriptions of those processes" ("Choices and Paths,1977:31).

En su más reciente biografía escribe: "All this changed radically in the last months of 1955...This sudden and permanent change came about because Al Newell, Cliff Shaw and I caught a glimpse of a revolutionary use for the electronic computers that were just then making their first public appearance. We seized the opportunity we saw to use the computer as a general processor for symbols (hence for thoughts) rather than just a speedy engine for arithmetic.". (1991:189).

La idea de "opportunity" nos parece clave en este texto. Puede traducirse al castellano por "oportunidad", y tambien por "posibilidad, ocasión". Esta palabra tiene un significado cultural en la sociedad norteamericana que es distinto al que tiene en España. La cultura norteamericana, tradicionalmente, se ve a sí misma como" The Land of Opportunities", el país donde "everything is possible". Ser "oportunista" tiene una connotación en la cultura europea, al menos la española, de carácter peyorativo. Es sinónimo de abandonar los principios, la moral. En Estados Unidos, es lo contrario: socialmente está bien visto el saber ver una posibilidad única y sacar provecho de ella ("take advantage"), tanto en el aspecto económico como intelectual. Si ésta es la tierra de las oportunidades, ¿por qué no aprovecharlas?. La pregunta en la cultura nortamericana no es tanto la búsqueda de un "¿por qué?" sino un oportunista "Why not?". No es un interés tanto por los orígenes históricos o genealogías de las cosas sino a a preguntarse por los "purposes", los "goals", los "desires", los objetivos de la acción humana, en suma, por su futuro.

Pero la idea de "oportunity" indica aquí en concreto no una posibilidad cualquiera, sino una posibilidad plausible, realizable. Esta consiste en una alternativa ya seleccionada, no realizada aún, pero no un simple sueño o una fantasía. Las posibilidades son múltiples, innumerables. La oportunidad es una, singular, particular, en un momento dado. De entre todas las posibilidades se selecciona una que se ve con visos de poderse realizar, a esta alternativa la denomino: posibilidad plausible, y es clave para entender una mentalidad tecnológica. Es sinónimo del término, "feasible" (M. Furst), realizable.

Ed Feigenbaum, alumno de Simon en 1955, ha sido el que ha recordado la expresión utilizada por Herb Simon, la primera clase después de las vacaciones de Navidad del curso 1955-56: "Over Christmas, Al Newell and I invented a thinking machine". (1989:166).

2.2.3. DISEÑO Y ADAPTACION: LA DOBLE PAUTA CULTURAL.

Para la mentalidad científica clásica más determinista, la tecnología se muestra, a modo de "naturaleza", como un proceso objetivo que discurre independientemente de los hombres, y ante la que éstos han de adaptarse. Ello explica que, hasta la fecha, la función principal de las ciencias sociales que pretenden acercarse al estudio de la tecnología ha sido el estudio de los "efectos sociales" de la misma en los seres humanos.

Se considera que el ser humano va detrás de la tecnología. La antropología ha colaborado en el campo industrial sobre todo a establecer el área de "human relations", que se preocupa de adaptar el personal de la empresa a los cambios tecnológicos, mediante enseñanza y aprendizaje continuo. Es el campo que estudian habitualmente los sicólogos y científicos sociales aplicados que trabajan en la industria.

Ello se deriva de la visión que ellas tienen, siguiendo a Darwin, del ser humano como un animal fundamentalmente adaptativo a los cambios del medio ambiente.

Esta fue a su vez la clásica la visión de Marx sobre el movimiento de las fuerzas productivas que empezando por las máquinas y su incesante cambio arrastraban y cambiaban toda la estructura social, visión compartida por el determinismo cultural de Leslie White y su escuela.

Esta visión del mundo se opuso al creacionismo, a la visión de un mundo fijo creado por Dios, doctrina que proporcionaba a la Iglesia su poder espiritual básico en el Ancien Regimen. Esta teoría ha servido para un estudio del cambio de las especies naturales sin necesidad de intervención del primer "diseñador". El problema es que ahora el ser humano empieza, mediante la biotecnología, a diseñar especies, y esta teoría se ha quedado insuficiente para explicar el nuevo mundo artificial, surgiendo de las nuevas tecnologías.

La tecnología es un invento humano . No es una adaptación pasiva al medio, sólo. Es un cambio innovador del mismo. O, si se prefiere la construcción de un nuevo medio. Newell, Simon y Shaw inventaron el LT, como CMU ha inventado Andrew. No sólo se adaptó a los cambios del medio preexistente, adaptó ese medio a sus propósitos. Han inventado un nuevo medio ambiente: "a computer-intensive campus".

Antes de 1955 no había Inteligencia Artificial, después la hubo. Si como antropólogos estudiamos como se generó esta tecnología podemos entender como unos seres humanos inventan tecnología.

La visión a posteriori de la tecnología afecta hasta a los propios tecnólogos. Estos, en gran parte, construyen su imagen personal sobre la que le proporcionan los científicos sociales que los estudian. Se ven a sí mismos como científicos, como si fueran físicos o químicos, lo cual está favorecido, porque la ciencia es un tipo de saber con más valoración académica que la ingeniería. El propio Herbert Simon que se define como un científico (Entrevista personal ,17 dic. 1990) , sin embargo, reconoce que los años marcados por la invención junto con Newell Y Shaw de la Inteligencia Artificial fueron los más importantes de su vida.

Por otra parte, la mente artística o humanística suele adoptar una doble actitud ante la tecnología: o bien la mira con recelo , al considerarla "inhumana", o bien la consideran aún como arte, como una expresión de un poder humano de transmutar las cosas casi "mágico", "divino". En ello se acercan a la visión del hombre corriente de esta cultura que ante la tecnología oscila entre el terror y el visceral rechazo o su asombramiento y abandono total ante lo que considera "fantástico", "incompresible", o "misterioso". Edison era conocido popularmente en América como "The Wizard of Menlo Park", el mago de Menlo Park. Todavía en 1970, ingnieros como Alvin S.Weinstein y Stanley W. Angrist, profesores de CMU definían así al ingeniero: " The engineer is an artist who begins with an idea or a need, and using his special tools and raw material, he creates". (1970:2).

En efecto magia y tecnología han estado ligadas estrechamente en las culturas primitivas, pero no como un rasgo propio de los dioses sino algo específicamente humano. Malinowsly ya indicó que la magia, en toda tradición, en toda mitología, es siempre posesión del hombre: " La magia no resulta derivada de una observación de la naturaleza o del conocimiento de sus leyes, sino que es posesión primigenia de la raza humana que sólo puede conocerse mediante la tradición, y que afirma el poder autónomo del hombre para crear los fines deseados" (Magia, Ciencia, Religion, 1982: 89).

Hoy sabemos que magia y tecnología forman mundos separados. La creencia en la omnipotencia del pensamiento es una característica del mago pero no del tecnólogo, o al menos no de la mayoría. La ciencia nos ha enseñado a diferenciar nuestros deseos y un mundo objetivo que no se transforma por el mero hecho de que así lo queramos. El invento sabemos que es, como dijo Edison, un uno por cien inspiración y un 99 por ciento transpiración.

La Inteligencia Artificial es un invento técnico humano, no un acto mágico. De la misma forma, no podemos verla ya como un mero descubrimiento científico.

Sus protagonistas son contemporáneos nuestros, aún viven. Han relatado sus inventos, han escrito miles de páginas que constituyen un material inapreciable para un estudio etnográfico detallado, y a través del cual empecemos a entender mejor la mentalidad tecnológica, y su relación con la cultura norteamericana. Este estudio es sólo una introducción a un programa de investigación a largo plazo sobre las tecnoculturas.

El proceso general que hemos descrito en palabras de H. Simon se resume asi: 1. Se empieza a trabajar en un medio nuevo (los ordenadores). 2. Se vislumbra una posibilidad de cambiar ese medio, introduciendo una innovación. 3. Se utilizan todos los conocimientos y habilidades que se tienen para llevarla a cabo. 4. Se termina diseñando dicha innovación, un objeto, programa o lenguaje que antes no existia. 5. Se prueba y se comprueba que funciona.

Podrían haberse adaptado sin más al nuevo entorno, tratando tan sólo de comprender mejor empírica o lógicamente sus propiedades. Pero entonces no habrían inventado LT. También podrían haber deseado con todas sus fuerzas construir una máquina pensante sin tener en cuenta la realidad del medio informático, o sin poner a prueba sus primeros experimentos mentales. En ese caso, se habrían quedado en meros esbozos sobre el papel como los dibujos de helicópteros de Leonardo. Pero no habrían inventado LT.

Imaginaron, analizaron empíricamente, y además consiguieron hacer una síntesis entre el medio que tenían ante sí y sus deseos y fantasías. El resultado : han engendrado una nueva tecnología, esto es, un nuevo medio , un nuevo"environment".

Veamos más en concreto cual fue el proceso de la invención.

2.2.4 "USING MYSELF TO SIMULATE MACHINE": HERBERT SIMON.

La invención consistía en la solución de dos problemas principales: uno, el proporcionar al programa las vías para resolver problemas intelectuales sencillos ,y dos, inventar un lenguaje nuevo para introducir al ordenador las instrucciones a cerca de su ejecución.

Cliff Shaw y Allen Newell tomaron la principal responsabilidad en este último tema, Herbert Simon y Al Newell en el primero.

La selección de la tarea fue una primera limitación del campo de posibilidades. Se eliminaron las más difíciles como el juego del ajedrez, quedándose con aquellas que se veían más aptas para conseguir el objetivo previsto. La tarea seleccionada fue la de descubrir pruebas de teoremas de lógica simbólica.

Una vez seleccionada la tarea, el procedimiento fue el siguiente: " We spent some time introspecting about our own mental processes while solving problems in different domains. By the summer of 1955, discovering proofs for theorems, either in geometry. or in symbolic logic,appeard to be a likely candidate. (The accident that I had the volumes of Principia Mathematica on my bookshelves led us to the latter task)." (Choices and Paths, 1977:32). .

A través de esta introspección, Herb Simon derivó la principal forma de trabajo del LT, el trabajo "hacia atrás" o "backwards". Su característica era el trabajar desde los fines perseguidos, el teorema a probar, hacia atrás: los pasos necesarios para ello. No se trataba pues de un método secuencial, algorítmico, o progresivo: desde el estado inicial al final, sino que realiza una inversión del proceso: partía del estado final y considerando el estado inicial seguía una secuencia de pasos para conseguir el objetivo deseado. Este proceso se lo introdujo a la máquina.

En 1956 cuando se trató de generalizarlo como una teoría general del proceso de pensamiento humano, Newell y Simon se dieron cuenta que los individuos que resolvían problemas de lógica en el laboratorio no usaban el mismo proceso que la máquina, esto es, que el propio Simon al programar la máquina. La opción tomada no fue intentar cambiar el funcionamiento mental de esos individuos sino el de la máquina. Se introdujo el método "means-ends analysis", y se abandono el anterior, que era la forma básica de trabajo del LT.

Paul R. Cohen y Ed. Feigenbaum, en su Handbook of Artificial Intelligence (1982) constatan el hecho: " When they tested their theory, they found that it failed in one respect: Humans did not use the same control process (working backward from theorem to axioms) as the program. Thus, they revised the theory, and wrote a new program, to incorporate what they had learned about human control processes during problem solving. They called the new program the General Problem Solver (GPS) , and the new control process means-end analysis, and found that this process was much more efficient (in terms of computer time) than its predecessor ". (Barr, A, & Feigenbaum, E.The Handbook of A.I.1982, vol. 3:3).

Prosigamos con el método de cómo , según Simon, inventó el L.T.: " By October, we were beginning to have a feel for the problem-solving heuristics used in tacking these problems, and we settled definitely on symbolic logic. Al was then working on the programming language and taking his preliminary examinations. He and I discussed almost daily our progress toward specifying the theorem-proving program. My method of working was to take theorems in the Principia and work out proofs while trying to dissect as minutely as possible, not only the proofs steps, but the cues that led me to each one. Then we tried to incorporate what I had learned in a flow diagram. We repeated this day after day, with the flow diagram steadily approaching a description that could be programmed on the machine. On December 15, 1955, I simulated by hand a proof of Theorem 2.15 of Principia in such detail that we agreed the scheme was programmable. I have always celebrated that date as the birthday of heuristic problem solving by computer, although it was not until the following August (1956) that the LOGIC THEORIST, programmed on JOHNNIAC, produced its first complete proof of a theorem." (1977:33).

Para un antropólogo, este proceso es el primero quizá en la historia, al menos que quede constancia, en el que un ser humano conscientemente simula en su mente el funcionamiento intelectual de una hipotética máquina, a fin de poder construirla. Se mete "dentro" del posible ordenador y simula, no su funcionamiento, dado que aún no existía, sino su posible funcionamiento.

Ello exige un desdoblamiento mental : 1. Ha de resolver el teorema hallando la prueba. y 2. Ha de analizar y describir el proceso mental de como lo ha hecho. El lógico matemático sólo realiza el primer esfuerzo. Simon realizó dos tareas : la del lógico matemático y además una introspección, que podría considerarse sicoanalítica, de su propio proceso de solución y la describe de forma que pueda ser entendida por el ordenador. En suma una tarea de sicólogo. El resultado final se obtiene sumando las dos partes en una síntesis nueva apta para ser programada.

El resultado es doble: el descubrimiento de un problema matemático y el descubrimiento del saber como lo ha descubierto. A partir de aquí no es extraño que Simon diga que la AI se basa en la sicología y prefiera residir en el College of Humanities and Social Sciences. Y visto desde su exclusivo punto de vista no le falta razón. Si se concibe que el LT como veremos más adelante que él lo ve así, como nacido en este momento, es claro que el L.T. nació de un proceso de descubrimiento científico, basado en un autoanálisis y cuyo resultado fue el descubrimiento de unas heurísticas determinadas. Pero estos descubrimientos eran sólo parte, un subconjunto, de un proyecto tecnológico mas amplio: conseguir que una máquina razonara, inventar la A.I.

2.2.5. "THE HEURISTIC SEARCH".

La aportación clave de Herbert Simon a la construcción del L.T. fue el haber descubierto un procedimiento mediante el cual el ordenador podía resolver esos problemas de lógica. Con ello inició el paradigma de "heuristic search", una técnica particular de resolución de problemas. Para Feigenbaum, este fue el paradigma fundacional de la Artificial Intelligence en su primera época.

Las heurísticas son reglas para resolver problemas, operaciones mentales que ayudan a conseguir resolver una tarea. Por ejemplo, "think on the end before you begin", (piensa en el final antes de empezar), el antiguo "respice finem" de los romanos. Usualmente se denominan en Estados Unidos, "rules of thumb", reglas del pulgar . Son técnicas, normas, utilizadas por los expertos para emitir un juicio intuitivo sobre la vía a seguir en la resolución de un problema, adquiridas después de una larga experiencia.

Lo más curioso es que no forman parte de los métodos científicos clásicos, sean el de empírico-inductivo o el hipotético-deductivo. La heurística, rescatada por el matemático europeo George Polya en su libro "How to solve it"( 1945 ), presentaba una nueva forma de entender la ciencia: tratata no sólo de las matemáticas sino del proceso de invención de las propias matemáticas: "Trying to understand not only the solution of this or that problem but also the motives and procedures of the solution".(1945:vi). Normalmente, todo curso de matemáticas o física está acompañado de un apéndice con problemas que el estudiante ha de resolver. Se considera suficiente que acierte en su solución. Pero no importa el procedimiento seguido ni los motivos por los que se ha seguido ese y no otro procedimiento. Pero eso es precisamente la heurística del problema, las vías que se han seguido para su solución, tanto o más importantes, como la última, pues son las que permiten resolver otros problemas similares.

Procedimientos como el trabajo hacia atrás, antes descrito, ya se conocian hacía siglos. Simon no inventó la heurística como modo de resolver problemas . Lo que sí inventó es la heurística como método utilizable por un ordenador para resolver problemas, y con ello convirtió a la heurística en una forma de pensar sistemática y de uso general en la cultura informática, al menos, norteamericana. Para ello tuvo que ingeniarse una forma concreta de representar el problema en el ordenador de forma gráfica: "el problem space". En el "problem space" se representan los objetivos que se quieren o "desired state", el estado inicial o "initial state" y los pasos para alcanzar el estado final desde donde se está. Modelo que se denomina "maze ", el modelo del laberinto.

Con la heurística ideó una forma de buscar soluciones a un problema distinta a la seguida tradicionalmente hasta entonces: la solución algorítmica. En lugar de buscar todas las soluciones posibles y seleccionar entre ellas la mejor, consideró que la tarea inteligente no era generar el máximo de alternativas sino alternativas sólo "plausibles", para evitar una explosión exponencial de búsqueda: "to generate only structures that show promise of being solutions or of being along the path towards solutions". (Newell & Simon, 1976: 123).

El programa generaba un árbol de búsqueda o "exploration trees" y tenía una serie de heurísticas o reglas de conducta que determinaban de entre los subproblemas generados cual debería resolverse a continuación, proveyendo garantías de que ese camino sería válido para llegar al objetivo previsto. Por ejemplo, la técnica "best-first search" inducía a una búsqueda del nodo que aparecía más cercano al objetivo.

En su autobiografía, Herb Simon relata el cuento de Hugo, un "ordinary man" , que vive en un castillo heredado de sus padres, un enorme edificio con innumerables habitaciones que va explorando a lo largo de su vida, ocupado en la búsqueda de soluciones , hasta que al final se da cuenta, releyendo el pasaje de la Biblia en el que la mujer toma la manzana y la encuentra buena para comer, que el secreto no estaba en la manzana sino en él mismo.

Herbert Simon se ve a sí mismo como un investigador, como un científico dentro de un laberinto, interesado sobre todo en "to observe people as they encounter bifurcations and try to understand why they take the road to the right or to the left" (Models , 1991:179).

No obstante, un cosa es tratar de entender , "understand" y otra, inventar un procedimiento para la toma de una decisión por el ordenador. En un momento de su vida, en los años que el califica los "más importantes", no sólo observó o se observó, sino que construyó un procedimiento para representar la solución de problemas en un ordenador. Y esta construcción fue parte de un esfuerzo de un equipo que abrió paso a la A.I..

El descubrimiento de su funcionamiento de su procesos mentales fue, como hemos indicado, una función del proyecto de inventar la máquina inteligente. Ello explica que en el famoso episodio antes citado por Feigenbaum, afirmara: "Al Newell and I invented a thinking machine", en lugar de: " I discovered how does my mind work". Su introspección sicoanalítica no era simplemente un ejercicio de sicología, sino de sicología aplicada a la invención de la máquina pensante. El fin era inventar The Logic Theorist Machine, el medio, resolver un problema de sicología.

Esta invención se presentó en los papeles dirigidos a la comunidad científica e ingeniera de su tiempo de una forma ambigua. Por un lado se presento en un papel titulado " The Logic Theory Machine, a Complex Information Processing System", (1956, July 12) y a su vez, se decía en él que éste era el resultado de un proyecto más amplio de estudio de los "complex information processing systems". Y por ello este programa se escindirá luego en dos : la ciencia cognitiva y la Artificial Intelligence "in the narrow sense" realizada también por ambos, pero sobre todo por el segundo, en el Computer Science Department.

2.2.6. EL 15 DE DICIEMBRE DE 1955.

Herb Simon afirma en el capítulo de su reciente autobiografía titulado ‘ The Logic Theorist is Conceived" : "I have always celebrated December 15, 1955, as the birthday of heuristic problem solving by computer, the moment when we knew how to demonstrate that a computer could use heuristic search methods to find solutions to difficult problems" (Models,1991:206).

Si como hemos visto al principio por L.T. se entiende sólo un proceso de simulación de pensamiento humano formalizado, se puede en efecto afirmar que el L.T. nace cuando Herb Simon escribe en la hoja de papel el proceso simulado de su mente de una forma programable. Pero eso no es lo que dice aquí: aquí dice que es el nacimiento de " "heuristic problem solving by computer". Aquí habla de una acción de resolución de problemas por el ordenador no sólo simulada sino real, de una solucion real de problemas por el ordenador.

Eso no se había conseguido aún el 15 de diciembre de 1955.

El programa de ordenador aún no existía. Simon nos dice que le preguntó a Newell si era programable su esquema, y al estar éste de acuerdo, a continuación empezaron a trabajar en el segundo problema: escribir el procedimiento en una forma programable en un ordenador.

El avance que realiza Simon, el saber qué heurísticas puede seguir el ordenador para resolver el problema es sólo una tercera parte de la invencion del L.T.. Si el trabajo se hubiera detenido aquí, el L.T. no existiría. Existiría la simulación de un procedimiento simulado de un proceso mental humano. Faltaban tres pasos más: 1. escribirlo en un lenguaje intermedio o "seudo-cod e" programable y 2. programarlo y 3. probar que funcionaba. Lo que se había generado era un avance en la posibilidad plausible de construir un programa inteligente.

Esta diferencia entre programa simulado y programa que funciona nos parece importante, máxime en una cultura que se define cada vez más como una "sociedad del conocimiento" y cuya fuerza estriba en el valor añadido que produce en forma de conocimiento que pone en las cosas, por sus programas. La tecnología no es una "posibilidad plausible" o "realizable" (feasible), es una posibilidad realizada, que funciona, que ya se ha realizado, y funciona. Por eso lo que importa son los resultados, no tanto los fines, sino los finales.

La cultura de la tecnología está pasando a ser cada vez menos una cultura de cosas, a una cultura del conocimiento de las cosas, de cómo se hacen éstas. El problema es que si este conocimiento no se prueba, y la única forma de probarlo es construyendo lo que se dice saber construir, no se tiene conocimiento tecnológico, sino su simulación, que en el caso de la cultura informática usualmente se queda en un procedimiento matemático formalizado, y de "computer science" volvemos a las matemáticas de nuevo.

La simulación del pensamiento humano puede ser un objetivo científico interesante, pero es una simulación, una metáfora, algo que se asemeja al pensamiento humano. Si se considera la metáfora o la simulación como la realidad en lugar de pasar de las logoculturas a las tecnoculturas, volveremos a las mitoculturas, a las culturas basadas en la imaginación y la creación de imágenes como modo cognitivo básico. Un ejemplo aclarará la diferencia.

Con un programa de CAD-CAM podemos simular en el ordenador un avión. Este diseño no es el avión, sino la idea de avión que se hace el diseñador con ayuda del ordenador para hacer un avión que vuele de verdad. El puede creer que al hacer este diseño ya conoce como se hace un avión, pero lo que conoce es cómo diseñar una idea de avión en el ordenador . Pero aún no ha construído el avión. Para realmente probar que su conocimiento de como hacer un avión funciona, este diseño ha de servir para construir el avión, no sólo su prototipo , su idea. De lo contrario, se queda en la simulación. Por ello nos parece oportuno diferenciar dos conceptos: conocimiento tecnológico simulado y conocimiento tecnológico probado.

La idea de simulación ha servido para liberar al ingeniero de limitarse a una mera actividad estrecha de "learning by doing". Antes, en época de Edison se inventaba por el método de "cut-and-try". Mera práctica, y de la práctica salía el "expertise". La revolución cognitiva tras la II Guerra Mundial cambió todo ésto. Puso la fuerza en el conocimiento: "Knowledge is Power" (Feigenbaum). Pero este planteamiento vemos que tiene también sus problemas. El peligro es quedarse en Platón , en el reino de las ideas, independiente de la materia. Esta visión del conocimiento en parte ha supuesto un avance respecto al viejo pragmatismo ingeniero, pero al mismo tiempo, se ha retrocedido a un mundo cultural, pretecnológico, al mundo de la ciencia, separando lo concebible de lo realizable, la investigación de su producción en forma de productos industriales, una de las actuales debilidades de Estados Unidos frente a Japón. El conocimiento es poder si y sólo si transforma la realidad, no sólo si la simula. La ciencia cambió la visión de la realidad. La tecnología hace algo más, cambia la realidad misma.

2.2.7. "THE INTERPRETATIVE CODE": ALLEN NEWELL.

El 15 de diciembre termina una etapa clave en la construcción del L.T.: descubrir como una mente humana, en concreto la de Herbert Simon, resolvía problemas de lógica. Pero esto no es "el nacimiento de la solución heurística de problemas por el ordenador". H. Simon no era un ordenador sino que su mente había "simulado" un supuesto funcionamiento de un ordenador.

Faltaba una serie de pasos decisivos para que realmente un ordenador digital procesara la información contenida en el L.T. y probara los teoremas. Había que hacer algo más: inventarse un lenguaje nuevo para que el ordenador realizara efectivamente ese procedimiento simulado, había que programarlo en ese lenguaje-máquina, y había que comprobar que el programa funcionara realmente en un ordenador digital. Y así lo hicieron.

" During the subsequent several days, Al and I worked hard to sharpen up the program, and put it in a form where one could consider coding it for the machine (that is in the interpretative code). ( (Simon. "Some Notes..."1957:2).

Este fue el segundo paso. Newell y Simon tradujeron los teoremas y las formas de resolverlos hechas por Simon en un "intermediate language" o "logic language" ("L.L.").¿ En qué consistía éste?. En papel presentado en Mayo 1, 1956, a la conferencia sobre Computers and Automation, en Washington, así lo explicaban: " This language is similar to a computer code in that it consists of sequences of instructions that the computer can execute. However, to execute these instructions, the computer uses a special program that translates the intermediate language instructions into machine code." (Newell & Simon, Currents...1956:19). Este lenguaje se denominaba usualmente "pseudo-codes" o "interpretive languages" y su principal objetivo era "to free the user from the additional planning and envisioning of information flows that is required if a problem is put in machine code" (ibid. :20).

La "Logic Theory Machine" que Newell y Simon presentaron en esta conferencia era como ellos mismos afirman " a code in an interpretive language". La primera simulación de los procesos de resolución de los teoremas realizados a mano por Herb Simon se había traducido a una segunda simulación por Newell y Simon, que se acercaba aún más a la solucion del problema inicial: cómo construir una máquina inteligente. Pero el programa de ordenador aún no existía, o si se prefiere aún no funcionaba en el ordenador y por lo tanto no se sabía realmente si iba a funcinar o no. Se esta hablando aún de un programa sobre papel, en proceso de construcción. Parecía que podía funcionar, pero no se había probado.

Para que L.T. se convirtiera en un programa de ordenador faltaba un tercer paso: programarlo informáticamente, y para ello Allen Newell y Cliff Shaw, paralelamente al trabajo de Herb Simon, se estaban encargando de construir un nuevo lenguaje para la máquina. Según escribe Simon en su autobiografía: "Although all three of us participated in its design, Al and Cliff took primary responsibility for constructing such an information-processing language (IPL) or list-processing language...My role consisted primarily of comparing proposed language with the analogous human functions." (Models,1991:204).

El documento clave para analizar el proceso de programacion del LT es elaborado por Newell y Shaw:"Programming the logic theory machine" (1957), en que se especifica que las ideas del mismo están compartidas por el conjunto del equipo.

En este papel se describe un nuevo lenguaje de programación, el IPL o " Information Processing List". La novedad fundamental que aportaba es que no era un lenguaje para el procesamiento de números como los concebidos hasta la fecha, como el FORTRAN, sino un nuevo tipo de lenguaje para procesar símbolos lógicos.

2.2.8. EL 9 DE AGOSTO DE 1956: LA INVENCION DE LA LOGIC THEORY MACHINE.

En resumen, de todo lo anterior se puede deducir que la invención del L.T. es un proceso que parte de una posibilidad imaginada de construir una máquina pensante, una secuencia de acciones para conseguir este objetivo, y un resultado final, probado.

En este proyecto inventivo, el descubrimiento , mediante autoanálisis, por Herbert Simon de cómo una mente humana resuelve un problema de lógica es un medio de un proyecto más general basado no en este descubrimiento sino en la invención del L.T. La ciencia empírica se puso como instrumento de la A.I..

Este complejo proceso de medios y fines explicaría la evolución y las características del modelo de AI de Herb Simon y Allen Newell en CMU. Si se considera que el 15 de diciembre fue el nacimiento de la resolución heurística de problemas por el ordenador, ello explicaría dos profundas convicciones que se tienen: 1. Creer que el L.T. nació de una copia del funcionamiento de su mente, esto es, de un descubrimiento. Por ello se piensa que la clave del avance de la A.I. es la simulación del pensamiento humano, ésto es, el mismo procedimiento que él siguió. 2. Pensar que la actividad de simulación es el punto común denominador entre la ciencia cognitiva y la AI.

Pero esta versión dificulta entender la unidad del proceso de invención del LT, está fuera de un contexto concreto: el ordenador como máquina de circuitos electrónicos, y de las personas de carne y hueso que materializaron la Logic Theorist Machine.

Se identifica invención con actividad mental exclusivamente. Lo cual induce a errores. Pocos meses antes en Octubre de 1955, según el propio Simon relata en su biografía, también tuvo la convicción de que podía programar la máquina para resolver problemas de geometría: " The example I had in mind had to do with angles inscribed in circles and semicircles...Suddenly I had a clear conviction that we could program a machine to solve such problems. I jotted some notes on a piece of paper and thought hard about it for a few minutes, the conviction remaining very strong. I think the conviction arose from the fact that I could see the heuristic I was using and how it cut down the search space".(Models, 1991:203-204). Pocas semanas después el equipo tuvo que abandonar esta tarea. No podían representar los diagramas en el ordenador. La lógica matemática se convirtió en la nueva tarea.

Esto demuestra que no bastaba tan sólo con simular la idea, había que programarla.

Podia haber ocurrido lo mismo con la prueba simulada a mano del 15 de diciembre. Pero¿ cuál fue la diferencia?. Se pudo programarlo. Y se pudo probar, además, que el programa funcionaba.

Sin estas dos tareas no hubiera habido invento. La invención tecnológica era la síntesis de las tres funciones. Ninguna de ellas por separado podría haber producido la Logic Theory Machine. A la Conferencia de Darmouth Simon y Newell llevaron un código, todavía no tenían el programa probado. No obstante, ello ya fue suficiente para tener ventaja sobre el resto de participantes. Pero tomar esa conferencia como punto de partida de la A.I. es separar