Heurstica es la capacidad de un sistema para realizar de forma inmediata innovaciones positivas para sus fines.

La capacidad heurstica es un rasgo caracterstico de los humanos, desde cuyo punto de vista puede describirse como el arte y la ciencia del descubrimiento y de la invencin o de resolver problemas mediante la creatividad y el pensamiento lateral o pensamiento divergente. La palabra heurstica procede del trmino griego ,1 que significa hallar, inventar (etimologa que comparte con eureka2 ). La palabra heurstica aparece en ms de una categora gramatical. Cuando se usa como sustantivo, identifica el arte o la ciencia del descubrimiento, una disciplina susceptible de ser investigada formalmente. Cuando aparece como adjetivo, se refiere a cosas ms concretas, como estrategias heursticas, reglas heursticas o silogismos y conclusiones heursticas. Claro est que estos dos usos estn ntimamente relacionados ya que la heurstica usualmente propone estrategias heursticas que guan el descubrimiento. La popularizacin del concepto se debe al matemtico George Plya, con su libro Cmo resolverlo (How to solve it). Habiendo estudiado tantas pruebas matemticas desde su juventud, quera saber cmo los matemticos llegan a ellas. El libro contiene la clase de recetas heursticas que trataba de ensear a sus alumnos de matemticas. Cuatro ejemplos extrados de l ilustran el concepto mejor que ninguna definicin:

Entender la estructura de problemas como formacin heurstica en diseo

BRIAN LOGAN

1. Introduccin

Pueden distinguirse al menos dos variedades principales en la literatura sobre teora del diseo; que el diseo es un proceso basado en el conocimiento; y que el diseo es un proceso de aprendizaje. Por ejemplo, Schn (1988) ha argumentado que los patrones de inferencia compartidos entre diseadores no son significativamente diferentes de los del razonamiento en la vida cotidiana. Lo que distingue a los diseadores no es una habilidad mstica, sino el conocimiento acumulado que el diseador aporta a un problema. Otros, como Bazjanac (1974), han argumentado que el diseo puede verse como un proceso de aprendizaje en el que el objetivo es el de comprender la estructura del problema. As visto, el diseo procede a travs de un proceso de anlisis-a-travs-de-la-sntess, en el que el problema se explora a travs de una serie de intentos de crear soluciones y entender sus implicaciones en trminos de criterios de diseo. En el presente informe intentamos relacionar estas dos visiones del diseo mostrando que el aprendizaje dentro y entre los problemas del diseo es una consecuencia necesaria de una visin del diseo como algo basado en el conocimiento. Con ejemplos extrados del trabajo realizado en el campo de la inteligencia artificial, desarrollamos un modelo del diseo como proceso de aprendizaje basado en el conocimiento que est basado en el sucesivo refinamiento de un cuerpo de heurstica principal e introducimos este modelo dentro del marco de referencia de abduccindeduccin-induccin propuesto por MARCH (1976). En la seccin 2 discutimos la naturaleza de los problemas de diseo. Un problema de diseo se caracteriza como aquel en el que tanto los objetivos como los medios disponibles para conseguir estos objetivos estn (por necesidad) slo pobremente definidos al inicio. En la seccin 3 presentamos algunas observaciones respecto a la naturaleza del proceso de diseo basado en esta caracterizacin, y se discute que el objetivo fundamental en diseo sea el de entender la estructura del problema. En la seccin 4 se examina ms detalladamente el papel del conocimiento en este proceso y argumentamos que el diseo slo puede proceder a travs del desarrollo de nuevas relaciones y estrategias dentro del contexto del problema de diseo actual. En la seccin 5 investigamos la naturaleza de las reglas heursticas con detalle. La amplitud de una

heurstica se caracteriza como el rea de tarea en la que es aplicable y mostramos que para una determinada serie de heursticas existe (al menos) un problema que no puede ser solucionado usando estas heursticas. En la seccin 6 presentamos una visin alternativa del desarrollo y uso de las relaciones en diseo basada en estas observaciones, que se centra en el papel crtico del aprendizaje en el diseo. Se introduce la idea de unas heursticas centrales o bsicas y argumentamos que la elaboracin y adaptacin de estas heursticas puede verse como un modelo simple de este complejo proceso. La seccin 7 desarrolla un modelo de este proceso de aprendizaje dentro del marco del modelo de diseo propuesto por March y basado en las tres operaciones lgicas de abduccin, deduccin e induccin. En particular, intentamos clarificar el rol de la induccin en la formacin de relaciones entre criterios y su relacin con el proceso de formacin de teoras. En la seccin final argumentamos que, a pesar de sus limitaciones, el modelo sencillo descrito en las secciones previas es til para llegar a entender el papel del aprendizaje en el proceso de diseo.

2. La naturaleza de los problemas de diseo Empezamos presentando nuestra caracterizacin de los problemas de diseo en ms detalle. A nivel muy general, un problema de diseo se ocupa de producir una descripcin de un artefacto o proceso que cumple una serie de objetivos o requisitos. Estos requisitos a menudo estn mal definidos de entrada y pueden estar en conflicto. En general no todos tendrn la misma importancia; los controles legislativos a menudo estn libres de valores, mientras que los requisitos del usuario pueden modificarse durante las discusiones con el cliente, y las restricciones generadas por el diseador pueden ser extensamente revisadas, o incluso abandonadas por completo durante el proceso de diseo (LawSON, 1980). Sin embargo, la verdadera dificultad es que estos objetivos no pueden relacionarse entre s fcilmente. Lawson (1980) dice:

La importancia relativa de los diversos requisitos cambia constantemente durante el proceso de diseo a medida que el sistema de valores del diseador se ve en s mismo afectado por la exploracin de objetivos y lo que l considera posible.

Los juicios de valor respecto a los cambios de unos criterios por otros son por lo tanto dependientes del contexto, y el equilibrio de satisfaccin para estos requisitos puede no estar claro hasta que el diseador explora las diversas posibilidades en detalle. Estos juicios de valor son aplicables no slo a los criterios cualitativos como la esttica, sino tambin a la importancia relativa de criterios cuantitativos que pueden en s ser susceptibles de medicin objetiva. Las cuestiones sobre cules son los problemas ms importantes y qu tipo de soluciones pueden resolverlos con xito tambin estn cargadas de valor, y las respuestas dadas por los diseadores a estas preguntas son, a menudo subjetivas y altamente dependientes del contexto.

La naturaleza del problema real a menudo no es, pues, evidente y debe ser descubierta; los problemas pueden sugerir ciertas caractersticas de las soluciones, pero a su vez, estas soluciones crean nuevos y diferentes problemas. La expresin inicial del problema muchas veces es engaosa, y los diseadores tpicamente han de invertir un esfuerzo considerable en identificar la verdadera naturaleza del problema al que se enfrentan. Los problemas de diseo no tienen lmites evidentes o naturales, sino que ms bien parecen estar organizados de manera relativamente jerrquica. No puede esperarse que muchos elementos del problema emerjan hasta que se haya realizado algn intento de generar soluciones. Dado el carcter esencialmente subjetivo del diseo es inevitable que algunos aspectos del problema permanezcan ir reconocibles o no desarrollados durante gran parte del proceso de diseo. Como resultado, los problemas de diseo estn llenos de incertidumbres tanto sobre los objetivos como sus relativas prioridades, y tanto las prioridades como los objetivos es probable que cambien a medida que emerjan las soluciones. Simn (1973) llama a estos problemas mal estructurados y argumenta que cualquier problema con una base amplia de conocimiento potencialmente relevante entra dentro de esta categora. La tarea del diseo est mal estructurada en este sentido en numerosos aspectos. Inicialmente no hay criterios definidos para probar una solucin, y mucho menos un proceso formal para aplicar los criterios. Adems, mientras que la serie de soluciones alternativas puede darse en un cierto sentido abstracto, no se da en el nico sentido que es relevante desde el punto de vista prctico. El resultado es que nunca puede haber una lista exhaustiva de todas las posibles soluciones a estos problemas. Los problemas de diseo a menudo son, por lo tanto, multidimensionales y altamente interdependientes. Es raro que una parte cualquiera de un diseo sirva slo a un propsito, y con frecuencia es necesario disear una solucin que satisfaga toda una gama de requisitos. Las decisiones de diseo pueden tener otros resultados que no son los esperados, y que realzan criterios y relaciones no reconocidos previamente. En muchos casos los objetivos mencionados estn en conflicto directo unos con otros y el diseador no puede simplemente optimizar un requisito sin sufrir prdidas por otro lado. Por ejemplo, aunque el hecho de ampliar una ventana significa dejar entrar ms luz y tener mejor vista, tambin implica como resultado una mayor prdida de calor y puede crear problemas de intimidad. Los diferentes intercambios entre criterios pueden resultar en toda una gama de soluciones aceptables, cada una de las cuales puede ser ms o menos satisfactoria de forma distinta y para diferentes clientes o usuarios. Es la interrelacin misma entre estos factores la esencia de los problemas de diseo, ms que los factores mismos de forma aislada, y es la estructuracin de relaciones entre estos criterios lo que forma la base para el proceso de diseo (Lawson, 1980). El objetivo fundamental se convierte, pues, en la comprensin de la estructura del problema (ms que la solucin), y el anlisis de las interrelaciones entre criterios para obtener ms conocimiento de las relaciones entre cada decisin de diseo individual y todas las dems decisiones que, unidas, definen la solucin.

3. La naturaleza del proceso de diseo

La exploracin que hace el diseador de esta estructura empieza con la formulacin inicial del problema. En gran medida, un problema de diseo no tiene estructura inherente; adquiere estructura a medida que se proponen soluciones y los problemas se reducen a subproblemas. Realmente, las relaciones entre criterios pueden verse como una funcin del enfoque del diseo incorporada en la solucin propuesta, ms que inherente al problema en s. Esta formulacin inicial forma la base de la subsiguiente exploracin del problema. Consideremos, por ejemplo, el problema de proporcionar una determinada vista desde el comedor de una casa en el momento de disearla.1 Este requisito puede haberse especificado en la descripcin original del problema o puede haberse generado durante el proceso de diseo. En cualquiera de los dos casos el arquitecto puede decidir formular el problema de diseo asociado en trminos de alguna solucin estndar, como un problema de la distribucin del comedor y la ubicacin de la ventana de forma que proporcione la vista deseada desde las zonas relevantes de la habitacin. Formulando as el problema de diseo, el diseador formula a su vez la forma general de la solucin; cualquier solucin de diseo en particular es determinada por una ubicacin concreta de la ventana y una disposicin especfica del comedor. El diseador pasa entonces a explorar las implicaciones de esta decisin de diseo en particular. Al hacerlo, es posible que tome algunas otras decisiones de diseo y considere numerosas alternativas de diseo. Este proceso de exploracin puede conducir al descubrimiento de que al proporcionar la vista deseada resulta imposible mantener la relacin entre la zona del comedor y la entrada de la casa, o que el sistema estructural bsico de la casa no permite colocar una ventana del tamao deseado en el lugar deseado. Como resultado, el diseador se da cuenta de que el problema de proporcionar al comedor una vista tiene otros aspectos y que la solucin puede pasar por encontrar una distribucin ms apropiada de la casa en esa ubicacin, o por redisear el sistema estructural de forma que pueda incorporarse la ventana deseada. La formulacin tanto del problema como de la solucin pueden, por lo tanto, cambiar como consecuencia del intento de resolver un problema concreto. Podra argumentarse que en este caso la formulacin original del problema ha sido poco realista y que un diseador experimentado enfocara el problema de manera ms apropiada. Sin embargo, un argumento as no tiene en cuenta lo ms importante. Al intentar encontrar la solucin a un problema de diseo concreto, incluso el diseador ms experimentado aprender cosas nuevas que darn lugar a la necesidad de redefinir el problema y sugerir soluciones alternativas. La necesidad de comprender (al nivel que sea) los detalles de un caso particular y cmo interactan es, en cierto sentido, lo que hace que un problema de diseo sea un problema de diseo. A medida que una solucin se desarrolla, nos va proporcionando un contexto cada vez ms detallado para ir contrastando y probando las hiptesis del diseador, y la evaluacin de una propuesta puede dar como resultado el descubrimiento de relaciones y criterios no reconocidos previamente. En cierto sentido, las decisiones posteriores son restringidas por las decisiones iniciales puesto que se toman dentro del contexto de una solucin parcial ya existente, y cada decisin aadida limita an ms la gama de posibles alternativas. Las soluciones a subproblemas

concretos es probable que sean modificadas o desechadas en fases posteriores cuando se tengan en cuenta nuevos aspectos y se vayan olvidando o desatendiendo las consideraciones que llevaron a la solucin original. Estos efectos secundarios forman parte de todos los procesos de diseo complejos. El resultado es que mientras la solucin final puede satisfacer todos los requisitos que se le exigen en el momento de probarla, tambin puede violar algunos de los requisitos que fueron impuestos (y temporalmente satisfechos) en una fase anterior del diseo. El diseador puede o no ser consciente de estas violaciones. Otros criterios de diseo apropiados pueden simplemente permanecer latentes, sin necesidad de surgir durante el proceso de diseo. El desarrollo del diseo est, pues, restringido por aquello que mejor se ajusta al conocimiento que tiene el diseador en ese momento. La formulacin del problema en cualquiera de sus fases no es definitiva; ms bien refleja la comprensin que el diseador tiene en ese momento del problema. A medida que el diseo progresa, el diseador aprende ms sobre posibles estructuras del problema y sus soluciones, a medida que se evidencian nuevos aspectos de la situacin y se revelan las inconsistencias inherentes a la formulacin del problema. Como resultado, los diseadores adquieren informacin respecto al problema (y respecto a la solucin) y esto a su vez concluye en la formacin de un nuevo punto de vista; se ha redefinido tanto el problema como la solucin. Este proceso de exploracin y redefinicin contina hasta que se consigue una o ms de las siguientes condiciones (Bazjanac, 1974):

- el incremento de conocimientos se ha tornado insignificante y la comprensin del problema (y la solucin) no pueden variar lo suficiente como para justificar ms redefinicin (es decir, el diseador ha alcanzado el limite de su comprensin); o - los recursos disponibles (sobre todo el tiempo) se han agotado.

No hay una distincin significativa entre anlisis y sntesis en este proceso; se considera que los problemas y las soluciones emergen juntos, ms que sucedindose unos a otros de una manera lgica. Se explora el problema a travs de una serie de intentos de crear soluciones y comprender sus implicaciones en trminos de otros criterios. El diseador llega a entender las relaciones crticas y las formas posibles a medida que una solucin evoluciona. Entre soluciones genricas la planificacin no es tanto una bsqueda de la mejor solucin cuanto una exploracin de los compromisos que producen suficientes soluciones. Estas exploraciones ayudan al diseador a saber qu requisitos pueden alcanzarse ms fcilmente. Como parte de este proceso, el diseador aprende qu criterios de valor ayudarn a alcanzar los requisitos de diseo y qu variacin de estos valores puede tolerarse sin dejar de conseguir un rendimiento aceptable; aprende las implicaciones de conseguir el actual objetivo y cualquier otra decisin necesaria para hacer que el hecho de alcanzar estas metas sea consistente con la solucin existente. Aprender ms sobre la estructura del problema es la parte ms importante de este proceso. El objetivo fundamental se convierte en la comprensin de la estructura del problema, y el mayor

esfuerzo del diseo debe estar dirigido hacia la estructuracin de problemas y slo debe dedicarse una pequea fraccin a resolverlos una vez que han sido estructurados (Simn, 1970). El proceso de diseo puede verse de forma ms general como un proceso de descubrimiento de informacin sobre las estructuras de problemas que, en ltima instancia, ser de gran valor para desarrollar posibles soluciones.

4. El conocimiento en diseo La generacin de soluciones se basa en un extenso conocimiento de mtodos, estrategias y soluciones de diseo a problemas previos. Las propuestas de diseo no se producen a ciegas, sino que son el resultado de una comprensin general de los tipos de soluciones que pueden ser adecuadas en una situacin determinada, y la manera en que puede llegarse a estas soluciones. Un componente importante de este conocimiento es lo que podramos llamar experiencia recopilada. El rol del conocimiento a priori, derivado tanto de una familiaridad con problemas relacionados o en forma de guas y estndares publicados, ha sido ampliamente reconocido en estudios sobre diseo. Foz (1972) ha mostrado que la exploracin del problema evoca en la memoria soluciones previamente conocidas. Estos ejemplos se usan como guas o plantillas para analizar o desarrollar posibles soluciones en trminos de los requisitos del problema. Akin (1978) argument el uso de transformaciones de problemas, que hacen que la solucin actual del problema sea ms especfica, como una solucin prerrecopilada, una solucin anloga, una solucin genrica, etc. [...] si las transformaciones explcitas no son posibles en ese momento hay que usar la experiencia previa para suponer que ciertos aspectos de la solucin actual pueden especificarse an ms. Ms recientemente Gero y otros autores (Gero, 1987; Gero, Maher & Zhang, 1988; Oxman & Gero, 1988) han propuesto que los conocimientos de diseo son almacenados y recuperados en una serie de esquemas abstractos llamados prototipos: 'agrupaciones generalizadas de elementos en un dominio de diseo [...] del que pueden derivarse ejemplos de elementos'. Estos enfoques del diseo pueden considerarse en general como basados en el conocimiento, pues ven el proceso de diseo como una serie de transformaciones del problema gobernadas por reglas o cdigos que vinculan las soluciones de diseo con los requisitos abstractos. Hay claros paralelismos, por ejemplo, entre las plantillas de Foz, las transformaciones de problemas de Akin y el concepto de prototipos de Gero. Todos estos enfoques tienen en comn la idea de que el diseo procede a travs del uso de un cuerpo organizado de conocimientos a priori, que se utiliza tanto para estructurar como para comprender el problema de diseo, y que constituye la base de las hiptesis de diseo. En este punto de vista existe en cualquier momento una lista de objetivos actuales junto con una (potencialmente grande) serie de heursticas, estrategias, ejemplos previos, etc., que incorporan una serie de relaciones percibidas entre solucin y criterios. Estas relaciones funcionan como reglas de produccin plasmando un

problema expresado en trminos de requisitos abstractos sobre alguna solucin o clase de soluciones que satisfaga estos requisitos. El lmite entre el espacio de criterios y el de soluciones se mueve para incluir como criterios soluciones a problemas previos, a medida que los problemas representados por los criterios se van reduciendo a series de subproblemas ms sencillos cuya solucin es conocida, o que al menos son ms fciles de resolver. Este proceso contina hasta que no es posible reducir ms o hasta que se considera que el problema resultante ya no es problema del diseador; por ejemplo, el problema de cmo disear una viga para que soporte un peso determinado o el problema de cmo construir una pared de un tamao determinado en una oposicin concreta. Steadman (1979) ha argumentado que en el diseo arquitectnico este cuerpo de conocimiento general o colectivo se perpeta a travs de la educacin arquitectnica, las revistas y publicaciones sobre arquitectura y el estudio de los edificios ya existentes. Sin embargo no es, a pesar de ciertas excepciones, de naturaleza organizada, explcita o cientfica. Ms bien, la experiencia emprica de una gama de diseos relacionados proporciona un cuerpo de conocimientos y comprensin sobre cuya base es posible construir una teora (o teoras) generalizada sobre una clase de artefactos, que se utiliza para extrapolar, ms all de los casos probados, a diseos hipotticos, aunque relacionados, que an han de ser construidos. Es este cuerpo de conocimientos sobre, por ejemplo, la relacin del rendimiento fsico con la forma, lo que proporciona informacin para la creacin de soluciones. Sin embargo, cuando dirigimos nuestra atencin a la consideracin detallada de estas reglas, se evidencia casi inmediatamente una dificultad an mayor. El diseo, por su naturaleza, trata sobre todo con la especificacin de objetos que son nicos. (Si ya existe un objeto al que se le reconoce que alcanza satisfactoriamente todos los objetivos de diseo ya no hay, por definicin, un problema de diseo.) Entonces se plantea la pregunta: cmo puede una coleccin de relaciones necesariamente finita tratar o lidiar con la infinita variedad de posibles problemas de diseo? O, para ser ms precisos, qu pasa cuando no puede encontrarse una regla que sea apropiada para el problema que nos ocupa? Es imposible dar una respuesta completa a esta pregunta dado nuestro conocimiento actual del proceso de diseo; sin embargo, intentaremos desarrollar una pequea parte de dicha respuesta en lo que resta del presente trabajo. Brevemente, argumentaremos que en general el diseo slo puede proceder a travs del desarrollo de nuevas relaciones y estrategias dentro del contexto presentado por el problema de diseo. En lo que queda del presente trabajo presentaremos un modelo de desarrollo y aplicacin del conocimiento del diseo basado en el sucesivo refinamiento de una serie de reglas heursticas e incorporaremos este modelo al modelo del proceso de diseo propuesto por March (1976).

5. La naturaleza de la heurstica

Una heurstica es un proceso o procedimiento que puede resolver un problema, pero que no ofrece garanta de que vaya a hacerlo (Newell, Shaw & Simn, 1963). El estudio de la heurstica como disciplina separada empez de forma efectiva con Polya (1945), que traz sus orgenes hasta Leibniz, Descartes e incluso Pappus. Ms recientemente, Pospeiov y Pushkin (1972) han intentado definir el campo como la ciencia que estudia las leyes que gobiernan el diseo de nuevas acciones en nuevas situaciones. Principalmente, la experiencia ha llegado sobre todo de otras reas de estudio que no son el diseo, sobre todo las matemticas (Davis & Hersh, 1980; Polya, 1945) y la inteligencia artificial (Lenat, 1982). A pesar de las importantes diferencias en cuanto a materia y enfoque, argumentaremos que los resultados de estos estudios son relevantes para el diseo.2 El material de esta seccin se basa en el trabajo de Lenat (1982; 1983a; 1983b). Ms abajo presentamos un resumen del trabajo de Lenat y en secciones subsiguientes intentamos desarrollar estas ideas y relacionarlas con la actividad del diseo. Lenat (1982) argumenta que el poder de la heurstica yace en una especie de continuidad bidimensional sobre situaciones y acciones:

Si una heurstica H fue (o hubiera sido) til en la situacin S, entonces es probable que heursticas parecidas a H sean tiles en situaciones parecidas a S.

En otras palabras, si pudiramos de alguna manera representar grficamente la funcin conveniencia (accin, situacin), esa funcin sera continua en ambas variables y variara muy lentamente. Esto es obviamente una idealizacin; hay muchas maneras de caracterizar situaciones (el mbito del problema, la dificultad del problema, el tiempo disponible para su solucin, etc.) y muchas medidas de conveniencia (la calidad de la solucin resultante, el coste computado de utilizar la heurstica, etc.) con el resultado de que podemos hacer poco ms que estimar la utilidad de una accin concreta en unos cuantos criterios y en un nmero pequeo de situaciones. No obstante, Lenat argumenta que esta suposicin est en la base de la mayor parte de la utilidad de la heurstica en la solucin de problemas y que a menudo es til comportarse como si la suposicin fuera cierta, es decir, actuar como si fuera cierto que la funcin conveniencia (accin, solucin) existe, es continua y no vara con el tiempo. Lenat desarrolla varios corolarios de esta suposicin:

Corolario 1: Si una accin A es conveniente en una situacin S, luego A tambin es conveniente en la mayora de situaciones que son muy similares a S. En una accin determinada, su conveniencia es una funcin continua de la situacin. Si la situacin cambia slo ligeramente entonces los juicios respecto a qu acciones son convenientes tambin cambia slo ligeramente. Esta es la justificacin bsica del razonamiento por analoga; si algo

funcion en una situacin similar en el pasado, es probable que funcione en el problema que nos ocupa actualmente.

Corolario 2: Si una accin A es conveniente en una situacin S, entonces tambin lo son la mayora de acciones que son muy similares a A. En una situacin determinada, la conveniencia es una funcin continua de acciones. Si una accin es especialmente til (o daina) en alguna situacin, es probable que cualquier accin muy similar tenga consecuencias parecidas. Esta es la justificacin bsica para satisfacer, para aceptar una solucin que es suficientemente buena; dado que cualquier situacin similar tendr, en general, consecuencias parecidas, no vale la pena buscar una respuesta ptima.

Corolario 3: Si una accin A hubiera sido conveniente en una situacin S, entonces la regla Si la situacin es parecida a S, entonces pruebe A, puede ser til en el futuro.

Es efectivo en cuanto al coste el formar y utilizar heursticas que podran haber sido tiles en el pasado. Esta es la justificacin bsica para la utilidad de la memoria. Si concluimos (despus de mirar hacia atrs) que una regla habra podido ser til en el pasado, entonces es probable que sea de utilidad en el futuro. En el resto del presente trabajo intentamos extender este marco al terreno del diseo. Empezamos considerando la naturaleza de la heurstica con ms detalle.

5.1. El poder de las heursticas individuales Una situacin es la descripcin de un problema o tarea: una lista de objetivos as como la serie de restricciones, suposiciones previas y cualquier solucin parcial ya existente que forman el contexto del problema. Para que un cuerpo de heurstica sea efectivo para guiar la accin, cada heurstica debe especificar aquellas situaciones en las que su/s accin/ones son especialmente convenientes o inconvenientes. Podemos ver una heurstica como una sencilla regla de produccin de la forma:

si (condicin) luego (accin)

Si la condicin es cierta (o aproximadamente cierta) en una situacin actual, luego la accin puede ser la conveniente para probar. Estas reglas pueden ser analticas o sintticas. Por ejemplo, si la tarea es disear una viga capaz de sostener una carga determinada, la heurstica se considerara sinttica. A la inversa, si el objetivo es predecir los requisitos de energa calorfica de un diseo

propuesto, la heurstica se considerara analtica. En ambos casos puede usarse una variedad de enfoques, que van desde experiencias empricas hasta sofisticados mtodos de elementos finitos. De forma ms general, tambin hay reglas que son tiles en situaciones menos bien definidas; por ejemplo, qu tipo de sistema estructural utilizar dado el tipo de edificio y las restricciones de coste, o la evaluacin de la distribucin de un edificio dados los requisitos de diseo y las caractersticas del lugar de ubicacin. Cada heurstica ser ms o menos til en una situacin determinada. La utilidad de una heurstica es de cero en algunas situaciones (donde la heurstica no es considerada relevante, es decir, la condicin es falsa) y es ms o menos positiva en otras (en las que la condicin es cierta).3 Un problema puede caracterizarse de muchas maneras diferentes (por ejemplo, el alcance del problema, el grado de dificultad, los recursos disponibles para una solucin, etc. incluyendo el contexto de cualquier solucin parcial que pueda ya existir). Un problema determinado puede identificarse con una serie concreta de valores en cada una de las dimensiones de la situacin. Podemos ingenuamente clasificar los problemas como problemas fciles y problemas difciles o problemas de estructuras y problemas de entorno, por ejemplo. De forma similar, hay muchas formas diferentes de caracterizar la utilidad de una heurstica (por ejemplo, su fiabilidad, los recursos necesarios para llevar a cabo la accin, etc.). Cada heurstica tendr un nivel determinado de utilidad para cada dimensin de utilidad de un problema concreto. Por ejemplo, en una situacin dada una heurstica concreta puede ser de rpida aplicacin pero poco fiable. Ntese que aunque parece que hay un solapamiento la velocidad con la que se precisa una solucin versus la velocidad con la que se produce una solucin, por ejemplo estas dimensiones son distintas. Las dimensiones de situacin caracterizan el problema, mientras que las dimensiones de utilidad caracterizan la heurstica.4 Si hay n dimensiones de utilidad y m dimensiones de situacin entonces la utilidad de una heurstica en una dimensin de utilidad concreta puede ser representada por un punto en un espacio dimensional n + m. Para un problema determinado estaremos en algn punto en cada uno de los ejes de situacin situacinj y la utilidad de una heurstica en alguna medida de utilidad utilidad, se da por

utilidadi = f u (heurstica, situacin1-m)

Para cualquier par de dimensiones de utilidad y situacin (utilidad,, situacin,) y alguna asignacin de valores a las restantes dimensiones de situacin podemos imaginar plasmar grficamente la utilidad de una heurstica en la dimensin utilidadi para valores variables de situacin^. Para n dimensiones de utilidad y m dimensiones de tarea hay n x m curvas tales de poder para cada heursrica. Ntese que en muchos casos esto ser una funcin constante. Por ejemplo, mientras que la fiabilidad de una heurstica puede esperarse que dependa del mbito del problema o del grado de dificultad, es improbable que se vea afectado por el tiempo disponible para una solucin. La utilidad de una heurstica en una situacin determinada es una funcin tanto de la utilidad de la condicin como de la utilidad de la accin

utilidadi = f u (utilidadic, utilidadia) donde utilidadic = f c (condicin, situacin1-m) utilidadia = fa (accin, situacin1-m)

Si, por ejemplo, tanto la condicin como la accin de una heurstica tienen un coste asociado en tiempo o recursos y una fiabilidad asociada, entonces el coste total de utilizar la heurstica ser el coste de evaluar la condicin (para averiguar si la situacin es del tipo adecuado) ms el coste de realizar la accin, mientras que la fiabilidad global de la heurstica puede ser producto de la fiabilidad de la condicin y de la fiabilidad de la accin. Una heurstica, como por ejemplo Si el problema es parecido a uno que hemos resuelto previamente, entonces copie o adapte la solucin previa, puede tener gran utilidad (por ejemplo, bajo coste o alta fiabilidad) para problemas tpicos. El coste global de la heurstica depender del coste de la bsqueda de la solucin previa (la condicin) y del coste de copiar o adaptar esa solucin (la accin). La fiabilidad de la heurstica ser alguna funcin de la fiabilidad de la bsqueda (por ejemplo, el porcentaje de soluciones previas examinadas, o el fallo de no detectar diferencias significativas entre la situacin previa y el problema actual) y la fiabilidad de adaptar la solucin previa (por ejemplo, se traspasaron detalles relevantes de la solucin previa a la presente?). Estimar la utilidad de una condicin es, a menudo, difcil. Mientras que puede ser posible determinar el coste de evaluar una condicin, a menudo es mucho ms difcil estimar su fiabilidad al seleccionar la serie de situaciones pretendidas. Esta es esencialmente la utilidad de la planificacin, determinar cunto tiempo o recursos deben destinarse a decidir qu es lo siguiente que debe hacerse cunto tiempo invertir en clasificar la situacin, o en buscar aspectos en que la presente situacin es similar o diferente a situaciones encontradas previamente. La utilidad de planificar vara tanto con la dificultad del problema como con el coste de la accin propuesta. Para problemas triviales, la planificacin puede ser mayormente una prdida de tiempo (casi cualquier heurstica resolver el problema). Sin embargo, para los problemas complejos o en situaciones en las que hay muchos problemas que interactan, la planificacin puede ser esencial para evitar perder el tiempo. Estimar la utilidad anticipada de una accin en una situacin determinada muchas veces tambin es difcil. La estimacin de utilidad puede estar basada simplemente en la experiencia subjetiva cuntas veces la accin ha tenido xito en situaciones similares en el pasado o puede ser alguna medida del coste de realizar la accin en trminos de tiempo o recursos. Si una accin ha tenido xito con frecuencia en situaciones similares en el pasado, puede ser una buena heurstica para probar en relacin a la situacin actual (dependiendo de otros factores como el tiempo necesario para realizar la accin frente al tiempo disponible para resolver

el problema). Por otro lado, si slo tiene xito ocasionalmente, pero en las ocasiones en las que s lo tiene produce una buena solucin que es fcil de aplicar, puede valer la pena probarla.5 Podemos intercambiar la utilidad de la capacidad de la condicin y de la accin de llegar a un nivel determinado de utilidad, por la heurstica de forma global. Por ejemplo, al resolver problemas de estructuras, las dos heursticas Utilice siempre mtodos de elementos finitos y Identifique aquellas situaciones en las que pueden utilizarse mtodos analticos ms sencillos, pueden producir una solucin igualmente buena en el mismo espacio de tiempo. Sin embargo, en general una buena heurstica es aquella en la que hay un elevado nivel de solapamiento entre las situaciones en las que la condicin tiene gran utilidad y aquellas en las que la accin tiene gran utilidad. Si las dos series slo se solapan parcialmente, la heurstica resultante puede ser poco fiable en algunas situaciones tendr xito mientras que en otras ser un fracaso (por ejemplo, tardar mucho o producir la respuesta equivocada). Si los dos grupos de situaciones son inconexos, la heurstica resultante tendr una utilidad baja o nula incluso aunque la condicin y la accin en s mismas tengan xito. Puesto que el coste de la accin propuesta en tiempo o recursos aumenta, vale la pena invertir ms tiempo en decidir qu enfoque adoptar.6 Los mtodos de elementos finitos son aplicables a la mayora de problemas estructurales de diseo, pero son efectivos en cuanto al coste slo en aquellas situaciones en las que no se dispone de mtodos ms sencillos y a menudo se considera cuidadosamente si un problema requiere o no estos mtodos.

5.2. El espacio de la heurstica En realidad, claro est, un diseador utiliza la una amplia gama de heursticas al solucionar un problema determinado. En general, una serie o conjunto de heursticas tendr mayor utilidad que cualquiera de sus componentes considerados aisladamente. Las diferentes heursticas son aplicables en diferentes situaciones y la utilizacin de varias heursticas de forma combinada puede ser ms efectiva que utilizar una sola, por ejemplo s la accin de una heurstica se equipara con la condicin de otra. Sin embargo, la utilidad global de un conjunto de heursticas no es simplemente la suma de las utilidades de las heursticas individuales. A menudo las interacciones entre heursticas son muy fuertes y la independencia es la excepcin ms que la regla. Muchas veces dos heursticas sern dos mtodos diferentes de conseguir el mismo resultado y la utilidad global del conjunto no aumenta mucho estando las dos presentes.7 Mientras que las heursticas a veces interactan sinrgicamente, a menudo se da que hay varias series de heursticas internamente consistentes pero mutuamente inconsistentes dentro del conjunto global. Utilizar las heursticas de slo uno de estos conjuntos producir una solucin consistente al problema, pero el uso desestructurado de heursticas de diferentes grupos produce inconsistencias en la solucin. Estas interacciones son frecuentes en mbitos como el diseo, donde el intento de conseguir un requisito o caracterstica concreta muchas veces genera problemas en otra parte. SlMON (1973) argumenta que las buenas heursticas son aquellas que

minimizan estas interacciones, y que forma parte del aprendizaje de un diseador el aprender qu enfoques a la resolucin de un problema son mutuamente consistentes. La utilizacin de una heurstica en particular en una situacin determinada limita que otras heursticas pueden emplearse en la nueva situacin resultante. Como en una partida de ajedrez, cualquier movimiento concreto en una situacin determinada condiciona y limita los movimientos posteriores. En teora, en una situacin determinada hay un mejor movimiento posible que puede encontrarse por la enumeracin exhaustiva de todos los posibles movimientos y contramovimientos a partir de la posicin actual. De forma similar, en cualquier situacin de diseo dada podemos imaginar computar la utilidad global de una heurstica de manera que la heurstica con la utilidad global ms elevada en ltima instancia lleve a la mejor solucin global que puede conseguirse en la presente situacin. Ntese que en este caso la palabra mejor significa mejor en todas las dimensiones de utilidad (sopesada en relacin a la importancia de cada dimensin de utilidad) tal y como stas aparecen en el contexto del diseo finalizado, es decir, modificado por la creciente comprensin que tiene el diseador de lo que es posible y las implicaciones de las diversas alternativas. Obviamente, computar esta utilidad global es imposible significara la enumeracin exhaustiva de todos los diseos posibles en la presente situacin (es decir, volver atrs sobre lo ya hecho y abandonar la solucin parcial presente) y precisara de un espacio bien definido de diseos posibles. Cada decisin de diseo individual debe hacerse en el contexto del problema global. Este contexto incluye tanto la especificacin del problema y el resto de la solucin de diseo tanto las decisiones tomadas hasta la fecha como las que se tomarn en el futuro, puesto que la decisin tiene que satisfacer no slo los objetivos actuales sino que debe seguir satisfacindonos en el contexto de la solucin final cuando se hayan tomado todas las decisiones restantes. No slo est indefinida la serie de decisiones futuras sino que la parte que s est definida, la definicin actual del problema, cambiar en el transcurso del diseo a medida que sea modificada por la creciente comprensin que adquiere el diseador de las implicaciones de la situacin actual. Como en los programas de ajedrez, los diseadores deben trabajar con informacin esencialmente local y cualquier estimacin de la utilidad de una accin est tpicamente limitada a las consecuencias inmediatas de la accin. De forma ms general, la estructura subyacente del espacio de la heurstica el nmero y tipo de heursticas y los conceptos que relacionan depende de cmo el espacio de los conceptos es conceptualizado para convertirse en problemas. Podemos asociar con cada heurstica uno o ms mbitos, o series de problemas, para los que la heurstica tiene utilidad cero o nula, donde el mbito se define como una gama de valores para las dimensiones de materia o tema, complejidad, tiempo disponible para la solucin, etc., que juntas engloban una regin del espacio problema. La serie de situaciones (definidas como la gama de valores para cada dimensin de la situacin) para las que una heurstica adquiere algn nivel de utilidad en cada dimensin de utilidad se da por

Situacin1-m = fd (heurstica, utilidad1-n)

Por el contrario, la serie de heursticas apropiadas para un problema dado o una serie de problemas (es decir, para un dominio) se da por

heurstica = fh (utilidad1-n, situacin1-m)

Para resolver un problema determinado es necesario encontrar una heurstica que tenga un comportamiento satisfactorio en todos los ejes de utilidad relevantes. En otras palabras, dado un mnimo nivel de rendimiento para cada dimensin de utilidad y la posicin del problema en cada una de las dimensiones de situacin, la serie de heursticas relevantes para este problema se encuentra dentro del hipervolumen definido por los parmetros de situacin/utilidad. La serie de heursticas asociadas con cada mbito puede considerarse en cierto sentido relevante al conjunto de problemas que constituyen el mbito (y todos sus subconjuntos) en que tiene utilidad nula o cero para esa serie de problemas. Los mbitos no dividen el espacio de conceptos en cierto sentido todo est vinculado a todo. Ms bien se trata de mecanismos conceptuales para estructurar nuestra forma de considerar el problema. Por ejemplo, es improbable que en general se requiera una consideracin detallada del tipo de ventana en un plano de distribucin general, aunque puede hacerse. Lenat (1982) argumenta que una de las tareas ms importantes cuando se intenta dominar cualquier mbito es aprender el nivel o niveles adecuados en el que se puede formular y aplicar el conocimiento heurstico. Si las heursticas son muy pequeas su mbito de aplicacin se vuelve demasiado estrecho para que valgan la pena ser recordadas en relacin a la gama de problemas asociados en ese mbito. Dejan de ser partes significativas de conocimiento y tienen el riesgo de incluir muchas interacciones dispersas o vagas. Un problema como por ejemplo el diseo de esbozos o el diseo de un sistema estructural, puede verse como el nombre metanivel de una serie de conceptos cuyo nivel es el objeto. Los atributos del problema, como el nivel de dificultad, etc., son de hecho atributos de esta serie de conceptos.8 El problema, por ejemplo, de disear un sistema estructural o, de manera ms general, de diseo estructural, puede verse como el problema de encontrar alguna relacin entre una estructura y una serie de elementos que comprendan esa estructura; donde la estructura y los elementos son variables que se extienden sobre posibles estructuras y elementos respectivamente, es decir, sobre subgrupos del conjunto de conceptos estructurales. La tarea de resolver un problema se convierte en la de relacionar una serie de conceptos diana con una serie an no especificada de hiptesis. Mientras que el grupo de posibles hiptesis no forma parte de la descripcin del problema actual, la serie de conceptos posibles o candidatos a partir de los que se construyen las hiptesis se conoce en cierto sentido a travs de la experiencia de problemas similares. Es esta serie de conceptos relevantes la que forma el rea o mbito del problema, lo que una heurstica intenta estructurar dividindola en la (sub)serie de conceptos que formarn parte de la solucin actual y aquellos que no. La heurstica puede verse como la estructuracin de relaciones entre grupos de conceptos (entre series de todos y partes o

causas y efectos) y por lo tanto la heurstica vista como relaciones de metanivel tales como ms-general-que o ms-poderoso-que estn en gran parte determinadas por la resultante divisin del espacio de conceptos en problemas. Un corolario de esto es que la forma de ver los problemas determina en gran parte la forma en que sern resueltos.

5.3. El espacio de las situaciones Las diferentes heursticas tendrn diferentes utilidades en una situacin determinada. Si una heurstica tiene menor utilidad que otra en todas las medidas de utilidad y en todas las situaciones, entonces decimos que la primera heurstica est dominada por la segunda. Una serie as es claramente dependiente del contexto. Siempre se estn descubriendo nuevos enfoques que son (o se cree que son) mejores en algn sentido respecto a aquellos que reemplazan. Sin embargo, de cualquier conjunto de heursticas determinado (que representa alguna comprensin del mundo o del nivel de habilidad para la resolucin de problemas) es posible extraer el subgrupo no dominante. Estas heursticas pueden considerarse las mejores de las que se dispone. Esto es claramente una idealizacin; sin embargo no tiene connotacin alguna y simplifica la presentacin. Dentro de tal serie de heursticas no dominantes hay un intercambio o trueque entre generalidad y poder. Un aumento de la utilidad en cualquiera de las dimensiones de utilidad dadas (por ejemplo, una con ms posibilidades de xito) slo puede conseguirse utilizando una heurstica que tenga una utilidad inferior en alguna otra dimensin (por ejemplo, es ms cara), o sea aplicable a una gama menos amplia de problemas, o ambas cosas. Aquello que parece potente o eficiente en un contexto general resulta menos notable en comparacin con heursticas de un alcance similar. Una heurstica ms general aplicable a una gama ms amplia de problemas generalmente tiene una utilidad inferior para cualquier problema concreto, mientras que las heursticas ms especficas con mayor utilidad estn limitadas a una gama ms reducida de problemas.9 Lo dicho hasta aqu est extrado de la experiencia cotidiana no estrategias todopoderosas de resolucin de problemas que sean aplicables en todas las situaciones o a todos los problemas. Si consideramos el alcance de una heurstica como su mbito, entonces su utilidad global definida como la integral mltiple de todas las curvas de potencia de la heurstica est limitada y depende de la importancia relativa (o ms exactamente, del intercambio o trueque entre) de cada uno de los ejes de utilidad en el contexto del problema/ solucin actual. La utilidad total de una heurstica, uh se da por

n ui = ui wi i=1

donde u, es la utilidad en la medida de utilidad i y wi es el peso o importancia relativa de la medida de utilidad en el contexto actual. El hecho de que una ganancia o una prdida en una dimensin de utilidad concreta represente un aumento en la utilidad total depende de sus implicaciones para otras dimensiones. Por ejemplo, para una muy buena solucin, el coste puede ser menos importante.10 Lenat (1982) argumenta que en cualquier situacin debemos aplicar primero la heurstica ms fuerte que est a nuestra disposicin y slo debemos recurrir a aquellas con menor utilidad si fallan los intentos iniciales de resolver el problema. Claro est que es improbable que sepamos la fuerza de una heurstica de forma precisa para cada situacin posible. Es ms probable que tengamos algn conocimiento de la fuerza o potencia media de cada heurstica y que lo utilicemos para adivinar cuan til ser cada una en la situacin actual. Si asumimos que todas las heursticas son no dominadas, esto corresponde a intentar primero la heurstica ms especfica, seguido de la segunda ms especfica y as sucesivamente. An ms importante, el trueque o intercambio entre la generalidad y el poder significa que para una determinada serie de heursticas existen problemas que no pueden resolverse usando esas heursticas. Que esto es as es fcil de demostrar sencillamente seleccionando un problema que sea suficientemente difcil en relacin al mbito de esas heursticas. La existencia de dichos problemas no necesariamente presenta dificultades para un modelo de diseo basado en heursticas, siempre que la mayora de problemas de diseo puedan resolverse utilizando las heursticas disponibles. Al fin y al cabo esto es de esperar; las heursticas derivan de la experiencia con problemas encontrados previamente. Sin embargo, argumentaremos que muchos, aunque no la mayora, de los problemas de diseo no pueden resolverse utilizando las heursticas disponibles. Esta conclusin aparentemente paradjica que la mayora de problemas de diseo no pueden resolverse usando el conocimiento existente sobre diseo es consecuencia del argumento generalidad versus poder. Hay una infinidad de problemas de diseo asociados con un mbito determinado que difieren en una o ms de las dimensiones de situacin o en la mnima utilidad requerida en cualquier dimensin de utilidad dada, o en la relativa importancia que el diseador concede a estas utilidades. Podemos imaginar que una heurstica tpica ser capaz de resolver algn porcentaje no trivial de los problemas asociados con su mbito, si es que vale la pena recordarla para empezar. Sin embargo, mientras que la serie de heursticas que se asocian con un mbito pueden tpicamente tener xito a la hora de resolver muchos de los problemas que se dan dentro de ese mbito, cada decisin de diseo debe tomarse en el contexto del problema de diseo global. La interaccin entre criterios, que ya hemos dicho es una caracterstica que define los problemas de diseo, significa que en general el mbito efectivo de una heurstica es el problema de diseo global, y ste puede variar de muchas ms maneras que el mbito putativo de la heurstica. Por ejemplo, la gama de dimensiones de situacin puede extenderse para incluir problemas en los que la heurstica 101 ya ha sido empleada o medidas de utilidad que normalmente caen fuera del mbito del subproblema como utilidad adecuada en la dimensin de utilidad i (en un problema

en el que la heurstica 101 ya ha sido empleada). Esto no implica que la utilidad total de cada heurstica deba aumentarse de alguna manera. En muchos problemas, aunque no todos, el hecho de alcanzar una utilidad adecuada en la dimensin de utilidad u* ser irrelevante para resolver problemas en el mbito concreto. Ms bien hay muchas otras formas en que la utilidad total de una heurstica puede distribuirse dentro del espacio situacin/utilidad. Cada distribucin nica requiere una heurstica nica.11 Una heurstica capaz de producir la solucin correcta en todas estas situaciones tendr que tener una elevada utilidad en todas las dimensiones de situacin relevantes, pero esta os imposible porque la utilidad total de una heurstica es limitada. Tiene utilidad significativa slo porque est especializada en una pequea gama de problemas. Si esto es as, la pregunta que surge es: dado que la utilidad total de una heurstica es limitada, cuntas heursticas necesitaramos para estar seguros de poder reunir una serie consistente que resuelva el problema? La utilidad total asociada con una heurstica puede estar distribuida de muchas maneras diferentes. Por ejemplo, algunas heursticas pueden ser muy buenas para una pequea gama de problemas mientras que otras son de menor utilidad pero resultan apropiadas en una gama ms amplia de situaciones. Si asumimos que una heurstica ha de tener algn nivel de utilidad no trivial en alguna dimensin de utilidad para poderse utilizar como solucin a un problema, luego el nmero de heursticas que se requieren para resolver la gama de problemas que conceptualmente se producen dentro de un mbito determinado ser tpicamente bastante grande. Por ejemplo, si la utilidad total de heursticas no dominadas tiende hacia una constante, entonces para un nivel determinado de utilidad relativo a algn mbito el nmero de heursticas que se requiere para cubrir completamente el espacio del problema estar en funcin del poder del nivel de utilidad requerido: doblando la utilidad requerida a lo largo de uno de los ejes aumenta el nmero de heursticas por un factor de dos; doblando la utilidad requerida en todas las dimensiones de utilidad aumenta el nmero de heursticas requeridas por un factor de 2n, etc.11 Puesto que la situacin puede variar de muchas maneras (es decir, la serie de problemas tpicos es grande) y el volumen de una heurstica es limitado, parece improbable que en todas las fases del proceso de diseo vaya a haber una heurstica apropiada. Ntese que este argumento es aplicable a todos los niveles de abstraccin desde la distribucin hasta el diseo de detalles si consideramos el poder de una heurstica con relacin a su mbito. Cuanto ms interdependientes son los criterios, mayor es el nmero de heursticas que se necesitan para resolver un problema determinado. Incluso si asumimos, como parece probable, que los problemas no estn distribuidos de manera uniforme a lo largo de los ejes de utilidad y situacin, el nmero de problemas posibles sigue siendo muy grande. Necesitaramos por lo tanto un nmero correspondiente de heursticas para estar seguros de resolver un problema tpico de diseo seleccionado al azar dentro de un mbito cualquiera. Dejando a un lado el problema de recordar simplemente esta serie de heursticas (para cada mbito) seguimos teniendo la dificultad de explicar cmo puede surgir una serie as. Si las heursticas se derivan de la experiencia con una gama de problemas, el conocimiento de dicha serie parecera implicar la experiencia de todos los

problemas posibles. Si, como parece probable, esto es imposible, nos vemos obligados a concluir que nunca podemos tener reglas suficientes para resolver un problema determinado.13 Si no se puede encontrar una heurstica adecuada los criterios son considerados inconsistentes, es decir, no existe una solucin dentro del espacio de solucin definido por las heursticas. Esto ocurre cuando no se encuentra una forma de conseguir un requisito concreto o una serie de requisitos dentro de la restriccin impuesta por el resto del contexto de la solucin. Esto puede ser porque mientras que las heursticas disponibles son capaces de alcanzar sus objetivos inmediatos, las resultantes soluciones locales tienen consecuencias inaceptables en otras partes (pueden encontrarse soluciones para cada uno de los subproblemas considerados aisladamente, pero estas soluciones parciales son mutuamente inconsistentes), o porque no se puede hallar la forma de alcanzar un objetivo concreto incluso en ausencia de otras restricciones (el problema cae fuera del mbito de cualquier heurstica conocida). Estos conflictos son comunes en diseo y, de hecho, hemos destacado que una de las caractersticas de los problemas de diseo es la existencia de conflictos entre criterios (Logan & Smithers, 1989). En una situacin as el diseador debe modificar el problema, es decir, aflojar una o ms de las restricciones hasta que la solucin actual alcance los requisitos de diseo revisados, o modificar los medios disponibles para resolver el problema modificando una heurstica existente o creando una nueva. (En muchas situaciones, para obtener una solucin consistente ser necesario modificar ramo la descripcin de los requisitos como las estrategias disponibles para la resolucin de problemas.) Cuando empezamos a resolver un problema, a menudo los criterios son inconsistentes. Al terminar, la solucin y los criterios son consistentes porque hemos relajado los criterios o porque hemos encontrado una nueva forma de resolver el problema que satisface los objetivos. Los problemas que se perciban como inconsistentes o contradictorios dejan de serlo.

6. Formacin heurstica y aprendizaje en el diseo Los resultados descritos en la seccin anterior, es decir, la necesidad de heursticas especficas para cada mbito y la existencia de problemas que no pueden resolverse utilizando una serie determinada de heursticas, son ambos consecuencia del argumento de generalidad versus poder.14 Sin embargo, los problemas se solucionan y existe considerable evidencia proveniente de la psicologa cognitiva y de la investigacin de diseo de que los diseadores en efecto utilizan alguna forma de preestructuras o relaciones para estructurar y resolver sus problemas. En un intento de explicar esta paradoja, presentamos una visin alternativa del desarrollo y utilizacin de preestructuras en diseo, que acomoda estas observaciones y resultados tericos al tiempo que esclarece el papel crtico del proceso de aprendizaje en diseo. Los problemas de diseo son nicos por definicin. Hemos argumentado que es improbable, dado el gran nmero de criterios que componen la definicin de un problema de diseo, que un problema determinado sea idntico a un problema resuelto previamente. Sin embargo, en general el diseador habr resuelto problemas similares en el pasado y utilizar esa experiencia como gua

para resolver el problema actual. Proponemos la hiptesis de que existe un grupo de heursticas bsicas o centrales asociadas con cada mbito que han demostrado ser tiles en el pasado y que vale la pena recordar, y que estas heursticas bsicas estn adaptadas (en mayor o menor grado) al problema actual que nos ocupa. Para cada mbito de problemas, como el diseo de distribucin, el diseo estructural, la seleccin de materiales, el diseo de detalles, etc., sea cual sea su nivel de abstraccin, hay una serie de reglas sabidas, ejemplos tpicos y relaciones que proporcionan una base heurstica ms o menos potente a ese mbito y que estn adaptadas a los detalles de cualquier problema concreto. La serie de heursticas est constantemente siendo adaptada a problemas y situaciones nuevas y las heursticas bsicas se refinan continuamente a travs de la experiencia adquirida en situaciones nuevas. Por ejemplo, las estrategias y relaciones normalmente utilizadas en el diseo de un sistema estructural sern diferentes de las utilizadas para determinar la disposicin de elementos en un sistema concreto, pero en cada caso las reglas deben modificarse para acomodar los detalles de los problemas concretos que han de resolverse.15 Parece preciso algo as para explicar el uso de la experiencia previa al resolver problemas completamente nuevos (a diferencia de simplemente copiar soluciones viejas), y de hecho para explicar cmo es posible el diseo y la resolucin de problemas en general (Petrie, 1979), Que sea ms til considerar la nueva generacin de heursticas como la definicin de un nuevo (sub)mbito o como la adaptacin de una heurstica ya existente es una cuestin interesante. Esta ltima va ha sido adoptada aqu para realzar la distincin entre operaciones sobre mbitos (razonamiento por analoga) y operaciones dentro de mbitos (adaptacin de heursticas existentes). Hemos argumentado en otro lugar (Logan, 1987) que las dos operaciones pueden considerarse formas de razonamiento por analoga realizadas a diferentes niveles. En su versin ms sencilla, puede considerarse que lo bsico es simplemente la representacin de todo el conocimiento que el diseador tiene de un tipo concreto de problemas. De forma ms general, lo bsico representa algn compromiso entre el nmero de heursticas necesario para cubrir adecuadamente un mbito (y el gasto asociado de recordar y buscar alguna heurstica particular), y el esfuerzo que supone adaptar un pequeo nmero de reglas generales a una amplia variedad de situaciones (o reinventar la rueda). Tambin proponemos la hiptesis de que estas especializaciones o, de forma ms general, adaptaciones de heursticas existentes, son necesarias en todos los sistemas de heursticas dirigidas hacia un objetivo, y que el desarrollo de estas heursticas especficas de problemas es la motivacin para el anlisis hasta la sntesis, y subyace el proceso de entender la estructura de un problema de diseo identificado anteriormente como eje central del proceso de diseo.16 La definicin de un problema de diseo puede verse como un punto en el espacio dimensional nxm es decir, como la especificacin de una heurstica que alcanzar un determinado nivel de rendimiento en una situacin concreta (tpicamente, una heurstica que tiene probabilidades razonables de proporcionar la respuesta correcta al problema actual). El proceso de adaptar una heurstica existente puede verse grficamente como el movimiento hacia la izquierda o la derecha de su funcin caracterstica para alcanzar su punto lgido en una situacin diferente.17 Este

proceso de adaptacin puede verse como una extensin natural de la suposicin central de la teora de heursticas presentada en la seccin anterior: es decir, si una heurstica H fue (o podra haber sido) til en la situacin S, entonces es probable que heursticas similares a H sean tiles en situaciones similares a S. Varios autores (Hjllier &C Leaman, 1974; Steadman, 1979) han argumentado que existen estereotipos culturales o plantillas que forman la base de soluciones de diseo de forma que podra considerarse anloga a las heursticas bsicas discutidas anteriormente. Hillier y Leaman (1974; 1976) han caracterizado este proceso como uno de elaboracin y modificacin de estereotipos culturales o plantillas. Segn ellos el diseador est situado en un

universo muy bien conectado cuyas conexiones son aquellos mbitos no similares que deben relacionarse en el diseo; actividad y espacio, psicologa y clima, etc.

Estas estructuras estn inmersas en el lenguaje que el diseador utiliza y en el juego de instrumental las tecnologas o ktts de partes y soluciones de diseo tpicas a los que hacen referencia sus sistemas de representacin (Hillier & Leaman, 1974). Incluso el hecho de nombrar un problema arquitectnico digamos disear una escueta implica toda una gama de soluciones que sern ms o menos inmediatamente activadas por las preestructuras del diseador. Estas estructuras forman una tipologa en evolucin de soluciones estndar a problemas recurrentes de diseo, modificada por la experiencia del diseador, su ideologa y el entorno fsico, social y cultural que forman el contexto del diseo. Desde este punto de vista, el diseo es el proceso de descubrir

la transformacin apropiada o el despliegue de preestructuras en relacin con las restricciones impuestas por el enromo del problema (Hillier & Leaman, 1974).

Tanto la transmisin como la transformacin de preestructuras forman un proceso de elaboracin y descubrimiento subyacente a la formacin activa de relaciones dentro del cual cada solucin puede ser nica. De manera similar, SchOn (1988) argumenta que los diseadores hacen uso de reglas de diseo para razonar sus movimientos, extraer consecuencias de posibles movimientos [y] tomar y evaluar decisiones de diseo. Las reglas derivan de tipos. Los tipos funcionan como ideas principales que generan secuencias de experimentos de diseo incluyendo cadenas de razonamiento, consideracin de posibles movimientos, deteccin de consecuencias, implicaciones y opciones. Sirven de gua para la seleccin de reglas, proporcionan la informacin necesaria para su aplicacin y forman la base para desafiarlas y corregirlas. Las reglas son vistas como algo eventual y contextual; se sostienen de forma tentativa y estn sujetas a excepciones y

modificacin crtica. Sin embargo Schn argumenta que aunque los diseadores comparten muchas reglas, los distintos diseadores tambin usan diferentes reglas. Mientras que algunas reglas pueden ser comunes a muchos diseadores (y pueden determinar la forma que puede tomar el desarrollo individual), stos tambin desarrollan muchas estrategias individuales para resolver problemas como resultado de su educacin, experiencia profesional, etc. En todos estos puntos de vista el diseo es considerado como la modificacin o refinamiento de los cdigos generales de los diseadores y de las relaciones dentro del contexto del problema actual. De forma ms general, podemos ver el problema del diseo como el hecho de aprender a desarrollar estas preestructuras bsicas para resolver un problema concreto. Es ms, como ya hemos dicho antes, el desarrollo de dicha comprensin de la estructura del problema es el objetivo del proceso que hemos venido a llamar anlisis-a-travs-de-la-sntesis.

7. Induccin y formacin de reglas En esta seccin intentamos desarrollar un modelo del proceso de aprendizaje descrito anteriormente dentro del marco del modelo de diseo perfilado en secciones previas. En concreto, intentamos clarificar el papel de la induccin en la formacin de relaciones entre criterios y su relacin con el proceso de formacin de teoras. Al hacerlo intentaremos mostrar que al cerrar el ciclo de abduccin, deduccin e induccin, el modelo propuesto por March (1976) puede verse como un modelo simple del proceso de diseo (o ms concretamente, el proceso de anlisis-a-travs-de-la-sntesis), y por lo tanto, del desarrollo de las preestructuras o estrategias de solucin del diseador. El modelo de March se basa en el trabajo del filsofo americano C. S. Pierce. Pierce toma el silogismo aristotlico:

x es y; y es z; por lo tanto, x es z

como tipificador del razonamiento deductivo o analtico; la aplicacin de una regla general (y es z) a un caso particular (x es y) para obtener un resultado lgicamente determinado (x es z). El silogismo deductivo est basado en el concepto de certeza necesaria; es decir, que los hechos presentados en las premisas no pueden bajo ninguna circunstancia imaginable ser ciertos sin que se vea involucrada la certeza de las conclusiones. De manera ms sencilla, la deduccin puede ser considerada la inferencia de un resultado a partir de un caso y una regla. Sin embargo, Pierce argumenta que el razonamiento inductivo o sinttico, siendo ms que la aplicacin de una regla general a un caso particular, nunca puede reducirse a esta forma y luego pasa a desarrollar dos formas de razonamiento que l llama abduccin e induccin. Ninguna de estas formas de inferencia es lgicamente determinada. La abduccin refleja la suposicin del que razona de que

existe cierto fenmeno que explica sus observaciones, dado que se basa en una determinada teora. La abduccin es la inferencia de un caso a partir de una regla y un resultado. La induccin refleja la bsqueda del que razona de una ley que explique las regularidades entre los fenmenos, y es responsable de engendrar nuevos hbitos de pensamiento. La induccin es la inferencia de una regla a partir de un caso y un resultado. March relaciona las tres formas de pensamiento propuestas por Pierce con el contexto del diseo en trminos de sus resultados:

1. La creacin de un caso o composicin que se consigue con el razonamiento abductivo. 2. La prediccin de resultados o una descomposicin que incluya las caractersticas del diseo que emergen de un anlisis de la composicin global, conseguida con la deduccin. 3. La derivacin de reglas o suposiciones, una idea, una teora, o en su utilizacin moderna, el modelo, el tipo conseguido a travs de la induccin.

March argumenta que el diseador usa su experiencia previa y conocimiento de tipos de solucin en un intento de producir una solucin que satisfaga los criterios del problema. Un diseo especulativo de esta ndole no puede ser determinado lgicamente porque la forma de razonar utilizada es esencialmente abductiva. Slo puede ser inferido condicionalmente a partir de nuestro estado de conocimiento y la evidencia disponible. La inferencia deductiva es entonces utilizada para predecir medidas de rendimiento esperado a travs de la aplicacin de otros modelos y teoras a una propuesta concreta de diseo. A medida que el diseo progresa se aaden nuevas relaciones y criterios que pueden aumentar crticamente el conjunto original en la fase abductiva previa. En la fase inductiva, el diseo y sus caractersticas previstas son utilizados para inferir nuevas generalizaciones y suposiciones. Las reglas generales son refinadas en el contexto de la solucin de diseo actual a medida que la induccin critica la hiptesis original de la fase abductiva y proporciona ms herramientas de discriminacin para la fase siguiente del ciclo. Al hacerlo, realiza una evaluacin.

En s un diseo, o la serie de caractersticas pertinentes por las que es percibido, no tiene ningn valor Asume un valor relativo a travs de la comparacin con otros diseos tanto existentes como imaginados, as como con el entorno en general. De hecho, la evaluacin da por hecho que las suposiciones sobre valor, preferencia y deseabilidad pueden inferirse. Son estas suposiciones las que forman la base de la fase abductiva del diseo. Es decir, que los modelos necesarios para producir alternativas de diseo estn cargados de valor (March, 1976).

March caracteriza esto como un proceso iterativo en el que hay constantes refinamientos y

redefiniciones de caractersticas, diseo y suposiciones a medida que evoluciona la solucin. El modelo es visto como la representacin de un proceso de aprendizaje crtico, en cuanto que las afirmaciones inferidas en fases posteriores pueden ser utilizadas para modificar aquellas utilizadas en fases ms tempranas, y as estimular otros caminos de exploracin (March, 1976). Sin embargo, dado el gran nmero de criterios que forman la definicin del problema, es improbable que el problema actual sea exactamente similar en todos los aspectos a cualquiera de los problemas resueltos previamente y que forman la base de las preestructuras del diseador. De hecho, puede argumentarse que las reglas son inherentemente poco claras a la hora de definir una relacin entre dos grupos de conceptos a un nivel de abstraccin que sea ms elevado que el de los casos individuales o el de resultados subsumidos por la regla. Parece pues poco probable que a nivel de su aplicacin (a diferencia de su nivel de definicin), cualquier regla vista de forma perfecta una serie de criterios concretos, puesto que los conceptos implicados en la definicin de reglas pueden verse como etiquetas de series poco claras definidas por una funcin de pertenencia.18 Los medios para resolver el problema no existen y deben ser creados. A continuacin consideraremos este proceso con mayor detalle.

7.1. Aprendizaje y analoga En cierto sentido, todo razonamiento puede considerarse de forma simple razonamiento por analoga o razonamiento a partir de casos similares.19 En realidad, ambas situaciones y las relaciones entre ellas son inherentemente poco claras. Ninguna de ellas puede ser completamente caracterizada y nuestras inferencias de cada da deben depender de las diversas relaciones de similitud entre la situacin actual y la experiencia previa que utilizamos como justificacin de nuestras conclusiones. Estamos continuamente adaptando reglas existentes del mbito de inters (o cualquier otro mbito que sea considerado relevante) a la situacin actual. Es esta adaptacin la que propondremos puede ser vista como una forma de aprendizaje. El diseador empieza por asumir que una regla que funcion en una situacin similar, o una regla similar a ella, tambin funcionar en la situacin actual. (Esto es, de hecho, una versin revisada de la suposicin central subyacente a la teora de heursticas de segundo orden de Lear: que en un mundo complejo, lleno de conocimientos y no-del-todo-comprendido, con frecuencia es til comportarse como si la conveniencia [accin, situacin] fuera continua e invariable en el tiempo.) Por supuesto, este enfoque es improbable que d una respuesta completamente satisfactoria, pero proporciona un punto de partida para la exploracin de las implicaciones de una solucin particular en trminos de las relaciones entre criterios.20 Las subsiguientes modificaciones consiguen que la relacin se acerque al problema actual. Ninguna relacin puede caracterizarse en trminos absolutos como bsica o especfica de un problema. Tanto las soluciones genricas como las soluciones a problemas resueltos previamente tendrn, en general, que ser adaptadas al

contexto del problema actual. Ms bien, el proceso es recursivo en cuanto que implica una serie sucesiva de aproximaciones a la relacin requerida.21' Desde este punto de vista, el aprendizaje por descubrimiento puede considerarse como el refinamiento de una analoga de este tipo; el descubrimiento de los errores y omisiones en el modelo inicial y hasta qu punto la estructura del nuevo mbito se parece realmente a la estructura del mbito que proporcion la analoga inicial. Para simplificar la exposicin asumiremos que se ha encontrado o generado alguna regla apropiada, es decir, empezaremos suponiendo que se ha encontrado una regla que va bien con el resultado (abduccin) o caso (deduccin) actual, y limitaremos nuestra atencin a la adaptacin o refinamiento de una regla a una situacin determinada. Los casos ms generales precisan un tratamiento ms detallado por analoga. El aprendizaje dentro de un mbito puede verse como un caso particular de adaptacin o refinamiento de analogas o estimaciones donde ya existe una amplia coleccin de relaciones similares, que difieren slo ligeramente de la situacin actual (por ejemplo, que son vlidas para gamas ligeramente distintas de criterios de problemas), para servir como base a nuestras conjeturas.22

7.2. Mantener la consistencia en el modelo de problema En esta forma de ver el aprendizaje como un refinamiento sucesivo est implcita la idea de algn tipo de control, independientemente del xito o no de una regla propuesta. Necesitamos alguna forma no tautolgica de valorar lo bien que un caso (y por lo tanto una regla) alcanza su objetivo, o a la inversa, lo bien que una regla predice un resultado (conocido) a partir de un caso determinado. Si hay slo una nica relacin que vincule dos grupos de conceptos no tenemos ningn medio independiente para valorar el resultado de la aplicacin de la regla. En cualquier situacin concreta, los casos y los resultados que se derivan de la utilizacin de la regla son, en cierto sentido, correctos por definicin. De forma ms general, una relacin as es difcil de modificar o adaptar a una situacin particular ya que no existen medios para determinar si una serie de modificaciones convergen en la relacin deseada. En la prctica, las reglas suelen formar parte de un sistema de relaciones interdependientes que juntas componen el cuerpo de conocimientos asociado a un mbito. Las diferentes reglas expresan distintas conceptualizaciones de las relaciones dentro de un mbito. Algunas relaciones se especializarn para generar hiptesis, mientras que se pretender que otras sean utilizadas analticamente. Cada regla individual tendr una serie concreta de atributos que determinan su alcance, fiabilidad, precisin, velocidad, etc., y estarn vinculadas a otras reglas con atributos diferentes (ms precisa pero ms lenta, etc.). As el rendimiento de cualquier relacin individual puede determinarse usando alguna otra relacin del mbito que, en cierto sentido, es considerado ms fiable o apropiado en la situacin actual. Por ejemplo, los modelos analticos (deductivos) existentes pueden utilizarse para comprobar el rendimiento de una heurstica infiriendo las consecuencias de una hiptesis de solucin propuesta. De forma similar, las evaluaciones iniciales basadas en simples reglas rutinarias pueden comprobarse usando relaciones ms detalladas (y ms precisas) a medida que

se dispone de ms datos. A la inversa, los modelos abductivos existentes (en forma de ejemplos o parejas de caso-resultad o) pueden utilizarse para evaluar el rendimiento de un modelo propuesto (deductivo) de simulacin, comparando el resultado predicho con los valores registrados previamente. En general, la utilidad o rendimiento de una regla, y nuestra confianza en ella (o ms exactamente, en los resultados obtenidos al usarla en una situacin determinada) ser una funcin compleja del propsito de la regla, de la experiencia previa en el mbito, de los datos disponibles y del tiempo del que se dispone para su utilizacin, etc. En el apartado siguiente, modelaremos unas heursticas como condicionales de la forma

A1, . . . , An B1, . . . , Bm

donde A\, . . ., A son la/s condicin/ones y Bi, . . ., Bm son la/s accin/ones. Este enfoque tiene la ventaja de preservar la monotonicidad de la inferencia lgica y nos permite trabajar dentro de un marco lgico estndar (ver Logan, 1987 para ms detalles). Distinguiremos entre reglas deductivas de la forma

A(f(x1, . . . , xn)) Bi(x1),. . . ,Bn(xn) i reglas abductivas 23

A(x) B1(f1(x)), . . . ,Bn(fn(x)) segn las relaciones de dependencia funcional entre los criterios (Logan, 1989).14 Las reglas sin trminos de funcin, por ejemplo, A(x) 4- B(x), son tanto abductivas como deductivas en el sentido definido anteriormente. Ntese que ambas series de reglas pueden ser usadas abductivamente y deductivamente. Dada una regla A{x) < B(f{x)) y una hiptesis B{f(a)) podemos derivar A(a) como requiere la definicin de abduccin. Esta distincin es ms una cuestin de cmo las relaciones se conceptualizan y cmo son tpicamente utilizadas ms que algo bsico aadido al marco descrito por March. Tpicamente, cada serie de reglas slo ser consistente para una gama de valores limitada y en general no hay ninguna garanta de que cualquier subserie sea consistente para cualquier gama de valores. Por ejemplo, las reglas

A(g(x)) B(x) y A(x) B(f1(x))

pueden ser consistentes para ciertas series de valores m < x < n pero no para otros x < m, x > n donde una regla diferente como A(x) B(fi{x)) puede ser necesaria para mantener la consistencia. Esta dependencia del contexto puede expresarse explcitamente en forma de interruptores de contexto literales que han de ser ciertos para que la regla puede usarse. Por ejemplo, la regla

A(x)B(f1(x)) ^ x < n ^ x > m

slo ser utilizada si la .v est en la gama m - n. (Si no hay afirmaciones respecto al valor de x dentro del modelo de problema actual, una restriccin limitndola a esta gama formar parte de la hiptesis.)

7.3. Un ejemplo: generacin de una hiptesis vlida El problema, por ejemplo, de generar una hiptesis vlida puede reformularse dentro de este marco como el de encontrar una regla abductiva que sea consistente con el criterio diana relativo a la subserie de reglas relevantes (deductivas o abductivas) que definen la subteora dependiente del problema para ese mbito. Por ejemplo, al intentar alcanzar algn criterio A{a) un diseador puede utilizar una relacin tipo

A(x) B( f (x))

(1)

que representa una regla rutinaria, un ejemplo previo, etc., para generar una hiptesis o caso

B ( f (a))

(2)

Este es esencialmente el proceso de abduccin: la reduccin de una serie de restricciones abstractas (expresadas como una serie de proposiciones atmicas) a alguna serie de restricciones ms sencillas utilizando las relaciones contenidas en las proposiciones compuestas como reglas de

produccin. El estado del problema que contiene el criterio A(a) se transforma en uno ms detallado que contiene la afirmacin adicional B(f(a)). La resultante serie de criterios expandida, si se obtiene, resultara de la consecucin de la restriccin indicada por el concepto de nivel ms elevado. Al conceptualizar el problema en trminos de una relacin entre estos dos criterios, el diseador ya ha determinado la forma global de la solucin.25 Cualquier solucin de diseo especfica est definida por la asignacin de un valor determinado al concepto B(x). Una vez especificada, cada nueva solucin parcial se comprueba contrastndola con los criterios o restricciones utilizados al generar todas las soluciones parciales previas. Sobre todo, se comprueba comparndola con las relaciones que forman la subteora para el mbito actual. Por ejemplo, una regla ms precisa con mayor fiabilidad pero que es difcil de invertir puede utilizarse para determinar el xito de la hiptesis propuesta para alcanzar el criterio deseado. Por ejemplo, a partir de la regla

A(g(x)) B(x)

(3)

y de la hiptesis

B( f (a))

(2)

podemos derivar el resultado

A(g(f(a)))

(4)

Esencialmente, ste es el proceso de deduccin. En el contexto del modelo desarrollado arriba, la inferencia deductiva puede verse como la determinacin de las implicaciones o propiedades emergentes de la descripcin del problema actual basada en las dependencias funcionales entre conceptos. A medida que la solucin se desarrolla se pueden ir derivando nuevas proposiciones de ms alto nivel a partir de las afirmaciones que definen el problema actual. Tpicamente, esto implica predecir uno o ms de los rendimientos o caractersticas del diseo a partir de algn subconjunto de sus atributos. En muchos casos la hiptesis puede no alcanzar el criterio de valor requerido, es decir, A(a) * A{g(f{a))) og* f en at o puede no alcanzar alguno de los otros criterios como C(6), es decir,

B( f (a)), C(h(x)) B(x) C(h(f(a))) y C(h(f (a))) C(b)

o ambos. De forma ms general, una hiptesis no consigue alcanzar el criterio de valor deseado si el resultado predecido por la regla deductiva g[f{a)) cae fuera del intervalo necesario para alcanzar el objetivo, es decir g{f(a)) <aio glf(a)) > al, donde a\ - a2 denota la gama de criterios de valor que resultaran en la obtencin del objetivo. Esto es, los valores del objetivo junto con alguna restriccin de la integridad implican una inconsistencia. En trminos formales podemos representarlo como que

A(a), A(g(f(a)))

junto con

(A(x)^A(y)^ Dif (x,y))

implica una inconsistencia. En cierto sentido podemos considerar la conveniencia de una regla abductiva como inversamente proporcional a la distancia entre el objetivo y el resultado derivado por deduccin.26 Este ciclo hipottico-deductivo subyace a la metodologa de diseo anlisis-a-travs-de-la-sntesis descrito en la seccin 3, en el que se proponen soluciones para descubrir sus implicaciones en trminos de otros criterios. En cierto sentido, puede decirse que la abduccin subsume la deduccin en cuanto que el rol de la inferencia deductiva puede verse simplemente como determinante de las implicaciones de propuestas respecto a restricciones, guiando la transicin entre estados y asegurando su consistencia. En realidad, claro est, el proceso es algo ms complicado. Que una hiptesis alcance un criterio de valor determinado es intrnsecamente dependiente del contexto en que es al menos potencialmente dependiente de los valores de todos los dems criterios que forman el modelo de problema. La consecucin de una meta por un criterio de valor determinado depende (entre otras cosas) de lo que es posible en trminos del criterio en el contexto actual, la sensibilidad del criterio de valor hacia los pequeos cambios de diseo y las implicaciones que tienen estos cambios para otros criterios. El diseador redefine dinmicamente el nivel satisfactorio para cada criterio, y por lo tanto el nivel de rendimiento que debe alcanzar cualquier hiptesis en respuesta al contexto

actual del problema. Pueden aceptarse criterios de valor ms bajos si las metas u objetivos originales resultan inalcanzables en el contexto de la solucin actual, o si el hecho de alcanzarlos pudiera tener consecuencias inaceptables para otros criterios.27 Aunque la sencilla forma de ver la deduccin y la consecucin de objetivos aqu descrita es incapaz de modelar este proceso de redefinicin dinmica de objetivos (y muchas otras cosas), creemos que es un modelo adecuado de fracaso en la consecucin de un objetivo y, por lo tanto, puede brindarnos alguna informacin sobre el proceso de la formacin de reglas o normas. A medida que el diseo evoluciona, el diseador aprende ms sobre el problema y la solucin a medida que se hacen evidentes nuevos aspectos del problema, y se ponen de manifiesto los conflictos inherentes en su forma de ver el problema. El diseador utiliza esta mayor comprensin para generar nuevas estructuras y relaciones. Las reglas o transformaciones del problema que conforman la base de la abduccin y la deduccin se refinan y modifican constantemente a medida que el diseo progresa. El diseo y los criterios que de l se derivan se usan para inferir nuevas generalizaciones y relaciones mejor adaptadas al contexto actual del problema (por ejemplo, modificando los criterios de valor o introduciendo restricciones que requieren que si debe usarse una solucin concreta en el contexto actual, otros criterios de diseo deben asumir determinados valores). Esta integracin es el paso que Pierce llam induccin. As, de un caso

B (f (a))

(2)

y de un resultado

A(g(f (a)))

(4)

derivados en el contexto del problema actual podemos inferir una nueva regla, digamos

A(x) B(f '(x))

(5)

que subsume tanto la Ecuacin (2) como la Ecuacin (4) y, es de esperar, est mejor adaptada para producir hiptesis dentro de la gama del criterio de valor A(a). En general, habr muchas reglas as y ser necesario seleccionar entre ellas en base a algn criterio (simplicidad, plausibilidad, etc.). Sin embargo, no consideraremos ms estos problemas en el presente apartado. Igual que la

abduccin, la induccin no est lgicamente determinada. Una relacin recientemente inferida no puede garantizarse que sea consistente ni con los criterios derivados ni con la serie de hiptesis que forman el estado actual del problema. Se dice que una relacin derivada es vlida si es consistente con la serie de restricciones que constituyen el modelo actual del problema, e irredundante si permite derivar nuevas consecuencias y/o hiptesis. Como tal, subsume tanto la deduccin como la abduccin como algo necesario para determinar su consistencia. Entonces el ciclo comienza de nuevo. Esta nueva regla puede utilizarse para generar una nueva hiptesis que constituya la base de una exploracin ms detallada del problema, llevando a la derivacin de nuevos criterios de valor y a la generacin de ms hiptesis. Es de esperar que los modelos deductivo y abductivo tiendan a converger a medida que se vaya entendiendo la estructura del problema. En el sencillo ejemplo antes citado esto ocurre cuando algn f* m g~l en el intervalo del criterio diana, es decir,g{f*[a)) =a. Si ninguna modificacin de la Ecuacin (1) lleva al xito entonces es que el problema est demasiado restringido (es decir, existe un conflicto bsico entre los criterios que forman el contexto actual del problema) y debe modificarse la solucin o deben relajarse las restricciones, o que la (meta)hiptesis original de utilizar la Ecuacin (1) era defectuosa (por ejemplo, una analoga inadecuada) y la (meta)regla que llev a la generacin de la Ecuacin (1) debe ser modificada. March (1976) ha argumentado que las fases se siguen unas a otras en la secuencia iterativa abduccin-deduccin-induccin, con constantes refinamientos y redefiniciones de caractersticas, diseo y relaciones a medida que evoluciona la solucin. Sin embargo, aunque esta es la lnea general del argumento, no hay una necesidad lgica de realizar una operacin determinada despus de otra; es frecuente, por ejemplo, aplazar la evaluacin hasta que se han tomado varias decisiones o considerar diversas hiptesis simultneamente y, en general, un simple proceso iterativo es inadecuado para representar la complejidad del diseo. Este ciclo de abduccin-deduccin-induccin es un proceso de aprendizaje. Desde este punto de vista, el aprendizaje se considera la formalizacin (por induccin) de la comprensin de la relacin entre una accin (o de manera ms general, una situacin) y sus consecuencias. En el diseo esto adopta la forma del aprendizaje sobre las relaciones crticas y formas posibles a medida que la solucin evoluciona. Entre soluciones genricas, la planificacin es menos la bsqueda de la mejor solucin que una exploracin de los compromisos que producen soluciones suficientes. Estas exploraciones ayudan al diseador a apreciar qu requisitos pueden alcanzarse ms rpidamente. Aprender ms es la parte ms importante de este proceso, y la redefinicin del problema y la solucin slo pueden darse si se adquieren ms conocimientos sobre ellos. La relacin abductiva correcta es aquella que no slo alcanza el objetivo original (local), sino que lo alcanza en el contexto del problema actual. La funcin abductiva resultante f* representa la comprensin que tiene el diseador de la estructura del problema; incorpora el conocimiento de cmo alcanzar el objetivo en el contexto del problema, es decir, las modificaciones que deben hacerse a la solucin estndar para que funcione en el contexto del problema actual.

8. Conclusin En este trabajo hemos intentado relacionar dos de los principales enfoques del diseo que se encuentran en la literatura sobre teora del diseo que el diseo es un proceso basado en el conocimiento y que el diseo es un proceso de aprendizaje en un intento de explicar por qu el diseo ocurre de la forma en que lo hace. Empezando (es de esperar) con un pequeo nmero de asunciones plausibles sobre la naturaleza de los problemas de diseo y las limitaciones del conocimiento del diseo, hemos desarrollado un modelo terico que intenta explicar algunos de los resultados de estudios empricos sobre el proceso de diseo. En particular, hemos intentado explicar por qu incluso en el caso de problemas relativamente sencillos, los diseadores necesitan refinar y ampliar sus conocimientos en el contexto del problema actual y cmo, al hacerlo, llegan a entender el entramado de relaciones entre criterios que, unidos, definen la estructura del problema. Incorporando nuestro modelo de conocimientos de diseo al marco de los tres operadores lgicos propuestos por March, hemos intentado mostrar cmo podra proceder el desarrollo del conocimiento del diseo. El refinamiento de una heurstica a travs de un proceso de aproximacin sucesiva puede verse como un modelo muy tosco (o quizs una metfora) de lo que pasa cuando el diseador empieza a entender la estructura del problema, en trminos de las relaciones entre los criterios del mismo. El proceso hipottico-deductivo resultante puede considerarse una consecuencia natural de la necesidad de refinar y adaptar una serie de relaciones bsicas o centrales a un problema determinado, y conforma el contexto de un proceso de aprendizaje a travs del cual los diseadores refinan sus conocimientos sobre los problemas de diseo y los problemas entre ellos. La utilizacin de heursticas para modelar el conocimiento del diseo no intenta implicar ningn compromiso ontolgico como, por ejemplo, que las reglas utilizadas por los diseadores pueden hacerse explcitas o, incluso, que dichas reglas existan. Ms bien, la heurstica proporciona un marco til para la exploracin de ciertas asunciones sobre el conocimiento en diseo; cualquier representacin equivalente, como las preestructuras o prototipos funcionara igualmente bien. De hecho, argumentamos que el anlisis presentado aqu es aplicable a cualquier visin del diseo como algo basado en el conocimiento, independientemente de que este conocimiento est representado por heursticas, transformaciones de problemas o prototipos. Tampoco pretendemos que el modelo de abduccin-deduccin-induccin de March del proceso de diseo tenga alguna validez psicolgica. La intencin es colocar algunas restricciones amplias sobre cmo podra funcionar un proceso de formacin de reglas de esta ndole. Sin embargo, argumentaramos que incluso un modelo limitado de esta manera es til para obtener informacin sobre el rol del aprendizaje en diseo y puede proporcionar un marco til para trabajar en el futuro.

1. Este ejemplo est basado en uno dado por Bazjanac (1974). 2. Ntese que al hacerlo no deseamos adoptar una posicin realista respecto a las reglas del diseo. No queremos implicar que las reglas utilizadas por los diseadores pueden hacerse explcitas o incluso que existan: slo que el comportamiento de los diseadores puede modelarse usando estas reglas. 3. Lenat argumenta que la utilidad de una heurstica puede ser negativa en algunas situaciones, es decir, que la heurstica parece ser relevante (la condicin se equipara con la situacin) pero es de hecho contraproducente da una solucin errnea o pobre, o lleva ms tiempo que otros enfoques alternativos, etc., dependiendo de la dimensin de utilidad que se considere. Sin embargo, esto implica una teora normativa de la utilidad, y a partir del argumento de Lenat no est claro dnde debe localizarse el punto cero. Suponiendo que tengamos ejes de utilidad para empezar, es ms fcil que todas las utilidades sean positivas con ejes ordenados de la forma requerida (por ejemplo, menor coste = mayor utilidad). 4. Podramos querer ver la gama de situaciones en las que una heurstica es aplicable con mayor utilidad para aquellas heursticas que son aplicables a una gama ms amplia de situaciones. Sin embargo, esto oscurecera ciertos aspectos del argumento. 5. Si, por otro lado, su aplicacin es costosa, tambin puede valer la pena intentar aislar las caractersticas de aquellas situaciones en las que el resultado tiene xito. Estas heursticas sobre la generacin de heursticas se discuten en detalle ms adelante. 6. A menos, claro est, que no haya enfoques alternativos disponibles. En una situacin as el riesgo de fracasar aumenta dramticamente. 7. Sin embargo, la redundancia generada por mltiples heursticas puede ser importante en la consecucin (consistente) de mltiples metas u objetivos. 8. El trmino problematal como se utiliza aqu hace referencia al tipo de problemas asociados con un mbito determinado, independiente de cualquier objetivo o grupo, de objetivos determinado. 9. En algunas circunstancias el eje de utilidad puede tener algn punto deseable absoluto, por ejemplo, alguna garanta de correccin o eficiencia. Si una heurstica excede este valor (aunque slo sea sobre una gama relativamente pequea de tareas) puede cambiar nuestra forma de verla; por ejemplo, podemos llamarla algortmica o tiempo real. Desde este punto de vista, los algoritmos son simplemente heursticas que tienen una utilidad suficientemente alta para poder

dar garantas respecto a su uso, aunque slo sea en una serie de situaciones restringidas. Por el contrario, uno puede intentar aplicar un algoritmo fuera de su mbito de aplicabilidad, en cuyo caso el resultado puede ser til y el algoritmo es utilizado entonces como heurstica (Lenat, 1982). 10. Creencia sostenida por muchos estudiantes de arquitectura. 11. Ntese que esto anula la posibilidad de generar un nmero infinito de soluciones combinando simplemente heursticas estndar asociadas con cada mbito. 12. Esto supone que codas las dimensiones de un problema son igualmente importantes y que hay una distribucin uniforme de problemas dentro del mbito. Sin embargo, en realidad es probable que algunos sean ms importantes que otros y en algunos casos (por ejemplo, problemas de extrema dificultad) puede no haber heursticas disponibles. 13. Incluso si existiera una serie de heursticas as, el problema de encontrar la heurstica correcta para resolver el subproblema actual sigue existiendo. Como vimos en la seccin 5.2, mientras que las heursticas se evalan segn su utilidad global, son necesariamente seleccionadas por su utilidad local ya que parte del contexto de diseo no est disponible cuando se toma la decisin de utilizar la heurstica. 14, Ntese que esta conclusin no depende de los detalles de las curvas de conveniencia versus situacin, sino que yace en la nocin mucho ms general de que cualquier forma de enfocar la resolucin de problemas est restringida a alguna gama (limitada) de problemas. 15. Ntese que estas heursticas bsicas no tienen necesariamente que haberse mostrado tiles en una amplia gama de situaciones; existen algunas heursticas especializadas pero muy poderosas que son tiles en problemas recurrentes. 16. La formacin de heursticas nuevas est tambin muy relacionada con la formacin y utilizacin de analogas en el proceso de razonamiento por analoga. Esto se discute de manera ms detallada en la siguiente seccin. 17. Esto puede reinterpretarse como el hallazgo de una relacin que vincule algn espacio de solucin a un espacio de criterio determinado; o en trminos de nivel de objeto, encontrar una relacin que estructure los conceptos que componen el mbito del problema. 18. Tambin implica que las soluciones alternativas resultantes de la aplicacin de una regla satisfarn el contexto ms amplio de criterio de regla en diferentes medidas, y la evaluacin de un caso dentro de este contexto puede interpretarse como la redefinicin de la funcin de pertenencia de una serie poco clara de soluciones en el contexto de una serie concreta de requisitos de problema. 19. Esto, claro est, incluye las tres formas de inferencia identificadas por March, El emparejamiento perfecto necesario entre una regla y un caso o entre un caso y un resultado

pueden verse como casos especiales de un procedimiento ms general de emparejamiento poco claro o borroso. 20. Esta es la motivacin subyacente a gran parte del proceso de anlisis-a-travs-de-la-sin tesis identificado en la Seccin 3. El sucesivo refinamiento de reglas puede verse como un corolario ms de la incapacidad del diseador para considerar simultneamente todos los aspectos de un problema de diseo. 21. PETRIE (1979) ha argumentado que el uso de la analoga es bsico para todo aprendizaje, sosteniendo que es epistemolgicamente necesario para relacionar lo desconocido con lo familiar y conocido. 22. Aunque slo consideraremos la adaptacin dentro de un mbito determinado en el presente o-abajo, en otro (Logan, 1987) hemos argumentado que las tcnicas presentadas a continuacin son igualmente relevantes para la produccin de analogas v que el refinamiento de tcnicas o estrategias de solucin (que podran llamarse aprendizaje entre diseos) tambin se desarrolla gracias al ensayo y error guiado por heursticas. 23. Nos hemos adoptado la prctica convencional de designar a una heurstica (en el sentido de una relacin abductiva) como un condicional inverso; es decir, una relacin de la forma A{x) > Bi(/i (*)),..., B(/,(x)). Dentro de un marco convencional de primer orden, el significado de una afirmacin como, por ejemplo, rea(x, ) y Largo(xt /()), Ancho{x, f{u)} es que si el rea de x es u entonces es lgicamente necesario que su largo y su ancho sean fui). Esto significa que no podemos representar formas alternativas de derivar el largo y el ancho de una habitacin a menos que estemos dispuestos a especificar series de situaciones mutuamente exclusivas en las que son apropiados. Hacer lo contrario comporta re interpretar la semntica del condicional o la introduccin de operadores modales, 24. De manera ms general, las reglas pueden ser tanto heursticas (en cuanto que no puede garantizarse que los resulta' dos de su utilizacin sean correctos en todas las situaciones) como algortmicas. 25. Ignoraremos el problema de encontrar o generar esta relacin y nos limitaremos a considerar la variacin en el valor del criterio f(a). 26. De hecho, podemos ver la utilidad de una regla para alcanzar un criterio diana en stos trminos. La funcin conveniencia (accin, situacin) se convierte en el inverso del objetivo el resultado de tomar alguna accin en una situacin expresada en trminos de criterios de problema ms que como propiedades de metanivel. Sin embargo, no nos extenderemos aqu sobre estas ideas. 27. Estos problemas se discuten en ms detalles en Logan (1987).