Claudia tenía 29 años cuando dejó su trabajo seguro en una consultora financiera para emprender un camino que, aunque incierto, la llamaba desde hacía tiempo: la inteligencia artificial. Más que por la promesa de la automatización o el dinero, lo que la movía era una pregunta que no podía sacarse de la cabeza: ¿puede una máquina aprender como lo hace el ser humano?

Se matriculó en un máster de ciencias de datos, y fue ahí donde se cruzó por primera vez con el concepto de aprendizaje mecánico basado en símbolos. A diferencia del aprendizaje profundo que todos celebraban —ese donde las redes neuronales aprenden como si fueran cajas negras—, los métodos simbólicos le ofrecían algo que le resultaba más humano: lógica, estructura, explicaciones.

Ahí descubrió los árboles de decisión: modelos que, a través de preguntas lógicas como “¿es mayor a 30 años?” o “¿el ingreso supera cierta cantidad?”, construyen rutas claras y comprensibles para tomar decisiones. En un mundo donde los algoritmos se volvían cada vez más opacos, los árboles eran como linternas.

Claudia decidió basar su proyecto final en estos métodos simbólicos. Su objetivo era noble y personal: ayudar a organizaciones sin fines de lucro a identificar de forma ética y transparente a familias en situación de riesgo social, utilizando datos abiertos y preguntas claras.

Sin embargo, no tardaron en llegar los conflictos.

Su profesor guía, un defensor acérrimo del aprendizaje profundo, le advirtió:—Tu modelo no será tan preciso como una red neuronal. Nadie apuesta ya por los árboles de decisión, son cosa del pasado.

Claudia dudó. Empezó a considerar abandonar su enfoque simbólico. Pero entonces recordó a su abuela, que nunca terminó la secundaria pero tenía una lógica impecable para analizar a quién debía ayudar con los pocos recursos que tenía. Esa lógica clara, casi instintiva, era la misma que ahora encontraba en los árboles de decisión. Era simbólica. Era humana.

Siguió adelante.

Durante semanas limpió bases de datos, eligió variables, programó condiciones y podó árboles. Su modelo no solo fue competitivo en precisión, sino que, al ser explicable, le permitió presentar los resultados de forma clara ante un panel interdisciplinario. Incluso un trabajador social sin conocimientos técnicos pudo entender cómo el sistema llegaba a sus recomendaciones.

Su proyecto fue seleccionado por una ONG internacional. Pero lo más importante para ella fue la carta que recibió de uno de los analistas de campo:"Gracias. Por primera vez siento que entiendo cómo una máquina piensa. Y eso me da confianza."

Claudia entendió que no se trataba de ganar en precisión, sino en propósito. El aprendizaje simbólico, y en particular los árboles de decisión, no eran solo herramientas técnicas: eran puentes entre el conocimiento automático y la comprensión humana. En un mundo cada vez más dominado por algoritmos ininteligibles, ella eligió hacer las preguntas correctas, no solo buscar las respuestas más rápidas.

Para más información:

https://www.frexus.dev/post/el-poder-del-aprendizaje-simbolico/