Cuándo NO usar una red neuronal

Hay una ley no escrita en este oficio que vale más que muchos algoritmos: la herramienta más potente casi nunca es la respuesta a la pregunta cuál uso. Si has seguido este módulo con atención, ya la has visto actuar varias veces sin que la nombrásemos. Montaste un bosque y resultó difícil de estropear. Montaste un boosting y le ganó a la red en una tabla con una fracción del esfuerzo. Aprendiste a comprimir con componentes y descubriste que a veces destruía justo lo que necesitabas conservar. En todos esos casos, el acierto no venía de usar lo más sofisticado, sino de elegir bien. Esta lección, que cierra el módulo, va entera sobre eso aplicado al modelo del que más se habla y más se exagera: la red neuronal. Y la pregunta no es cómo se usa (eso ya lo sabes), sino cuándo conviene no usarla.

Decirlo claro de entrada: las redes neuronales son extraordinarias, y en algunos terrenos no tienen rival. Pero son una herramienta más de tu caja, no la caja entera, y sacarlas cuando no tocan te sale caro en tiempo, en dinero, en capacidad de explicar y a veces en acierto. Vamos a ver cuatro razones concretas para dejarlas en la caja, cada una con su porqué, y a cerrar con la frontera honesta de lo que esta plataforma, y cualquier navegador, puede y no puede entrenar. Al final tendrás una regla de decisión que podrás aplicar el primer día de un trabajo real.

## Razón 1: en una tabla, el boosting suele ganar con menos esfuerzo

La primera razón ya la comprobaste con tus manos. En datos estructurados en tablas (filas y columnas, que es la forma de la inmensa mayoría de los problemas que te vas a encontrar), un buen boosting iguala o supera a una red con regularidad, y lo hace sin escalar nada, sin ajustar capas, con los valores de fábrica y en una fracción del tiempo. No es una casualidad ni un caso aislado: es el resultado que se repite competición tras competición y estudio tras estudio con datos tabulares. La razón de fondo es que, en una tabla, cada columna ya es una variable con sentido (un ingreso, una edad, un conteo), y los árboles del boosting manejan de maravilla ese tipo de datos, con sus cortes de orden y su insensibilidad a la escala. La red, en cambio, tiene que gastar buena parte de su esfuerzo en descubrir estructura que en una tabla ya estaba servida.

La consecuencia práctica es una regla de arranque que no te va a fallar casi nunca: ante un problema nuevo con datos en tablas, tu primer modelo serio es un boosting, y esa es tu línea base. Solo te planteas una red si tienes un motivo fuerte, y la carga de la prueba recae sobre la red, no sobre el boosting. Darle la vuelta a esto (empezar por la red porque es lo más moderno) es uno de los errores de criterio más caros y más comunes de los que empiezan deslumbrados por la tecnología de moda.

## Razón 2: la red necesita muchísimos más datos para brillar

La segunda razón la viste al entrenar: las redes son hambrientas de datos. Tienen tantísimos pesos que ajustar que, con pocos ejemplos, se dedican a memorizar en lugar de aprender la regla general, y rinden peor que modelos más humildes. Un boosting o un bosque dan un resultado decente con unos pocos miles de filas; una red empieza a lucir cuando los datos se cuentan por decenas o cientos de miles, y no todo el mundo los tiene. La mayoría de los problemas reales de una empresa corriente trabajan con tablas de tamaño modesto, y en ese régimen la red es, directamente, la herramienta equivocada.

Esto enlaza con la historia que ya conoces: las redes son una idea vieja que murió dos veces por falta de datos y de potencia, y resucitó cuando el mundo por fin tuvo montañas de datos con que alimentarlas. Esa lección histórica es también una lección práctica para ti: si no tienes montañas de datos, estás en la situación en la que las redes ya fracasaron una vez. No repitas el experimento esperando otro resultado.

## Razón 3: una red es mucho más difícil de explicar

La tercera razón toca una fibra central de esta profesión, la misma que recorre todo el módulo. Una red neuronal es una caja negra espesa: miles de pesos repartidos por muchas capas, sin un coeficiente que puedas leer ni una variable con nombre a la que señalar. Es cierto que puedes interrogarla desde fuera, con la importancia por permutación que ya practicaste, y sacar alguna luz sobre en qué se apoya. Pero explicar una red es más difícil que explicar un bosque, y mucho más que explicar una recta de regresión con sus coeficientes a la vista. Cuanto más potente y profunda es la red, más espesa es la caja.

Y recuerda por qué eso pesa tanto aquí. En un oficio donde las decisiones del modelo recaen sobre personas (un crédito denegado, una alerta médica, una contratación), poder justificar por qué el modelo decidió lo que decidió no es un lujo, es a menudo una obligación legal y siempre una obligación ética. Esta profesión hereda de los modelos estadísticos la convicción de que un resultado que no puedes explicar vale menos, por mucho que acierte, cuando hay alguien al otro lado. Si tu problema exige dar cuentas de cada decisión, elegir una red en lugar de un modelo más transparente es cargar con una dificultad que a lo mejor no necesitabas, y hacerlo solo porque la red suena mejor es una mala decisión profesional.

## Razón 4: la frontera honesta de lo que se puede entrenar aquí

La cuarta razón es distinta de las otras tres: no es sobre si la red es la mejor opción, sino sobre lo que materialmente se puede hacer y dónde. Y es el momento de ser completamente honesto sobre esta plataforma. Todo lo que has entrenado en estas lecciones corre dentro de tu navegador, y el navegador tiene techo. Puedes entrenar una red pequeña sobre una tabla, como hiciste, y puedes ver una convolución detectar bordes. Lo que no puedes hacer aquí es entrenar una red profunda de verdad: una red convolucional sobre miles de imágenes, de las que de verdad reconocen caras u objetos.

Esa frontera tiene dos razones materiales. La primera es que entrenar una red profunda exige una tarjeta gráfica potente, porque son millones de operaciones de multiplicar matrices que una tarjeta hace deprisa y el procesador corriente de un navegador haría eternamente lento. La segunda es que ese entrenamiento se hace con herramientas especializadas (los marcos de aprendizaje profundo, que en la industria se llaman PyTorch y TensorFlow) que no se pueden cargar ni ejecutar en el navegador. Esos nombres te sonarán porque son el estándar del campo, pero aquí solo se nombran: no se ejecutan y no se enseñan a usar, porque esta plataforma no es su sitio. Reconocer esa frontera y nombrarla sin disimulo es, en sí mismo, una lección de método: un profesional sabe qué puede hacer con las herramientas que tiene delante y dice la verdad sobre lo que queda fuera, en vez de fingir que todo es posible.

## La lección que da la propia historia de las redes

Hay una historia que resume mejor que ningún argumento por qué conviene desconfiar del entusiasmo, y vale la pena contarla entera porque es una vacuna contra la fiebre de la tecnología de moda. Las redes neuronales no son nuevas: la idea de la neurona artificial se formuló en los años cuarenta, y el mecanismo que las hizo entrenables se popularizó en los ochenta. Y sin embargo, en dos ocasiones distintas, la comunidad que investigaba estas cosas las dio por muertas. La primera vez, en los años setenta, porque se demostró que las redes de entonces, demasiado simples, no podían aprender ciertas cosas básicas, y la financiación se fue a otra parte. Resucitaron en los ochenta con capas ocultas y un entrenamiento mejor, pero volvieron a estancarse en los noventa, porque ni había datos suficientes ni ordenadores capaces de entrenarlas, y durante años fueron una curiosidad académica mientras otros modelos más humildes se comían el trabajo real.

La resurrección definitiva llegó a partir de 2012, y lo revelador es por qué. No fue que alguien tuviera una idea genial que lo cambiara todo: fue que por fin coincidieron tres cosas que no dependían de la red en sí. Primera, internet había generado montañas de datos con los que alimentarlas. Segunda, las tarjetas gráficas, inventadas para los videojuegos, resultaron ser justo el hardware que una red necesita para entrenarse deprisa, y se habían vuelto potentes y baratas. Y tercera, unos cuantos trucos de entrenamiento (ReLU entre ellos) destrabaron las redes profundas. La idea apenas había cambiado; lo que cambió fue el mundo alrededor. Esa es la moraleja que te interesa: una técnica no vale por lo brillante que suene, vale por si encaja con el problema y con los recursos que tienes delante. Las redes fracasaron durante décadas no por malas, sino por aplicadas fuera de su momento y de su terreno.

Esa historia pone también cifras al coste del que hablábamos. Montar una red para un problema donde no hace falta no es gratis: cada hora que pasas escalando datos, probando tamaños de capa y esperando a que converja es una hora que no dedicas a entender mejor el problema o a hablar con quien conoce el negocio. Y el coste no termina cuando el modelo funciona: una red es más difícil de explicar, más difícil de depurar cuando algo va mal, y más difícil de mantener para quien venga detrás de ti. Un modelo más sencillo que acierta lo mismo es casi siempre la mejor decisión profesional, porque el acierto es solo una de las cuentas que hay que echar; las otras son el tiempo, el dinero, la capacidad de dar explicaciones y la facilidad de vivir con el modelo durante meses. Elegir sabiendo todas esas cuentas, y no solo mirando el acierto, es lo que distingue a quien lleva años en esto.

## La regla de decisión, en una imagen

Juntando las cuatro razones, sale una regla de decisión sencilla que puedes llevar contigo. Si tus datos son una tabla y de tamaño modesto, y encima necesitas explicar las decisiones, el boosting es tu herramienta y la red casi seguro que no. Si tus datos son imágenes, sonido o texto, y tienes muchísimos de ellos y la potencia para entrenar, entonces la red (y en imágenes, la convolucional) no tiene rival serio y vale la pena todo su coste. En medio hay zonas grises que se resuelven probando y midiendo con honestidad, como todo en este oficio. Pero el reflejo de partida es claro: la red se justifica, no se asume.

## La síntesis: todo lo que ahora tienes en la caja

Cierra el módulo haciendo inventario, porque has recorrido mucho terreno y conviene verlo junto. Empezaste con la idea de conjunto: muchos árboles mediocres pero diversos baten a uno bueno, y de ahí salieron el bosque, que construye sus árboles en paralelo y los hace votar, y el boosting, que los encadena para que cada uno corrija al anterior y que suele ser el rey de los datos en tablas. Aprendiste a afinar sus mandos sin engañarte, apartando siempre datos honestos para medir y sin dejar que el examen se colara en la preparación. Trabajaste las variables por los dos lados: creándolas con ingenio cuando ayudaban, descartando las que sobraban, y comprimiéndolas con componentes cuando se solapaban, a sabiendas de que esa compresión te costaba los nombres.

Luego diste el paso que de verdad define a esta profesión: dejaste de conformarte con que un modelo acertara y empezaste a exigirle que se dejara entender. Aprendiste a interrogar cualquier caja negra desde fuera con la importancia por permutación, a desconfiar de la importancia que los modelos regalan de serie, y a leer en qué se apoya un modelo como una de las mejores formas de cazar una fuga de datos. Y por último te asomaste a las redes neuronales sin mística: la neurona que pondera y decide, la capa que pone muchas en paralelo, la red que encadena capas construyendo ideas abstractas, el entrenamiento que ajusta los pesos a base de corregir errores, y la convolución que las hace reinar en las imágenes. Con el reflejo correcto puesto: ante lo más potente, preguntar siempre si de verdad es lo que el problema necesita.

Hay un hilo que cose todo lo que has hecho en el módulo, y conviene nombrarlo porque es lo más valioso que te llevas. En cada paso, lo que separó un buen resultado de un espejismo no fue el algoritmo, fue la honestidad en la medida. Apartar datos que el modelo no vio y medir solo ahí. No dejar que el examen se colara en la preparación, ni al escalar, ni al seleccionar variables, ni al afinar un mando. Desconfiar de un acierto bueno hasta saber contra qué línea base se compara y qué podría estar inflándolo. Interrogar al modelo para ver si se apoya en algo que no debería. Fijar la semilla para que un experimento se pueda repetir. Nada de eso depende de si usas un bosque, un boosting o una red: es el método, y el método es lo que de verdad has aprendido. Los modelos cambiarán, saldrán otros nuevos que hoy no existen, y este método seguirá valiendo igual.

Si tuvieras que llevarte una sola frase de todo el módulo, que sea esta: tener muchos modelos potentes en la caja no te hace mejor; saber cuál sacar para cada problema, sí. El bosque, el boosting, las componentes, la interpretabilidad y las redes no son una escalera donde lo de arriba es mejor que lo de abajo: son herramientas distintas para problemas distintos, y la destreza profesional no está en dominar la más compleja, sino en elegir la adecuada y poder defender esa elección con razones. Esa capacidad de elegir con criterio y dar cuentas de por qué, por encima de cualquier algoritmo concreto, es lo que te separa de alguien que solo colecciona nombres de modelos. Y es, exactamente, lo que esta profesión se ha propuesto que sepas hacer.