La Universitat Politècnica de València (UPV) ha reunido a cerca de 50 investigadores internacionales para avanzar en una inteligencia artificial capaz no solo de ofrecer respuestas, sino también de explicar cómo llega a ellas. La sexta edición de la International Joint Conference on Learning and Reasoning (IJCLR 2026) ha puesto el foco en sistemas que combinan el aprendizaje automático con el razonamiento lógico.
Esta vía busca complementar el enfoque dominante de los grandes modelos de lenguaje. Los sistemas abordados en el congreso pueden aprender reglas lógicas a partir de pocos ejemplos, explicar sus conclusiones y combinar redes neuronales con razonamiento formal. Este campo se conoce como aprendizaje neurosimbólico y programación lógica inductiva.
El encuentro se celebró del 16 al 18 de septiembre en el Campus de Vera de la UPV. La organización corrió a cargo del Instituto Universitario Valenciano de Investigación en Inteligencia Artificial (VRAIN), con el apoyo de ValgrAI, la Fundación Valenciana para la Investigación Avanzada en Inteligencia Artificial y la Cátedra HP de la UPV.
Una IA capaz de justificar sus respuestas
IJCLR integra la International Conference on Inductive Logic Programming (ILP), una cita especializada en programación lógica inductiva que acumula más de treinta ediciones desde su primer encuentro, celebrado en 1991 en Viana do Castelo, Portugal. España ya acogió esta conferencia en 2006, cuando se celebró en Santiago de Compostela.
Las sesiones de València han reunido a investigadores de universidades y centros científicos de Europa, América, Asia y Oriente Medio. El programa ha incluido cuatro conferencias plenarias y un total de 35 trabajos científicos, de los que 26 fueron artículos completos y nueve comunicaciones breves.
Entre los ponentes ha estado Stephen Muggleton, del Imperial College London y la Universidad de Nankín, fundador del campo de la programación lógica inductiva. Durante su intervención abordó si los retos fundamentales de la inteligencia artificial están realmente resueltos y defendió que los sistemas actuales todavía no superan el desafío del descubrimiento científico planteado por Alan Turing y John McCarthy.
También participaron Laurent Orseau, de Google DeepMind, que presentó algoritmos de búsqueda con garantías matemáticas demostrables; Kevin Ellis, de la Universidad de Cornell, que explicó cómo conseguir que una máquina aprenda a desenvolverse en un entorno desconocido en pocos minutos; y Jennifer Neville, de Microsoft Research y la Universidad de Purdue, que analizó por qué algunos sistemas de IA fallan en tareas reales y prolongadas pese a obtener buenos resultados en laboratorio.
Aplicaciones en ictus, retina y genética
Los trabajos presentados muestran aplicaciones que pueden trasladarse a ámbitos como la medicina y la investigación científica. Entre ellas figuran sistemas para asistir en el diagnóstico del ictus cuando existe información médica incompleta, herramientas para detectar enfermedades mediante el análisis de la retina y modelos dirigidos a predecir perturbaciones genéticas.
La conferencia también ha abordado el desarrollo de modelos interpretables aplicados a la biología. Esta capacidad para conocer las razones que sustentan una respuesta cobra especial relevancia en ámbitos en los que las decisiones de los sistemas de inteligencia artificial deben poder comprobarse y auditarse.
El investigador de VRAIN de la UPV César Ferri resume este objetivo: «nos interesa una inteligencia artificial que no solo acierte, sino que pueda explicar por qué acierta. En medicina o en ciencia, un sistema que no sabe justificar su respuesta es difícil de usar y de auditar».
El programa de IJCLR 2026 se completó con una visita al centro histórico de València y una cena de trabajo destinada a favorecer el contacto y la creación de nuevas colaboraciones entre los investigadores participantes.
