Eran pasadas las dos de la mañana de una noche de tormenta en San José, el pasado octubre, y yo solo podía escuchar dos cosas: el aguacero golpeando el techo de zinc y el zumbido constante del ventilador de mi laptop que parecía a punto de despegar. En la pantalla, una línea de código roja me gritaba un error que yo no alcanzaba a procesar. Estaba tratando de correr mi primer modelo para el quetzal y el mapa salía completamente en blanco. Ahí, con el olor a café recalentado inundando el cuarto, me pregunté por décima vez si no hubiera sido mejor soltar los billetes y pagar uno de esos cursos de modelado que prometen enseñarte todo en un fin de semana.
Llevo poco más de un año en esto, desde mediados del invierno pasado hasta este inicio de la temporada de lluvias, y si algo he aprendido es que el MaxEnt (Máxima Entropía) es como una novia caprichosa que solo te habla si instalas exactamente la versión de Java que a ella le da la gana. Soy logístico, no biólogo, pero mi terquedad por saber dónde más podrían estar las aves que cuento los domingos me llevó a meterme en este laberinto de RStudio. Hoy, tras un par de meses de errores constantes en la consola, ya no le tengo miedo al código, pero sigo pensando: ¿realmente se puede aprender esto gratis o estamos perdiendo el tiempo?
El abismo de lo gratuito: YouTube y los tutoriales fragmentados
Cuando empecé, creí que con un par de videos de YouTube y el manual de Phillips (el creador del algoritmo) estaba sobrado. Error de novato. El problema de aprender gratis no es que la información no esté ahí; es que está desperdigada como las piezas de un rompecabezas de mil piezas en el que alguien mezcló tres cajas distintas. Pasé semanas intentando entender por qué el paquete 'dismo' no me reconocía el archivo .jar de MaxEnt, solo para descubrir en un foro perdido que era un problema de permisos en mi carpeta de aplicaciones.
Intentar seguir un tutorial de YouTube un par de días después de haberme frustrado con la documentación técnica fue peor. Muchos de esos videos te dicen 'copia y pega esto', pero no te explican qué es un objeto S4 o por qué tus 19 variables bioclimáticas de WorldClim podrían estar tan correlacionadas que tu modelo es básicamente basura científica. Ahí es donde entra el peligro real de lo gratuito: es muy fácil sacar un mapa con colores bonitos que no significa absolutamente nada en la vida real. Aprender por cuenta propia mediante tutoriales fragmentados suele ser más costoso a largo plazo debido a los errores de modelado que generan sesgos imposibles de detectar si no tienes a alguien que te diga: 'Che, ese mapa está sobreajustado'.
El valor de la frustración: ¿Qué te enseña el error que el curso no?
Hay algo que un curso de trescientos dólares no te da: la capacidad de resolver problemas cuando el mundo real se sale del guion. Hace unas semanas, al terminar mi último mapa, me di cuenta de que mis datos de presencia (sacados de GBIF y eBird) tenían un sesgo de muestreo terrible: todos los puntos estaban cerca de las carreteras. Un curso te da un set de datos 'limpio', pero la vida del voluntario de conservación es lidiar con datos sucios.
Esa lógica de limpieza y de entender el 'porqué' de las cosas solo me la dio el haberme peleado con la consola durante meses. Recuerdo perfectamente ese sudor frío en la nuca cuando, tras cuatro horas de espera para que corriera un modelo complejo, el sistema falló por un error de memoria en la computadora. En ese momento aprendí más sobre la gestión de memoria en R y sobre cómo recortar mis capas de resolución de 5 minutos de arco (como las de Bio-ORACLE que a veces uso para comparar) que en cualquier lectura pasiva. La frustración es un maestro caro, pero sus lecciones no se olvidan nunca.
¿Cuándo sí vale la pena sacar la tarjeta de crédito?
No voy a ser hipócrita: si tuviera el presupuesto de una universidad, habría pagado un curso estructurado desde el día uno. Pero como aficionado que paga su propia conexión a internet y sus binoculares, he tenido que ser selectivo. Tras un año pegándome contra la pared, creo que hay momentos específicos donde pagar vale cada centavo:
- Cuando no entiendes la estadística detrás del algoritmo: Si no sabes qué significan las 500 iteraciones máximas por defecto en MaxEnt o cómo interpretar una curva ROC, paga por teoría, no por código.
- Para aprender la limpieza de datos: El código para correr MaxEnt son tres líneas; el código para limpiar los datos son trescientas. Si el curso se enfoca en pre-procesamiento, vale oro.
- Por el acceso a la comunidad: A veces pagas el curso solo para que el profesor te conteste un correo cuando tu script se rompe inexplicablemente un viernes por la tarde.
Mi consejo es que antes de soltar un solo dólar, te metas a los grupos de Facebook o Telegram de modelado de nicho. Lee las preguntas de los demás. Si entiendes la mitad de lo que dicen, quizás puedas seguir solo. Si te suena a chino mandarín, buscá un curso que hable tu idioma y que no use datos de ejemplo perfectos.
Reflexión final de un terco
Hoy ya no me asusto cuando R me tira un error en rojo. Sé que probablemente es una coma que falta o que Java se volvió a desactualizar. El valor real de haber aprendido 'a la brava' es que entiendo mis mapas. Sé por qué el quetzal aparece en esa zona de la cordillera y por qué el modelo dice que podría estar en aquella otra donde nadie lo ha visto todavía.
Si tienes el tiempo y la piel dura, el camino del autodidacta es gratificante y te convierte en un solucionador de problemas nato. Pero si lo que necesitas es presentar un reporte de conservación el próximo mes y nunca has abierto RStudio, no lo dudes: paga el curso. El ahorro de salud mental compensará el golpe al bolsillo. Al final del día, lo que importa no es cuánto pagaste por aprender, sino que ese mapa sirva para proteger a las aves que nos sacan de la casa cada fin de semana.