L’Escola Tècnica Superior d’Enginyeria Informàtica de la Universitat Politècnica de València ha acollit la sisena edició de la I nternational Joint Conference on Learning and Reasoning (IJCLR 2026), una trobada internacional dedicada als sistemes d’intel·ligència artificial capaces d’aprendre de les dades i, al mateix temps, raonar de manera explícita i comprensible per a les persones.
IJCLR ha reunit una comunitat científica que treballa en sistemes que aprenen regles lògiques a partir de pocs exemples, que poden explicar les seues conclusions i que combinen xarxes neuronals amb raonament formal. És el que es coneix com a aprenentatge neurosimbólico i programació lògica inductiva.
La trobada, que s’ha celebrat del 16 al 18 de setembre, ha sigut organitzat per l’Institut Universitari Valencià d’Investigació en Intel·ligència Artificial (VRAIN) de laUniversitat Politècnica de València (UPV), i ha comptat amb el suport de l’Escola Valenciana de Postgrau i Xarxa d’Investigació en Intel·ligència Artificial(ValgrAI), la Fundació Valenciana per a la Investigació Avançada en Intel·ligència Artificial, i la Càtedra HP de la Universitat Politècnica de València.
IJCLR integra en el seu si la International Conference on Inductive Logic Programming (ILP), la conferència de referència en programació lògica inductiva, que suma més de trenta edicions des de la seua primera trobada en 1991 a Viana do Castelo (Portugal). ILP ja s’havia celebrat a Espanya en 2006, a Santiago de Compostel·la.
Les sessions s’han van celebrar en la sala d’actes Alan Turing de l’Escola Tècnica Superior d’Enginyeria Informàtica, al Campus de Vera, i han reunit a prop de mig centenar d’investigadors procedents d’universitats i centres d’investigació d’Europa, Amèrica, Àsia i Orient Mitjà.
Quatre conferències convidades
El programa s’ha articulat entorn de quatre xarrades plenàries. Stephen Muggleton (Imperial College London i Universitat de Nanquín), fundador del camp de la programació lògica inductiva, va obrir el congrés preguntant-se si els reptes fonamentals de la intel·ligència artificial estan realment resolts, i va defensar que els sistemes actuals no superen el desafiament del descobriment científic que van plantejar Alan Turing i John McCarthy.
Laurent Orseau (Google DeepMind) va presentar algorismes de cerca amb garanties matemàtiques demostrables; Kevin Ellis (Universitat de Cornell) va exposar com aconseguir que una màquina aprenga a manejar un entorn desconegut en qüestió de minuts, igual que fa una persona; i Jennifer Neville (Microsoft Research i Universitat de Purdue) va analitzar per què els sistemes d’IA fallen de manera inesperada en tasques reals i prolongades, malgrat rendir bé en les proves de laboratori.
Aplicacions que arriben a l’hospital i al laboratori
Entre els 35 treballs presentats -26 articles complets i 9 comunicacions breus- van figurar aplicacions amb impacte directe en el diagnòstic assistit de l’ictus, a partir d’informació mèdica incompleta, detecció de malalties mitjançant l’anàlisi de la retina, predicció de pertorbacions genètiques i models interpretables per a biologia.
Tal com explica l’investigadore de VRAIN de la UPV, César Ferri, “ens interessa una intel·ligència artificial que no sols encerte, sinó que puga explicar per què encerta. En medicina o en ciència, un sistema que no sap justificar la seua resposta és difícil d’usar i d’auditar”.
El congrés va incloure també una visita guiada pel centre històric de València i un sopar de treball, en la qual els participants van tenir ocasió d’establir noves col·laboracions.