La IA es un monstruo enorme. Yo también intenté meterme solo, con tutoriales de YouTube y artículos técnicos. Me ahogué en fórmulas matemáticas y código que no entendía. Me di cuenta de que estaba tratando de construir un rascacielos sin saber ni poner un ladrillo.
Lo que al final funcionó fue dejar de intentar «aprender IA» como un todo. Es demasiado. En cambio, me centré en un solo problema estúpidamente pequeño. Para mí fue: «¿puedo hacer que un programa reconozca si una foto es de un perro o un gato?». No todos los animales, solo eso.
Usé un curso práctico, el de Andrew Ng en Coursera, pero no lo hice pasivamente. Mientras seguía las lecciones, aplicaba cada concepto mínimo a mi problema del perro y el gato. Aunque el curso usaba ejemplos diferentes, yo forzaba ese conocimiento a mi proyecto. La teoría sin aplicación inmediata se me olvidaba en dos días.
Otra cosa: usé herramientas de alto nivel al principio. Keras, Fast.ai. Gente purista dice que hay que empezar con lo básico, con Python puro y numpy. Pero eso mata la motivación. Si primero logras que algo funcione, aunque sea con herramientas que son como una caja negra, ganas la confianza para después querer saber cómo funciona por dentro. Es el ciclo: funcionamiento -> curiosidad -> fundamento.
También me uní a una comunidad pequeña, no a foros gigantes. Un grupo de Telegram de 100 personas donde todos estaban haciendo proyectos. Preguntabas tonterías y te respondían sin prepotencia. La clave era participar, no solo leer. Si alguien tenía un error, yo intentaba ayudarle aunque no supiera. Forzaba a pensar.
El error principal fue creer que podía ser autodidacta en el vacío. La IA no se aprende como historia viendo documentales. Se aprende como carpintería: haciendo viruta, equivocándote, y teniendo a alguien que te diga «no aprietes tanto el tornillo».
