Minería Asturias Espacio

El casco cuelga todavía de la taquilla cuando alguien pronuncia, medio en broma, la frase que resume el giro más inesperado de la comarca: la minería de Asturias podría acabar entrenando a quienes extraigan hielo en la Luna. No es una ocurrencia de tertulia. Según publica COPE, la experiencia minera asturiana aspira a convertirse en pieza del ecosistema espacial europeo. Y ahí, justo ahí, empieza una historia que en clase se puede contar con números 🔎.

"Nadie sabe perforar roca dura mejor que quien lleva un siglo haciéndolo bajo tierra. La diferencia es que ahora la roca está a 384.000 kilómetros."

Lo que pasó con la minería de Asturias

La escena se repite en varios valles del centro de Asturias: pozos cerrados, galerías inundadas, y en la superficie, empresas de ingeniería que ya no hablan de carbón sino de regolito. Durante décadas, la minería de Asturias fue sinónimo de una economía concreta —hulla, antracita, cuencas del Nalón y del Caudal—. El declive fue real y documentado: el cierre ordenado de la minería del carbón en España culminó a finales de 2018, y con él se fue empleo, pero no se fue el conocimiento.

Ese conocimiento es lo interesante. Perforar roca dura con poca energía disponible. Ventilar espacios confinados. Estabilizar galerías. Manejar maquinaria teleoperada en entornos hostiles. Separar mineral de ganga con agua escasa. Cada una de esas competencias tiene un gemelo casi exacto en la agenda de la exploración espacial: extraer hielo de agua en cráteres lunares en sombra permanente, procesar regolito para obtener oxígeno, construir refugios enterrados que protejan de la radiación.

De la cuenca minera al ISRU

En la jerga espacial esto se llama ISRU (In-Situ Resource Utilization): usar los materiales del propio destino en lugar de transportarlos desde la Tierra. Llevar un kilo a la superficie lunar cuesta órdenes de magnitud más que producirlo allí, así que quien sepa extraer y procesar in situ tiene una ventaja estratégica. La Agencia Espacial Europea lleva años financiando prototipos de producción de oxígeno a partir de regolito lunar. Alguien tiene que probarlos en condiciones análogas. Y las galerías asturianas, con su roca real y su historia de seguridad minera, son un banco de pruebas creíble.

Pero aquí llega la pregunta incómoda, la que convierte una bonita historia en un problema de decisión: si una región tiene recursos limitados, ¿en qué línea del ecosistema espacial debe invertir? ¿Robótica de perforación? ¿Formación de técnicos? ¿Instalaciones de ensayo análogas? La respuesta correcta no es única: depende del contexto. Y para eso existe una herramienta preciosa del aprendizaje por refuerzo.

Por qué importa estadísticamente: el bandido contextual entra en escena

Imagina un consorcio que cada trimestre debe decidir dónde coloca su presupuesto de innovación. Tiene tres opciones (llamémoslas acciones o brazos): A) robótica de perforación, B) formación técnica especializada y C) instalación de ensayos análogos. Cada trimestre recibe una situación distinta —una convocatoria ESA, un proyecto minero terrestre, un contrato industrial privado— y solo después de decidir ve el resultado (contratos firmados, retorno económico, empleos generados).

Esto no es un problema de regresión clásica. Es un problema de bandido, y más concretamente un bandido contextual. La diferencia es sutil pero decisiva:

• 🎰 Bandido multibrazo clásico: hay varias palancas, cada una da una recompensa aleatoria, y buscas la mejor en promedio. Una única respuesta para todos los casos.
• 🎯 Bandido contextual: antes de decidir, observas un contexto (un vector de características de la situación). La mejor acción cambia según el contexto. No buscas "la mejor palanca", sino una política: una función que va del contexto a la acción.
• 🧠 Aprendizaje por refuerzo completo: además, tus acciones cambian el estado futuro del mundo. En el bandido contextual no: cada decisión es independiente de la siguiente.

El bandido contextual vive, por tanto, en un punto intermedio muy útil para el aula: tiene la riqueza de "depende del caso" sin la complejidad de modelar transiciones de estado. Es exactamente el modelo que usan los sistemas de recomendación de noticias, la personalización de tratamientos médicos y la asignación de anuncios. Y encaja como un guante con la minería de Asturias mirando al espacio.

Las tres piezas del modelo

1. Contexto (x): qué tipo de oportunidad aparece este trimestre. Aquí: convocatoria ESA, proyecto minero terrestre o contrato industrial privado.
2. Acción (a): a qué línea se asigna el presupuesto. Aquí: robótica, formación o instalación análoga.
3. Recompensa (r): el resultado observado tras decidir. Aquí, un índice de retorno de 0 a 100 que combina contratos, empleo y transferencia tecnológica.

El objetivo es aprender la política π(x) → a que maximiza la recompensa esperada. Y el problema central, el que hace apasionante este tema, es el dilema exploración–explotación: si siempre eliges lo que hoy parece mejor, nunca descubrirás que otra opción era superior en un contexto que apenas has probado 💡.

Mirando los números de la minería de Asturias (tabla + Figura 1)

Para que el aula pueda trabajar, construimos una matriz de recompensas medias. Atención: son datos ilustrativos para uso docente, construidos para que el modelo sea comprensible; no proceden de ningún registro oficial del consorcio. La estructura del problema sí es realista; los números concretos, no.

Contexto (tipo de oportunidad)	A) Robótica de perforación	B) Formación técnica	C) Instalación de ensayos	Nº de trimestres observados
Convocatoria ESA	78	45	62	14
Proyecto minero terrestre	52	71	38	18
Contrato industrial privado	41	56	69	12
Media global (sin contexto)	56,4	57,7	55,7	44

Mira la última fila con atención, porque ahí está la lección estadística del día 📊. Si ignoramos el contexto y calculamos la media global de cada acción, las tres opciones parecen prácticamente idénticas: 56,4 / 57,7 / 55,7. Un bandido clásico concluiría "da igual, elige formación" y se quedaría tan ancho. Pero al abrir por contexto, las diferencias son enormes: en convocatoria ESA, la robótica saca 33 puntos a la formación; en proyecto minero terrestre, la formación gana por 19; en contrato privado, la instalación de ensayos gana por 13.

El contexto no es un detalle: es la señal. Promediar sobre contextos la destruye por completo. Es el mismo mecanismo que produce la paradoja de Simpson, y para el alumnado es una de las lecciones más transferibles de todo el curso.

Qué nos dice el modelo de bandido contextual (Figura 2)

Un bandido contextual no recibe esta tabla regalada. La construye, trimestre a trimestre, decidiendo con información incompleta. Ese es el corazón del método y lo que lo hace tan didáctico: el modelo debe equilibrar dos impulsos contradictorios.

El algoritmo, paso a paso

1. Llega el trimestre t y con él un contexto x_t (por ejemplo, "convocatoria ESA").
2. El agente consulta su estimación actual de recompensa para cada acción en ese contexto: Q̂(x_t, a).
3. Explota con probabilidad 1−ε: elige la acción con mayor Q̂ estimada. Explora con probabilidad ε: elige una acción al azar, para no quedarse ciego ante opciones poco probadas.
4. Observa la recompensa real r_t y actualiza su estimación: Q̂(x,a) ← Q̂(x,a) + α·[r_t − Q̂(x,a)].
5. Repite. La política converge hacia elegir el brazo óptimo de cada contexto.

Fíjate en el paso 4: es exactamente una media móvil con tasa de aprendizaje α. Si α es grande, el modelo se fía mucho de lo último que vio (bueno si el entorno cambia); si es pequeño, es más estable pero lento. Esa tensión es la misma que tu alumnado ya conoce de las medias móviles en series temporales 🧮.

La métrica que evalúa al agente es el arrepentimiento (regret): la diferencia acumulada entre lo que habría ganado eligiendo siempre lo óptimo y lo que realmente ganó. Con nuestros datos, la política óptima obtiene 78, 71 y 69 según el contexto. Una política ciega al contexto que siempre eligiera "formación" obtendría 45, 71 y 56: pierde 33 puntos en un contexto y 13 en otro. Ese es el precio, medible en números, de ignorar la información disponible.

Cómo se simula en clase

El experimento cabe en unas pocas líneas de código y se puede montar en Python o en R. En Python bastan numpy y un bucle; en R, un for y sample(). La idea es siempre la misma: generar el contexto al azar, elegir acción con ε-greedy, extraer una recompensa con ruido alrededor del valor de la tabla y actualizar la estimación. Después se representa la recompensa acumulada frente al número de trimestres y se compara con dos referencias: el agente que siempre explota (ε=0) y el que elige al azar. La documentación oficial de generación de números aleatorios de NumPy es el punto de partida natural para el muestreo. Quien quiera más material de este estilo lo encontrará en los recursos interactivos de Canal Docente, pensados justo para simulaciones de este tipo.

Lo que el aula puede aprender de este caso

Un artículo sobre pozos mineros y cohetes puede parecer lejano a un examen de Matemáticas o de Economía. No lo es. Estas son las competencias que la historia pone sobre la mesa:

• ✅ Distinguir promedio de condicional. La media global miente cuando hay subgrupos con comportamientos opuestos. Enseñar esto con una tabla de 3×3 es más eficaz que con cualquier definición formal.
• ✅ Formalizar una decisión. Pasar de "no sabemos en qué invertir" a "tenemos contextos, acciones y recompensa medible" es la mitad del trabajo de un analista de datos.
• ✅ Convivir con la incertidumbre. El dilema exploración–explotación aparece en la vida real del alumnado: ¿pido siempre el mismo plato o pruebo uno nuevo? ¿Estudio con el método que ya conozco o pruebo otro?
• ✅ Leer un gráfico agrupado. Comparar dentro de un grupo y entre grupos es una destreza de lectura de datos que aparece en pruebas de acceso y en el temario PEVAU de varias materias.
• ✅ Aceptar los límites del modelo. Aquí no hay dataset real. Decirlo en voz alta y trabajar con datos ilustrativos declarados es honestidad científica, no debilidad 📚.

Conexión curricular

El caso conecta con Estadística y Probabilidad (medias condicionales, muestreo, variabilidad), con Economía (coste de oportunidad, asignación de recursos), con Tecnología e Ingeniería (transferencia tecnológica, ISRU) y con Geografía e Historia (reconversión industrial de las cuencas). Un mismo material, cuatro asignaturas. Para preparar la sesión, el profesorado encontrará plantillas y guías en la sección de recursos para profesores.

Mini-retos para llevar al aula sobre minería y datos

1. 🎯 Calcula el arrepentimiento. Un consorcio elige siempre "formación" durante 44 trimestres, repartidos como en la tabla (14 ESA, 18 minero, 12 privado). ¿Cuánta recompensa total pierde frente a la política óptima? Da el resultado en puntos absolutos y en porcentaje.
2. 🧮 Rehaz la media global. Las medias de la última fila están ponderadas por el número de trimestres. Recalcúlalas como media aritmética simple de los tres contextos. ¿Cambia el orden de las acciones? ¿Qué te dice eso sobre la fragilidad de los promedios?
3. 🔎 Diseña un contexto nuevo. Añade una cuarta situación (por ejemplo, "convocatoria de fondos europeos de transición justa"). Argumenta con criterios razonados qué acción debería ganar y qué recompensas asignarías. Marca claramente que son estimaciones tuyas.
4. 📊 Simula ε. Programa el bandido con ε = 0, ε = 0,1 y ε = 0,5 durante 500 trimestres. Representa la recompensa acumulada de los tres. ¿Cuál gana a corto plazo? ¿Y a largo plazo? Explica por qué.
5. 🧠 Rompe el modelo. ¿Qué pasaría si invertir en formación este trimestre aumentase la recompensa de la robótica el trimestre siguiente? Justifica por qué entonces el bandido contextual ya no basta y haría falta un MDP completo.
6. 📈 Diseña una alternativa a ε-greedy. Investiga la estrategia UCB (límite de confianza superior) y explica en cinco líneas cómo decidiría de forma distinta en el contexto "contrato privado", que solo tiene 12 observaciones.
7. 💡 Debate ético. Si esta política decidiera sobre empleo real en una comarca, ¿es aceptable "explorar" —es decir, invertir a sabiendas en la opción probablemente peor— para aprender? ¿Qué salvaguardas pondrías?

Reflexión final

Vuelvo a la escena del principio: el casco en la taquilla, la broma sobre la Luna. Lo que hace potente la historia de la minería de Asturias no es la promesa espacial —esas promesas abundan y muchas no se cumplen— sino la estructura del problema que revela. Una región con un saber acumulado y un presupuesto finito, decidiendo una y otra vez, sin certezas, con información parcial sobre qué apuesta funcionará.

Eso es exactamente un bandido contextual. Y la enseñanza que deja es doble. La primera, técnica: mirar el contexto antes de decidir cambia por completo la respuesta correcta; los promedios globales de nuestra tabla escondían diferencias de más de 30 puntos. La segunda, más humana: ninguna política óptima se aprende sin haber explorado antes, es decir, sin haberse equivocado a propósito unas cuantas veces. Las cuencas mineras llevan décadas aprendiendo esa lección por la vía dura.

El aula puede aprovechar el caso para lo que de verdad importa: enseñar a formular preguntas decidibles con datos, a desconfiar de las medias que aplanan la realidad y a reconocer que la incertidumbre no es un fallo del análisis, sino su materia prima 🧠. Si quieres seguir explorando este tipo de casos donde una noticia se convierte en clase de estadística, tienes muchos más en los artículos del blog.