Mar¨ªa Alonso, premiada por su talento en matem¨¢ticas: ¡°Ni me plante¨¦ estudiar ingenier¨ªa por miedo a no valer por ser mujer¡±

Mar¨ªa Alonso (Pontevedra, 29 a?os) se resiste a utilizar ChatGPT en su trabajo de investigaci¨®n estad¨ªstica, tan solo si tiene que adaptar alg¨²n texto. De hecho, se encarga de crear modelos estad¨ªsticos, mejores que los que hay detr¨¢s de la inteligencia artificial (IA), para interpretar ciertos datos espec¨ªficos: ¡°Si una inteligencia artificial intenta predecir, por ejemplo, la direcci¨®n del viento o de las olas, lo har¨¢ mal. No tiene en cuenta si los datos est¨¢n en una circunferencia y no en la recta real¡±. Alonso no busca un modelo que haga una predicci¨®n, sino demostrar matem¨¢ticamente que las predicciones est¨¦n bien hechas. Gracias a su trabajo ha ganado el Premio Vicent Caselles por la Fundaci¨®n BBVA y la Real Sociedad Matem¨¢tica Espa?ola (RSME) que incentiva el talento de j¨®venes matem¨¢ticos.

Durante los partidos de la selecci¨®n espa?ola de f¨²tbol, o las retransmisiones de baloncesto, Alonso pone en marcha la estad¨ªstica en su cabeza: intenta calcular la probabilidad de que un equipo gane o no. Descarga los datos que le interesan e intenta predecir lo que va a pasar en el futuro. Tiene en cuenta, por ejemplo, el n¨²mero de minutos que juega un jugador o el n¨²mero de tiros a puerta. Alonso estudi¨® matem¨¢ticas en la Universidad de Santiago de Compostela, donde ahora es profesora, y tambi¨¦n curs¨® un doctorado en Estad¨ªstica e Investigaci¨®n Operativa.

Pregunta. ?C¨®mo utiliza la estad¨ªstica en su investigaci¨®n?

Respuesta. Estamos trabajando en la predicci¨®n de la direcci¨®n de olas y su altura en la Costa da Morte gallega, un punto bastante peligroso. Es importante modelizar el comportamiento mar¨ªtimo en funci¨®n de muchas variables: la salinidad, la temperatura del agua, la direcci¨®n del viento, la velocidad del viento. Si tienes estas condiciones meteorol¨®gicas, puedes decir en que momento los barcos no deber¨ªan salir.

P. ?Las t¨¦cnicas normales no sirven para ese tipo de datos?

R. Exactamente. Est¨¢n pensadas para variables definidas en la recta real, pero los ¨¢ngulos no est¨¢n definidos en la recta real, sino en la circunferencia y el propio soporte es distinto. El proyecto consiste en dise?ar nuevas t¨¦cnicas para analizar variables para este tipo de datos. Poder ver c¨®mo se relacionan entre s¨ª o predecir una variable en funci¨®n de la informaci¨®n que te dan otras.

P. ?La inteligencia artificial tiene en cuenta esos datos espec¨ªficos?

R. La estad¨ªstica cl¨¢sica o los modelos de machine learning cl¨¢sicos, o de referencia artificial que hay hasta ahora, no lo hacen. Empezamos de cero: construimos en estad¨ªstica modelos estad¨ªsticos que los analicen de forma correcta.

P. ?Puede poner alg¨²n ejemplo?

R. He encontrado art¨ªculos cient¨ªficos en el ¨¢mbito de la biolog¨ªa donde quer¨ªan estudiar estrategias de huida en animales, en qu¨¦ direcci¨®n se escapa un animal cuando es perseguido por un depredador. Los autores utilizaban t¨¦cnicas estad¨ªsticas usuales, y sacaban unas conclusiones que son err¨®neas porque est¨¢ construido en torno a la media de una variable aleatoria que sea definida en la recta real. Lo que hago es construir modelos similares que tengan en cuenta que no est¨¢s en la recta real, que est¨¢s en una circunferencia, y despu¨¦s estudiar que esos modelos funcionan correctamente.

P. Los modelos con los que trabaja tambi¨¦n ayudan en campos como la psicolog¨ªa o la neurolog¨ªa.

R. En neurolog¨ªa tenemos una investigaci¨®n con macacos en la que quer¨ªan estudiar los picos de actividad neuronal en el c¨®rtex primario del cerebro seg¨²n la direcci¨®n de un est¨ªmulo. Ten¨ªan los macacos sentados y sedados y les produc¨ªan un est¨ªmulo visual desde distintas direcciones, para estudiar si hab¨ªa m¨¢s actividad neuronal en direcciones espec¨ªficas. Aplicamos ciertas t¨¦cnicas en las que vimos que, dependiendo de la direcci¨®n del est¨ªmulo, la actividad neuronal era mayor o menor, y la varianza de esa actividad neuronal tambi¨¦n cambiaba con la direcci¨®n del est¨ªmulo.

P. ?Qu¨¦ hace ahora la inteligencia artificial por las matem¨¢ticas que antes no se pod¨ªa hacer?

R. Lo que hay detr¨¢s de la inteligencia artificial son matem¨¢ticas. Me resulta dif¨ªcil visualizar c¨®mo podr¨ªa robarle el trabajo a los matem¨¢ticos. Realmente nuestro trabajo es pensar. En vez de estar diez horas pensando como programar algo, puedo llamar a ChatGPT. En programaci¨®n supone un cambio de paradigma, pero no es lo mismo en la matem¨¢tica b¨¢sica. Cuando haces matem¨¢ticas est¨¢s intentando ver cosas que nadie ha visto. Si intentas hacer cosas originales, es muy dif¨ªcil que la inteligencia artificial pueda reemplazarte, porque solo repite cosas que ya ha visto. Las matem¨¢ticas crecen, cada d¨ªa se descubre algo nuevo.

P. ?Es m¨¢s dif¨ªcil que la IA reemplace a un trabajo creativo?

R. Todo lo que tiene que ver con la creatividad es lo que la inteligencia artificial no va a ser capaz de hacer. No va a hacer nunca algo completamente diferente a lo que ha sido entrenado.

P. ?La estad¨ªstica ayuda a reducir los sesgos de los modelos?

R. Si solo entreno el modelo con frases de hombres matem¨¢ticos famosos, pues solo me va a responder cosas relacionadas con hombres, porque le he dado esos datos. No es que la estad¨ªstica o la inteligencia artificial est¨¦ sesgada, es la propia sociedad la que est¨¢ sesgada y heredamos nuestros propios sesgos. La parte triste de la aplicaci¨®n de la estad¨ªstica es que mucha gente intentar manipular los resultados mediante este tipo de cosas. Tienes que saber que en los datos existe un sesgo e intentar corregirlo.

P. ?Ha visto alg¨²n sesgo en contra de las mujeres?

R. Si t¨² le preguntas a la inteligencia artificial que dibuje a una persona que se dedique a investigar en matem¨¢ticas, todos los dibujos son hombres. Un estereotipo muy claro de un hombre mayor con gafas, un perfil matem¨¢tico o perfiles m¨¢s relacionados con la ciencia y la tecnolog¨ªa. En ese caso, la inteligencia artificial no te va a devolver a una chica joven matem¨¢tica.

P. ?Qu¨¦ hubiera estudiado si no hubiera estudiado matem¨¢ticas?

R. Magisterio, siempre me gustaron los ni?os. Me matricul¨¦ en matem¨¢ticas pensando en ser profesora. Tambi¨¦n me hubiera decantado por alguna ingenier¨ªa, pero quiz¨¢s por concepci¨®n social de que la gente me dec¨ªa ¡°para la ingenier¨ªa tienes que tener mucho ingenio¡± que las mujeres somos estudiosas, pero no tenemos tanto ingenio, as¨ª que ni siquiera llegu¨¦ a considerar la ingenier¨ªa por miedo a no valer. Mis compa?eros del colegio me dec¨ªan que no era inteligente, que estudiaba mucho y por eso sacaba buenas notas. De todas formas, me alegro porque me gusta mucho la carrera que escog¨ª.

P. ?Hay muchas mujeres j¨®venes en el sector?

R. En estad¨ªstica, el porcentaje de mujeres es mayor que en las matem¨¢ticas puras. En los congresos y en la carrera investigadora el porcentaje es bastante bajo. En estad¨ªstica es m¨¢s alto porque se asocia a un perfil m¨¢s aplicado y no al de un genio matem¨¢tico. Las mujeres tenemos miedo de no ser capaces.

P. ?Qu¨¦ cree que hace falta para motivar a las mujeres?

R. Tienen que empezar desde edades tempranas a quitar los sesgos que existen, aquellos que dicen que las ni?as son muy trabajadoras y los ni?os son muy inteligentes. Esos comentarios me afectaron mucho cuando era peque?a. Erradicarlos e intentar mostrar a las ni?as referentes femeninos en matem¨¢ticas y en ciencia en general. No se trata de forzar a las ni?as a estudiar matem¨¢ticas, pero si te gustan, que sepas que puedes y que eres muy v¨¢lida.

P. ?La inteligencia artificial puede ser un gancho?

R. S¨ª, cuando empec¨¦ la carrera nadie quer¨ªa estudiar matem¨¢ticas, se pensaba que solo val¨ªa para ser profesor. Mis familiares y amigos me dec¨ªan que estaba tirando a la basura la nota de selectividad. Ahora es todo lo contrario, las empresas quieren m¨¢s matem¨¢ticas y las notas de corte son muy altas. Se debe en gran parte al boom de la aplicaci¨®n de la IA o del machine learning y de su uso en las empresas, que ahora ya no buscan un perfil tan educativo, sino m¨¢s tecnol¨®gico.

P. ?Cree que deber¨ªa existir una asignatura en los colegios sobre inteligencia artificial?

R. Me parece muy precipitado porque es dif¨ªcil entender la inteligencia artificial. La gente a veces quiere ir muy r¨¢pido y, de la noche a la ma?ana, convertirse en experto en machine learning sin tener que estudiar matem¨¢ticas. Eso es imposible, sin la base no vas a poder entender lo que hay detr¨¢s: es como querer correr sin saber caminar. Para entender c¨®mo funciona la inteligencia artificial tienes que ser capaz de pensar de forma l¨®gica, qu¨¦ es lo que hacen las matem¨¢ticas.

P. ?La IA llegar¨¢ en alg¨²n momento a igualar las respuestas humanas?

R. Depende. Todo lo que tenga que ver con la originalidad va a ser dif¨ªcil que lo iguale. En cosas m¨¢s rutinarias ya lo estamos viendo. Est¨¢ entrenada con titulares de prensa, o con opiniones de gente, que no tienen por qu¨¦ ser verdaderos. Son muy necesarias las profesiones de humanidades, como la filosof¨ªa, para analizar lo que est¨¢ pasando. Siempre tengo el miedo de que la gente se piense que la inteligencia artificial es inteligente, que lo que dice es lo correcto.

P. ?Qu¨¦ puede hacer un fil¨®sofo?

R. Puede asesorarte sobre cu¨¢nto caso les tenemos que hacer a las inteligencias artificiales. D¨®nde est¨¢ el l¨ªmite en que una inteligencia artificial puede determinar distintas cosas. Si en medicina la inteligencia artificial te dice que tienes que operar a una persona antes que a otra, ?le vas a hacer caso inmediatamente o te vas a parar y a plantear los dos casos? La IA puede reemplazar aspectos mec¨¢nicos, pero siempre va a ser necesario tener una visi¨®n humana detr¨¢s, para que seamos capaces de ver lo que est¨¢ bien y lo que est¨¢ mal sin ser confundidos por la m¨¢quina.

Puedes seguir a EL PA?S Tecnolog¨ªa en Facebook y X o apuntarte aqu¨ª para recibir nuestra newsletter semanal.