María Alonso, premiada por su talento en matemáticas: “Ni me planteé estudiar ingeniería por miedo a no valer por ser mujer”

María Alonso (Pontevedra, 29 años) se resiste a utilizar ChatGPT en su trabajo de investigación estadística, tan solo si tiene que adaptar algún texto. De hecho, se encarga de crear modelos estadísticos, mejores que los que hay detrás de la inteligencia artificial (IA), para interpretar ciertos datos específicos: “Si una inteligencia artificial intenta predecir, por ejemplo, la dirección del viento o de las olas, lo hará mal. No tiene en cuenta si los datos están en una circunferencia y no en la recta real”. Alonso no busca un modelo que haga una predicción, sino demostrar matemáticamente que las predicciones estén bien hechas. Gracias a su trabajo ha ganado el Premio Vicent Caselles por la Fundación BBVA y la Real Sociedad Matemática Española (RSME) que incentiva el talento de jóvenes matemáticos.

Durante los partidos de la selección española de fútbol, o las retransmisiones de baloncesto, Alonso pone en marcha la estadística 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 número de minutos que juega un jugador o el número de tiros a puerta. Alonso estudió matemáticas en la Universidad de Santiago de Compostela, donde ahora es profesora, y también cursó un doctorado en Estadística e Investigación Operativa.

Pregunta. ¿Cómo utiliza la estadística en su investigación?

Respuesta. Estamos trabajando en la predicción de la dirección de olas y su altura en la Costa da Morte gallega, un punto bastante peligroso. Es importante modelizar el comportamiento marítimo en función de muchas variables: la salinidad, la temperatura del agua, la dirección del viento, la velocidad del viento. Si tienes estas condiciones meteorológicas, puedes decir en que momento los barcos no deberían salir.

P. ¿Las técnicas normales no sirven para ese tipo de datos?

R. Exactamente. Están pensadas para variables definidas en la recta real, pero los ángulos no están definidos en la recta real, sino en la circunferencia y el propio soporte es distinto. El proyecto consiste en diseñar nuevas técnicas para analizar variables para este tipo de datos. Poder ver cómo se relacionan entre sí o predecir una variable en función de la información que te dan otras.

P. ¿La inteligencia artificial tiene en cuenta esos datos específicos?

R. La estadística clásica o los modelos de machine learning clásicos, o de referencia artificial que hay hasta ahora, no lo hacen. Empezamos de cero: construimos en estadística modelos estadísticos que los analicen de forma correcta.

P. ¿Puede poner algún ejemplo?

R. He encontrado artículos científicos en el ámbito de la biología donde querían estudiar estrategias de huida en animales, en qué dirección se escapa un animal cuando es perseguido por un depredador. Los autores utilizaban técnicas estadísticas usuales, y sacaban unas conclusiones que son erróneas porque está 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 estás en la recta real, que estás en una circunferencia, y después estudiar que esos modelos funcionan correctamente.

P. Los modelos con los que trabaja también ayudan en campos como la psicología o la neurología.

R. En neurología tenemos una investigación con macacos en la que querían estudiar los picos de actividad neuronal en el córtex primario del cerebro según la dirección de un estímulo. Tenían los macacos sentados y sedados y les producían un estímulo visual desde distintas direcciones, para estudiar si había más actividad neuronal en direcciones específicas. Aplicamos ciertas técnicas en las que vimos que, dependiendo de la dirección del estímulo, la actividad neuronal era mayor o menor, y la varianza de esa actividad neuronal también cambiaba con la dirección del estímulo.

P. ¿Qué hace ahora la inteligencia artificial por las matemáticas que antes no se podía hacer?

R. Lo que hay detrás de la inteligencia artificial son matemáticas. Me resulta difícil visualizar cómo podría robarle el trabajo a los matemáticos. Realmente nuestro trabajo es pensar. En vez de estar diez horas pensando como programar algo, puedo llamar a ChatGPT. En programación supone un cambio de paradigma, pero no es lo mismo en la matemática básica. Cuando haces matemáticas estás intentando ver cosas que nadie ha visto. Si intentas hacer cosas originales, es muy difícil que la inteligencia artificial pueda reemplazarte, porque solo repite cosas que ya ha visto. Las matemáticas crecen, cada día se descubre algo nuevo.

P. ¿Es más difícil 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 estadística ayuda a reducir los sesgos de los modelos?

R. Si solo entreno el modelo con frases de hombres matemáticos famosos, pues solo me va a responder cosas relacionadas con hombres, porque le he dado esos datos. No es que la estadística o la inteligencia artificial esté sesgada, es la propia sociedad la que está sesgada y heredamos nuestros propios sesgos. La parte triste de la aplicación de la estadística 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 algún sesgo en contra de las mujeres?

R. Si tú le preguntas a la inteligencia artificial que dibuje a una persona que se dedique a investigar en matemáticas, todos los dibujos son hombres. Un estereotipo muy claro de un hombre mayor con gafas, un perfil matemático o perfiles más relacionados con la ciencia y la tecnología. En ese caso, la inteligencia artificial no te va a devolver a una chica joven matemática.

P. ¿Qué hubiera estudiado si no hubiera estudiado matemáticas?

R. Magisterio, siempre me gustaron los niños. Me matriculé en matemáticas pensando en ser profesora. También me hubiera decantado por alguna ingeniería, pero quizás por concepción social de que la gente me decía “para la ingeniería tienes que tener mucho ingenio” que las mujeres somos estudiosas, pero no tenemos tanto ingenio, así que ni siquiera llegué a considerar la ingeniería por miedo a no valer. Mis compañeros del colegio me decían 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 escogí.

P. ¿Hay muchas mujeres jóvenes en el sector?

R. En estadística, el porcentaje de mujeres es mayor que en las matemáticas puras. En los congresos y en la carrera investigadora el porcentaje es bastante bajo. En estadística es más alto porque se asocia a un perfil más aplicado y no al de un genio matemático. Las mujeres tenemos miedo de no ser capaces.

P. ¿Qué 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 niñas son muy trabajadoras y los niños son muy inteligentes. Esos comentarios me afectaron mucho cuando era pequeña. Erradicarlos e intentar mostrar a las niñas referentes femeninos en matemáticas y en ciencia en general. No se trata de forzar a las niñas a estudiar matemáticas, pero si te gustan, que sepas que puedes y que eres muy válida.

P. ¿La inteligencia artificial puede ser un gancho?

R. Sí, cuando empecé la carrera nadie quería estudiar matemáticas, se pensaba que solo valía para ser profesor. Mis familiares y amigos me decían que estaba tirando a la basura la nota de selectividad. Ahora es todo lo contrario, las empresas quieren más matemáticas y las notas de corte son muy altas. Se debe en gran parte al boom de la aplicación de la IA o del machine learning y de su uso en las empresas, que ahora ya no buscan un perfil tan educativo, sino más tecnológico.

P. ¿Cree que debería existir una asignatura en los colegios sobre inteligencia artificial?

R. Me parece muy precipitado porque es difícil entender la inteligencia artificial. La gente a veces quiere ir muy rápido y, de la noche a la mañana, convertirse en experto en machine learning sin tener que estudiar matemáticas. Eso es imposible, sin la base no vas a poder entender lo que hay detrás: es como querer correr sin saber caminar. Para entender cómo funciona la inteligencia artificial tienes que ser capaz de pensar de forma lógica, qué es lo que hacen las matemáticas.

P. ¿La IA llegará en algún momento a igualar las respuestas humanas?

R. Depende. Todo lo que tenga que ver con la originalidad va a ser difícil que lo iguale. En cosas más rutinarias ya lo estamos viendo. Está entrenada con titulares de prensa, o con opiniones de gente, que no tienen por qué ser verdaderos. Son muy necesarias las profesiones de humanidades, como la filosofía, para analizar lo que está 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. ¿Qué puede hacer un filósofo?

R. Puede asesorarte sobre cuánto caso les tenemos que hacer a las inteligencias artificiales. Dónde está el límite 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 mecánicos, pero siempre va a ser necesario tener una visión humana detrás, para que seamos capaces de ver lo que está bien y lo que está mal sin ser confundidos por la máquina.

Puedes seguir a EL PAÍS Tecnología en Facebook y X o apuntarte aquí para recibir nuestra newsletter semanal.