De estudiar matemáticas en Salamanca a desarrollar un algoritmo para predecir la energía

Atiende la videollamada después de salir de una clase. Acudir como oyente es una oportunidad más para absorber conocimientos de grandes eminencias. Para eso -entre otras muchas cosas- está a aproximadamente 6.000 kilómetros. Verónica Álvarez Castro, investigadora posdoctoral en la línea de Machine Learning de Basque Center for Applied Mathematics (BCAM) y actualmente de estancia postdoctoral en el Massachusetts Institute of Technology (MIT) de Estados Unidos, estudió matemáticas en la Universidad de Salamanca. Ahora, en Boston y tras haber sido reconocida con varios premios a la excelencia científica, comparte en esta entrevista su experiencia.

De Salamanca a Boston. Del desinterés por las matemáticas a desarrollar un modelo estadístico revolucionario. De las clases en la USAL, a aplicar implementar técnicas de informática e inteligencia artificial para resolver problemas cotidianos en la otra punta del mundo.

Vamos a empezar por el principio, por tu formación en Salamanca. Cuéntanos cómo recuerdas esa etapa y si hay algún culpable de tu pasión por las matemáticas.

En realidad, sí. Yo estudié matemáticas en la Universidad de Salamanca porque mi profesor del instituto de bachillerato despertó en mí un gusto por las matemáticas y me animó a presentarme a la Olimpiada Matemática cuando estaba en bachillerato, fue bien y dije, «Bueno, pues ¿Por qué no matemáticas?» Hasta ese momento, no me lo había planteado nunca.

Cuando tú decides meterte en ese grado, ¿cuál eran la percepción que tenías del matemático?

En aquel momento cuando yo empecé la carrera de matemáticas, no había este boom que hay ahora. Ya había muchas salidas, pero eran mucho más desconocidas y lo que son hoy. En la actualidad, hay matemáticos en todas las empresas, es una carrera que está muy de moda y muchísima gente la quiere estudiar.

Ahora la consideración del matemático es más consciente y una de las múltiples prácticas es su aplicación para resolver problemas reales. Precisamente de eso trata tu tesis, cuéntanos en qué consiste.

Durante la tesis desarrollé algoritmos para enseñar a las máquinas a adaptarse a los cambios con el tiempo de la misma manera que nos adaptamos nosotros. Me gusta poner este ejemplo: nosotros primero aprendemos a sumar y luego aprendemos a multiplicar utilizando lo aprendido anteriormente. Además, cuando aprendemos a multiplicar no podemos olvidarnos de como se suma. Intentamos que las máquinas repliquen este comportamiento, es decir, aprendan reutilizando lo anterior y sin olvidarse de lo antiguo.

¿Y en qué ejemplos de la vida cotidiana se puede ver reflejado el 'entreno' de estos algoritmos?

Una de las aplicaciones en las que trabajé fue la predicción del consumo de energía. Los hábitos de la gente van cambiando con el tiempo, el clima cambia, entonces hace que enciendas el aire acondicionado, o enciendas la calefacción, o lo apagues. Entonces, tienen que ir adaptándose a esos cambios con el tiempo para ser capaz de predecir, en este ejemplo, el consumo de energía.

Con este algoritmo que nos hablas se puede tratar de anticipar la demanda de energía, ahora que vuelve a estar de actualidad ¿hacer uso de ello podría haber evitado el apagón o puede evitar futuros apagones?

Muchas empresas e investigadores trabajan en la predicción de energía debido a la gran repercusión que tiene. Cualquier mínima mejora que se haga en las predicciones repercute en la economía, en el medio ambiente y evita cortes de suministro.

¿Cuál es la mayor dificultad técnica para predecir demanda eléctrica en condiciones reales?

Hay muchos factores externos que influyen en la predicción y además ahora con la integración de las energías renovables, pues todo eso hace que sea mucho más difícil de predecir porque la incertidumbre en los consumos es mucho más grande. Si tu energía es solamente solar y quieres encender la luz por la noche, el momento en el que quieres utilizar la energía no coincide con el momento en el que la puedes generar.

Este es un ejemplo pero, ¿hay algo que el resto de los mortales no podemos imaginar que pudieran solucionar las matemáticas y que aún no se haya puesto en marcha?

Aquí en el en el MIT estoy trabajando en la localización. En la calle es muy fácil saber dónde está una persona, tenemos el Google Maps que funciona muy bien pero, ¿en el momento en el que entras en un túnel o te metes en un centro comercial o dentro de un edificio? Eso deja de funcionar porque es muy difícil predecir de manera precisa la posición de una persona dentro de un espacio cerrado o en una zona cuando hay muchos edificios altos. Además, obtener posiciones precisas es cada vez más importante debido a la aparición de coches autónomos o la utilización de los robots en fábricas.

Y en este ámbito donde la inteligencia artificial tiene tanto peso, ¿lo ves como un enemigo o una oportunidad?

Yo lo veo como una ayuda para acelerar el proceso de aprendizaje. Puedes ser mucho más productivo porque hay tareas que antes te llevaban una hora y ahora te llevan cinco minutos. De hecho, ojalá siga avanzando porque a mí me soluciona el día a día muchas veces. No obstante, en una investigación no te va a diseñar lo que tu quieres porque estás haciendo algo nuevo, algo que no existe, y estas herramientas funcionan con cosas que ya existen.

Hemos hablado de pasado, presente y, ¿que proyecciones tienes del futuro? ¿Qué es lo que te gustaría conseguir?

De momento yo creo que voy a estar un poco más de tiempo aquí en Boston. Y luego no lo sé. Me gustaría volver a España o por lo menos a Europa, aunque la investigación no está tan valorada. Irte fuera una temporada es importante porque aprendes mucho y conoces a gente muy buena que trabaja en cosas súper interesantes. Pero, una cosa es irte de manera voluntaria al extranjero y otra cosa es porque no puedes quedarte. Volver a Salamanca no creo que sea viable, pero me gustaría que lo fuera. De hecho, me gustaría que la Universidad de Salamanca siguiera apoyando la investigación de calidad.

Aquí tienes a tu familia, ¿qué te dicen cuando consigues un reconocimiento como este último de los Premios de Investigación de la Sociedad Científica de Informática de España?

Están muy contentos y muy orgullosos. Saben que trabajo mucho, que dedico muchas horas a esto, que me gusta pero que también requiere mucho esfuerzo y sacrificio como el estar lejos de casa. Entonces, que todo eso se vea recompensado de alguna manera con un reconocimiento pues es importante.

Este año Sara Cuadrado-Castaño, una investigadora salmantina más en el ámbito biomédico, ha dado el pregón en las Ferias y Fiestas. ¿Te imaginas ser algún día tu la que esté en el balcón del ayuntamiento?

Me haría mucha ilusión, pero me moriría de vergüenza. También es verdad que muchas veces cuando pensamos en investigación, siempre pensamos en cosas relacionadas con medicina y hay que valorar también investigación en otros campos como las matemáticas, la informática, la inteligencia artificial... Igual este tipo de investigaciones llevan a soluciones que son difíciles de explicar, pero también son importantes.

Temas

• Salamanca
• Boston
• Universidad de Salamanca