“Mi objetivo es abrir la caja negra de la inteligencia artificial”

1. ¿Nos puedes contar brevemente en qué consiste la investigación que vais a llevar a cabo?

Mi investigación se centra en el estudio de un tipo de redes neuronales cuyo objetivo es inferir las interacciones entre las variables del sistema que se desea describir.

Durante muchos años, en física hemos desarrollado estrategias para aprender a partir de datos complejos, especialmente cuando no sabemos muy bien cuál es la física subyacente a esos datos experimentales. Tradicionalmente, esto se ha hecho mediante métodos de máxima entropía. El objetivo de este enfoque es identificar el modelo más informativo compatible con los datos, evitando introducir sesgos a priori en ninguna dirección.

Mi proyecto se titula Más allá de los métodos de máxima entropía porque propongo ir más allá de los métodos tradicionales.

Propongo sustituir esos modelos por redes neuronales, que son mucho más potentes, pero cuya gran desventaja es que son mucho menos interpretables. Es mucho más difícil saber qué ha aprendido realmente el modelo una vez entrenado.  

Una vez entrenada una red neuronal que reproduce adecuadamente la estadística de los datos, desarrollamos métodos para extraer información del propio modelo. En este contexto, trabajamos dentro del ámbito de la inteligencia artificial, en particular con modelos generativos.

Uno de los objetivos del proyecto es inferir teorías físicas a partir de los datos usando este tipo de modelos.

Otra parte fundamental, es desarrollar métodos de IA que funcionen bien con pocos datos. En ciencia, obtener datos experimentalmente es muy caro, y a menudo trabajamos con conjuntos de datos muy pequeños: cientos o miles de datos, frente a millones en visión artificial o lenguaje. Además, es crucial evitar que los modelos copien información sensible. Por ejemplo, en datos genéticos no podemos permitir que un modelo reproduzca fragmentos reales de genomas humanos.

2. ¿Y cómo crees que puede traducirse esta investigación al día a día, a la sociedad?

Trabajo con modelos que, aunque no son tan potentes como los grandes modelos actuales, tienen la ventaja de ser interpretables. Eso es fundamental para evitar que la inteligencia artificial sea una caja negra que toma decisiones sin que sepamos si son moralmente aceptables. Por ejemplo, no queremos que un modelo discrimine por género o por barrio sin poder detectarlo.

Lo mismo ocurre en medicina: si usamos IA para analizar datos médicos, necesitamos entender las relaciones que aprende entre síntomas y patologías. El objetivo es abrir la caja negra de la inteligencia artificial.

Tenemos máquinas muy potentes que automatizan muchas tareas, pero muchas veces no sabemos cómo lo hacen.  

Un ejemplo ilustrativo es AlphaFold: predice con gran precisión la estructura de una proteína a partir de su secuencia, un problema que durante décadas ha eludido una descripción desde primeros principios.  

La pregunta ahora es si podemos aprender cuáles son las reglas físicas que están detrás de esas predicciones. A día de hoy no sabemos cómo hacerlo.

También trabajamos en reducir el coste energético del entrenamiento de redes neuronales, aplicando técnicas de física estadística para entender qué arquitecturas son más eficientes y generalizan mejor o cómo optimizar los algoritmos de entrenamiento. El campo de la IA ha avanzado mucho por prueba y error, haciendo modelos cada vez más grandes, no necesariamente más eficientes. Pero estamos llegando a límites energéticos y de datos, y es crucial racionalizar su uso.

3. En Europa se habla mucho de impulsar la IA para competir con Estados Unidos, pero también del control y la regulación.

A mí me preocupa el uso de la IA sin control. La IA aprende de datos del pasado, y esos datos contienen sesgos. No solo los reproduce, sino que muchas veces los amplifica. Si no hay un control crítico, corremos el riesgo de automatizar decisiones injustas, incluso en ámbitos como la justicia o la sanidad.

La IA puede ser muy útil, por ejemplo, para aliviar la carga en la atención primaria o en salud mental, pero solo si entendemos cómo toma decisiones. Si no podemos explicar por qué un modelo decide algo, es un peligro para la sociedad.

4. Cuéntanos un poco de ti, de tu trayectoria.

Soy madrileña, nací y estudié en Madrid. Hice la carrera y el doctorado en la Universidad Complutense. Después hice un postdoctorado en Roma durante dos años, con quien más tarde recibiría el Premio Nobel de Física en 2021.    
Luego pasé cinco años y medio en París, en la École Normale Supérieure y en la Sorbona, donde trabajé en física estadística y bioinformática.

En 2020 regresé a Madrid con el programa de Atracción de Talento de la Comunidad de Madrid, que me permitió por primera vez tener financiación propia y contratar personas para mi equipo. Después volví brevemente a París con una cátedra de Física para el Aprendizaje Automático, y finalmente conseguí una plaza estable en la Complutense en 2024.

Mi trabajo original era en física computacional y sistemas desordenados, como vidrios y materiales magnéticos. Más tarde empecé a trabajar con proteínas desordenadas y bioinformática. Durante la pandemia empecé a colaborar más estrechamente con redes neuronales, y poco a poco fui derivando hacia el estudio de la física de estos modelos basados en energía, que se entrenan con simulaciones tipo Montecarlo, una técnica en la que siempre he trabajado.

Cuando pedí la ERC, ya teníamos muchos resultados. No era tanto empezar de cero como poder expandir el trabajo a otros campos. La obtención de la ERC ha sido una enorme alegría: me permite contratar un equipo grande, explorar ideas que antes no podía abordar y reducir la carga docente.

5. Y hablando de la ERC, ¿cómo recibes este proyecto? ¿Qué supone para ti a nivel profesional y también en lo personal?

Es una alegría enorme. Te pones muy contenta porque es un proyecto que me ilusiona muchísimo. Yo disfruto mucho con mi trabajo, me divierte, pero claro, la ERC supone un cambio radical porque implica la entrada de una cantidad de financiación que te permite hacer muchas cosas que antes solo estaban en tu cabeza.

Significa poder formar un equipo grande y estable, y poder explorar ideas que normalmente tienes que descartar porque no tienes tiempo ni recursos para desarrollarlas. Como investigadores siempre tenemos muchísimas ideas, pero normalmente tenemos que elegir una sola dirección y dejar las demás de lado. Con la ERC, por primera vez, puedes permitirte explorar muchas de ellas en paralelo, y eso es algo precioso.

Además, a nivel profesional también tiene un impacto importante. Cuando consigues una ERC, empiezan a abrirse muchas puertas: recibes ofertas, reconocimientos y, en mi caso, una de las cosas más valiosas ha sido la reducción significativa de la carga docente. Venía de un periodo en el que daba muchísimas horas de clase, y es muy difícil mantener un nivel alto de investigación cuando se te duplican o triplican las horas docentes.

La ERC te da ese respiro: más tiempo para pensar, para investigar y para hacer ciencia de verdad. Y también te da tranquilidad y estabilidad, que a nivel personal es muy importante después de tantos años de incertidumbre en la carrera investigadora.

6. Cuéntame brevemente cómo ha sido el acompañamiento que has tenido desde Madrid, más concretamente desde la Fundación madri+d.

Desde la Complutense nos informaron de que existía este programa de apoyo y, en mi caso, fue muy útil. Una de las opciones que ofrecían era la revisión de la propuesta por parte de personal especializado, pero eso implicaba tener el proyecto prácticamente cerrado con bastante antelación a la fecha límite.

En mi caso tuve que tener la propuesta lista alrededor de un mes —o incluso algo más— antes de la entrega final. Solo eso ya fue muy positivo, porque si no, probablemente habría estado escribiendo y corrigiendo hasta el último día.  

Además, revisaron el proyecto con mucho detalle y me dieron muchísimas sugerencias. No tanto sobre el contenido científico, que eso es algo muy personal, sino sobre cómo reorganizar el texto y, sobre todo, sobre cómo contar mejor lo que quería hacer. La ERC tiene una parte muy importante de “vender” el proyecto, y eso no siempre es natural para nosotros como científicos, porque solemos ser muy prudentes y poco grandilocuentes.

También me ayudaron en la fase de la entrevista. Pude hacer simulacros, practicar cómo explicar el proyecto, incluso detalles técnicos como el encuadre de la cámara o la forma de comunicar. Todo eso, aunque parezca menor, marca la diferencia.

7. ¿Y qué le dirías a una chica joven que está pensando en dedicarse a la ciencia?

Siempre me han gustado las ciencias. Mi abuela fue una de las primeras químicas, y fue una gran referencia para mí. A las chicas les diría que lo intenten, que valemos tanto como ellos. Muchas veces los chicos hablan más y antes, y eso puede dar la impresión de que son más brillantes, pero no es así.

La ciencia necesita creatividad, nuevas ideas, otras formas de mirar los problemas. Necesitamos mujeres porque somos el 50 % de la población y el talento está igualmente distribuido. Que no tengan miedo: la ciencia es un lugar precioso.

Imagen de portada:  Jesús de Miguel