Alberto González Sanz

Los espectaculares avances logrados durante los últimos años en el campo de la inteligencia artificial han abierto la puerta a optimizar la toma de decisiones en múltiples ámbitos, desde la medicina hasta las finanzas y la gestión de personal. Al mismo tiempo, sin embargo, los posibles errores y sesgos de un algoritmo que pueda decidir sobre cuestiones tan trascendentales como el tratamiento médico que debe recibir un paciente o el candidato elegido para ocupar un puesto de trabajo implican graves riesgos y pueden generar desconfianza en esta tecnología.

La investigación de Alberto González Sanz, profesor asistente en la Universidad de Columbia (Nueva York, Estados Unidos), aborda este desafío con el objetivo de obtener, en sus propias palabras, «garantías matemáticas sobre el funcionamiento de la inteligencia artificial». Graduado en Matemáticas por la Universidad de Valladolid y doctor por esta misma universidad y la de Toulouse III (Francia), Alberto González trabaja en el campo del llamado aprendizaje equitativo, que pretende eludir los sesgos de los algoritmos para evitar discriminaciones de personas por factores como el género o el color de la piel. «Pue de ocurrir en un sistema de selección de personal —explica— que el algoritmo, al haber aprendido de datos antiguos, reproduzca los sesgos de esos datos o incluso de datos modernos, y por ello que las mujeres tengan menos probabilidades que los hombres de obtener el mismo trabajo».

Además, el investigador galardonado también tra baja para mejorar la robustez de la inteligencia artificial, un concepto que se refiere a «la creación de algoritmos que son capaces de dar una respuesta similar, pese a que los datos están ligeramente alterados». Por ejemplo, en el ámbito de la conducción autónoma, puede ocurrir que una leve modificación irrelevante, como la colocación de una pegatina en una señal de Stop, sea suficiente para que el co che no se vea capaz de interpretar adecuadamente lo que tiene que hacer. «En este tipo de aplicaciones, así como en otros como el diagnóstico médico —señala Alberto González—, uno tiene que tener garantías estadísticas y matemáticas de que el algoritmo es robusto, que se comporta bien».

Por todo ello, el premiado está convencido de que, desde su campo de investigación, las matemáticas pueden contribuir de manera fundamental a desarrollar una inteligencia artificial en la que podamos creer a través de algoritmos que no sean «una caja negra», sino que proporcionen explicaciones sobre las decisiones que toman y aporten de esta mane ra «garantías sobre su fiabilidad».