Candès: «La ciencia es importante, pero resolver problemas no solo es responsabilidad de los científicos»

Matemático y uno de los galardonados con el Premio Princesa de Investigación, el profesor Emmanuel Candès es reconocido por su trabajo en el campo de la detección comprimida, que hace posible máquinas de diagnóstico médico más precisas y mucho más rápidas.

-Seguramente los matemáticos no están acostumbrados a ser "estrellas mediáticas", aunque, como usted, hayan recibido importantes premios antes. ¿Qué significa para usted el premio Princesa de Asturias, con la cobertura mediática que tiene, especialmente en España?

Me siento profundamente honrado de haber sido seleccionado para recibir el Premio Princesa de Asturias de Investigación Científica y Técnica 2020. Me alegra que el premio sea para las matemáticas por primera vez y compartirlo con mis colaureados, a quienes admiro mucho.

También me gusta mucho España y la cultura española. De modo que el reconocimiento de su país me hace doblemente feliz. Espero poder viajar a la hermosa Oviedo.

 -¿Qué hace tan importante su trabajo en las teorías de detección comprimida y qué aplicación práctica tienen para la vida de las personas?

El mensaje de detección comprimida es sorprendente. Dice efectivamente que es posible adquirir señales a muy alta resolución a partir de muchos menos bits de datos de los que se creían necesarios. En lenguaje sencillo, significa que, si quiero formar una imagen de 1.000 x 1.000 píxeles, no es necesario recopilar intensidades de un millón de píxeles. Podemos hacerlo con muchas menos muestras.

Este hecho tiene relación con un gran número de aplicaciones y mencionaré un área de interés particular: en las imágenes por resonancia magnética, lleva un tiempo considerable recolectar muestras de datos. Esto significa que los pacientes deben permanecer acostados en el escáner durante un largo periodo. Esto es particularmente problemático en el caso de los niños, ya que no pueden quedarse quietos o aguantar la respiración durante mucho tiempo. El movimiento durante el escaneo genera imágenes borrosas. Una solución es detener la respiración durante la exploración, pero esto es arriesgado para el paciente. Aquí, al recopilar menos puntos de datos, la detección comprimida permite acelerar el tiempo de escaneo. De hecho, mis colegas radiólogos trabajaron mucho para utilizar los principios de la detección comprimida. Al final, lograron acelerar el tiempo de escaneo aproximadamente diez veces. Esto significa que es posible que deba privar al cerebro de un niño de dos años del oxígeno durante unos segundos en lugar de unos minutos. Creo que la detección comprimida ya se ha implementado en los escáneres de RM disponibles comercialmente.

-Usted ha trabajado con Tao y conoce el trabajo de Meyer y Daubechies. ¿Diría que son algunos de los mayores talentos de su disciplina?

¡Sí! Sin ninguna duda. Meyer y Daubechies me han dado una gran inspiración desde que era un estudiante de pregrado.

-¿Cree que hay cada vez una mayor valoración de los científicos en general, una mayor confianza en que resolverán grandes problemas de la humanidad?

Me da la sensación de que la ciencia es ahora más importante que nunca. La humanidad se enfrenta a importantes amenazas. Para hacerme eco de mi colega John Chambers, el clima que experimentamos está cambiando y es una amenaza para las generaciones futuras. El medio ambiente natural se está convirtiendo en una forma antinatural diseñada por humanos a un ritmo rápido, como el reemplazo de bosques, humedales y otras áreas importantes por granjas, industrias y asentamientos humanos. Los océanos se están degradando. Las especies se están poniendo en peligro e incluso se están extinguiendo a un ritmo mucho más allá de lo normal. Y, por supuesto, los coronavirus y otros virus son una amenaza global. Entiendo perfectamente que abordar estas amenazas no es responsabilidad exclusiva de los científicos; esta es la responsabilidad de todos los seres humanos. Pero nos toca a nosotros, científicos, presentar los hechos y el conocimiento científico actual en forma interpretable.

-¿En qué mejora nuestras vidas la matemática?

Todo nuestro mundo digital se basa en las matemáticas. Por ejemplo, no tendríamos ningún tipo de comunicación digital, ¡imagínese la existencia de teléfonos móviles, sin matemáticas! Muchas imágenes, como las imágenes médicas, se basan en las matemáticas. Sus lectores están sin duda familiarizados con la inteligencia artificial (IA), que también utiliza muchas matemáticas. La lista sigue y sigue. Así que las matemáticas están en todas partes. El problema es que el público en general puede no ser consciente de esto. Por ejemplo, ¿cree que todo el mundo sabe que Google, una de las empresas más valiosas del mundo, comenzó con un algoritmo de clasificación matemática?

-¿En qué está trabajando actualmente?

Mi trabajo actual es muy diferente al trabajo que amablemente reconoce el Premio. Ahora es de naturaleza muy estadística, motivado por problemas que acompañan a la revolución en curso de la ciencia de datos. Esta revolución ha sido impulsada por impresionantes avances tecnológicos en la captura, almacenamiento y procesamiento de datos en una amplia gama de dominios, y el progreso en el aprendizaje automático nos brinda herramientas potencialmente efectivas para aprender y hacer predicciones útiles a partir de conjuntos de datos de tamaños cada vez mayores. Sin embargo, estas herramientas han demostrado ser poderosas y extremadamente complejas, y los modelos que las acompañan son a menudo tremendamente difíciles de interpretar. Si bien muchos científicos e ingenieros, por una buena razón, se están sintiendo cómodos poco a poco con la idea de utilizar modelos de «caja negra», hay dos cosas en las que no podemos comprometernos. La primera es la reproducibilidad de los resultados científicos. Si uso una caja negra para determinar qué regiones genómicas influyen en un rasgo, por ejemplo, la susceptibilidad al autismo, ¿cómo me aseguro de que mis hallazgos se puedan reproducir en estudios de seguimiento? ¿Cómo me aseguro de que sean robustos y no se descarten rápidamente?

El segundo se refiere a la validez de las predicciones. A medida que recurrimos cada vez más a los sistemas de aprendizaje automático para respaldar las decisiones humanas, ¿cómo determinamos su validez? Si un algoritmo de aprendizaje predice el promedio de calificaciones de un posible aspirante a la universidad, ¿qué garantías tengo con respecto a la precisión de esta predicción? Mi trabajo reciente y el de mi grupo de investigación abordan estas preocupaciones. Hemos desarrollado metodologías amplias que se pueden encerrar en cualquier caja negra para producir resultados en los que se puede confiar.

 -¿Qué grandes retos tienen los matemáticos para este siglo?

Creo que el pensamiento cuantitativo y estadístico en particular es más importante que nunca. Todos los campos de la ciencia y la tecnología se han dedicado a la recopilación masiva de datos. Casi todas las empresas que conozco han hecho lo mismo. Necesitamos darle sentido a todo y ser capaces de extraer conocimiento fiable de todos estos datos y, posteriormente, tomar decisiones informadas.

 -¿Qué consejo le daría a un joven que piense dedicarse a la investigación en su campo?

¿Por qué un joven? ¿Por qué no una joven? Ciertamente espero que la diversidad en las ciencias matemáticas continúe aumentando.

Le diría a esta joven que tenga paciencia y perseverancia. Los jóvenes viven en un mundo acelerado. Sin embargo, lograr un progreso crucial e incluso llegar a una posición para lograr un progreso crucial lleva tiempo. Los grandes científicos juegan a largo plazo.