Durante su paso por la Maestría en Ciencia de Datos del ITESO, Gregorio Álvarez creó un sistema de predicción de alta precisión que le abrió las puertas a un grupo de trabajo internacional que usa las matemáticas para guiar los vehículos semiautónomos del futuro

Para Gregorio Alberto Álvarez Álvarez el 2026 estará marcado por el inicio de sus estudios de doctorado en dos universidades: la Universidad Politécnica de Alta Francia y la Universidad Politécnica de Cataluña. A partir de enero formará parte de un grupo de trabajo que representa el argumento soñado de cualquier profesor de matemáticas: se dedicará a desarrollar los algoritmos que guiarán la próxima generación de vehículos semiautónomos.

La oportunidad llegó al concluir su formación en la Maestría en Ciencia de Datos del ITESO. Fue su director de tesis, el doctor en Ciencias de la Ingeniería y coordinador de la Ingeniería Financiera del ITESO, Juan Diego Sánchez Torres, quien propició el encuentro con colegas internacionales.

Además del talento de Gregorio, lo que los convenció para vincularlo al grupo de trabajo fue la innovación que propuso durante su posgrado, durante el cual desarrolló nuevas fórmulas matemáticas que hicieron funcionar un algoritmo súper predictor, más eficiente que sus antecesores, y que se dedica a encontrar patrones a partir de grandes cantidades de datos.

En Europa el escenario cambiará, pero Gregorio seguirá haciendo lo que más le gusta, que es trabajar con modelos matemáticos y algoritmos que, luego de convertirse en código computacional, se ponen a prueba en simulaciones virtuales relacionadas con retos del mundo real.

“Tengo muchas emociones, últimamente estoy más feliz que nervioso, pero lo sigo procesando”, dice, con la actitud cuidadosa de un científico acostumbrado a analizar antes de actuar.

Matemáticas para pensar en el futuro

De manera más específica, lo que Gregorio creó para su proyecto de maestría fue una alternativa de máquina de soporte vectorial en regresión con multikernel. Esa máquina, en esencia, es un algoritmo de aprendizaje automático (machine learning), por lo que es posible decir que Gregorio trabaja con inteligencia artificial. No es aquella que resulta en los grandes modelos de lenguaje que se han popularizado —como ChatGPT—, pero sí funciona para identificar patrones en datos que se le proporcionan a manera de entrenamiento y, a partir de ellos, generar predicciones precisas.

Para que la máquina de Gregorio tuviera la capacidad de procesar patrones complicados y a veces ocultos, le dotó la capacidad de diseñar sus propios filtros para analizar los datos en diversas dimensiones. Esa es la función de los múltiples kernels o núcleos del sistema operativo. El algoritmo utiliza una especie de control de calidad (regularización) para asegurarse de utilizar la mejor combinación en su técnica de transformación matemática.

El resultado es un método más eficiente, con menor margen de error en las predicciones. En una comparación bastante simplificada, es como si el algoritmo, en lugar de conformarse con la opinión de un solo asesor, reuniera a un comité de expertos y fuera capaz de identificar, entre todos ellos, la información más valiosa para resolver un problema.

Este trabajo es especialmente útil para predecir información que cambia con el tiempo, como datos financieros y mediciones climáticas. Gregorio y el doctor Juan Diego Sánchez han puesto a prueba el algoritmo con conjuntos de datos de concentraciones atmosféricas de dióxido de carbono registrados por el Observatorio de Mauna Loa de la Oficina Nacional de Administración Oceánica y Atmosférica (NOAA, por sus siglas en inglés) de Estados Unidos, y también con registros de actividad solar del Índice de Manchas Solares y Observaciones Solares a Largo Plazo (SILSO por sus siglas en inglés), producido por el Centro Mundial de Datos.

Entender y describir la realidad

Esta no es la primera vez que Gregorio trabaja en los laboratorios del ITESO, pues también es egresado de la Ingeniería en Nanotecnología. Durante esa etapa de su vida universitaria participó en investigaciones dedicadas a la optimización de la geometría de nanoestructuras y a partir de su tercer semestre se involucró en otro proyecto dedicado a desarrollar una nueva técnica de electrónica flexible, que obtuvo una patente por parte del Instituto Mexicano de la Propiedad Industrial (IMPI). En esa ocasión trabajó con Elsie Evelyn Araujo Palomo, coordinadora académica de la misma ingeniería.

A la Maestría en Ciencia de Datos entró porque deseaba fortalecer las competencias en la materia que había desarrollado en su Proyecto de Aplicación Profesional (PAP), pero también para vivir el proceso de una investigación académica, donde no solo hay que plantearse una pregunta científica, sino también trazar un camino para darle respuesta y exponerlo en un trabajo de grado como lo fue su tesis.

Ahora que el camino de su doctorado está por empezar, Gregorio reflexiona sobre el apoyo que ha sido clave para alcanzar sus objetivos: “Siempre tuve las puertas abiertas y las conexiones gracias a personas que conozco de aquí del ITESO. Creo que fue muy importante para mí tener esa conexión, siempre he tenido apoyo por parte de ellos”.

En el horizonte de sus futuras posibilidades, no descarta dirigir su formación hacia las ciencias humanas, como la filosofía. Igual que el lenguaje matemático, considera que eso podría impulsarlo a entender la realidad, que es su principal motivación. Ya sea con los algoritmos o a través de cuestionamientos metafísicos, su meta de aportar soluciones técnicas que no pierdan de vista el sentido humano.

FOTO: Zyan André