Alexander Rakhlin asume la dirección del Centro de Estadística y Ciencia de Datos del MIT

Nuevo liderazgo en el SDSC del MIT

Alexander “Sasha” Rakhlin, profesor distinguido en Data, Systems, and Society (IDSS) y profesor en el Departamento de Brain and Cognitive Sciences del MIT, fue nombrado director del MIT Statistics and Data Science Center (SDSC). Rakhlin toma el relevo de Ankur Moitra, quien dirigió el centro desde 2021; entre 2024 y 2025 Philippe Rigollet actuó como director interino.

El nombramiento llega en un momento crítico para la estadística y la ciencia de datos, cuando la revolución de la inteligencia artificial plantea tanto oportunidades para acelerar descubrimientos científicos como desafíos relacionados con seguridad, incertidumbre y garantías formales. Rakhlin ha señalado que la fortaleza del SDSC radica en su comunidad diversa —estudiantes, postdoctorados y profesores— y que su prioridad será apoyar ese ecosistema mientras aborda preguntas fundamentales que están redefiniendo el campo.

Trayectoria en el MIT y rol en la formación doctoral

Rakhlin se vinculó al SDSC como profesor visitante desde 2016 y se incorporó formalmente al MIT en 2018, con plazas en IDSS y el Departamento de Brain and Cognitive Sciences. Fue el primer presidente del programa Interdisciplinario de Doctorado en Estadística (IDPS) del centro, donde supervisó la defensa exitosa de más de 75 doctores provenientes de múltiples departamentos del MIT, incluidos programas como Social and Engineering Systems de IDSS.

Esa experiencia le dio una perspectiva amplia sobre cómo la estadística funciona como una lengua común dentro del instituto, conectando áreas tan distintas como economía, ciencia política, física, ingeniería y biología. Rakhlin ha enfatizado la importancia de reforzar esos vínculos para que los fundamentos matemáticos y estadísticos de la ciencia de datos tengan impacto real en problemas científicos y sociales.

Prioridades: fundamentos rigurosos y puentes interdisciplinarios

Como director, Rakhlin propone dos prioridades claras: profundizar las conexiones interdisciplinarias que caracterizan al SDSC y consolidar al centro como el hogar del MIT para las bases rigurosas de la ciencia de datos y la IA. Para él, las preguntas que plantea la adopción de IA en medicina, energía y la vida pública son, en esencia, preguntas estadísticas y matemáticas: cómo cuantificar incertidumbres, ofrecer garantías, entender modos de falla y resistir manipulaciones.

Esta apuesta por los fundamentos no excluye la colaboración aplicada; al contrario, busca que el SDSC funcione como puente entre teoría y práctica, facilitando que desarrollos teóricos influyan en proyectos en biología, fusión nuclear y otras áreas donde el análisis estadístico acelera la ciencia.

Un perfil académico con raíces en la teoría y el aprendizaje automático

Rakhlin obtuvo sus títulos de pregrado en matemáticas y ciencias de la computación en Cornell University y su doctorado en el MIT. Realizó un postdoctorado en la Universidad de California, Berkeley, en el área de EECS, y posteriormente fue profesor asociado en la Universidad de Pennsylvania, donde también co-dirigió el Penn Research in Machine Learning center.

Su trabajo académico se ha movido en la intersección de estadística, probabilidad, algoritmos, optimización y teoría de juegos, con un interés constante en las conexiones entre estos campos y el aprendizaje automático. Esa formación teórica es, según sus colegas, una de las razones por las que es visto como un mentor destacado y un líder natural para el SDSC.

Un nombramiento vinculado a una cátedra recientemente establecida

Rakhlin es el primer titular de la Distinguida Profesión en Data, Systems, and Society, una cátedra creada en 2025 por iniciativa de Richard “Dick” Larson, profesor de IDSS y figura histórica en investigación de operaciones, teoría de colas y optimización de sistemas. La existencia de esta posición refleja el compromiso institucional del MIT con el liderazgo académico en estas áreas y le aporta a Rakhlin un mandato adicional para impulsar investigación de frontera.

Por qué importa para América Latina

Aunque el nombramiento ocurre en el MIT, las prioridades anunciadas por Rakhlin tienen resonancia global. La apuesta por fortalecer fundamentos estadísticos y garantías en IA afecta directamente a países de América Latina que están adoptando herramientas de machine learning en salud pública, energía y políticas públicas. Un SDSC enfocado en la rigurosidad puede ofrecer metodologías, formación y colaboración científica que sean útiles para centros de investigación y universidades latinoamericanas.

Además, el enfoque interdisciplinario del centro favorece proyectos que mezclan ciencias sociales y técnicas —un ámbito relevante para la región, donde el diseño y la evaluación de políticas públicas requieren mediciones robustas y manejo responsable de datos.

Desafíos inmediatos: confianza, seguridad y rigor

Rakhlin ha señalado la necesidad de desarrollar una ciencia rigurosa de las propias herramientas de IA. A medida que modelos avanzados se integran en decisiones de alto impacto, las preguntas sobre incertidumbre, medidas de seguridad y resistencia ante manipulaciones se vuelven centrales. El SDSC, con su combinación de estadística, teoría de aprendizaje automático y colaboración con otras disciplinas, está en posición de abordar esos problemas desde una perspectiva matemática y aplicada.

Para lograrlo, el liderazgo deberá sostener la calidad del programa doctoral, nutrir la comunidad de investigadores y conectar los desarrollos teóricos con necesidades reales en ciencia y sociedad.

Mirada hacia adelante

El nombramiento de Rakhlin apunta a una etapa en la que el SDSC busca consolidar su papel como núcleo del pensamiento estadístico en el MIT, articulando teoría y aplicación en un contexto en el que la IA está transformando sectores enteros. Su experiencia en formación doctoral y su background teórico serán claves para mantener un centro que conecte diversas disciplinas y, al mismo tiempo, aporte soluciones rigurosas a los desafíos que plantea el despliegue responsable de la inteligencia artificial.

Para investigadores y decisores en América Latina, este cambio en el liderazgo del SDSC es relevante: ofrece señales sobre las prioridades académicas en ciencia de datos y abre la posibilidad de colaboración y aprendizaje en torno a métodos estadísticos que soporten una adopción más segura y efectiva de la IA en la región.