Aleksandra Cieślik: Dlaczego akurat matematyka?
Justyna Signerska-Rynkowska: W czasach szkolnych interesowałam się wieloma przedmiotami. Oczywiście fascynowała mnie matematyka, ale również chemia, szczególnie prace laboratoryjne, a także sztuki wizualne. Ostatecznie musiałam podjąć decyzję i wybrałam matematykę. Wydawała mi się czysta, piękna – choć teraz moja praca często wykracza poza tę klasyczną, ortodoksyjną matematyczną ścieżkę i staje się bardziej interdyscyplinarna.
Studia tylko utwierdziły panią w przekonaniu, że to dobry wybór?
To był fantastyczny czas łączący naukę i rozwój z życiem towarzyskim oraz działalnością na uczelni. Dużo uczyliśmy się sami od siebie, od zapraszanych wykładowców, a także organizowaliśmy konferencje studenckie. Miałam też szczęście trafić na wspaniałych promotorów, zarówno w pracy magisterskiej, jak i doktorskiej, a także opiekunów podczas staży podoktorskich. To wszystko wpłynęło na mój rozwój naukowy.
Układy dynamiczne, modelowanie matematyczne, neuroscience czy data analysis – to pani zainteresowania naukowe. Chyba nie do końca popularny wybór?
Na studiach interesowało mnie wiele działów matematyki, ale szczególnie zaciekawiły układy dynamiczne. Jednak równocześnie zaczęłam interesować się biomatematyką, co sprawiło, że podczas studiów magisterskich realizowałam indywidualny tok studiów, poszerzając swoją wiedzę także o biologię. Realizowałam przedmioty dotyczące biologii komórki i biologii molekularnej, co było dla mnie zupełnie nowe. Pamiętam, jak bardzo imponowało mi wtedy, że biologia potrafi być tak skomplikowana. Połączenie układów dynamicznych z modelowaniem biologicznym okazało się dla mnie fascynujące. Szczególnie zainteresowały mnie modele neuronów, w tym hybrydowe, które podobały mi się z powodu braku jeszcze ugruntowanych narzędzi matematycznych do ich badania. Na przykład modelowanie dynamiki populacji przez równania różniczkowe istniało od dawna, ale w przypadku hybrydowych modeli neuronów takich metod jeszcze brakowało. Biorąc pod uwagę, jak skomplikowane są mechanizmy kształtujące aktywność komórek neuronowych i dynamikę sieci neuronowych, modele te mogą wydawać się proste z biologicznego punktu widzenia. Jednocześnie mogą one zastąpić zsynchronizowane grupy komórek w wielkoskalowych symulacjach, a ich relatywna prostota pozwala na efektywną analizę metodami analitycznymi, bądź za pomocą ścisłej numeryki. Modele te i ogólniej neurobiologia matematyczna były przedmiotem mojego stażu podoktorskiego w instytucie INRIA w Paryżu.
Postanowiła więc pani spróbować pracy w zespole interdyscyplinarnym.
Tak. Ukończyłam niedawno trzyletni staż w Centrum Dioscuri, gdzie zajmowałam się topologiczną analizą danych, a także projektami interdyscyplinarnymi dotyczącymi analizy sygnałów takich jak EEG i EKG. Te nowe doświadczenia chciałabym rozwijać w naszych grupach badawczych na Politechnice. Jednocześnie kontynuuję badania teoretyczne nad układami dynamicznymi i analizą szeregów czasowych.
Jest pani członkinią Polskiego Towarzystwa Kobiet w Matematyce. Nie żyjemy już w czasach Marii Curie-Skłodowskiej, jednak zastanawiam się, na ile nauki ścisłe „należą” do mężczyzn?
Moje obserwacje pokazują, że sytuacja ta może się różnić w zależności od etapu rozwoju naukowego. Na przykład, gdy przyglądam się grupom studentów na kierunku matematyka, nie zauważam dużych dysproporcji między płciami. Niemniej jednak, w miarę postępu kariery naukowej, różnice te stają się bardziej widoczne. Wiele kobiet pragnących zdobyć kolejne stopnie naukowe może napotykać różne przeszkody opóźniające ich kariery. Rodzicielstwo jest jednym z kluczowych czynników często wpływającym na możliwość kontynuowania badań i stawania się samodzielnym pracownikiem naukowym. Choć nie dotyczy to wyłącznie kobiet, to jednak w większym stopniu wpływa na nas, co prowadzi do sytuacji, w której część naukowczyń zatrzymuje się na etapie doktoratu i nie podejmuje prób zdobywania grantów badawczych. Zauważam jednak, że z biegiem czasu ten trend się zmienia. Coraz więcej kobiet staje się zdeterminowanych i walczy o swoje miejsce w nauce, co daje nadzieję na przyszłość. Jednak w porównaniu do niektórych krajów Europy Zachodniej, w Polsce nie ma tak wyraźnego wzrostu liczby kobiet na wysokich stanowiskach naukowych. Mimo że widzę pozytywne tendencje wśród młodych naukowczyń, to wciąż w wielu krajach mężczyźni dominują na wyższych stanowiskach. To zjawisko wydaje się być wspólne dla wielu kontynentów i krajów. Dążenie do zrównoważonego reprezentowania obu płci w naukowych komitetach czy na konferencjach powinno być priorytetem, aby uniknąć sytuacji, w której w panelach dyskusyjnych zasiadają wyłącznie mężczyźni.
Co dziś przyciąga młodych naukowców do matematyki?
Wśród młodych ludzi, zwłaszcza tych poniżej 30. roku życia, dostrzegam, że ich motywacją do podjęcia pracy naukowej, oprócz osobistych ambicji, jest często młodzieńczy idealizm. Pragną oni zrobić coś istotnego, co mogłoby wpłynąć na życie współczesnych ludzi, na przykład poprzez rozwijanie nowych metod leczenia chorób. Dla mnie osobiście istotnym czynnikiem była chęć ciągłego rozwoju i poszukiwania nowych wyzwań. Praca naukowa to nieustanna podróż, w której mogę odkrywać nowe obszary wiedzy oraz współpracować z międzynarodowymi zespołami.
Stąd też chęć zaangażowania się w interdyscyplinarność? Praca taka wymaga chyba dużo pokory.
Zdecydowanie tak. W zespole złożonym z różnych specjalistów ważne jest, aby każdy członek potrafił dostosować się do różnorodnych perspektyw i pomysłów. Kiedy pracujemy z naukowcami z innych dziedzin, uczymy się, jak skutecznie komunikować nasze potrzeby i pytania badawcze. To doświadczenie stawia przed nami nowe wyzwania, ale jednocześnie otwiera drzwi do niezwykle interesujących odkryć. Pracując w zespołach interdyscyplinarnych, moja rola najczęściej oscylowała wokół aspektów teoretycznych. Często byłam tym matematykiem, który starał się zrozumieć różnorodne podejścia i metody stosowane przez innych członków zespołu. To zrozumienie nie tylko pozwalało mi lepiej współpracować, ale również wzbogacało moją własną perspektywę na temat badanych zagadnień.
Dużo mówi się dziś o sztucznej inteligencji. Na ile może ona matematyce pomóc, a na ile zaszkodzić?
Myślę, że jeśli chodzi o czystą matematykę, czyli udowadnianie twierdzeń – to może być niepopularne – ale do pewnego stopnia sztuczna inteligencja może zastąpić matematyków – oczywiście ujmijmy to w cudzysłowie. Mówiąc o kompilacji różnych twierdzeń i sformułowań już istniejących w matematyce, udowodnienie nowego twierdzenia polega na łączeniu oraz zauważaniu pewnych relacji i przeprowadzaniu odpowiednich rozumowań. W tym kontekście sztuczna inteligencja może być pomocna, co w jakimś sensie może nie zawsze być korzystne dla samych matematyków.
Podobnie jak w przypadku informatyków, których praca w pisaniu kodu może być wspierana przez AI — niekoniecznie zastępowana, ale ułatwiana — myślę, że podobne zjawisko może częściowo wystąpić w matematyce. Oczywiście może to prowadzić do redukcji zatrudnienia w pewnych obszarach. Sztuczna inteligencja wymaga jednak krytycznego podejścia i weryfikacji swoich wyników, co oznacza, że czynnik ludzki będzie odgrywać znaczącą rolę przez długi czas.
Wydaje mi się, że tam, gdzie mamy do czynienia z kreatywnością i szerszym, nietypowym spojrzeniem czy budowaniem nowych abstrakcji na podstawie obserwacji pewnej rzeczywistości, jak ma to miejsce w projektach interdyscyplinarnych wykorzystujących matematykę, AI jej nie zastąpi. Oczywiście w czystej matematyce również istnieją głębokie powiązania między różnymi obszarami, np. układami dynamicznymi i teorią liczb, które nie wyrażają się bezpośrednio na poziomie językowym i rolą matematyka jest takie powiązania dostrzegać. Jednakże w zawiłych formalnych rozumowaniach występujących w matematyce czystej, narzędzia takie jak w AlphaGeometry mogą stać się konkurencją dla człowieka.
Polska nauka
śladami Kopernika
Przeczytaj inne artykuły poświęcone polskiej nauce
Projekt współfinansowany ze środków Ministerstwa Edukacji i Nauki w ramach programu „Społeczna Odpowiedzialność Nauki”