Cuando los estudiantes de IA superan el entorno limitado: cómo DSTI amplió su acceso a la GPU con Hivenet

En DSTI, las primeras señales de un problema de acceso a la GPU aparecieron en el trabajo de los estudiantes.

Antes de su asociación con Colmena, estudiantes de Escuela de Ingeniería DSTI utilizó una zona de pruebas educativa de AWS controlada. Les dio acceso limitado a la GPU a través de instancias educativas en la nube durante un período limitado. Esto era suficiente para realizar pequeños experimentos, pero limitaba la cantidad de proyectos que los estudiantes podían llevar adelante.

Los profesores vieron el techo rápidamente. Los estudiantes podían experimentar con tareas pequeñas, pero los límites del modelo llegaron rápidamente. El entorno estaba controlado, las instancias eran pequeñas y los créditos estaban limitados. Para los estudiantes que están aprendiendo la IA moderna, esos límites determinaban lo que podían intentar.

El tema se hizo más urgente para los estudiantes de los programas de aprendizaje. Estudian mientras trabajan en empresas, donde se espera que los conocimientos del aula se traduzcan en resultados prácticos. Cuando el acceso a la GPU no estaba disponible, a algunos se les bloqueaba el trabajo relacionado con sus empleadores.

Fue entonces cuando DSTI comenzó a buscar una respuesta a largo plazo.

(Este artículo se basa en entrevistas con los equipos administrativos y docentes del DSTI tras la primera fase del despliegue de Hivenet).

El límite era la disponibilidad

El acceso a la GPU a menudo se discute como un problema de costos. Para DSTI, el costo importaba, pero la disponibilidad era la primera presión.

Los estudiantes necesitaban un entorno en el que pudieran confiar. La configuración anterior les proporcionaba un acceso controlado, pero no la continuidad requerida para proyectos más grandes. Esto dificultaba pasar de los ejercicios en el aula a un trabajo real de aprendizaje profundo.

El director del cuerpo docente describió la configuración anterior como «una zona de pruebas educativa de AWS seleccionada y controlada con acceso limitado a instancias pequeñas y créditos limitados». Era la única configuración disponible para la experimentación basada en GPU y no era suficiente para los estudiantes que intentaban ejecutar proyectos.

«Los límites del modelo se alcanzaron muy rápidamente, ya que los estudiantes trabajaban en un entorno aislado», dijo el director de la facultad.

Ese tipo de límite afecta al aprendizaje en sí mismo. Los estudiantes simplifican los proyectos, evitan ciertos enfoques, esperan a que se les acceda o consideran que la infraestructura es algo que se puede solucionar en lugar de como algo con lo que pueden construir.

Para la educación temprana sobre IA, un entorno aislado puede ayudar. Para los estudiantes que forman modelos, los perfeccionan, experimentan con la destilación o aplican sus habilidades en el trabajo empresarial, el mismo entorno aislado puede convertirse en un obstáculo.

DSTI necesitaba un acceso a la GPU que pudiera soportar el trabajo real de los estudiantes sin hacer que los recursos informáticos fueran inasequibles.

La búsqueda de una opción viable

El DSTI evaluó a otros proveedores antes de elegir Hivenet.

La escuela encontró una compensación familiar. La mayoría de las alternativas surgieron como acuerdos de licencia para plataformas controladas por el proveedor, con unos costes que DSTI describió como «nada despreciables» y con una capacidad de decisión limitada sobre el tipo o la configuración de las instancias de GPU.

Eso no se ajustaba al problema.

El DSTI necesitaba un entorno que pudiera apoyar la enseñanza en todos los programas de máster, gestionar la experimentación de los estudiantes y dar a los profesores la confianza suficiente para incorporar la plataforma a los cursos.

La decisión se redujo a varias necesidades a la vez.

El precio importaba primero. DSTI dijo que los precios de Hivenet fueron lo primero que le llamó la atención. Según la estimación de DSTI, Hivenet costaba aproximadamente un tercio de lo que costaban las ofertas de la competencia que había evaluado. Esto debe interpretarse como el relato de DSTI sobre su propia evaluación, no como una comparación universal de precios entre todas las cargas de trabajo en la nube.

La soberanía también importaba. El DSTI enseña soberanía de datos para sus estudiantes, por lo que la elección de la infraestructura tenía un significado tanto educativo como técnico. La escuela quería un socio europeo porque el propio proveedor pasaría a formar parte del entorno de aprendizaje.

«Ser un actor de la UE también es una gran ventaja para nosotros, ya que defendemos la soberanía de los datos para nuestros estudiantes», dijo DSTI. «Colaborar con alguien local es, sin duda, una causa que nos importa mucho».

El ajuste también importaba. DSTI necesitaba una configuración que pudiera adaptarse a sus requisitos de instalación, en lugar de un entorno fijo con poco margen de adaptación.

Esa combinación es donde Compute con Hivenet se hizo relevante. Hivenet permitió a DSTI acceder a la computación mediante GPU, pero el valor se extendió más allá del hardware. El DSTI necesitaba un acceso asequible, una alineación europea y un entorno configurado en torno a las necesidades docentes.

DSTI describió la oferta en una frase: «Una oferta local y personalizada que le ofrece una GPU asequible y accesible».

Por qué importaba la soberanía

El punto de vista de la soberanía debe entenderse en términos prácticos. DSTI no eligió Hivenet únicamente por principios. La disponibilidad creó la presión original. El precio importaba. La configuración, la flexibilidad y el soporte eran importantes.

Esto convirtió a Hivenet en una opción aún más atractiva.

Las instituciones trabajan con los presupuestos, los calendarios de los cursos, las expectativas de los estudiantes, las necesidades del profesorado y las restricciones de adquisición. Un proveedor europeo todavía tiene que trabajar. Aún así, tiene que ser asequible. Todavía tiene que ser utilizable. Todavía tiene que tener sentido en la vida diaria de una escuela.

Para DSTI, la soberanía formó parte de la decisión porque se relaciona con lo que enseña la escuela. Una escuela que capacita a los estudiantes en datos, inteligencia artificial, ciberseguridad e ingeniería digital no puede tratar la infraestructura como algo invisible. Las herramientas que usan los estudiantes deben alinearse con los principios que se les enseñan.

¿Cuándo? Hivenet y DSTI anunciaron la asociación, la atención se centró en la computación GPU europea asequible para los estudiantes. Las entrevistas en las que se basa este artículo muestran lo que eso significaba en la práctica: los estudiantes habían superado el entorno disponible y DSTI necesitaba una opción que se ajustara tanto al trabajo como a la institución.

Del acceso al uso real

Una plataforma solo importa en la educación si los estudiantes y el profesorado la utilizan.

DSTI implementó Hivenet en todos los programas de nivel de máster que utilizan la plataforma en la actualidad: Ciencia de datos e IA, ingeniería de datos para IA, análisis de datos y ciberseguridad. La escuela planea ampliar el acceso a los estudiantes de licenciatura.

La fase de codiseño era importante porque la infraestructura académica tiene que adaptarse a un entorno de enseñanza real. Los profesores deben confiar en ello. Los estudiantes deben entenderlo rápidamente. Los administradores necesitan cierta capacidad para planificar el uso. Una configuración puede ser técnicamente adecuada y aun así fallar si resulta difícil introducirla en los cursos.

DSTI dijo que la fase de implementación fue fluida. Hivenet asesoró a la escuela sobre la planificación de los créditos y el uso previsto y, a continuación, configuró el entorno para satisfacer las necesidades de instalación de DSTI. Los profesores se mostraron comprometidos y motivados para impulsar la plataforma internamente.

Desde el punto de vista de los estudiantes, el tiempo necesario para usarlo por primera vez fue lo suficientemente corto como para mantener el impulso. Según el director del cuerpo docente, los estudiantes suelen tardar entre unos minutos y una hora en familiarizarse con la plataforma y empezar a ejecutar trabajos.

Ese detalle importa. En un aula, el tiempo perdido en la preparación reduce la atención del trabajo que los estudiantes deben realizar. Una plataforma de GPU para la educación tiene que hacer más que proporcionar un acceso sin procesar. Tiene que ayudar a los estudiantes a cruzar la distancia entre «tengo una cuenta» y «mi trabajo es correr».

La documentación pública de Hivenet cubre los pasos prácticos para crear una primera instancia de Compute, y sus documentos de referencia enumeran los actuales Tipos y tamaños de GPU. Para DSTI, lo importante era que esta infraestructura podía pasar a formar parte del entorno docente sin apoderarse de la enseñanza en sí misma.

Qué cambió para los estudiantes

Una vez que los estudiantes tuvieron un acceso más útil a las GPU, la categoría de trabajo cambió.

Los estudiantes de DSTI ahora realizan principalmente trabajos de formación de aprendizaje profundo en Hivenet. Un ejemplo exigente del director de la facultad fue el ajuste FLAN-T5 grande en un conjunto de datos de 10 000 filas para una tarea de traducción de idiomas.

Los estudiantes también están trabajando en una combinación de inferencia, ajuste, capacitación y destilación entre profesores y alumnos.

Esa gama muestra un cambio en la ambición. La asociación no se limitó a acelerar los ejercicios antiguos, sino que dio a los estudiantes la posibilidad de trabajar en proyectos que antes estaban fuera de su alcance.

«El acceso a la GPU les ha permitido trabajar en proyectos reales de aprendizaje profundo, que de otro modo les resultaría imposible llevar a cabo», dijo el director de la facultad.

Ese es el cambio educativo central. Los estudiantes ahora pueden probar un verdadero trabajo de aprendizaje profundo. Pueden acercarse más a las condiciones a las que se enfrentarán en los puestos de investigación, de ingeniería y de inteligencia artificial aplicada.

En la educación sobre IA, esa diferencia importa. Los estudiantes no aprenden a juzgar de manera práctica quedándose indefinidamente en pequeños ejemplos. Lo aprenden cuando lleva tiempo entrenar los modelos, cuando hay que preparar los datos, cuando la configuración es importante, cuando los trabajos fallan y cuando las decisiones sobre la escala y el método tienen consecuencias.

El acceso a la computación apoya la enseñanza al permitir que los estudiantes realicen los tipos de trabajo que están estudiando.

El hackathon como prueba

El ejemplo público más claro llegó a través del DIRISI Hackatón.

Según el DSTI, los estudiantes fueron seleccionados para participar junto a un pequeño grupo de instituciones reconocidas por sus programas de IA. El desafío consistía en entrenar modelos de aprendizaje profundo a partir de datos de series temporales para predecir anomalías en la red. Los estudiantes necesitaban un entorno de GPU para crear y entrenar su solución, y DSTI les dio acceso a Hivenet.

Quedaron en segundo lugar en la general, según DSTI.

Este es el mejor ejemplo de éxito porque creó un antes y un después claros. DSTI era la misma institución que tenía estudiantes limitados por un entorno limitado, y ahora podía ayudar a los estudiantes a entrenar modelos de aprendizaje profundo para un exigente desafío aplicado.

El Hackathon no lo es todo, ni para nosotros en Hivenet ni para DSTI. La mayor parte del aprendizaje de los estudiantes es menos público que el resultado de un concurso. Sin embargo, demuestra lo que es posible cuando los estudiantes tienen acceso a una infraestructura que se ajusta al nivel de trabajo que se les pide.

Un sandbox puede introducir conceptos. Un entorno de GPU utilizable permite a los estudiantes probar esos conceptos bajo presión.

La fricción que queda

La asociación funcionó lo suficientemente bien como para que DSTI la renovara, pero la experiencia aún tiene problemas prácticos.

El director del cuerpo docente de DSTI señaló un área en la que los estudiantes necesitan más apoyo: las conexiones SSH y la creación de claves. Los estudiantes con menos experiencia pueden reducir la velocidad durante la configuración, especialmente si no están acostumbrados a este tipo de entorno.

Ese detalle tiene consecuencias pedagógicas reales. En un curso técnico, un estudiante bloqueado por la configuración de SSH es bloqueado antes de que comience la tarea de aprendizaje. Si un número suficiente de estudiantes llega al mismo punto, puede cambiar el ritmo de una clase.

Los documentos de Hivenet incluyen orientación sobre generar y agregar claves SSH en Linux, junto con otros pasos de configuración, y la interfaz ya ofrece consejos rápidos. La opinión de DSTI es que los estudiantes menos familiarizados con estos flujos de trabajo se beneficiarían de una documentación y un apoyo más detallados.

Como ocurre con todas las asociaciones, la nuestra con DSTI sigue siendo una implementación en funcionamiento, con los detalles de configuración normales que vienen con la infraestructura real. En la educación, esos detalles son importantes porque los estudiantes llegan con diferentes niveles de confianza técnica.

El objetivo es reducir esa fricción para que los estudiantes puedan dedicar menos tiempo a negociar el acceso y más tiempo a hacer el trabajo.

Por qué se renovó DSTI

DSTI ya ha renovado su asociación con Hivenet. La escuela describió la renovación como «una muestra de confianza mutua».

La señal interna más clara, según DSTI, es el uso. La escuela también describió el «entusiasmo genuino» en el alumnado. Estos no son números de referencia, pero son significativos en un entorno académico. Una plataforma que los estudiantes evitan ha fracasado, incluso si se ve bien en un proceso de adquisición. Una plataforma que usan los estudiantes cambia lo que los profesores pueden asignar y lo que los estudiantes creen que pueden intentar.

DSTI ahora planea expandir la asociación a estudiantes de licenciatura. También espera incorporar a Hivenet a otros cursos relacionados con la IA, como las redes neuronales artificiales y la ética de los datos.

Esto es importante porque no todos los cursos de ética requieren procesamiento mediante GPU. Para el DSTI, la cuestión más amplia es la coherencia. Los estudiantes están aprendiendo la inteligencia artificial, los datos, la ciberseguridad y la soberanía en un entorno técnico real. La infraestructura es parte de ese mundo.

Por eso, la asociación es más que una forma más económica de alquilar GPU. Para DSTI, es parte de la capacidad de la escuela enseñar la IA moderna sin tener que pedirles a los alumnos que trabajen dentro de unos límites que ya no se ajustan a los de la profesión.

Qué muestra el caso DSTI

La historia de DSTI no es una plantilla universal. Las diferentes instituciones tienen necesidades diferentes. Algunas requieren ordenadores portátiles gestionados. Algunas necesitan clústeres dedicados. Algunos necesitan controles de cumplimiento estrictos. Algunas necesitan acceso ocasional a las GPU para un grupo reducido de estudiantes avanzados.

Pero el patrón es reconocible.

Se les pide a los estudiantes que aprendan la IA de formas más prácticas. Se pide a los profesores que los preparen para un trabajo que depende de una infraestructura real. Se pide a las instituciones que controlen los costos y, al mismo tiempo, mantengan la soberanía, el cumplimiento y la disponibilidad. Es posible que un entorno limitado controlado que funcione para tareas pequeñas no funcione cuando los estudiantes se dediquen a trabajos de IA más exigentes.

En el caso del DSTI, el límite se hizo visible cuando los estudiantes empezaron a pedir ayuda. Necesitaban un acceso que pudiera apoyar los cursos, la experimentación y el trabajo relacionado con el aprendizaje. Los profesores necesitaban un entorno que pudiera respaldar proyectos reales de aprendizaje profundo. La institución necesitaba un proveedor que tuviera sentido desde el punto de vista financiero y se ajustara a su posición europea.

DSTI eligió Hivenet porque esas necesidades se unieron en un acuerdo viable.

El valor de la asociación es más evidente en el movimiento de la historia: los estudiantes pasaron de superar los límites en un entorno limitado a realizar trabajos de formación en aprendizaje profundo, ajustar modelos, utilizar el acceso a la GPU en un hackathon nacional y prepararse para un acceso más amplio en toda la escuela.

Esa es una lección útil. En la educación basada en la IA, la infraestructura determina lo que los estudiantes pueden construir, lo que los profesores pueden enseñar y si el entorno técnico de una escuela se ajusta al trabajo que pide a los estudiantes que realicen.

Cuando los estudiantes superan el entorno limitado, el acceso a la GPU pasa a formar parte de la educación.

---

Explorar Compute con Hivenet para programas académicos de IA, o habla con Hivenet sobre el acceso a la GPU para la enseñanza, la investigación y las cargas de trabajo de los estudiantes.