Dos estudiantes de cuarto ciclo en Key Institute, 40 participantes internacionales y una experiencia académica que combinó deep unsupervised learning, pensamiento crítico y colaboración global.

“Oxford no solo amplió lo que sabíamos sobre inteligencia artificial; amplió la idea de lo que somos capaces de construir.”

‍‍

‍

Escrito por

Arlette Catalán y Elena Colorado

Estudiantes de 4.º ciclo de Ingeniería y Ciencias de la Computación Integradas | Key Institute

Hay experiencias que confirman lo aprendido y otras que cambian la escala de nuestras aspiraciones. Durante tres semanas, tuvimos la oportunidad de participar en un summer program en Lady Margaret Hall, uno de los colleges de la University of Oxford. Allí compartimos clases, proyectos y vida universitaria con cerca de 40 participantes de distintos países, mientras profundizábamos en deep unsupervised learning y algunas de las arquitecturas que están transformando la inteligencia artificial.

Antes de Oxford: prepararse para estar a la altura del reto

La emoción comenzó mucho antes del viaje. También los nervios. Estudiar en inglés, responder a un nivel académico exigente y convivir con estudiantes de contextos muy distintos suponía salir de nuestra zona de confort en varios sentidos a la vez. Por eso, las semanas previas estuvieron marcadas por repasos, lecturas y preguntas inevitables: ¿lograríamos seguir el ritmo?, ¿podríamos aportar a las discusiones?, ¿cómo sería defender nuestras ideas frente a profesores y compañeros internacionales?

La respuesta no llegó en un solo momento. Se construyó clase a clase y conversación a conversación. Muy pronto comprendimos que participar en una experiencia de esta magnitud no significa llegar con todas las respuestas, sino con fundamentos, curiosidad y disposición para trabajar con disciplina.

Llegar a Lady Margaret Hall: cuando una meta se vuelve real

Al llegar, lo que hasta entonces parecía una meta adquirió una forma concreta: las residencias, la biblioteca, los jardines, las aulas y el ritmo cotidiano de Lady Margaret Hall. La bienvenida y el recorrido por Oxford nos permitieron disfrutar de algo nuevo, pero también dimensionar la oportunidad. No estábamos allí únicamente para observar una institución de alcance internacional; estábamos allí para participar activamente en una comunidad de aprendizaje.

Desde el aeropuerto comenzamos a conocer a quienes compartirían el programa con nosotras. Aquella diversidad, que al principio parecía otro desafío, terminó convirtiéndose en una de las mayores fortalezas de la experiencia.

‍

Deep unsupervised learning: aprender a encontrar patrones sin respuestas previas

El eje académico del programa fue el deep unsupervised learning, o aprendizaje profundo no supervisado. A diferencia del aprendizaje supervisado, en el que un modelo recibe ejemplos con una respuesta o etiqueta correcta, el aprendizaje no supervisado trabaja con datos sin clasificar. Su propósito es descubrir por sí mismo estructuras, similitudes, representaciones y relaciones que no resultan evidentes a primera vista.

Una forma fácil de entenderlo es imaginar una enorme colección de información sin índice. En lugar de decirle al sistema qué contiene cada elemento, se le pide analizar el conjunto para identificar grupos, regularidades o dimensiones relevantes. Cuando se incorporan redes neuronales profundas, el modelo puede aprender representaciones cada vez más abstractas: desde rasgos simples hasta patrones complejos útiles para detectar anomalías, comprimir información, visualizar datos o generar contenido.

En la práctica, este campo no se estudia como una lista aislada de algoritmos. Cada técnica responde una pregunta diferente: ¿qué observaciones se parecen entre sí?, ¿cómo reducimos miles de variables sin perder lo esencial?, ¿cómo aprende un sistema a reconstruir o crear una imagen?, ¿cómo identifica relaciones entre elementos dentro de una secuencia?

Las herramientas detrás de los patrones y la IA generativa

Durante el programa exploramos técnicas que permiten a la inteligencia artificial descubrir estructuras, simplificar información y generar nuevos contenidos.

El clustering agrupa datos similares sin categorías previamente definidas, lo que ayuda a identificar perfiles y patrones relevantes. Por su parte, PCA y t-SNE reducen la complejidad de conjuntos con numerosas variables, facilitando su análisis y visualización.

También estudiamos los auto encoders, redes capaces de comprimir información y reconstruirla a partir de sus características esenciales. Esta idea de representación latente es fundamental para detectar anomalías y comprender modelos generativos más avanzados.

Las GANs funcionan mediante la competencia entre dos redes: una crea nuevos ejemplos y otra evalúa si parecen reales. Los modelos de difusión, en cambio, aprenden a transformar progresivamente el ruido en resultados coherentes, una técnica central en los sistemas actuales de generación de imágenes.

Finalmente, los transformers emplean mecanismos de atención para reconocer relaciones complejas dentro de grandes volúmenes de información y constituyen la base de numerosos modelos de lenguaje contemporáneos.

Más que aprender definiciones, estas herramientas nos permitieron comprender cómo la IA identifica patrones, representa información y convierte los datos en nuevas posibilidades.

Del concepto al código: aprender también significadefender

El rigor del programa no estaba únicamente en la complejidad de los temas, sino en la metodología. Las clases magistrales (lectures) introducían conceptos con rapidez; después, los seminarios permitían trasladar la teoría a código, probar modelos, revisar resultados y formular preguntas precisas.Las sesiones grabadas servían como apoyo, pero el aprendizaje real dependía del estudio independiente y la preparación que cada una se proponía.

Cada semana culminaba con un proyecto evaluado y una defensa en tutoriales de dos o tres estudiantes. Explicar una decisión técnica, justificar el enfoque utilizado y responder preguntas en inglés nos obligó a ir más allá de hacer funcionar un programa. Tuvimos que comprenderlo. Ese proceso fortaleció competencias que resultan críticas en ingeniería: pensamiento analítico, comunicación técnica, apertura a la crítica y capacidad para iterara partir de la retroalimentación.

Los repasos en la biblioteca y las conversaciones con compañeros de otros países enriquecían todavía más el proceso. Una misma idea podía abordarse desde experiencias educativas y culturales distintas. Aprender así era aprender dos veces: primero el concepto y después las múltiples maneras de interpretarlo, explicarlo y aplicarlo.

Oxford fuera del aula: cultura, comunidad y autonomía

El networking comenzó desde el aeropuerto. Mientras buscábamos el punto de encuentro conocimos a Mara, de Alemania; Sara, de España; y Brinda, de Estados Unidos. Esa primera conversación transformó el temor de no encajar en la certeza de que todas habíamos llegado con la misma intención: aprender, compartir y construir nuevas amistades.

La vida académica convivió con una agenda cultural y social que dio profundidad a la experiencia. Recorrimos Oxford, conocimos sus edificios y relatos históricos, visitamos Stratford-upon-Avon y participamos en actividades como punting, deportes, noches culturales, garden parties y un formal ball. Condensadas en tres semanas, estas experiencias ofrecieron algo más que entretenimiento: crearon espacios para conversar, colaborar y construir confianza fuera del entorno al que estábamos acostumbradas.

Londres nos permitió vivir algunas de las experiencias más personales del viaje. Aprendimos a abordar y orientarnos en sus buses de dos pisos, caminamos por Westminster para contemplar el Big Ben y presenciamos el Cambio de Guardia frente al Palacio de Buckingham. Algunas de estas vivencias no formaban parte del itinerario académico: surgieron de nuestras escapadas y de la decisión de aprovechar cada hora disponible. Movernos por una ciudad nueva, organizar el regreso y resolver juntas los pequeños retos del recorrido también fortaleció nuestra autonomía.

La riqueza cultural no fue un componente separado del aprendizaje. Convivir con distintas nacionalidades exigía escuchar, adaptarse y comunicar con sensibilidad y empatía. También nos recordó que la tecnología se diseña para realidades humanas diversas. En ingeniería, esa perspectiva es indispensable.

‍

¿Por qué una experiencia internacional transforma la formación profesional?

Para un estudiante, participar en un programa de este nivel significa comprobar que su formación puede dialogar con estándares internacionales y representa una inversión en autonomía, madurez y visión de futuro. Y para las empresas, estas experiencias ayudan a formar talento capaz de trabajar en equipos multiculturales, aprender con rapidez, comunicar ideas complejas y responder con criterio ante problemas que todavía no tienen una solución evidente.

El valor no está únicamente en haber estado en Oxford. Está en regresar con preguntas más ambiciosas, mejores hábitos de estudio y una red de contactos multidisciplinaria e internacional. Está en perder el miedo a participar en una discusión exigente y descubrir que la preparación, la curiosidad y la disciplina permiten aportar desde cualquier lugar del mundo.

Lo que nos llevamos

Volvimos con una comprensión más profunda de la inteligencia artificial, pero también con una idea más clara de la clase de profesionales que queremos ser. Recordaremos las horas de código, las defensas, los repasos en la biblioteca y las conversaciones con amigos de distintos países. Recordaremos también la sensación de caminar por Oxford y entender que una meta grande deja de parecer imposible cuando se convierte en trabajo cotidiano.

Oxford no fue el cierre de un sueño. Fue el inicio de una pregunta más exigente: ¿qué vamos a construir con todo lo que aprendimos?