BATERÍA DE PREGUNTAS PARA PRUEBA ESCRITA DE 1ª EVALUACIÓN UNIDADES 1 Y 2 - MÓDU

La Inteligencia Artificial es la habilidad llevada a cabo por una máquina y/o software para …. aprender. a) y c) son correctas. resolver problemas. c) es correcta, pero no es posible que aprenda por sí misma.

La IA débil …. aprender. a) y c) son correctas. resolver problemas. c) es correcta, pero no es posible que aprenda por sí misma.

De las siguientes herramientas, ¿cuál tiene algún tipo de IA?. Un Chatbox. Cualquier buscador de Internet. Filtro de SPAM de cualquier gestor de email. Todas son correctas.

El Test de Turing sirve para …. Medir cómo de bien puede una máquina (IA) imitar a un humano. Todas son correctas menos la a). comprobar si una máquina actúa como un humano. evitar que un software (bot o similar) realice acciones destinadas a humanos, como hacer login/autenticación en una aplicación web o similar.

Un software inteligente que se basa en el conocimiento de un dominio concreto y realiza inferencias para obtener conocimiento más avanzado o apoya a los humano en tareas de diagnósticos, entre otras, es conocido como …. IA fuerte. Agente Reactivo Avanzado. Sistema Experto. Ninguna es correcta.

La IA fuerte o general …. es capaz de realizar hipotéticamente tareas intelectuales a nivel humano. tiene capacidad para razonar, aprender y adaptarse a cualquier dominio. es adecuada cuando se usa para resolver problemas bien definidos en un ámbito muy específico/especializado. a) y b) son correctas.

De las siguientes, ¿cuáles son técnicas de IA y/o ejemplos de técnicas de IA?. Agentes inteligentes, algoritmos optimizantes, PSO. Algoritmos de búsqueda, agentes inteligentes, aprendizaje automático, algoritmos evolutivos. Algoritmos de búsqueda, agentes de IA fuerte, aprendizaje automático, algoritmos genéticos. Ninguna es correcta.

Los algoritmos de Backtracking …. son un ejemplo de algoritmos de búsqueda informada. permiten encontrar siempre la solución óptima en muy poco tiempo. encuentran al menos una solución, pero son costosos en tiempo con valores altos de N. son muy eficientes en tiempo de ejecución, al tratarse de algoritmos voraces.

¿Qué ocurre cuando resolvemos el problema de las N-reinas mediante un algoritmo de Backtracking?. Todas son correctas. Existe un árbol del cual cada nodo (excepto los nodos hoja) representa el estado de una solución parcial (incompleta) de búsqueda de alguna solución final. El uso de la recursividad reduce bastante el tiempo para encontrar la solución cuando N tiene un valor alto. Añadiendo una selección aleatoria de las filas/columnas a probar propiciamos la posibilidad de encontrar antes una solución parcial con reinas que se amenazan y por tanto ahorrandonos una vía de búsqueda infructuosa.

En los algoritmos evolutivos …. el cruce y mutación efectuadas de forma aleatoria. el cruce y mutación efectuadas de forma aleatoria. la selección de individuos se hace en función de los que tengan mejor valor de función de aptitud (fitness). Todas son correctas.

Respecto a los algoritmos de tipo PSO (optimización por enjambre de partículas) …. c) es correcta y pertenecen al grupo de algoritmos de búsqueda. d) es correcta y cada partícula se ubica en su mejor posición (mínimo local) obtenida hasta el momento. las partículas no necesitan comunicarse entre sí para compartir su posición. pertenecen al grupo de algoritmos evolutivos.

De las técnicas de IA basadas en Aprendizaje Automático diremos que …. incluyen aprendizaje no supervisado y aprendizaje supervisado. a) y d) son correctas. Aunque son capaces de hacer todo lo indicado en d), no tienen capacidad de aprendizaje. No solo contribuyen a la comprensión de las relaciones entre los datos, sino que también hacen predicciones basadas en datos, lo que ayuda al humano a tomar decisiones.

Respecto a las ANNs (redes neuronales artificiales), ¿qué es FALSO?…. Se utilizan para conseguir objetivos como el reconocimiento de imágenes y el procesamiento del lenguaje natural, entre otros. Pertenecen al grupo de aprendizaje automático (en concreto dentro del paradigma de aprendizaje profundo), por tanto deben ser entrenadas y probadas correctamente en base a datos. Se adaptan mejor a los datos estructurados, en los que es difícil entender cómo se relacionan. Vienen inspiradas por la biología y su elemento base es el perceptrón.

Para dotar de inteligencia a un agente racional …. necesita sensores físicos (para percibir el entorno, que nunca cambia), actuadores (para realizar acciones que lleven al objetivo), función agente (descripción matemática abstracta que relaciona las acciones concretas percibidas del entorno con las percepciones a emitir). d) es correcta. Además, se usan técnicas de IA como aprendizaje automático, sistemas basados en el conocimiento y sistemas basados en reglas. Ninguna es correcta. necesita sensores físicos (para percibir el entorno), actuadores (para realizar acciones que lleven al objetivo), función agente (descripción matemática abstracta que relaciona las percepciones recibidas del entorno con acciones concretas).

Un programa agente es …. la implementación de la función agente de un agente racional sobre algún sistema. el software específico que permite que los sensores de un agente racional funcionen. un software que define un entorno objetivo de actuación de un agente racional. Ninguna es correcta.

Dados los distintos tipos de agentes vistos y sus definiciones, ¿cuál es la combinación correcta?. 1. Agentes reactivos simples. 2. Agentes reactivos basados en modelos. 3. Agentes basados en objetivos. 4. Agentes basados en utilidad. 5. Agentes que aprenden.

El lenguaje PDDL …. (Planning Domain Description Language) es un lenguaje estándar de IA para definir dominios y problemas de planificación, basado en lógica de tercer orden. (Processing Domain Description Language) es un lenguaje estándar de IA para definir dominios y problemas de planificación, para resolver problemas al vuelo: según se realizan acciones orientadas a conseguir el objetivo, se va trazado el plan. Divide el modelado en dos partes: el dominio (predicados) y el problema (acciones, estado intermedio y meta/objetivo). Ninguna es correcta.

En PDDL, ¿cuál de las siguientes es VERDADERA?. El objetivo se alcanza por encadenamiento secuencial de varias acciones (planificación) y d) es correcta. Precondición (condiciones recomendables para poder realizar una acción), Acción (a efectuar sobre una lista de variables relativas a los objetos del dominio) y Efecto (negación del estado inicial de un objeto del dominio). El objetivo se alcanza por encadenamiento paralelo de varias acciones y b) es correcta. Precondición (premisas que deben ser ciertas para poder realizar una acción), Acción (a efectuar sobre una lista de variables relativas a los objetos del dominio) y Efecto (nuevo estado de los objetos del dominio).

En los sistemas de razonamiento impreciso …. definimos elementos que puedan pertenecer a diferentes conjuntos con grados de pertenencia comprendidos en el intervalo [0, 1] (1: pertenencia absoluta; 0: pertenencia nula). impera la lógica difusa: con ella es posible expresar algo que sea parcialmente verdadero o parcialmente falso. Todas son correctas. independientemente de la variable de entrada, la suma de todas las pertenencias a los conjuntos siempre será 1.

Según el método de Mamdani, los sistemas de razonamiento impreciso requieren de varios pasos …. Modelado (se convierten las variables de entrada en grados de pertenencia), razonamiento del motor de inferencia, fuzzificación, defuzzificación (opcional). Modelado, fuzzificación, razonamiento del motor de inferencia, defuzzificación (obligatorio al principio). Modelado (se definen variables de entrada, variables de salida y dominio de definición), fuzzificación, razonamiento del motor de inferencia, defuzzificación (opcional). a) es correcta. Además, en la fuzzificación se utilizan funciones de pertenencia para obtener los grados de pertenencia dependiendo de la forma que tengan los conjuntos del dominio de definición.