Cuestionario sobre Inteligencia Artificial y su Impacto

¿Qué es la Inteligencia Artificial (IA)?. Desarrollo de sistemas capaces de ejecutar funciones que dependen de capacidades humanas. Un tipo de software que solo procesa imágenes. Un sistema para traducir automáticamente textos. Un sistema de razonamiento lógico aplicado a la física.

¿Cuál fue el término acuñado en Dartmouth que sentó las bases de la IA?. Machine Learning. Deep Learning. Inteligencia Artificial. Redes Neuronales.

¿Qué caracterizó la época conocida como 'Invierno de la IA' (años 70-80)?. Avances significativos en algoritmos y potencia computacional. Expectativas cumplidas y gran financiación en el campo. Avances no cumplieron las expectativas y se perdió financiación e interés. El auge de la era del Big Data.

En la clasificación de la IA, ¿qué es 'Narrow AI' (IA débil)?. IA que puede realizar tareas intelectuales. IA que comprende el entorno y puede aprender. IA especializada en una tarea o un conjunto limitado de tareas. IA con capacidad de adaptación a nuevas situaciones sin entrenamiento específico.

¿Qué es 'General AI' (IA general)?. IA que analiza datos históricos para hacer predicciones. IA que genera nuevo contenido. IA más ambiciosa y aún teórica que puede realizar tareas intelectuales. IA que se utiliza en sistemas de recomendación.

¿Cuál es la función principal de la 'Predictive IA' (IA predictiva)?. Generar nuevo contenido. Analizar datos históricos para hacer predicciones a futuro. Realizar tareas intelectuales. Comprender el entorno.

¿Cuál es la función principal de la 'Generative IA' (IA generativa)?. Analizar datos históricos. Crear nuevo contenido a raíz de ejemplos existentes. Hacer predicciones. Realizar análisis estadísticos.

¿Qué tipo de IA se basa en modelos matemáticos para analizar datos y predecir resultados?. Predictive IA. Generative IA. Statistical IA. Narrow AI.

¿Qué tipo de IA clasifica y distingue entre diferentes guías de datos?. Discriminative IA. Analystic IA. Predictive IA. Generative IA.

¿Cuál es el enfoque principal de la 'Analystic IA' (IA analítica)?. Procesar grandes volúmenes de datos. Generar nuevo contenido. Hacer predicciones a futuro. Clasificar y distinguir datos.

¿Qué desafío actual se refiere a la generación de sesgos en los datos o información falsa?. Requisitos técnicos. Privacidad. Fiabilidad. Falta de estándares.

¿Qué requisito técnico es crucial para el funcionamiento de la IA?. Fuentes de energía renovables. Potentes GPU y mucha energía. Acceso a una gran cantidad de datos estructurados. Conexión a internet de alta velocidad.

¿Qué tipo de datos se organizan en filas y columnas dentro de una base de cálculos?. Datos no estructurados. Datos semiestructurados. Datos estructurados. Datos incompletos.

¿Qué tipo de datos se representan en etiquetas o formatos estandarizados?. Datos estructurados. Datos no estructurados. Datos semiestructurados. Datos incompletos.

¿Qué ventajas tienen los datos semiestructurados?. Son más fáciles de procesar y favorecen la interoperabilidad. Requieren menos procesamiento previo. Son más fáciles de almacenar y consultar. Capturan la complejidad de fenómenos reales.

¿Qué características tienen los datos no estructurados?. Están organizados en filas y columnas. No se almacenan fácilmente. Tienen una organización rígida. Son fáciles de procesar.

¿Qué tipo de algoritmo predice un valor numérico a partir de datos previos?. Regresión. Clasificación. Clustering. Redes Neuronales.

¿Qué tipo de algoritmo asigna una categoría a cada dato de entrada?. Regresión. Clasificación. Clustering. Redes Neuronales.

¿Qué hacen los algoritmos de clustering?. Predecir un valor numérico. Asignar una categoría a cada dato. Agrupar datos en grupos según similitudes. Detectar patrones complejos.

¿Qué tipos de modelos existen?. Supervisados y no supervisados. Predictivos y generativos. Estructurados y no estructurados. Clasificación y regresión.

¿Cómo aprenden los modelos supervisados?. Descubriendo patrones en datos sin etiquetar. Aprendiendo por prueba y error. Comparando su respuesta con la esperada y corrigiendo errores. Encontrando relaciones de forma automática.

¿Cómo aprenden los modelos no supervisados?. Comparando su respuesta con la esperada. Aprendiendo por prueba y error. Descubriendo patrones en datos sin etiquetar. Recibiendo recompensas cuando aciertan.

¿Qué tipo de recurso necesitan los procesadores para la IA?. Procesadores muy lentos. Poca energía. Procesadores muy potentes y mucha energía. Un gran ancho de banda.

¿Qué es el 'Fine-tuning' en el contexto de la IA?. El proceso de entrenamiento inicial del modelo. Adaptar el modelo para mejorar aplicaciones específicas. La creación de nuevos datos para el entrenamiento. La evaluación de la precisión del modelo.

¿Qué tipo de red neuronal está diseñado para trabajar con imágenes y videos?. Convolutional neural networks (CNN). Recurrent neural networks (RNN). Feedforward neural networks. Autoencoders.

¿Qué métrica evalúa el porcentaje de aciertos de un modelo?. Precisión. Error. Generalización. Exactitud.

¿Qué información se proporciona al modelo para que procese?. Outputs. Datos, texto, audios, imágenes... Resultados. Algoritmos.

¿Cuáles son los tres pasos que sigue la IA para procesar los inputs?. Entrada, comparación, salida. Interpretación, comparación, generación. Análisis, procesamiento, salida. Recopilación, análisis, generación.

¿Qué es el procesamiento del lenguaje natural (PNL)?. El estudio de los idiomas. La capacidad de las máquinas para comprender, interpretar y generar lenguaje humano. La creación de texto mediante algoritmos. La traducción de idiomas.

¿Qué es Zero-shot prompting?. Proporcionar ejemplos para guiar la respuesta. Pedir directamente lo que queremos sin dar ejemplos. Solicitar que muestre razonamiento paso a paso. Mostrar el resultado y pedir que deduzca la entrada.

¿Qué se necesita para tener un pensamiento crítico con la IA?. Aceptar todo lo que dice la IA sin cuestionar. Cuestionar y evaluar la información. Utilizar siempre la misma fuente de información. Ignorar las limitaciones de la IA.

¿Qué implica la 'creatividad e innovación aumentada'?. Usar siempre la misma herramienta de IA. Reemplazar completamente la creatividad humana. Generar ideas nuevas y transformar conceptos. Limitar el uso de IA a tareas básicas.

¿Qué implica la alfabetización digital crítica?. Confiar en todas las respuestas de la IA. Entender de dónde vienen los datos, reconocer las limitaciones y saber interpretar los resultados. No considerar las limitaciones de la IA. Usar la IA sin preocuparse por la procedencia de los datos.

¿Cómo puede la IA transformar el trabajo?. Eliminando completamente el trabajo humano. Automatizando tareas repetitivas y apoyando la creatividad. Limitando la comunicación y la representación de datos. Creando desigualdades en el entorno laboral.

¿Qué implica la automatización de tareas repetitivas?. Eliminar completamente las tareas humanas. Gestionar comunicaciones y analizar datos básicos. Simplificar la programación de actividades. Todas las opciones son correctas.

¿Qué es un prompt designer?. Una persona que diseña interfaces de usuario para la IA. Una persona que crea instrucciones precisas para que la IA genere el resultado deseado. Un analista de datos junior. Un supervisor de IA.

¿Qué hace un Analista de datos Junior con enfoque en IA?. Gestiona los sistemas de IA. Prepara y limpia conjuntos de datos y usa herramientas de IA para optimizar procesos. Diseña prompts para la IA. Supervisa los resultados de la IA.

¿Cuál es la función principal de un Supervisor de IA?. Diseñar interfaces de usuario para la IA. Preparar y limpiar datos para la IA. Garantizar que los sistemas de IA funcionen correctamente, de manera ética y alineada con los objetivos. Generar visualizaciones de datos.

¿Qué riesgos existen al usar la IA?. Robo de identidad, suplantación, fraude financiero. Fugas de datos, exposición de información confidencial. Sesgos y discriminación algorítmica. Todas las opciones son correctas.

¿Qué establece el RGPD?. Que ninguna persona puede ser objeto de una decisión basada únicamente en un tratamiento automatizado. Que las empresas pueden recopilar cualquier dato sin restricciones. Que los usuarios no tienen derecho a la explicación de las decisiones basadas en IA. Que los datos personales no necesitan ser protegidos.

¿Qué son los sesgos en los datos de entrenamiento?. Errores en las indicaciones (prompts). Cuando la IA aprende de datos que ya están sesgados y reproduce esos errores. Cuando los datos no representan a toda la población. Cuando se diseñan los sistemas de forma que refuerzan creencias previas.

¿Qué puede ocurrir debido a los sesgos en los datos?. La disminución de la eficiencia. La promoción de la equidad. La marginación de grupos vulnerables y la discriminación. Un aumento en la colaboración global.

¿Cómo se pueden combatir los sesgos algorítmicos?. Diversificación de datos, guardrails éticos y reentrenamiento. Eliminando la documentación clara de datos y procesos. Usando siempre los mismos datos. Ignorando los resultados de las auditorías externas.

¿Qué derechos protege la propiedad intelectual (PI)?. Los derechos sobre la propiedad física. Los derechos sobre creaciones de la mente. Los derechos sobre bienes inmuebles. Los derechos sobre la propiedad de la IA.

¿Qué es el deepfake?. Un tipo de modelo de IA. Contenidos audiovisuales creados o manipulados para suplantar la identidad. Una herramienta para la edición de imágenes. Una técnica de entrenamiento de modelos de IA.

¿Qué se recomienda para la verificación de la información?. Ignorar las fuentes oficiales. Utilizar solo una fuente de información. Verificar con fuentes oficiales en tiempo real, búsqueda inversa de imágenes, análisis críticos. Creer ciegamente en lo que dice la IA.

¿Qué impacto positivo tiene la IA?. Pérdida de empleos. Brechas socioeconómicas. Mejora de la eficiencia, fomento de la creatividad y facilitación de la colaboración global. Dependencia excesiva.

¿Cuál es un impacto negativo de la IA?. Mejora de la colaboración global. Facilitación de la innovación. Pérdida de empleos debido a la automatización. Aumento de la eficiencia.