EXAMEN IA (completando!)

¿Qué tipo de IA utiliza modelos probabilísticos y técnicas como la regresión?. Statistical AI. Analytical AI. Generative AI. Predictive AI.

¿Qué evento se conoce como el “Invierno de la IA” y qué lo caracterizó?. La época en la que se acuñó el término y se creía que las máquinas inteligentes estaban cerca. Un período de gran interés público y aumento de la financiación en los años 90. Una época de grandes avances tecnológicos que impulsaron la IA, pero sin apoyo financiero. Una época en la que los avances no cumplieron las expectativas, llevando a una reducción en la financiación y el interés.

¿Qué característica define a la Generative AI?. La creación de contenido nuevo a partir de datos existentes. Su capacidad para clasificar datos en categorías predefinidas. La habilidad para analizar datos históricos y hacer predicciones. Su enfoque en procesar grandes volúmenes de datos para extraer información.

La “consistencia” de la IA se refiere a que: Siempre da la misma respuesta a la misma pregunta, sin importar la entrada. Solo funciona de manera consistente si tiene una conexión a internet muy rápida. Los resultados pueden variar incluso con entradas similares debido a su naturaleza probabilística, lo que plantea retos en aplicaciones que requieren fiabilidad. Es consistente en el procesamiento de datos y en la generación de respuestas.

El objetivo principal de la Analytical AI es: Crear contenido nuevo, como texto o imágenes. Clasificar datos en categorías y grupos. Predecir resultados futuros basándose en tendencias. Procesar grandes volúmenes de datos para identificar patrones y tomar decisiones.

¿Qué factor fue clave para el resurgimiento de la IA en los años 90?. El desarrollo de la robótica avanzada. El surgimiento de la World Wide Web. El aumento de la potencia computacional y los avances en algoritmos. La reducción de costes en la tecnología.

¿Cuál es un ejemplo de dato no estructurado?. Una transacción bancaria con campos como fecha, importe y número de cuenta. Un correo electrónico en texto libre. Un registro médico normalizado (ID del paciente, diagnóstico, tratamiento...). Una hoja de cálculo con el listado de estudiantes: nombre, edad, calificación final.

El fine-tuning sirve para: Adaptar un modelo a tareas o aplicaciones específicas. Generar imágenes. Reiniciar un modelo para que se generalice. Ajustar automáticamente un modelo de IA sin intervención humana.

Los datos estructurados se caracterizan por: Carecer de organización. Estar en formatos de imagen y vídeo. No poder procesarse en bases de datos. Organizarse en filas y columnas.

Identificar si un correo es spam o no, corresponde a un algoritmo de: Clasificación. Clustering. Regresión. Generación.

Los modelos de refuerzo aprenden mediante: Filas y columnas. JSON y XML. Ejemplos etiquetados. Prueba / error y recompensa.