IA Modelos de examen (2/3)

En los modelos de inteligencia artificial generativa, las llamadas “alucinaciones” hacen referencia a que el modelo: Copia información de internet de manera incorrecta. Solo funciona si el usuario sobreestima sus capacidades. Produce resultados aleatorios por fallos internos. Genera resultados completamente inventados, sin relación con la realidad.

¿Cómo se denomina el proceso en el que un modelo de IA aprende y ajusta sus parámetros a partir de un conjunto de datos?. Entrenamiento. Optimización. Implementación. Codificación.

¿Cuál de las siguientes es una ventaja de los datos no estructurados para la inteligencia artificial?. Pueden introducir sesgos si los conjuntos de entrenamiento no son representativos. Contienen gran riqueza informativa y permiten entrenar modelos que reconocen patrones complejos. Requieren mucho procesamiento previo para ser interpretados por la máquina. Su volumen y diversidad necesitan grandes capacidades de almacenamiento y cómputo.

En una empresa, ¿cómo puede un empleado integrar la IA en sus tareas diarias de forma práctica y efectiva?. Utilizando IA para automatizar tareas repetitivas, como leer y organizar facturas y contratos, filtrar correos prioritarios, analizar datos de ventas simples y programar reuniones según disponibilidad. Confiando en que la IA resuelva problemas estratégicos complejos sin supervisión humana. Evitando cualquier uso de IA y realizando todas las tareas manualmente para mantener el control total. Solo utilizando IA para generar contenido creativo, sin aplicarla a tareas administrativas o de análisis.

¿Cuáles de las siguientes competencias son clave para aprovechar la inteligencia artificial de manera eficaz, ética y creativa?. Pensamiento crítico, diseño de prompts, creatividad, colaboración humano-IA, aprendizaje continuo, ética digital y alfabetización crítica. Evitar la interacción con IA y centrarse únicamente en métodos tradicionales de trabajo. Memorizar todas las funcionalidades de un software de IA sin cuestionar su uso. Solo aprender a programar sin preocuparse por ética ni impacto social.

Al utilizar IA para transformar imágenes existentes, ¿qué se recomienda para obtener resultados de alta calidad y adecuados al propósito?. Solo indicar el color principal que se desea cambiar y dejar el resto a la IA. Especificar la naturaleza de la transformación, describir la imagen original, detallar el resultado deseado, incluir herramientas o técnicas, y considerar implicaciones legales. Ignorar cualquier aspecto legal o de derechos de propiedad intelectual, ya que la IA siempre protege los contenidos originales. No es necesario detallar la imagen original ni el resultado deseado; la IA generará automáticamente la mejor versión.

¿Cuáles son habilidades y conocimientos clave para un prompt designer?. Solo habilidades artísticas para generar imágenes sin usar prompts. Comprensión profunda de modelos de IA, habilidades de comunicación, capacidad para estructurar solicitudes claras y conocimiento de técnicas avanzadas como few-shot prompting. Solo conocer el funcionamiento básico de la IA, sin necesidad de técnicas avanzadas. Supervisión de la energía consumida por los modelos de IA, sin crear instrucciones.

¿Cuál de las siguientes afirmaciones describe mejor la “Narrow AI” o IA débil, que predomina en la actualidad?. Puede aprender y adaptarse a cualquier situación sin necesidad de datos específicos. Está especializada en tareas específicas y es muy eficiente en su dominio, pero no tiene conciencia ni comprensión general. Es capaz de realizar cualquier tarea humana con conciencia completa del mundo. Se centra en el análisis histórico de datos sin interactuar con aplicaciones prácticas.

¿Cuál es el objetivo de un Analista de Datos Junior con Enfoque en IA en una empresa?. Gestionar únicamente la infraestructura tecnológica de la IA. Desarrollar modelos de IA avanzados sin procesar datos. Diseñar prompts para asistentes virtuales sin análisis de datos. Optimizar procesos combinando análisis de datos básico con herramientas de IA.

¿Cuál de las siguientes es una limitación o precaución importante al generar imágenes con IA?. No existen problemas de sostenibilidad ni de sesgos culturales en los modelos de generación de imágenes. La calidad de la imagen generada no se ve afectada por la precisión o detalle del prompt. Los modelos requieren gran cantidad de recursos computacionales, pueden reproducir sesgos presentes en los datos, surgen dudas sobre propiedad intelectual y los resultados dependen de la claridad del prompt. La IA siempre genera imágenes perfectas sin necesidad de instrucciones detalladas ni consideraciones legales.

¿Cuáles son algunas de las responsabilidades clave de un Supervisor de IA?. Generar automáticamente contenido visual y textual sin supervisión ética. Programar algoritmos sin evaluar la calidad de los resultados. Analizar únicamente el coste energético de los sistemas de IA. Monitorizar resultados para detectar sesgos o errores, evaluar calidad y relevancia de salidas, ajustar parámetros y aplicar salvaguardas éticas.

¿Cuál de estas es una medida para mitigar los sesgos algorítmicos?. Uniformidad de los datos. Supervisión humana sobre los resultados de la IA. Usar solo datos históricos. Reducir el tamaño de los datos.

En el contexto de los tipos de IA, ¿Cuál se enfoca en la creación de contenido original, como texto, imágenes o música?. IA débil. IA de reconocimiento. IA predictiva. IA generativa.

¿Qué es el sesgo de confirmación?. Aquel que ocurre al reforzar creencias o hipótesis previas en lugar de cuestionarlas al introducir datos o preguntas. Ninguna de las respuestas es correcta. Aquel que ocurre cuando los métodos de recogida de datos contienen errores o distorsiones. Aquel que ocurre cuando la IA aprende de datos que ya están sesgados y reproduce esas distorsiones en sus resultados.

Una IA que está diseñada para realizar una tarea específica, como recomendar productos o traducir idiomas, se clasifica como: IA generativa. IA de reconocimiento. IA fuerte. IA débil.

¿Qué implica el principio de equidad en la IA?. Favorecer siempre al grupo mayoritario. Reducir el número de datos. Que la IA no funcione en todos los países. Trato justo e imparcial sin discriminación.

Si un usuario necesita que una IA le ayude a corregir textos o a redactar resúmenes, ¿qué tipo de aplicación de IA debería utilizar?. IA para audio y vídeo. IA para texto. IA predictiva. IA para imágenes.

Dentro del funcionamiento interno de la IA, ¿Qué elemento se considera la "materia prima" esencial?. Los datos. Los procesos de entrada y salida. Los modelos. Los algoritmos.

¿Por qué son importantes el aprendizaje continuo y la adaptabilidad tecnológica para aprovechar la IA?. Porque la IA evoluciona rápidamente, y actualizar habilidades permite aprovechar nuevas herramientas y oportunidades. Porque una vez aprendida una herramienta de IA, nunca es necesario volver a actualizarse. Porque la IA no cambia, por lo que la adaptabilidad no es relevante. Porque basta con aprender una sola herramienta de software para dominar todas las aplicaciones de IA.

Desde el año 2000 hasta la actualidad, la inteligencia artificial ha experimentado grandes avances gracias a la era del Big Data y el aprendizaje profundo. ¿Qué factores han sido clave para estos avances?. La sustitución de la IA por métodos estadísticos clásicos. La disponibilidad de grandes cantidades de datos y el desarrollo de redes neuronales más complejas. La eliminación de los algoritmos tradicionales y la disminución de la potencia de cálculo. La reducción de los datos disponibles y la simplificación de las redes neuronales.

¿Cuál de los siguientes no constituye un desafío técnico para la inteligencia artificial?. La incapacidad de la IA para aprender de datos nuevos. Elevados costos y consumo energético. Altos requerimientos de recursos computacionales. Ausencia de estándares universales.

¿Qué concepto describe el uso de contenidos generados por usuarios (textos, imágenes,audios) para entrenar modelos de IA sin permiso explícito?. Uso no autorizado. Fugas de datos. Explotación comercial de datos personales. Entrenamiento sin consentimiento.

En el ejemplo de colaboración entre IA y equipo de marketing, ¿cuál es el papel principal de cada uno?. La IA y el equipo humano realizan exactamente las mismas tareas sin diferenciación de roles. La IA genera borradores de anuncios, eslóganes o diseños; el equipo humano selecciona, pule y asegura que la propuesta final refleje la identidad de la marca. La IA toma todas las decisiones estratégicas, mientras el equipo humano solo aprueba sin cambios. El equipo humano genera los borradores y la IA selecciona cuál refleja mejor la identidad de la marca.