Ilerna ASIR Módulo optativo IA

Durante los años 70 y 80, la inteligencia artificial vivió un periodo conocido como “invierno de la IA”. ¿Cuál fue la causa principal de esta etapa?. La IA alcanzó todos sus objetivos iniciales, consolidándose sin problemas. La IA se convirtió en la tecnología dominante en todos los sectores. Se descubrieron nuevas técnicas que reemplazaron a la IA. Los avances no cumplieron las expectativas, lo que provocó pérdida de financiación e interés.

¿Cuál de los siguientes sistemas representa mejor la IA discriminativa?. Un generador de historias o imágenes a partir de indicaciones. Un modelo que clasifica correos electrónicos como spam o no spam. Un programa que crea música original basada en un estilo específico. Un sistema que simula conversaciones humanas creativas.

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 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. La sustitución de la IA por métodos estadísticos clásicos. La disponibilidad de grandes cantidades de datos y el desarrollo de redes neuronales más complejas.

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

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.

¿Cuál de las siguientes es una limitación de los datos estructurados?. Su formato homogéneo reduce la probabilidad de errores durante el análisis. Permiten procesar grandes volúmenes de información de forma rápida y precisa. No capturan fenómenos complejos y requieren que la información esté bien definida, lo que limita su flexibilidad. Son fáciles de almacenar y consultar en bases de datos o hojas de cálculo.

¿Por qué es necesario usar técnicas avanzadas como el procesamiento del lenguaje natural o el reconocimiento de imágenes para trabajar con datos no estructurados?. Porque los datos no estructurados son siempre textos cortos y simples. Porque los datos no estructurados son fáciles de analizar sin herramientas especiales. Porque los datos no estructurados se almacenan automáticamente en bases de datos tradicionales. Porque los datos no estructurados no tienen un formato uniforme y requieren métodos complejos para extraer información útil.

¿Qué ocurre cuando un modelo de IA sufre sobreajuste (overfitting)?. El modelo clasifica correctamente todos los datos nuevos sin necesidad de ajustes. El modelo no aprende lo suficiente y comete muchos errores incluso con los datos de entrenamiento. El modelo genera datos completamente inventados sin relación con la realidad. El modelo memoriza demasiado los datos de entrenamiento y falla al enfrentarse a casos nuevos.

¿Cuál de los siguientes ejemplos describe mejor un modelo de refuerzo?. Un modelo que aprende a jugar a un videojuego mejorando con cada partida gracias a recompensas y penalizaciones. Un modelo que clasifica correos electrónicos como spam o no spam usando datos etiquetados. Un modelo que predice el precio de una vivienda según su tamaño y ubicación. Un modelo que analiza hábitos de compra de clientes y los agrupa en perfiles similares sin etiquetas.

Si un algoritmo de IA agrupa clientes o imágenes en categorías según similitudes sin usar etiquetas previas, ¿qué técnica está utilizando?. Clasificación. Redes neuronales. Clustering. Regresión.

Al utilizar IA para transformar imágenes existentes, ¿qué se recomienda para obtener resultados de alta calidad y adecuados al propósito?. Especificar la naturaleza de la transformación, describir la imagen original, detallar el resultado deseado, incluir herramientas o técnicas, y considerar implicaciones legales. Solo indicar el color principal que se desea cambiar y dejar el resto a la IA. 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.

¿A qué nos referimos cuando hablamos de herramientas de inteligencia artificial?. A programas que solo sirven para el entretenimiento y no tienen usos profesionales. A dispositivos físicos que sustituyen completamente el trabajo humano. A aplicaciones o plataformas de software que utilizan IA para realizar tareas específicas en ámbitos como la creación de contenido, el análisis de datos o la productividad. A sistemas que funcionan sin necesidad de datos ni entrenamiento previo.

¿Cuál de las siguientes afirmaciones describe mejor a Perplexity AI?. Es una herramienta exclusiva para crear imágenes y vídeos mediante IA. Es un asistente que genera contenido sin mostrar fuentes ni referencias. Solo sirve para juegos y entretenimiento, sin aplicaciones académicas o profesionales. Combina chat conversacional con búsqueda en internet, mostrando siempre las fuentes de la información.

¿En qué consiste el role prompting al elaborar un prompt para IA y cuál es su principal ventaja?. Asignar un rol o perspectiva a la IA para orientar estilo, vocabulario y criterios; permite obtener respuestas más alineadas con el contexto. Limitar la IA a respuestas de una sola palabra para aumentar la precisión. Pedir a la IA que genere contenido sin ninguna indicación sobre rol, estilo o audiencia; asegura máxima creatividad. Dar instrucciones vagas para que la IA interprete libremente el objetivo; evita limitaciones de contexto.

¿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 IA siempre genera imágenes perfectas sin necesidad de instrucciones detalladas ni consideraciones legales. 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 calidad de la imagen generada no se ve afectada por la precisión o detalle del prompt.

¿Cómo puede la IA potenciar la creatividad e innovación aumentada?. Limitándose a tareas repetitivas sin influir en la generación de contenido creativo. Ignorando el contexto o la audiencia al generar material visual o textual. Generando ideas nuevas, visualizando conceptos mediante diagramas o infografías, y transformando contenido para diferentes audiencias. Sustituyendo completamente el pensamiento humano sin aportar nuevas ideas.

¿Cuál de las siguientes prácticas es fundamental para diseñar prompts efectivos y aprovechar al máximo la IA?. Escribir instrucciones vagas y ambiguas para que la IA decida el contenido por sí misma. Evitar dar contexto o público objetivo; la IA siempre interpreta correctamente. Incluir especificidad, claridad, contexto y definir estilo y tono en las instrucciones. No indicar estilo ni tono, ya que la IA genera automáticamente el más adecuado.

En el ejemplo de colaboración entre IA y equipo de marketing, ¿Cuál es el papel principal de cada uno?. 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. 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 y el equipo humano realizan exactamente las mismas tareas sin diferenciación de roles.

¿Por qué son importantes el aprendizaje continuo y la adaptabilidad tecnológica para aprovechar la IA?. Porque la IA no cambia, por lo que la adaptabilidad no es relevante. 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 basta con aprender una sola herramienta de software para dominar todas las aplicaciones de IA.

¿Cómo puede la IA ayudar a un profesional a mejorar la comunicación y presentación de datos en su trabajo diario?. Sustituyendo completamente al profesional en todas las decisiones comunicativas sin supervisión. Personalizando mensajes según la audiencia, creando gráficos e infografías interactivas, adaptando la traducción y localización, y estructurando la información de manera lógica. Limitándose a almacenar datos sin facilitar su comprensión o presentación. Solo generando contenido textual sin considerar la audiencia ni la presentación visual.

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

¿Cuál es la función principal de un prompt designer?. Programar algoritmos de IA desde cero sin usar prompts. Crear instrucciones precisas (prompts) para que la IA genere resultados alineados con lo esperado. Supervisar únicamente la infraestructura de hardware de los modelos de IA. Generar contenido creativo sin necesidad de interacción con la IA.

¿Cuál de los siguientes conocimientos es específicamente relevante para un prompt designer?. Creación de campañas publicitarias sin interacción con la IA. Diseño de hardware para GPUs de alto rendimiento. Gestión de inventarios y logística de la empresa. Técnicas avanzadas como few-shot prompting y cadena de pensamiento para guiar las respuestas de la IA.

¿Cuáles son algunas de las tareas clave de un Analista de Datos Junior con Enfoque en IA?. Crear imágenes y vídeos con IA sin analizar datos numéricos. Programar redes neuronales profundas sin interpretar resultados. Supervisar el consumo energético de modelos de IA sin procesar datos. Preparar y limpiar conjuntos de datos, identificar patrones con IA, generar visualizaciones y comunicar resultados a equipos no técnicos.

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

¿Qué tipo de sesgo ocurre cuando la pregunta al sistema ya incluye un prejuicio?. Sesgo de medición. Sesgo de confirmación. Sesgo de selección. Sesgo en prompts.

¿Qué significa el derecho de portabilidad de datos?. Almacenar datos en un pendrive. Recuperar datos borrados. Usar datos de terceros sin permiso. Exportar tus datos a otro servicio.

¿Qué tipo de sesgo aparece cuando los métodos de recogida de datos contienen errores o distorsiones?. Sesgo en prompts. Sesgo de selección. Sesgo de medición. Sesgo de confirmación.

¿Qué es el sesgo de selección?. Los métodos de recogida de datos contienen errores o distorsiones. La magnificación de los sesgos ya existentes en los datos de entrenamiento, haciendo que aparezcan con más fuerza de lo que ocurre en la realidad. Los datos o las preguntas que se introducen en el sistema se diseñan de manera que refuerzan creencias o hipótesis previas. Los datos de entrenamiento no representan a toda la población.

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