Inteligencia artificial

¿Por qué es importante la calidad de los datos en la IA?. Lleva a resultados más precisos y útiles. Mejora la velocidad de procesamiento. Reduce el coste de los sistemas de IA. Hace que la IA sea más fácil de programar.

¿Qué característica principal define a los datos semiestructurados en comparación con otros tipos de datos?. Están completamente organizados en tablas de filas y columnas como bases de datos relacionales. Carecen totalmente de organización y requieren técnicas avanzadas de procesamiento. Solo pueden ser procesados por sistemas de inteligencia artificial especializados. Poseen cierta estructura mediante etiquetas o formatos estandarizados, aunque no siguen un esquema rígido.

¿Cuál es el principal desafío que presentan los datos no estructurados para los sistemas de inteligencia artificial?. Ocupan menos espacio de almacenamiento que los datos estructurados. Requieren un procesamiento previo más complejo para ser interpretados por máquinas. Son demasiado escasos para entrenar modelos de IA efectivos. Solo pueden ser analizados por humanos, nunca por sistemas automatizados.

Arrastra cada tipo de dato al contenedor correcto según la categoría a la que pertenece: Datos de texto. Datos de imagen. Datos de audio. Datos de vídeo. Datos estructurados.

Arrastra cada característica de los algoritmos en IA a su definición correspondiente: Precisión. Determinismo. Eficiencia. Escalabilidad.

Relaciona cada ejemplo con el tipo de algoritmo que mejor lo representa. Regresión. Clasificación. Clustering. Redes neuronales.

Un sistema de IA recibe miles de fotos de frutas donde cada imagen está ya etiquetada como manzana, plátano o pera. Tras entrenarse, el sistema puede clasificar nuevas fotos en esas categorías. ¿Qué tipo de modelo es?. Supervisado. No supervisado. Refuerzo.

Un algoritmo analiza las canciones que escuchan los usuarios en una plataforma de música. Sin etiquetas previas, agrupa a los oyentes en “tribus musicales” según sus gustos, detectando patrones ocultos. ¿Qué tipo de modelo es?. Supervisado. No supervisado. Refuerzo.

Los modelos de IA almacenan todas las imágenes o textos con los que fueron entrenados. Verdadero. Falso.

Une cada proceso con el ejemplo que le corresponde. CNN. Difusión. GAN. Transformador. VAE.

Ordena correctamente los pasos que seguirías en el entrenamiento del modelo. 1. 2. 3. 4. 5.

¿Qué problema está ocurriendo?. Subajuste (underfitting): el modelo no ha aprendido lo suficiente de los datos que ha obtenido. No hay problema, es normal que falle siempre con datos nuevos. Sobreajuste (overfitting): el modelo memorizó demasiado los datos de entrenamiento y no generaliza.

¿Qué situación indicaría que el modelo sufre de subajuste (underfitting)?. El modelo acierta casi siempre con las plantas del entrenamiento, pero falla con plantas nuevas. El modelo falla tanto con las plantas del entrenamiento como con plantas nuevas. El modelo responde de forma distinta cada vez, incluso con la misma entrada.

Ordena las etapas del proceso de entrenamiento de un modelo de IA: 1. 2. 3. 4. 5.

El entrenamiento de un modelo de IA requiere necesariamente datos etiquetados en todos los casos, independientemente del tipo de aprendizaje que se utilice. Verdadero. Falso.

Relaciona cada tipo de input con un ejemplo de uso práctico: Vídeo. Texto. Imagen. Audio.

¿Qué factor determina principalmente la calidad del output generado por un sistema de IA?. El número de parámetros del modelo. La calidad y especificidad del input proporcionado. La cantidad de datos utilizados en el entrenamiento.

Lee los pasos que sigue una IA cuando recibe una entrada y ordénalos correctamente. 1. 2. 3. 4. 5.

Un traductor automático convierte el texto “llover a cántaros” en “raining jugs”. ¿Qué demuestra este ejemplo?. Que la IA siempre traduce literalmente y nunca aprende. Que la IA necesita más memoria para traducir bien cualquier cosa complicada. Que el PNL puede cometer errores al no captar expresiones idiomáticas.

En el contexto de la conversational AI, ¿qué papel juega el prompt en el proceso de interacción?. Es la entrada o mensaje del usuario que guía la respuesta de la IA, siendo su claridad fundamental para obtener resultados precisos. Es el hardware especializado donde se ejecutan los modelos de conversational AI. Es el algoritmo interno que determina la velocidad de respuesta del sistema. Es la base de datos donde se almacenan todas las conversaciones previas.