MIA03 Completo

¿Cuál es el propósito de un módulo explicador en un sistema experto?. Mejorar el rendimiento del motor de inferencia. Actualizar la base de conocimiento automáticamente. Recolectar datos adicionales del usuario. Justificar las decisiones tomadas por el sistema.

¿Cuál de las siguientes afirmaciones es correcta respecto a la relación entre la base de conocimientos, la base de hechos y la representación del conocimiento en un sistema experto?. La base de conocimientos almacena datos concretos del caso actual, como síntomas observados o respuestas del usuario. La base de hechos contiene el conocimiento general del dominio, como reglas y relaciones comunes a todos los casos. Tanto la base de hechos como la base de conocimientos se construyen a partir de técnicas de representación del conocimiento simbólicas. El motor de inferencia utiliza representaciones diferentes para analizar los hechos y las reglas.

Un Sistema Experto está siendo desarrollado para analizar datos sísmicos en tiempo real y alertar automáticamente sobre patrones que indican un posible terremoto inminente. Este sistema fue creado utilizando un "esqueleto" o entorno de desarrollo genérico al que se le añadió el conocimiento específico de sismología. Basado en esta descripción, ¿cuál de las siguientes opciones clasifica mejor este Sistema Experto según TODOS los criterios relevantes discutidos (Tipo de Tarea, Representación del Conocimiento y Dominio/Alcance)?. Predicción, Híbrido, de Dominio Específico. Diagnóstico, Basado en Reglas, Asistente. Monitorización, Basado en Lógica, Shell. Monitorización, Basado en Reglas (o Híbrido, si integra ML para patrones), Shell.

¿Qué tipo de representación de conocimiento usa las reglas "SI-ENTONCES"?. Reglas de producción. Marcos. Redes semánticas. Redes neuronales.

¿Qué se debe considerar al agregar reglas a un sistema experto?. Que sean claras, completas y no contradictorias. Que sean lo más generales posible. Que sean numerosas aunque no estén relacionadas. Que sean complejas y difíciles de entender.

¿Qué sucede si la base de conocimiento de un sistema experto está incompleta?. El sistema funcionará igual sin problemas. El motor de inferencia generará nuevas reglas automáticamente. El sistema puede tomar decisiones erróneas o incompletas. El sistema se detendrá automáticamente.

¿Qué es un sistema experto?. Un programa que aprende automáticamente sin intervención humana. Un sistema que procesa imágenes y videos. Un tipo de hardware especializado para tareas repetitivas. Un programa de IA que simula el razonamiento humano en un dominio específico.

¿Cuál de las siguientes afirmaciones es correcta respecto a las técnicas de representación del conocimiento en sistemas expertos?. Los marcos organizan el conocimiento en forma de reglas encadenadas. Las redes semánticas representan conceptos como nodos y relaciones como enlaces. La lógica de primer orden solo permite representar hechos individuales, no reglas generales. Las reglas IF–THEN no permiten representar relaciones condicionales.

¿Qué mejora un sistema experto híbrido?. Automatización de procesos industriales. Análisis de imágenes y video en tiempo real. Combinación de reglas y aprendizaje automático. Uso exclusivo de reglas estáticas.

¿Qué significa "encadenamiento hacia adelante" en un motor de inferencia?. Parte de una hipótesis para buscar pruebas. Construye nuevas reglas automáticamente. Razona desde los datos iniciales hasta una conclusión. Busca patrones en grandes volúmenes de datos.

¿Cuál es un ejemplo de un fallo ético en sistemas expertos?. Errores de sintaxis en la base de conocimiento. Diagnóstico incorrecto por confiar totalmente en el sistema. Fallas técnicas en la conexión de red. Optimización del rendimiento del sistema.

¿Cuál es el propósito del motor de inferencia en un sistema experto?. Aplicar reglas para razonar sobre los datos y generar conclusiones. Diseñar la interfaz gráfica del sistema. Almacenar datos sin procesar. Recolectar información del usuario.

¿Qué es una red semántica en un sistema experto?. Una lista de reglas "SI-ENTONCES". Un modelo que representa conceptos y sus relaciones mediante nodos y enlaces. Un motor de inferencia para razonamiento lógico. Una base de datos de texto no estructurado.

¿Qué técnica de razonamiento sería útil para diagnosticar un fallo específico?. Aprendizaje no supervisado. Encadenamiento hacia adelante. Encadenamiento hacia atrás. Análisis estadístico.

¿Qué se debe garantizar en el diseño de sistemas expertos para evitar discriminación?. Imparcialidad en las reglas y datos. Automatización completa del razonamiento. Uso exclusivo de datos históricos. Conexión constante a internet.

¿Qué contiene la base de conocimiento de un sistema experto?. Hechos y reglas del dominio específico. Registros históricos sin procesar. Información visual y auditiva. Datos en crudo recopilados de sensores.

¿Qué significa transparencia en un sistema experto?. Automatización de todos los procesos. Uso exclusivo de datos históricos. Acceso abierto a todo el código fuente. Capacidad de explicar cómo toma decisiones.

¿Cuál es una mejora ética clave para sistemas expertos?. Reducir el costo de desarrollo. Automatizar completamente el sistema. Aumentar la velocidad de procesamiento. Asegurar la transparencia y justificar las decisiones.

¿Cuál de estos es un ejemplo de regla para un sistema experto de diagnóstico de ordenadores?. SI hay alta presión arterial, ENTONCES recomendar medicamentos. SI no hay imagen en la pantalla, ENTONCES revisar la tarjeta gráfica. SI no hay señal de Wi-Fi, ENTONCES instalar software antivirus. SI el usuario tiene fiebre, ENTONCES recomendar descanso.

¿Cuál es un ejemplo de base de conocimiento para un sistema experto médico?. Un conjunto de reglas sobre síntomas, diagnósticos y tratamientos. Un modelo de red neuronal entrenado en datos clínicos. Un archivo de texto con datos sin procesar. Un motor de inferencia automatizado.

Considerando la función del motor de inferencia en un Sistema Experto, ¿cuál de las siguientes afirmaciones describe correctamente la relación y el propósito de sus componentes principales?. El motor de inferencia se encarga de la adquisición de conocimiento, mientras que la memoria de trabajo almacena las reglas permanentes del dominio. El encadenamiento hacia adelante es una estrategia dirigida por objetivos que busca probar una hipótesis, y la memoria de trabajo es un registro permanente de todas las consultas del sistema. La base de conocimiento es donde el motor de inferencia almacena los hechos temporales de un caso, y el módulo de rastreo es el encargado de resolver conflictos entre reglas. El motor de inferencia aplica estrategias de razonamiento (como encadenamiento hacia adelante o hacia atrás) a los hechos almacenados en la memoria de trabajo y a las reglas de la base de conocimiento, manteniendo un rastro para futuras explicaciones.

¿Qué representa un marco en la representación del conocimiento?. Una lista plana de hechos. Un conjunto de reglas "SI-ENTONCES". Un modelo basado en redes neuronales. Una estructura jerárquica de objetos y relaciones.

¿Cuál es una limitación de los sistemas expertos?. Pueden resolver cualquier problema con datos suficientes. No pueden manejar problemas fuera de su dominio. No son útiles en tareas específicas. No requieren una base de conocimiento.

¿Cuál es un ejemplo de sistema experto clásico?. Stable Diffusion, para generación de imágenes. AlphaGo, para jugar al Go. ChatGPT, para generación de texto. MYCIN, para diagnóstico médico.

¿Qué se utiliza para razonar en sistemas expertos basados en casos?. Reglas "SI-ENTONCES". Datos no estructurados. Redes neuronales profundas. Problemas resueltos previamente.

¿Qué significa "encadenamiento hacia atrás" en un motor de inferencia?. Razona desde una hipótesis hacia los datos necesarios para justificarla. Genera automáticamente nuevas hipótesis. Optimiza las reglas existentes. Razona desde los datos iniciales hasta una conclusión.

¿Qué componente permite la interacción entre el usuario y el sistema experto?. Motor de inferencia. Interfaz de usuario. Modelo predictivo. Base de conocimiento.

¿Qué herramienta es útil para desarrollar sistemas expertos?. CLIPS. Photoshop. TensorFlow. MATLAB.

¿Cuál es un paso inicial en la planificación de un sistema experto?. Diseñar la interfaz gráfica. DALL-Implementar el motor de inferencia. Elegir un dominio específico para el sistema. Probar con usuarios reales.

¿Cuál es una ventaja de los sistemas expertos?. Pueden aprender sin supervisión humana. Reemplazan completamente el juicio humano. Reducen la dependencia de expertos humanos. Son más baratos que todos los procesos manuales.

¿Cuál es un componente principal de un sistema experto?. Sensor de datos. Red neuronal. Base de conocimiento. Interfaz gráfica.

¿Cuál es un sistema experto diseñado para diagnóstico médico?. AutoCAD. DALL-E. MYCIN. AlphaFold.

¿Qué puede evitar sesgos en un sistema experto?. Uso de una interfaz gráfica avanzada. Uso de datos representativos y diversificados. Optimización del motor de inferencia. Uso exclusivo de datos históricos.

¿Cuál es una preocupación ética importante en los sistemas expertos?. Estética de la interfaz de usuario. Uso de hardware de última generación. Velocidad de procesamiento. Privacidad de los datos del usuario.