Modelos de IA

¿Qué es el Procesamiento del Lenguaje Natural (NLP)?. Un campo de la inteligencia artificial que se enfoca en la interacción entre humanos y máquinas a través del lenguaje. Un algoritmo para traducir textos de un idioma a otro. Una herramienta para analizar imágenes médicas.

¿Cuáles son las tres grandes áreas funcionales en las que se articula el NLP?. Comprensión, generación y análisis del lenguaje. Traducción, resumen y clasificación de textos. Análisis de sentimientos, extracción de entidades y reconocimiento de voz.

¿Qué tarea implica la 'comprensión del lenguaje' en NLP?. Redactar una respuesta automática. Identificar entidades (personas, lugares, fechas) en un texto. Traducir un texto a otro idioma.

¿Cuál es el objetivo de la 'generación de lenguaje' en NLP?. Detectar la emoción o polaridad de un texto. Extraer conocimiento y patrones de grandes volúmenes de texto. Que el sistema produzca texto coherente, natural y adaptado al contexto.

¿Qué significa 'análisis del lenguaje' en el contexto del NLP?. Interpretar el significado de un texto. Producir texto coherente y natural. Extraer conocimiento y patrones a partir de grandes volúmenes de texto.

¿Cuál de las siguientes es una aplicación común del NLP en entornos empresariales?. Análisis de contratos mediante reconocimiento de cláusulas. Generación de gráficos tridimensionales. Reconocimiento de imágenes médicas.

¿Qué son los chatbots y asistentes virtuales en el contexto del NLP?. Herramientas para traducir textos automáticamente. Interfaces conversacionales que utilizan NLP para mantener diálogos naturales con el usuario. Sistemas que analizan la polaridad de un texto.

¿Qué tecnología permitió el salto cualitativo en la traducción automática y la comprensión del contexto lingüístico?. Los modelos estadísticos n-gram. Los árboles de decisión. La arquitectura Transformer.

¿Qué permite detectar el 'análisis de sentimientos' en NLP?. Identificar entidades clave en un texto. Detectar la emoción o polaridad de un texto (positiva, negativa o neutra). Resumir grandes volúmenes de texto.

¿Cuál es el proceso de asignar etiquetas o categorías a documentos automáticamente en NLP?. Generación de lenguaje. Análisis de sentimientos. Clasificación de textos.

¿Qué busca el 'resumen automático' en NLP?. Identificar elementos clave (personas, empresas, fechas). Detectar la emoción o polaridad de un texto. Condensar grandes volúmenes de texto manteniendo la información esencial.

¿Qué consiste la 'extracción de entidades y relaciones' en NLP?. Detectar la emoción o polaridad de un texto. Identificar elementos clave (personas, empresas, fechas, lugares) y relaciones entre ellos. Generar texto coherente y natural.

¿Qué modelo de lenguaje masivo popularizó ChatGPT en 2022?. La arquitectura Transformer. Los modelos generativos de lenguaje (LLM). Los sistemas expertos.

¿Qué característica principal tiene Gemini de Google DeepMind?. Es un modelo exclusivamente de texto. Combina texto, imagen y audio en un enfoque multimodal. Solo se utiliza para investigación científica.

¿Cómo contribuye Copilot (Microsoft + OpenAI) a la productividad profesional?. Sustituyendo la intervención humana en el desarrollo de código. Automatizando completamente la redacción de informes. Aumentando la productividad profesional mediante autocompletado de código y explicación de funciones.

¿Qué utilizan empresas como Amazon y TripAdvisor con NLP para mejorar la experiencia del cliente?. Generación automática de descripciones de productos. Análisis de sentimientos y detección de aspectos en las reseñas. Traducción automática de reseñas en tiempo real.

¿Cómo se integra el NLP en entornos empresariales para automatizar procesos?. Exclusivamente en la generación de informes ejecutivos. Mediante el análisis de contratos, detección de riesgos y generación automática de informes. Solo para la gestión de la reputación online.

¿De qué manera el NLP impulsa nuevas formas de aprendizaje asistido por IA en el ámbito educativo?. Creando tutores virtuales que responden preguntas y explican temas. Automatizando la calificación de exámenes escritos. Generando contenido educativo de forma masiva.

¿Cuál es un desafío técnico relacionado con la calidad de los datasets en NLP?. La falta de datasets disponibles en Internet. Los textos disponibles en Internet contienen errores, sesgos y duplicidades. Los datasets son demasiado pequeños para entrenar modelos.

¿Qué principio es crucial aplicar en los sistemas de NLP que manejan información sensible?. Anonimización, enmascaramiento de datos y cumplimiento del RGPD. Uso de modelos estadísticos n-gram. Generación de texto abstractivo.

¿Por qué es importante mitigar los sesgos lingüísticos y culturales en los modelos de NLP?. Para que los modelos reproduzcan patrones sociales desiguales. Para evitar que el lenguaje refleje ideologías y desigualdades sociales. Para que los modelos aprendan de textos sesgados.

¿Qué enfoque utilizan las empresas para combinar modelos con bases de conocimiento actualizadas en NLP?. Enfoque RAG (Retrieval-Augmented Generation). Enfoque de aprendizaje por refuerzo. Enfoque de redes neuronales.

¿Cuál es el valor principal del NLP, según el documento?. Que una máquina escriba textos o traduzca frases. Permitir que más personas se entiendan mejor, actuando como un puente. Aumentar la velocidad de procesamiento de datos.

¿Cuál de las siguientes aplicaciones es una de las más comunes del NLP en entornos empresariales?. Generar gráficos tridimensionales. Reconocer imágenes médicas. Analizar automáticamente opiniones o reseñas de clientes.

¿Qué tecnología permitió el salto cualitativo en la traducción automática y la comprensión del contexto lingüístico?. Los árboles de decisión. La arquitectura Transformer. Los modelos estadísticos n-gram.

¿Cuál de los siguientes desafíos sigue siendo crítico en los sistemas de NLP actuales?. La falta de datos textuales en Internet. La imposibilidad de generar texto en más de un idioma. El coste energético de entrenar modelos y los sesgos en los datos.

Si un chat responde a un usuario, ¿de qué depende la calidad de la respuesta?. De la complejidad del modelo de NLP utilizado. De la calidad de la pregunta formulada por el usuario (prompt). Del número de opciones de respuesta disponibles.

¿Qué tipo de sistemas de traducción han pasado de reglas gramaticales rígidas a modelos neuronales?. Sistemas de traducción automática. Sistemas de traducción en tiempo real. Sistemas de traducción simultánea.

¿Qué implica el 'análisis de reseñas y atención al cliente' con NLP?. Generar automáticamente productos. Analizar opiniones de usuarios, priorizar incidencias y generar respuestas automáticas. Traducir reseñas a múltiples idiomas.

¿Qué habilidad deben desarrollar los estudiantes para usar herramientas de IA en el ámbito educativo?. Habilidades de programación avanzada. Alfabetización digital y ética sobre el funcionamiento y limitaciones de las herramientas. Capacidad de crear nuevos algoritmos de IA.

En el contexto del NLP, ¿qué significa 'curación de datos'?. Generar datos sintéticos para entrenar modelos. Seleccionar y limpiar datos para mejorar su calidad y reducir errores y sesgos. Archivar grandes volúmenes de texto.

¿Qué modelos de lenguaje han incorporado las aplicaciones avanzadas para mejorar la comprensión de contexto y semántica?. Modelos estadísticos n-gram. Modelos generativos de lenguaje (LLM). Sistemas expertos.

Si se quiere que un chat responda a un usuario, ¿qué factor es crucial para la calidad de la respuesta?. La cantidad de información que se proporciona al modelo. La longitud de la pregunta del usuario. La calidad de la pregunta formulada por el usuario (prompt).

¿Qué tipo de resumen selecciona frases relevantes de un texto original?. Resumen abstractivo. Resumen extractivo. Resumen generativo.

¿Cuál es el objetivo principal de la 'IA explicable' (XAI) en relación con los sistemas expertos?. Aumentar la velocidad de inferencia. Permitir que los sistemas justifiquen sus decisiones de forma transparente. Reducir la cantidad de conocimiento necesario.

¿Cómo se representa el conocimiento en las 'reglas de producción'?. Como una plantilla con atributos. Como un conjunto de nodos conectados por relaciones. Con la forma 'SI condición → ENTONCES acción'.

¿Qué estrategia de inferencia parte de los hechos conocidos y aplica reglas para llegar a nuevas conclusiones?. Encadenamiento hacia atrás. Encadenamiento hacia adelante. Inferencia heurística.

¿Qué tipo de reglas incorporan grados de confianza o factores de certeza?. Reglas de producción. Reglas heurísticas. Reglas probabilísticas.

¿Cuál es el propósito central de un sistema experto?. Aprender de la experiencia del usuario. Reproducir el modo de razonar de un ser humano en un dominio concreto. Analizar grandes volúmenes de datos sin estructura.

¿Qué componente de un sistema experto almacena las reglas y relaciones entre conceptos del dominio?. Base de hechos. Motor de inferencia. Base de conocimientos.

¿Qué tipo de razonamiento aplica el sistema experto cuando parte de una hipótesis y busca los hechos que la confirmen?. Encadenamiento hacia adelante. Inferencia heurística. Encadenamiento hacia atrás.

¿Qué representa la arquitectura Transformer en la evolución del NLP?. Un sistema para clasificar textos. Una arquitectura clave para la traducción automática y la comprensión del contexto. Un modelo para el análisis de sentimientos.

¿Qué problema persiste incluso en los Modelos de Lenguaje de Gran Escala (LLM)?. La falta de capacidad para generar texto coherente. La ambigüedad y comprensión limitada del contexto. La ausencia total de sesgos en los datos.

¿Qué distingue al lenguaje natural del lenguaje formal?. El lenguaje natural tiene reglas fijas y no cambia. El lenguaje formal depende del contexto. El lenguaje natural es ambiguo y evolutivo.

¿Qué avance clave permitió a los modelos modernos de NLP captar relaciones semánticas complejas?. Los sistemas basados en reglas. El aprendizaje profundo y los Transformers. Los modelos estadísticos n-gram.

¿Qué papel cumple el gemelo digital dentro de un sistema robotizado?. Sustituir por completo al robot físico durante su operación. Facilitar la simulación, detección de fallos y optimización del comportamiento en tiempo real. Controlar únicamente la capa de percepción de un robot.

¿Qué caracteriza a la programación reactiva frente a la secuencial en robótica?. Requiere más memoria y menos sensores. Ejecuta siempre el mismo conjunto de instrucciones sin variación. Ajusta las acciones del robot en función de las condiciones del entorno en tiempo real.

¿Cuál es la principal ventaja de utilizar Python en la programación robótica moderna?. Su bajo consumo energético en sistemas embebidos. Su claridad sintáctica y compatibilidad con bibliotecas de inteligencia artificial. Su capacidad para controlar directamente los actuadores sin librerías externas.

¿Qué diferencia fundamentalmente a la robótica inteligente de la automatización tradicional?. La robótica usa materiales más ligeros y baratos. La robótica ejecuta movimientos más rápidos, pero menos precisos. La robótica incorpora percepción, razonamiento y adaptación mediante IA.

¿Cuál de los siguientes ejemplos representa un sistema de control en bucle cerrado?. Un robot que repite siempre la misma trayectoria sin medir el resultado. Un brazo robótico que corrige su posición en función del error medido respecto al objetivo. Una cinta transportadora que se activa manualmente.

¿Qué herramienta se utiliza habitualmente para simular el comportamiento físico y sensorial de un robot antes de su fabricación?. TensorFlow. PyTorch. Gazebo.

¿Cuál fue uno de los primeros sistemas expertos aplicados a la medicina, pionero en el razonamiento explicable?. DENDRAL. XCON. MYCIN.

¿Qué tendencia moderna caracteriza a los sistemas neuro-simbólicos?. Sustituir todas las reglas por redes neuronales. Combinar el aprendizaje de redes neuronales con la interpretación lógica de sistemas expertos. Eliminar la explicación en favor del rendimiento.

¿Por qué los sistemas expertos siguen siendo relevantes en la actualidad?. Porque predicen mejor que los modelos de IA modernos. Porque ofrecen razonamientos explicables y trazables en contextos críticos. Porque no necesitan mantenimiento.

¿Cuál de los siguientes principios refleja mejor la esencia de la deontología profesional en Inteligencia Artificial?. Maximizar la eficiencia técnica de los algoritmos sin importar su impacto. Innovar sin restricciones éticas ni legales. Alinear la práctica tecnológica con valores éticos y responsabilidad social.

¿Qué documento legal europeo establece los derechos fundamentales en materia de protección de datos personales aplicables a la IA?. Carta de Derechos Digitales de España. Código Ético de la IEEE. Reglamento (UE) 2016/679 – RGPD.

El principio de 'Privacy by Design' implica que: La privacidad se evalúa solo al final del proyecto. La protección de datos debe integrarse desde las fases iniciales del desarrollo. Los usuarios deben configurar manualmente la privacidad tras instalar el sistema.

¿Qué rol debe asumir el profesional de IA frente al impacto social de los sistemas que desarrolla?. Limitarse a cumplir con las especificaciones técnicas. Delegar toda responsabilidad en el equipo legal. Actuar como garante ético, evaluando riesgos y promoviendo la justicia algorítmica.

¿Qué implica el principio de minimización de datos en la privacidad?. Recopilar la mayor cantidad de datos posible. Recopilar solo los datos estrictamente necesarios para la finalidad del tratamiento. Almacenar datos de forma indefinida.

¿Qué diferencia principal existe entre la búsqueda ciega y la búsqueda informada en IA?. La búsqueda ciega usa heurísticas, la informada no. La búsqueda ciega explora sin conocimiento adicional, la informada utiliza una estimación del objetivo. La búsqueda informada requiere menos información.

¿Qué caracteriza a la explosión combinatoria en el espacio de estados?. El sistema se queda sin operadores. El número de posibles estados crece de forma exponencial. El sistema genera soluciones aleatorias.

¿Qué distingue la automatización cognitiva de la tradicional?. Solo la cognitiva usa sensores físicos. La cognitiva aprende y se adapta mediante técnicas de IA. La tradicional usa redes neuronales.

¿Qué ventaja ofrece la retroalimentación en un sistema de automatización inteligente?. Aumenta la velocidad del procesamiento. Permite ajustar el comportamiento según los resultados. Reduce el número de sensores necesarios.

¿Qué diferencia principal existe entre incertidumbre e imprecisión?. La incertidumbre se refiere a falta de datos; la imprecisión, a información vaga. La incertidumbre siempre puede eliminarse. La imprecisión implica datos falsos.

¿Cuál de los siguientes ejemplos ilustra mejor el uso de la lógica difusa?. Un sensor que enciende una luz solo si la temperatura baja de 20 °C exactos. Un termostato que regula gradualmente la potencia según si la temperatura es 'algo alta' o 'moderada'. Un sistema que clasifica imágenes en 'perro' o 'gato'.

¿Cuál es el propósito del motor de inferencia en un sistema basado en reglas?. Almacenar los hechos conocidos. Decidir qué reglas aplicar y generar nuevas conclusiones. Introducir conocimiento experto.

¿Qué diferencia existe entre encadenamiento hacia adelante y hacia atrás?. El primero parte de hipótesis, el segundo de hechos. El encadenamiento hacia adelante parte de hechos conocidos; el hacia atrás parte de una conclusión deseada. Ambos siguen el mismo proceso.

¿Qué ventaja clave ofrecen los sistemas basados en reglas frente a otros modelos de IA?. Mayor velocidad de cálculo. Mayor transparencia y facilidad de interpretación. Menor necesidad de conocimiento experto.