MODELOS DE INTELIGENCIA ARTIFICIAL (CE)

¿Cómo se aplica la inteligencia artificial en la agricultura?. Para desarrollar nuevas variedades de cultivos. Para monitorear el estado de los cultivos y optimizar el uso de recursos. Para automatizar la gestión de la cadena de suministro agrícola. Para mejorar la resistencia de las plantas a las plagas.

¿Qué caracteriza a los algoritmos de búsqueda no informada?. Utilizan heurísticas para guiar la búsqueda hacia la meta. No utilizan información adicional sobre el problema para guiar la búsqueda. Son siempre más eficientes que los algoritmos de búsqueda informada. Solo se aplican a problemas de optimización.

¿Qué implica crear un sistema que actúe como un humano en inteligencia artificial?. Imitar las acciones humanas sin necesidad de comprensión. Replicar la estructura biológica del cerebro humano. Desarrollar robots que puedan realizar tareas físicas como los humanos. Diseñar sistemas que puedan comprender y generar respuestas similares a las humanas.

¿Cuál es un ejemplo de un sistema de inteligencia artificial que actúa racionalmente?. Un robot de limpieza que sigue una ruta preprogramada. Un sistema de recomendación de productos que sugiere compras basadas en el historial del usuario. Un programa de edición de video que ajusta automáticamente la calidad de imagen. Un software de reconocimiento de voz que transcribe conversaciones.

¿Cómo contribuye la inteligencia artificial a la ciberseguridad?. Implementando políticas de privacidad en redes sociales. Detectando patrones anómalos en el tráfico de red para identificar posibles ataques. Aumentando la capacidad de procesamiento de servidores. Automatizando la respuesta a correos electrónicos de soporte técnico.

¿Qué es un agente inteligente en el contexto de los videojuegos?. Un personaje que sigue un guion predefinido. Un algoritmo que puede aprender y adaptarse al comportamiento del jugador. Un dispositivo físico que interactúa con el jugador. Una herramienta para la creación de gráficos avanzados.

¿Qué es un robot autónomo en el contexto de la inteligencia artificial?. Un robot que necesita ser controlado constantemente por un operador humano. Un robot que puede realizar tareas sin intervención humana y adaptarse a cambios en su entorno. Un robot que está diseñado exclusivamente para entornos industriales. Un robot que se utiliza principalmente en la investigación académica.

¿Qué es el "sesgo algorítmico"?. Una tendencia de un algoritmo a favorecer ciertos resultados debido a datos o procedimientos de entrenamiento sesgados. Un enfoque que optimiza la precisión de un modelo. Una técnica para mejorar la velocidad de un algoritmo. Un método para asegurar que un algoritmo sea imparcial.

¿Cuál es una de las principales características de un sistema de inteligencia artificial?. Capacidad de razonamiento y toma de decisiones. Capacidad para sentir emociones. Habilidad para realizar tareas físicas intensas. Alta velocidad en la conexión a Internet.

¿Cómo se utiliza la inteligencia artificial para mejorar la experiencia del jugador en los videojuegos?. Aumentando la calidad de los gráficos del juego. Creando desafíos dinámicos que se ajustan al nivel de habilidad del jugador. Diseñando niveles adicionales para aumentar la duración del juego. Reduciendo el tamaño del archivo del juego para una descarga más rápida.

¿Quién es considerado el padre de la inteligencia artificial?. Isaac Newton. Albert Einstein. Alan Turing. Charles Babbage.

¿Qué técnica de IA se utiliza comúnmente en la optimización de redes de telecomunicaciones?. Algoritmos genéticos para la planificación de redes. Redes neuronales para la predicción del tráfico de datos. Procesamiento de lenguaje natural para la atención al cliente. Sistemas expertos para la gestión de inventarios.

¿Cuál de las siguientes afirmaciones describe mejor el objetivo principal de la inteligencia artificial?. Reemplazar completamente a los seres humanos en todas las tareas. Desarrollar sistemas que puedan realizar tareas que requieren inteligencia humana. Crear máquinas que puedan sentir y experimentar emociones. Construir computadoras que puedan realizar cálculos matemáticos avanzados.

La inteligencia artificial fuerte se define como: Sistemas que pueden realizar tareas específicas mejor que los humanos. Máquinas que poseen una comprensión general similar a la humana. Algoritmos que procesan datos de manera más rápida que los humanos. Robots diseñados para tareas industriales pesadas.

¿Cuál es una tarea típica del aprendizaje no supervisado?. Predicción del precio de acciones. Agrupamiento de clientes con comportamientos de compra similares. Clasificación de imágenes de objetos. Predicción de valores de propiedades inmobiliarias.

¿Cuál es una preocupación ética común en el desarrollo de sistemas de inteligencia artificial?. El alto costo de la infraestructura de TI. El potencial sesgo y la discriminación en los algoritmos. La eficiencia energética de los sistemas. La velocidad de procesamiento de datos.

¿Cómo se utiliza la inteligencia artificial en la seguridad y vigilancia?. Para la identificación automática de personas en grabaciones de video. Para la detección de fallos en sistemas de iluminación. Para la predicción de tendencias de criminalidad a largo plazo. Para la optimización del mantenimiento de equipos de vigilancia.

¿Cuál es una aplicación de la inteligencia artificial en la optimización del transporte?. Predicción de las tendencias del mercado de transporte. Automatización de la fabricación de vehículos. Planificación de rutas óptimas para reducir tiempos de entrega y costos. Monitoreo de la calidad del aire en las ciudades.

¿Cómo ayuda la inteligencia artificial en la detección de fraudes bancarios?. Analizando patrones de transacciones sospechosas y alertando sobre actividades inusuales. Automatizando la atención al cliente en sucursales bancarias. Mejorando la seguridad física de las sucursales bancarias. Facilitando la auditoría de cumplimiento normativo.

¿Cuál es un componente clave del aprendizaje por refuerzo?. Clasificación de datos. Regresión de variables. Función de recompensa. Agrupamiento de datos.

¿Cómo se aplica la inteligencia artificial en el arte?. Automatizando la gestión de galerías de arte. Creando obras de arte originales mediante algoritmos generativos. Mejorando la restauración de obras de arte antiguas. Digitalizando colecciones de museos para su preservación.

¿Cuál es el principio fundamental detrás de los algoritmos evolutivos?. Basarse en la teoría cuántica para resolver problemas. Utilizar técnicas de selección natural y genética para encontrar soluciones óptimas. Aplicar reglas lógicas para deducir nuevas conclusiones. Usar grandes bases de datos para entrenar modelos predictivos.

¿Qué es la medicina personalizada asistida por IA?. El desarrollo de tratamientos estandarizados para todas las enfermedades. La creación de algoritmos que ajustan tratamientos según las características individuales del paciente. La automatización de la cirugía mediante robots controlados por IA. La predicción de epidemias globales mediante modelos de simulación.

¿Qué es un chatbot en el contexto de la inteligencia artificial?. Un programa diseñado para realizar cálculos complejos. Un sistema de IA que interactúa con usuarios humanos mediante lenguaje natural. Un dispositivo de hardware que controla robots. Un tipo de red neuronal especializada en la visión por computadora.

¿Qué característica distingue a un sistema de inteligencia artificial de un programa tradicional?. Funciona solo en computadoras de alto rendimiento. Es capaz de aprender y mejorar con el tiempo. Requiere una gran cantidad de energía para operar. Siempre necesita supervisión humana para funcionar.

¿Qué tipo de técnicas de IA se utilizan en ciberseguridad?. Análisis de imágenes para la detección de malware. Algoritmos de aprendizaje automático para detectar actividades sospechosas. Reconocimiento de voz para la autenticación de usuarios. Generación de contenido digital para engañar a los atacantes.

¿Qué caracteriza a la inteligencia artificial débil o limitada?. Capacidad para realizar cualquier tarea cognitiva que un ser humano puede hacer. Foco en tareas específicas y no generalizadas. Habilidad para aprender y adaptarse a cualquier contexto. Capacidad para experimentar emociones humanas.

¿Cuál es una aplicación común de la inteligencia artificial que implica pensar racionalmente?. La generación de obras de arte originales. La predicción de tendencias del mercado financiero. La imitación de comportamientos humanos en videojuegos. La automatización de tareas repetitivas en fábricas.

En el aprendizaje supervisado, ¿qué es una "etiqueta"?. Una técnica de agrupamiento de datos. Una métrica para medir la precisión del modelo. El resultado conocido o la respuesta esperada que se usa para entrenar el modelo. Una función que transforma los datos de entrada.

¿Cuál de los siguientes enfoques se centra en imitar el pensamiento humano en la inteligencia artificial?. Pensamiento racional. Pensamiento lógico. Enfoque cognitivo. Enfoque analítico.

¿Qué es un modelo de Markov?. Un modelo que utiliza estados y probabilidades de transición para predecir secuencias de eventos. Un algoritmo de optimización para datos continuos. Una técnica para la segmentación de imágenes. Un enfoque para la clasificación de datos textuales.

¿Qué es un motor de inferencia en un sistema de lógica difusa?. El componente que aplica las reglas difusas para hacer deducciones basadas en la información dada. Un dispositivo de hardware para la aceleración de cálculos matemáticos. Un algoritmo para la clasificación de datos en tiempo real. Un módulo para la optimización de gráficos de computadora.

¿Cuál es una etapa clave en el proceso de resolución de problemas en IA?. Generar gráficos complejos. Definir el estado inicial y el estado meta. Optimizar la memoria de un sistema. Reducir la complejidad computacional de datos.

¿Cuál es una característica de los agentes que aprenden?. Pueden adaptar su comportamiento basado en nuevas experiencias. Siempre requieren una intervención humana constante. Solo se aplican en problemas estáticos. Nunca actualizan sus modelos internos.

¿Qué es un lenguaje para la descripción de problemas de planificación?. Un lenguaje formal que se utiliza para definir los estados, acciones y objetivos de un problema de planificación. Un método para la programación de interfaces gráficas. Una técnica para la compresión de datos. Un enfoque para la modelización de sistemas físicos.

En un entorno de trabajo, ¿qué significa que sea completamente observable?. El agente tiene acceso completo a toda la información relevante en cualquier momento. El agente puede observar el entorno solo parcialmente y debe inferir el resto. El agente solo puede observar el entorno después de realizar una acción. El entorno cambia sin que el agente pueda detectarlo.

¿Qué es un sistema de razonamiento impreciso en IA?. Un sistema que maneja y procesa información vaga o incierta para tomar decisiones. Un sistema que siempre requiere datos exactos y precisos. Una técnica para la visualización de datos complejos. Un enfoque que solo se aplica en problemas de optimización.

¿Qué es una representación semántica estructurada en IA?. Una forma de organizar la información de manera que refleje las relaciones y significados entre los datos. Una técnica para la compresión de datos. Un enfoque para la clasificación de imágenes. Una estrategia para la reducción de ruido en señales.

¿Cuál es una limitación de los agentes reactivos simples?. No pueden manejar entornos parcialmente observables. Requieren un entrenamiento extenso con datos. Necesitan una gran cantidad de recursos computacionales. Solo pueden funcionar en entornos dinámicos.

¿Cuál es una característica de la lógica difusa?. Permite la representación de información mediante valores continuos entre 0 y 1. Solo utiliza valores discretos de 0 y 1. No puede manejar datos inciertos o imprecisos. Solo se aplica en la resolución de problemas de álgebra lineal.

¿Cuál es una característica de las redes neuronales?. Son capaces de aprender y generalizar a partir de ejemplos de datos. Siempre requieren una intervención manual constante. Solo funcionan con datos estructurados. Nunca se actualizan una vez entrenadas.

¿Qué es un agente racional en el contexto de la inteligencia artificial?. Un sistema que toma decisiones que maximizan su rendimiento basado en la información disponible. Un programa que actúa al azar sin considerar el entorno. Un dispositivo físico que opera sin ningún objetivo. Un sistema que no interactúa con su entorno.

¿Qué distingue a un agente basado en modelos?. Opera sin modelos de datos. Actúa al azar en cualquier entorno. Utiliza un modelo del entorno para tomar decisiones informadas. Solo puede funcionar en entornos completamente controlados.

¿Cuál es una aplicación común de la teoría de la probabilidad en IA?. Predicción de eventos futuros basados en datos históricos. Generación de imágenes sintéticas. Clasificación de textos según categorías. Diseño de interfaces de usuario.

¿Cuál es una aplicación común de los modelos de Markov?. Modelado de sistemas donde el estado futuro depende únicamente del estado actual. Clasificación de documentos. Predicción de precios de acciones. Análisis de imágenes médicas.

¿Qué es el deep learning?. Una subárea de machine learning que utiliza redes neuronales profundas para modelar patrones complejos en grandes conjuntos de datos. Un método para la optimización de redes de datos. Una técnica para la clasificación de textos. Una estrategia para la generación de datos sintéticos.

¿Qué es una red neuronal en inteligencia artificial?. Un modelo computacional inspirado en la estructura del cerebro humano que se utiliza para aprender patrones a partir de datos. Un algoritmo que ejecuta cálculos lineales simples. Una técnica para la clasificación de datos no supervisados. Un sistema de hardware para el procesamiento de señales.

¿Qué se entiende por la regulación de la inteligencia artificial?. El establecimiento de normas y leyes para guiar el desarrollo y uso seguro y ético de la IA. Un método para la creación de algoritmos más eficientes. Una técnica para la optimización de procesos de datos. Un enfoque para la segmentación de mercados en IA.

¿Cuál es un objetivo principal de la regulación de la inteligencia artificial?. Proteger los derechos humanos y la privacidad en el uso de la IA. Aumentar la complejidad de los modelos de IA. Reducir el costo de desarrollo de software. Maximizar el uso de hardware en sistemas de IA.

¿Qué componente es crucial en un programa agente?. La función de percepción. El tamaño de la memoria. El número de puertos de comunicación. El tiempo de respuesta del hardware.

¿Qué es la lógica difusa en inteligencia artificial?. Un sistema que permite el tratamiento de la incertidumbre y la ambigüedad mediante grados de verdad. Un método para la clasificación binaria de datos. Una técnica para la optimización de parámetros de red. Una estrategia para la visualización de datos numéricos.

¿Qué ventaja tiene un agente basado en utilidad sobre un agente basado en objetivos?. Puede manejar conflictos entre múltiples objetivos. Siempre actúa de manera determinista. Opera sin la necesidad de datos históricos. Solo se aplica en entornos simples.

¿Qué es una red bayesiana?. Un modelo probabilístico que representa un conjunto de variables y sus relaciones condicionales mediante un grafo acíclico dirigido. Un algoritmo para la búsqueda de rutas óptimas. Un modelo para la clasificación de textos. Una técnica para la generación de gráficos en 3D.

¿Cuál es una característica de las técnicas basadas en reglas en IA?. Utilizan declaraciones "si-entonces" para tomar decisiones. Operan sin la necesidad de un conjunto de reglas definido. Siempre se basan en algoritmos de aprendizaje profundo. No se utilizan para la toma de decisiones automatizadas.

¿Qué distingue a un agente basado en objetivos de un agente reactivo simple?. Considera estados futuros deseados además de la percepción actual. No utiliza ninguna forma de percepción del entorno. Actúa únicamente en base a la percepción actual sin considerar el futuro. Solo puede operar en entornos controlados.

¿Qué se busca con la regulación ética de la inteligencia artificial?. Garantizar que la IA se desarrolle y utilice de manera justa y segura, respetando los principios de no discriminación y privacidad. Aumentar la velocidad de los algoritmos de IA. Mejorar la eficiencia de los procesos de computación. Minimizar el costo de desarrollo de modelos de IA.

¿Cuál es un ejemplo de una regla difusa?. Si la temperatura es alta, entonces disminuir la velocidad del ventilador. Si el valor es cero, entonces el resultado es verdadero. Si la clasificación es correcta, entonces incrementar la precisión. Si la distancia es mínima, entonces maximizar la velocidad.

¿Qué es la representación del conocimiento en el contexto de la inteligencia artificial?. El proceso de modelar la información del mundo de manera que un agente pueda utilizarla para tomar decisiones. Un método para almacenar datos sin procesar. Una técnica para aumentar la velocidad de procesamiento de datos. Un enfoque para minimizar el uso de memoria.

¿Cuál de los siguientes es un ejemplo de un problema de optimización?. Clasificación de correos electrónicos. Encontrar la ruta más corta en un mapa. Generar texto a partir de imágenes. Detectar anomalías en una base de datos.

¿Cuál es una ventaja del deep learning sobre otros métodos de machine learning?. Puede manejar grandes volúmenes de datos y modelar relaciones complejas. Siempre es más rápido de entrenar. Requiere menos datos para producir resultados precisos. Solo se utiliza para el análisis de imágenes.

La Inteligencia Artificial, inicialmente, tuvo un desarrollo más teórico que práctico. Sí. No. Solo en Estados Unidos. Solo en la Unión Soviética.

¿Cuál es la primera fase de un proceso de desarrollo de Inteligencia Artificial Clásica?. Convertir el conocimiento humano en reglas. Comprobar el buen funcionamiento del sistema e iterar el proceso si es necesario. Que el experto humano defina todos los elementos de la tarea que se quiere enseñar a la máquina. Informatizar las reglas.

Los sistemas expertos planteados por la Inteligencia Artificial Clásica sólo son abarcables…. Siempre, en cualquier tipo de tarea o problema. En casos de correlación. En tareas que se fundamentan en relaciones de causalidad. Ninguna de las respuestas anteriores es correcta.

Cuando el conocimiento o "inteligencia" que se quiere informatizar se basa en una correlación…. No es abarcable por la mecánica de los Sistemas Expertos. Necesitamos recurrir a otra manera de abordar la Inteligencia Artificial. No es posible definir reglas y relaciones informatizables. Las tres respuestas anteriores son correctas.

El siguiente razonamiento: Los humanos son inteligentes y Eva es una humana, por lo tanto Eva es inteligente. Es un razonamiento estadístico. Es un silogismo. Es un Sistema Experto. Es un ejemplo de Inteligencia Artificial Clásica.

La Inteligencia Artificial Clásica necesita al menos un humano “experto” en la tarea que se pretenda que dicha Inteligencia Artificial aprenda. ¿Verdadero o Faslo?.

¿Qué parte del sistema experto constituye la memoria de trabajo?. Base de hechos. Base de conocimientos. Motor de inferencia. Interfaz sistema-usuario.

Un Sistema Experto es un programa informático que se ha desarrollado a partir de nuestro conocimiento sobre una cuestión, y que consigue que el ordenador muestre un comportamiento equivalente al que tendría un experto humano sobre el mismo tema. ¿Verdadero o Falso?.

Las reglas de producción en un sistema experto son estructuras simples de un único elemento. ¿Verdadero o Falso?. Verdadero. Falso.

Los sistemas expertos probabilísticos están basados en: El principio de incertidumbre de Heissenberg. El Teorema de Pitágoras. El Teorema de Bayes. Ninguno de los anteriores.

El "Silogismo" es uno de los procesos básicos del aprendizaje humano que primero intentaron "imitar" en la Inteligencia Artificial con máquinas. ¿Verdadero o Falso?.

¿Qué es un silogismo?. Es un tipo de Inteligencia Artificial. Es uno de los procesos básicos del aprendizaje deductivo humano que se intentó imitar en los desarrollos iniciales de la Inteligencia Artificial. Es un lenguaje de programación para Inteligencia Artificial. Ninguna de las tres anteriores es correcta.

¿Cuál es el objetivo de las redes semánticas en un sistema experto?. Representar todos los expertos que han colaborado, con nombres y apellidos. Visualizar los datos antes de empezar a trabajar con ellos. Representar el conocimiento con los objetos en forma de nodos. Ninguna de las anteriores.

¿Qué parte del sistema experto es la vía de comunicación con el usuario?. Base de hechos. Base de conocimientos. Motor de inferencia. Interfaz sistema-usuario.

¿Qué parte del sistema experto contiene el conocimiento estructurado y codificado?. Base de hechos. Base de conocimientos. Motor de inferencia. Interfaz sistema-usuario.

¿Cuál es la segunda fase de un proceso de desarrollo de Inteligencia Artificial Clásica?. Convertir el conocimiento humano en reglas. Que el experto humano defina todos los elementos de la tarea que se quiere enseñar a la máquina. Informatizar las reglas. Comprobar el buen funcionamiento del sistema e iterar el proceso si es necesario.

¿Cuál es el principal motivo por el que la Inteligencia Artificial Clásica fuera más teórica que práctica?. No existía suficiente energía eléctrica para alimentar los ordenadores. No había suficiente interés por parte de las empresas, gobiernos e instituciones en obtener desarrollos prácticos de IA. Los ordenadores que había en esa época eran muy rudimentarios, con poca memoria y capacidad de cómputo insuficiente. Nadie se creía que fuera a aportar nada útil.

¿Cuál es la cuarta fase de un proceso de desarrollo de Inteligencia Artificial Clásica?. Convertir el conocimiento humano en reglas. Comprobar el buen funcionamiento del sistema e iterar el proceso si es necesario. Que el experto humano defina todos los elementos de la tarea que se quiere enseñar a la máquina. Informatizar las reglas.

Los planteamientos originarios de la Inteligencia Artificial Clásica acertaron completamente con lo que después sería la capacidad de cómputo actual. ¿Verdadero o Falso?. Verdadero. Falso.

La Inteligencia Artificial Clásica se encuadra entre los años 60 y 70 del S.XX. No, es anterior, en los años posteriores a la Segunda Guerra Mundial (años 40 y 50 del S.XX). No, es posterior, en torno a los años 90, antes del 2000. Sí. Sí, comienza en los años 60 pero abarca hasta los 90.

¿Qué tipo de estructura sigue una regla de producción en un sistema experto?. Es una estructura condicional del tipo IF-THEN. Es un comando simple. Es una estructura basada en una lista de datos. Es una operación matemática de tipo aritmético.

Los primeros científicos que desarrollaron Inteligencia Artificial pensaban que sería posible lograr que un ordenador aprendiera igual que lo hace un humano. No, nunca pretendieron nada parecido. Sí, y los primeros desarrollos prácticos que intentaron llevar a la realidad perseguían este modo de aprendizaje. Sí, pero pronto se dieron cuenta que no era posible y no llegaron a intentar desarrollar esta teoría a la práctica. No, lo pensaron en algún momento, pero no prestaron atención a esa posibilidad.

¿Qué es informatizar (en el contexto de los Sistemas Expertos IA)?. Es el proceso por el que se comprueba el buen funcionamiento de una Inteligencia Artificial y se itera si es necesario. Es trasladar las reglas definidas por un humano experto para realizar una tarea a lenguaje informático. Es definir las reglas de una tarea que se pretende “enseñar” a una máquina. Cualquiera de las tres respuestas anteriores es válida.

En el mecanismo de encadenamiento hacia atrás se parte de hechos para llegar a resultados. ¿Verdadero o Falso?. Verdadero. Falso.

¿Qué es un Sistema Experto?. Es un método de selección de ingenieros para encontrar a los más inteligentes. Es un conjunto de ordenadores especializados en un tipo concreto de Inteligencia Artificial. Es un programa informático que se ha desarrollado a partir de nuestro conocimiento sobre una cuestión, y que consigue que el ordenador muestre un comportamiento equivalente al que tendría un experto humano sobre el mismo tema. Es un ordenador muy potente que se ha programado basándose en el criterio de un experto en informática para desarrollar Inteligencia Artificial.

La capacidad de cómputo de los ordenadores así como su memoria han sido el factor determinante para pasar de la Inteligencia Artificial teórica a las aplicaciones prácticas de la misma. ¿Verdadero o Falso?.

¿Qué parte del sistema experto es la unidad lógica que aplica las reglas?. Base de hechos. Base de conocimientos. Motor de inferencia. Interfaz sistema-usuario.

¿Cuál es la tercera fase de un proceso de desarrollo de Inteligencia Artificial Clásica?. Comprobar el buen funcionamiento del sistema e iterar el proceso si es necesario. Que el experto humano defina todos los elementos de la tarea que se quiere enseñar a la máquina. Convertir el conocimiento humano en reglas. Informatizar las reglas.

¿Deep Blue, de IBM, era un Sistema Experto?. Si. No. No, aunque estaba muy cerca de serlo. Ninguna de las respuestas anteriores es correcta.

Si queremos desarrollar un Sistema Experto de Inteligencia Artificial Clásica necesitamos…. Un ordenador muy potente. Un equipo de científicos muy inteligentes. Un laboratorio de última generación. Un equipo de expertos en la tarea que se quiera “enseñar” a la Inteligencia Artificial.

¿Cuál de las siguientes NO es una forma de aprender cómo funciona el pensamiento humano?. Introspectiva: intentando analizar nuestros propios pensamientos de forma automática. Experimentación psicológica: observando a una persona en acción. Fotografiando el cerebro, observando al cerebro en acción. Análisis estadístico de datos de grandes poblaciones.

¿Cuál de las siguientes afirmaciones describe mejor el pensamiento racional aplicado a los sistemas de inteligencia artificial?. El pensamiento racional en IA implica tomar decisiones basadas en lógica y evidencia, optimizando el uso de información para alcanzar objetivos específicos. El pensamiento racional en IA se refiere a imitar las emociones humanas para mejorar la interacción con los usuarios. El pensamiento racional en IA se centra en reproducir exactamente los patrones de comportamiento humano sin importar la eficiencia.

¿Con qué palabra podemos definir la capacidad de intentar analizar nuestros propios pensamientos de forma automática?. Introspectiva. Experimentación psicológica. Fotografia del cerebro.

¿El propósito final de la Inteligencia Artificial (IA) es simplemente desarrollar algoritmos complejos para resolver problemas específicos?. Verdadero. Falso.

Existe ya una inteligencia artificial fuerte o general. Verdadero. Falso.

La Inteligencia Artificial en la agricultura se utiliza principalmente para aumentar la cantidad de fitosanitarios y fertilizantes aplicados a los cultivos. Verdadero. Falso.

¿Cuál de las siguientes NO es una aplicación de la inteligencia artificial específica en el ámbito de la salud?. Automatización de la gestión administrativa de hospitales, como la facturación y el manejo de expedientes médicos. Mejora en la precisión del diagnóstico de enfermedades, como diabetes y cáncer, a través del análisis de grandes volúmenes de datos de pacientes. Optimización de tratamientos personalizados basados en el historial clínico y características genómicas de cada paciente. Asistencia en cirugías mediante robots quirúrgicos que pueden realizar procedimientos con alta precisión y control.

La inteligencia artificial se utiliza en los videojuegos para crear personajes no jugadores (NPCs) con comportamientos realistas y adaptativos. Verdadero. Falso.

¿La inteligencia artificial se utiliza en robótica únicamente para mejorar la apariencia estética de los robots?. Verdadero. Falso.

¿Cuál de los siguientes algoritmos de búsqueda no informada expande el nodo más superficial (el de menor profundidad) en el árbol de búsqueda primero?. Búsqueda en profundidad (DFS). Búsqueda en anchura (BFS).

Se pueden considerar los algoritmos genéticos como evolutivos. Verdadero. Falso.

¿Cuál de las siguientes afirmaciones describe mejor el aprendizaje supervisado en técnicas de inteligencia artificial?. El modelo de aprendizaje supervisado no requiere datos etiquetados para entrenar el modelo. En el aprendizaje supervisado, el modelo se entrena utilizando pares de datos de entrada y salida esperada. El aprendizaje supervisado solo se aplica en problemas de clasificación, no en problemas de regresión. Los algoritmos de aprendizaje supervisado no pueden generalizar patrones a partir de los datos de entrenamiento.

¿Cuál de las siguientes afirmaciones es correcta sobre las técnicas de inteligencia artificial?. Los algoritmos de búsqueda son métodos que permiten a las máquinas aprender patrones complejos a partir de grandes conjuntos de datos. Los algoritmos evolutivos utilizan principios de la evolución natural para optimizar soluciones a problemas específicos mediante procesos de selección, cruce y mutación. El aprendizaje automático se basa exclusivamente en la estructura del cerebro humano para procesar información y resolver problemas complejos. Las redes neuronales son técnicas utilizadas para encontrar soluciones óptimas explorando un espacio de posibles opciones.

¿Qué es lo más probable que ocurra si no se establece claramente la responsabilidad algorítmica en el desarrollo de sistemas de IA?. Aumentará la transparencia y la capacidad de evaluación de los sistemas de IA. Mejorará la protección de los derechos humanos y evitará el mal uso de la IA. Reducirá la necesidad de regulaciones legales específicas para la IA. Hará que sea más difícil determinar quién es responsable en caso de daños causados por sistemas de IA.

¿Cuál de las siguientes afirmaciones es correcta acerca de las dimensiones que determinan el diseño de un agente en un entorno?. Un entorno es considerado completamente observable si los sensores del agente detectan todos los aspectos relevantes, aunque no proporcionen acceso al estado completo del entorno. Un entorno multi-agente requiere que los agentes cooperen y utilicen mecanismos de coordinación y negociación. En un entorno determinista, el estado actual y las acciones ejecutadas no determinan completamente el siguiente estado del entorno. En un entorno episódico, las decisiones actuales del agente pueden afectar a todas las decisiones futuras.

Según la clasificación de los problemas que pueden enfrentar los agentes en diferentes entornos de trabajo, ¿cuál de las siguientes afirmaciones es correcta?. En los problemas de búsqueda de estado, es crucial conocer la secuencia de acciones que llevan al estado objetivo. En los problemas fuera de línea, el agente construye el modelo del espacio de estados mientras actúa. Los problemas de ausencia de sensores se dan en entornos deterministas y no observables, donde el agente no sabe dónde se encuentra. En los problemas de contingencia, el agente siempre sabe qué efecto tendrán sus acciones en el entorno.

¿Cuál de las siguientes afirmaciones describe correctamente a un agente reactivo simple en modelos de inteligencia artificial?. Un agente reactivo simple utiliza un modelo detallado del entorno y planifica sus acciones a largo plazo. Un agente reactivo simple almacena información sobre el historial de percepciones y usa esta información para tomar decisiones. Un agente reactivo simple actúa en base a reglas predefinidas "si-entonces" sin almacenar información del estado anterio. Un agente reactivo simple es capaz de aprender y adaptarse a nuevos entornos a medida que adquiere más experiencia.

¿Cuál de las siguientes afirmaciones es correcta sobre los agentes reactivos basados en modelos?. Un agente reactivo basado en modelos no utiliza ningún modelo del entorno y toma decisiones únicamente basadas en percepciones actuales. Un agente reactivo basado en modelos utiliza un modelo del entorno para tomar decisiones y puede mantener información sobre el estado del entorno que ha percibido. Un agente reactivo basado en modelos siempre planifica sus acciones a largo plazo y no actúa en respuesta a percepciones inmediatas. Un agente reactivo basado en modelos almacena información detallada sobre todas las acciones pasadas sin utilizar ningún modelo del entorno.

Un agente basado en objetivos selecciona sus acciones en función de metas específicas que desea alcanzar, enfocándose en lograr estados concretos que cumplen con estos objetivos. Verdadero. Falso.

¿Cuál de las siguientes afirmaciones describe correctamente a un agente basado en utilidad en modelos de inteligencia artificial?. Un agente basado en utilidad selecciona acciones que cumplen con reglas predefinidas sin considerar la maximización de la utilidad total. Un agente basado en utilidad toma decisiones basadas en metas específicas sin evaluar las consecuencias de sus acciones. Un agente basado en utilidad utiliza una función de utilidad para evaluar y seleccionar acciones que maximicen su utilidad total esperada. Un agente basado en utilidad siempre actúa de manera aleatoria para explorar todas las posibles acciones.

¿Cuál de las siguientes afirmaciones describe correctamente a un agente que aprende en modelos de inteligencia artificial?. Un agente que aprende toma decisiones basadas exclusivamente en reglas predefinidas y no modifica su comportamiento a lo largo del tiempo. Un agente que aprende utiliza experiencias pasadas y retroalimentación del entorno para mejorar su desempeño y tomar mejores decisiones en el futuro. Un agente que aprende siempre utiliza un modelo del entorno completamente estático y no se adapta a cambios en el entorno. Un agente que aprende selecciona sus acciones de manera aleatoria sin considerar experiencias previas ni retroalimentación.

Las representaciones vectoriales en el procesamiento de lenguaje natural (PLN) permiten capturar relaciones semánticas complejas entre palabras, como sinónimos y analogías, lo cual no es posible con representaciones numéricas simples. Verdadero. Falso.

Los modelos probabilísticos se enfocan principalmente en manejar la incertidumbre a través de asignaciones de probabilidades, mientras que los modelos basados en grafos se centran en representar y analizar las relaciones estructurales entre entidades. Verdadero. Falso.

¿Cuál de las siguientes afirmaciones describe correctamente las características de la planificación automática en entornos discretos, deterministas, estáticos y completamente observables?. La planificación automática se realiza en un entorno continuo, estocástico y parcialmente observable, donde las acciones tienen efectos impredecibles y los objetivos se establecen con restricciones complejas. En la planificación automática, el entorno es finito, completamente observable, determinista y estático, donde el agente tiene información completa del escenario, no experimenta azar en las acciones, y las metas se establecen sin considerar estados intermedios. La planificación automática se basa en encontrar una secuencia de acciones en un entorno que puede cambiar dinámicamente debido a la intervención de otros agentes, y donde el tiempo de ejecución de las acciones es una consideración clave. La planificación automática implica una secuencia de acciones en un entorno donde se intercalan continuamente las fases de planificación y ejecución, y donde los objetivos deben considerar múltiples restricciones temporales y espaciales.

Los sistemas imprecisos son esencialmente lo mismo que las redes neuronales, ya que ambos intentan encontrar la intersección o complemento de las variables de control imprecisas de manera idéntica. Verdadero. Falso.

En el razonamiento aproximado, las proposiciones difusas no pueden ser interpretadas mediante operaciones de intersección, unión y complemento utilizando T-normas, T-conormas y operadores complemento. Verdadero. Falso.

¿Cuál de las siguientes afirmaciones es correcta acerca de los enfoques para el tratamiento de la incertidumbre?. Los métodos no numéricos, como el razonamiento por defecto, consideran las conclusiones de los sistemas de reglas como válidas hasta que se obtengan probabilidades numéricas más precisas. Las redes bayesianas y los diagramas de influencia son ejemplos de métodos probabilistas exactos para el tratamiento de la incertidumbre. Las redes bayesianas y los diagramas de influencia son ejemplos de métodos probabilistas exactos para el tratamiento de la incertidumbre.

¿Los modelos ocultos de Markov (HMM, por sus siglas en inglés) son una clase especial de modelos estadísticos que se utilizan principalmente en el reconocimiento de voz y en la transcripción automática de habla?. Verdadero. Falso.

¿Cuál de las siguientes afirmaciones es correcta respecto a las redes neuronales y el deep learning?. Las redes neuronales artificiales son modelos inspirados en la estructura del sistema nervioso humano, y el deep learning utiliza múltiples capas de las redes neuronales para aprender representaciones complejas de los datos. Las redes neuronales convolucionales son especialmente adecuadas para el procesamiento de datos secuenciales como texto y series temporales. Las redes neuronales recurrentes utilizan filtros convolucionales para detectar patrones locales en imágenes. El deep learning requiere de pocos datos para entrenarse eficazmente, gracias a su capacidad para generalizar a partir de pequeñas muestras.

La Inteligencia Artificial quería desarrollar programas informáticos que replicaran el conocimiento , inicialmente en casos particulares y "sencillos", con la intención de ir poco a poco abarcando procesos y casos más complejos. De tal manera que la máquina pudiera "pensar" y actuar como un humano en dicho caso particular. humano. clasica. experto.

Las reglas de producción de un sistema experto son estructuras de tipo condicional if-then. Verdadero. Falso.

Eliza era un sistema clasico de inteligencia artificial que se utilizaba para: Asistencia conversacional. Reconocimiento de imagen. Generación de piezas musicales.