Módulo optativo - Claude + PACs

¿Qué tipo de funciones son las que tradicionalmente dependen de las capacidades humanas y que la IA es capaz de ejecutar?. Funciones físicas como levantar objetos pesados o conducir vehículos. Procesamiento de imágenes, entendimiento del habla y razonamiento lógico. Funciones sociales como la empatía o las relaciones interpersonales. Elaboración de obras de arte, composición musical o escritura creativa.

¿Qué papel se le atribuye a la IA en el futuro del trabajo?. La IA reemplazará completamente a los humanos en todos los empleos. La IA será más un complemento que un sustituto, creando nuevas oportunidades y roles profesionales. La IA eliminará todos los trabajos, sin crear ninguno nuevo. La IA solo se usará para trabajos manuales y no para tareas intelectuales.

Un problema conocido de los modelos de IA generativa, que llamamos 'alucinaciones', se refiere a que el modelo: Se vuelve loco y produce resultados aleatorios. Sólo funciona cuando el usuario 'alucina' con sus capacidades. Copia contenido de internet de forma incorrecta. Produce resultados completamente fabricados sin base en la realidad.

Los modelos de IA generativa necesitan potentes GPU, grandes conjuntos de datos y mucha energía para funcionar. ¿Qué desafío actual de la IA ilustra esto?. El de la consistencia. El de los requisitos técnicos. El de la falta de estándares. El de la obsolescencia.

¿Cuál de los siguientes no es un desafío técnico de la IA?. Costos elevados y consumo de energía. Altos requisitos de recursos computacionales. La incapacidad de la IA para aprender de nuevos datos. Falta de estándares universales.

¿En qué evento histórico se acuñó el término 'inteligencia artificial' y se sentaron las bases para su desarrollo como disciplina científica?. El Congreso Internacional de Cibernética en 1958. El Simposio de Turing de 1950. La Feria Mundial de Nueva York de 1964. La Conferencia de Dartmouth en 1956.

¿Por qué la IA no es completamente infalible y objetiva?. Porque la IA actual es demasiado lenta para ser objetiva. Porque solo procesa una pequeña cantidad de datos. Porque los modelos de IA son diseñados por humanos que cometen errores. Porque los modelos pueden generar sesgos que reflejan los datos con los que fueron entrenados y producir desinformación.

Un ejemplo de la 'naturaleza complementaria' de la IA en el trabajo es: Una caja de autopago que elimina por completo a los cajeros en un supermercado. La invención de nuevas profesiones como 'diseñadores de prompts'. Una fábrica completamente automatizada por robots que no tiene ningún empleado. Una IA que toma todas las decisiones en una empresa sin intervención humana.

¿Cuál de los siguientes no fue uno de los nombres que recibió el campo de las 'máquinas pensantes' durante la 'Era del optimismo' en los años 50-60?. Cibernética. Procesamiento complejo de la información. Teoría de los autómatas. Teoría del caos.

En un asistente virtual como Alexa o Siri integra varios tipos de IA. ¿Cuál de los siguientes no es un componente para su funcionamiento?. Generative AI para producir respuestas. Predictive AI para sugerir acciones. Analytical AI para optimizar rutas logísticas. Discriminative AI para entender comandos de voz.

¿Cuál es la principal diferencia entre la IA débil y la inteligencia humana?. La inteligencia humana es menos versátil que la IA débil. La IA débil es igual a la inteligencia humana en todos los aspectos, pero más rápida. La IA débil está diseñada para tareas específicas y carece de la comprensión general del mundo que tiene la inteligencia humana. La IA débil puede realizar cualquier tarea intelectual, mientras que la humana no.

En el contexto del 'Invierno de la IA', ¿cuál fue la consecuencia más notable de que los avances no cumplieran con las expectativas iniciales?. El término 'inteligencia artificial' dejó de utilizarse. Una nueva era de optimismo con la aparición del Big Data. La reducción en la financiación y el interés en la investigación. La migración de los principales investigadores a otros campos de la ciencia.

¿Cuál de los siguientes es un desafío de la IA relacionado con la privacidad?. El alto costo de los modelos. La falta de consistencia en las respuestas. La recopilación y el almacenamiento automático de datos de usuario que podrían comprometer la confidencialidad si no se gestionan adecuadamente. La obsolescencia de los modelos.

¿Cuál es la principal diferencia entre la Narrow AI y la General AI?. La Narrow AI se especializa en una tarea, mientras que la General AI puede realizar múltiples tareas intelectuales. La Narrow AI se centra en la predicción, mientras que la General AI se enfoca en la creación de contenido. La Narrow AI se basa en modelos matemáticos, mientras que la General AI utiliza algoritmos generativos. La Narrow AI es un concepto teórico, mientras que la General AI ya se usa a diario.

¿Qué problema plantea la "obsolescencia" rápida de la IA?. Que la IA se vuelve más difícil de usar con el tiempo. Que la IA deja de funcionar por completo. Que la IA se vuelve lenta con el tiempo. Que los modelos actuales pierden relevancia rápidamente ante nuevas versiones más avanzadas, obligando a una actualización constante.

¿En qué año y evento se considera el nacimiento oficial de la inteligencia artificial como campo de estudio científico?. En 1950, con la publicación del artículo de Alan Turing sobre la «prueba de Turing». En 1956, durante la conferencia de Dartmouth, donde se acuñó el término «inteligencia artificial». En 1969, cuando la NASA utilizó sistemas automáticos en la misión Apolo 11. En 1982, con la aparición de los primeros ordenadores personales de uso masivo.

¿Qué característica define fundamentalmente a la IA según el contenido del curso?. Realizar únicamente tareas de cálculo matemático de alta complejidad. Sustituir completamente al ser humano en cualquier tipo de actividad. Desarrollar sistemas capaces de ejecutar funciones que dependen de las capacidades humanas, como el razonamiento lógico o el procesamiento de imágenes. Almacenar información en bases de datos sin ningún tipo de procesamiento.

Señala si la siguiente afirmación es verdadera o falsa: "Los años 70-80 se conocen como el Invierno de la IA porque los avances no cumplieron las expectativas iniciales, lo que redujo la financiación e interés en el campo". Verdadero. Falso.

¿Cuál de las siguientes opciones describe correctamente la «Era del Big Data y el aprendizaje profundo»?. Período de los años 50-60 en el que se creía que las máquinas inteligentes estaban a punto de desarrollarse. Período de los años 70-80 marcado por la reducción de fondos para investigación en IA. Período desde el año 2000 hasta el presente, impulsado por la disponibilidad de grandes cantidades de datos y el desarrollo de redes neuronales complejas. Período de los años 90-2000 en el que el mayor poder computacional revivió el campo.

¿Qué tipo de IA es la que predomina en la actualidad y con la que interactuamos a diario, especializada en tareas específicas?. General AI (IA General). Narrow AI (IA Débil o Específica). Generative AI (IA Generativa). Statistical AI (IA Estadística).

La Predictive AI se especializa en analizar datos históricos para hacer predicciones sobre eventos futuros. ¿Cuál de los siguientes ejemplos NO es una aplicación de este tipo de IA?. Predicción del clima. Mantenimiento predictivo en industrias. Detección de spam en correos electrónicos. Análisis de tendencias del mercado de valores.

¿Cuál es la diferencia principal entre la Analytical AI y la Predictive AI?. La Analytical AI crea contenido nuevo mientras que la Predictive AI clasifica datos. La Analytical AI «mira hacia atrás» analizando datos existentes, mientras que la Predictive AI «mira hacia adelante» para estimar resultados futuros. La Analytical AI solo trabaja con datos estructurados mientras que la Predictive AI trabaja con datos no estructurados. No existe ninguna diferencia: son dos nombres distintos para el mismo concepto.

Señala si la siguiente afirmación es verdadera o falsa: "Los distintos tipos de IA (generativa, predictiva, discriminativa, analítica y estadística) son mutuamente excluyentes y no pueden combinarse en un mismo sistema". Verdadero. Falso.

¿Cuál de los siguientes enunciados corresponde a un MITO (idea falsa) sobre la inteligencia artificial?. La IA puede producir resultados con sesgos y errores. La IA actual es completamente autónoma y no necesita ningún tipo de intervención o supervisión humana. La IA requiere grandes recursos computacionales para funcionar. La IA puede generar información falsa, fenómeno conocido como «alucinaciones».

¿Qué diferencia fundamental existe entre un motor de búsqueda y un sistema de IA generativa?. Un motor de búsqueda crea respuestas nuevas, mientras que la IA muestra resultados indexados de la web. Un motor de búsqueda rastrea y ordena contenido ya publicado, mientras que la IA genera respuestas nuevas analizando grandes cantidades de datos. No existe ninguna diferencia, ya que ambos funcionan de la misma manera. Un motor de búsqueda es más preciso que la IA y nunca comete errores.

Identifica si la siguiente afirmación es verdadera o falsa: "La IA reemplazará completamente a los humanos en el mundo laboral, haciendo innecesaria la intervención de las personas en cualquier sector". Verdadero. Falso.

¿Qué se entiende por «alucinaciones» en el contexto de los sistemas de IA?. Errores visuales producidos por el hardware durante el entrenamiento del modelo. Resultados completamente fabricados por el modelo que no tienen base en la realidad. Respuestas demasiado lentas del sistema por falta de recursos computacionales. La capacidad de la IA para generar imágenes fotorrealistas a partir de texto.

¿Cuál de los siguientes NO es un desafío actual mencionado en la unidad para los sistemas de IA generativa?. Fiabilidad de los resultados. Elevados requisitos técnicos y consumo energético. Exceso de regulación legal a nivel global. Falta de estándares universales para su desarrollo y aplicación.

¿A qué desafío hace referencia el siguiente enunciado: «Los modelos actuales pueden perder relevancia ante nuevas versiones más avanzadas, obligando a una actualización constante»?. Consistencia. Privacidad. Fiabilidad. Obsolescencia.

¿Qué tipo de datos son aquellos organizados sistemáticamente en filas y columnas, como hojas de cálculo o bases de datos relacionales?. Datos no estructurados. Datos semiestructurados. Datos estructurados. Datos multimedia.

Según el contenido estudiado, ¿qué porcentaje aproximado de los datos generados cada día por usuarios y empresas son datos no estructurados?. Más del 20 %. Más del 50 %. Más del 80 %. El 100 %.

¿Cuál de los siguientes es un ejemplo de dato SEMIESTRUCTURADO?. Una hoja de cálculo con el listado de estudiantes: nombre, edad y calificación. Una grabación de voz de una reunión de trabajo. Un archivo en formato JSON con un catálogo de productos con atributos de nombre, precio y descripción. Una fotografía tomada con un teléfono móvil.

Identifica si la siguiente afirmación es verdadera o falsa: "El uso de datos para entrenar modelos de IA no requiere ninguna consideración ética, ya que la información es procesada de manera anónima por las máquinas". Verdadero. Falso.

¿Qué es un algoritmo en el contexto de la inteligencia artificial?. Un conjunto de datos que se almacenan en la memoria del ordenador. Un conjunto de pasos o instrucciones que indican a un sistema informático cómo resolver un problema o realizar una tarea. El resultado final que obtiene una IA después de analizar grandes volúmenes de información. El hardware especializado (GPU) que permite entrenar modelos de IA.

¿Qué tipo de modelo de IA aprende mediante prueba y error, recibiendo recompensas cuando acierta y penalizaciones cuando falla?. Modelo supervisado. Modelo no supervisado. Modelo de refuerzo. Modelo discriminativo.

¿Cuál de las siguientes arquitecturas es especialmente diseñada para trabajar con imágenes y vídeo, utilizando filtros que detectan bordes, colores y texturas?. Transformador (Transformer). Redes generativas antagónicas (GAN). Autoencoders variacionales (VAE). Redes neuronales convolucionales (CNN).

¿Qué diferencia existe entre un algoritmo y un modelo de IA?. No existe ninguna diferencia; ambos términos son sinónimos. El algoritmo define las reglas y pasos para aprender, mientras que el modelo es la representación de lo que la IA ha aprendido y puede aplicar a nuevas situaciones. El modelo define las reglas de aprendizaje y el algoritmo es el resultado final del entrenamiento. El algoritmo solo se usa durante el entrenamiento, mientras que el modelo se usa únicamente para la creación de datos.

¿Cuál es el orden correcto de las fases del entrenamiento de un modelo de IA?. Evaluación → Preparación de datos → Entrenamiento → Recopilación → Ajuste. Recopilación de datos → Preparación de datos → Entrenamiento del modelo → Ajuste de parámetros → Evaluación y refinamiento. Entrenamiento → Recopilación → Preparación → Evaluación → Ajuste. Ajuste de parámetros → Recopilación → Entrenamiento → Preparación → Evaluación.

¿Qué fenómeno ocurre cuando un modelo memoriza en exceso los datos de entrenamiento y falla al procesar casos nuevos?. Subajuste (underfitting). Fine-tuning. Sobreajuste (overfitting). Clustering.

¿Qué es el «fine-tuning» en el entrenamiento de modelos de IA?. Un proceso posterior al entrenamiento inicial que adapta el modelo para optimizarlo en aplicaciones específicas. El proceso inicial de recopilación de datos para entrenar un modelo desde cero. La técnica utilizada para eliminar datos redundantes antes del entrenamiento. El cálculo del margen de error del modelo una vez finalizado el entrenamiento.

Identifica si la siguiente afirmación es verdadera o falsa: "La calidad de los datos de entrenamiento no influye en los resultados del modelo, ya que los algoritmos modernos son capaces de corregir cualquier sesgo o error en los datos". Verdadero. Falso.

¿Qué término hace referencia a la instrucción que el usuario proporciona a un sistema de IA para obtener una respuesta?. Output. Dataset. Prompt. Token.

¿Cuál de las siguientes técnicas de prompting consiste en proporcionar algunos ejemplos para guiar la respuesta de la IA?. Zero-shot prompting. Few-shot prompting. Chain-of-thought prompting. Role prompting.

¿Qué rama de la IA se centra en enseñar a las máquinas a comprender, interpretar y generar lenguaje humano?. Visión artificial. Procesamiento del Lenguaje Natural (PLN). Robótica autónoma. Computación cuántica.

Identifica si la siguiente afirmación es verdadera o falsa: "La interacción con una IA es siempre un proceso unidireccional en el que el usuario recibe una única respuesta sin posibilidad de ajustar o reformular su solicitud". Verdadero. Falso.

¿Cuál de los siguientes es un efecto adverso de la IA en la interacción humana mencionado en el contenido?. Aumento de la productividad personal y laboral. Reducción del contacto humano y dependencia excesiva de la tecnología. Mayor participación ciudadana en procesos democráticos. Mejora en la calidad de las relaciones interpersonales.

¿Por qué la IA conversacional puede parecer empática cuando en realidad no lo es?. Porque tiene acceso a datos personales del usuario que le permiten personalizar su respuesta. Porque sus respuestas son el resultado de patrones aprendidos que imitan el diálogo humano, no de emociones reales. Porque sus desarrolladores programan manualmente cada respuesta emocional. Porque la IA sí posee emociones, aunque de naturaleza diferente a las humanas.

Identifica si la siguiente afirmación es verdadera o falsa: "Las respuestas de una IA conversacional son siempre idénticas ante un mismo prompt, ya que el sistema es completamente determinista". Verdadero. Falso.

¿Cuál de los siguientes chatbots fue desarrollado por Anthropic y está diseñado para dar respuestas seguras, priorizando la claridad y la reducción de sesgos?. ChatGPT. Gemini. Claude. Perplexity AI.

¿Qué característica diferencia a Perplexity AI del resto de chatbots conversacionales?. Es el único chatbot disponible sin conexión a internet. Combina chat conversacional con búsqueda en internet, mostrando siempre las fuentes de información. Está integrado exclusivamente en aplicaciones de Microsoft 365. Sólo puede generar imágenes, no texto.

¿Qué es el «fine-tuning» aplicado a herramientas de IA como Custom GPT o Google Gems?. Un proceso para eliminar datos de entrenamiento inapropiados. La adaptación de un modelo general para que realice tareas específicas según las necesidades del usuario. La actualización automática del modelo sin intervención humana. Una técnica para reducir el consumo energético de los modelos.

Identifica si la siguiente afirmación es verdadera o falsa: "Microsoft Copilot es un asistente integrado únicamente en la aplicación Word, sin funcionalidades en otras herramientas del paquete Microsoft 365". Verdadero. Falso.

¿Qué son los Modelos de Lenguaje de Gran Tamaño (LLM)?. Sistemas de IA entrenados con imágenes para reconocer objetos en fotografías. Sistemas de IA avanzados entrenados con inmensos volúmenes de datos para procesar y generar lenguaje humano con gran sofisticación. Programas especializados en el análisis de datos numéricos y estadísticos. Herramientas de traducción automática basadas en diccionarios digitales.

¿Cuál de las siguientes es una limitación real de las herramientas de IA para texto?. No pueden traducir textos entre idiomas. Pueden generar resúmenes incompletos u omitir ideas clave del texto original. Son incapaces de detectar errores ortográficos o gramaticales. Sólo funcionan correctamente con textos de menos de 100 palabras.

Para obtener mejores resultados al usar IA para redacción, ¿cuál de las siguientes prácticas es más recomendable?. Usar prompts muy breves y ambiguos para que la IA tenga más libertad creativa. Especificar el estilo, tono, audiencia y contexto del texto que se desea generar. Nunca proporcionar ejemplos, ya que esto limita la creatividad de la IA. Pedir siempre el máximo de palabras posibles sin indicar un límite.

¿Cuál de las siguientes herramientas es un modelo de IA generativa de código abierto que permite crear imágenes a partir de descripciones textuales y puede instalarse en los equipos del propio usuario?. DALL-E. Adobe Firefly. Stable Diffusion. Canva AI.

¿Cuál de los siguientes factores NO influye en la calidad de las imágenes generadas por IA según el contenido del curso?. La diversidad de los datos de entrenamiento. El color del monitor del usuario que usa la herramienta. La precisión y detalle del prompt proporcionado. Los recursos computacionales disponibles.

Identifica si la siguiente afirmación es verdadera o falsa: "Un prompt vago producirá el mismo resultado que uno detallado como 2018un labrador jugando con una pelota en un parque al atardecer, estilo realista2019". Verdadero. Falso.

¿Cuál es un problema ético relacionado con los generadores de imágenes por IA mencionado en el contenido?. Las imágenes generadas son siempre de baja resolución y no tienen uso práctico. El debate sobre derechos de autor al generar imágenes a partir de datos que pueden incluir obras protegidas. Las herramientas de generación de imágenes no están disponibles para el público general. Los generadores de imágenes solo pueden producir retratos de personas reales.

¿Cuál de los siguientes beneficios de la IA aplicada a audio y vídeo está relacionado con la accesibilidad?. Reduce el tiempo necesario para realizar tareas de subtitulado o doblaje. Permite que personas con discapacidad auditiva puedan disfrutar de contenidos audiovisuales. Democratiza la creación, poniendo al alcance de individuos herramientas antes exclusivas de grandes productoras. Fomenta la colaboración entre personas de distintos países.

¿Por qué es especialmente importante la sincronización en el subtitulado automático mediante IA?. Porque el tipo de fuente afecta al peso del archivo de vídeo. Porque unos subtítulos mal alineados con el audio pueden arruinar la experiencia del espectador. Porque la IA no puede generar subtítulos en más de un idioma simultáneamente. Porque la sincronización determina el número de caracteres por línea de subtítulo.

Identifica si la siguiente afirmación es verdadera o falsa: "Las herramientas de IA para doblaje actuales pueden generar voces sintéticas que emulan el tono y ritmo de voces originales, facilitando la creación de doblajes sin necesidad de actores de voz profesionales". Verdadero. Falso.

¿Qué técnica de prompting consiste en pedir directamente lo que se quiere, sin proporcionar ejemplos previos?. Few-shot prompting. Chain-of-thought prompting. Zero-shot prompting. Role prompting.

¿Cuándo es especialmente recomendable usar la técnica de «chain-of-thought prompting»?. Para solicitudes simples que requieren respuestas de una sola palabra. Para problemas multietapa que requieren razonamiento paso a paso, como matemáticas, lógica o planificación. Cuando se quiere que la IA genere una imagen a partir de texto. Para solicitar traducciones de textos cortos.

¿Qué limitación presenta la técnica de «few-shot prompting»?. No puede usarse con ningún modelo conversacional. Sólo funciona con prompts en inglés. Ocupa más espacio en el prompt y si los ejemplos son de baja calidad, el modelo imita esos defectos. Impide que la IA genere respuestas creativas.

¿Cuál de las siguientes es una competencia clave para convivir con la IA según el contenido del curso?. Saber programar en lenguajes como Python o C++. Pensamiento crítico y verificación de la información generada por la IA. Tener acceso a hardware de alto rendimiento con potentes GPU. Dominar únicamente las aplicaciones de Microsoft 365.

¿Qué implica la «ética digital y responsabilidad social» en el uso de la IA?. Usar la IA únicamente para tareas de entretenimiento personal. Compartir sin restricciones el contenido generado por IA en redes sociales. Ser responsable del contenido generado con IA, evitar contenidos dañinos y respetar la propiedad intelectual. Ignorar el impacto ambiental de los sistemas de IA, ya que es responsabilidad exclusiva de los fabricantes.

Identifica si la siguiente afirmación es verdadera o falsa: "Convivir con la IA en el entorno profesional exige necesariamente ser programador o tener conocimientos avanzados en matemáticas". Verdadero. Falso.

¿Cuál de las siguientes tareas es un ejemplo de automatización mediante IA en el entorno laboral?. Negociar contratos con proveedores. Clasificar y procesar automáticamente documentos extensos, extrayendo la información más relevante. Tomar decisiones éticas sobre el impacto social de un proyecto. Diseñar la estrategia de comunicación de una empresa.

¿Para qué proceso es necesario el «fine-tuning» de un modelo de IA en el entorno empresarial?. Para que el modelo funcione en cualquier sector sin ningún ajuste adicional. Para adaptar un modelo general a un sector o empresa concretos, mejorando su precisión en ese contexto específico. Para eliminar todas las respuestas incorrectas almacenadas en el modelo. Para reducir el tamaño del modelo y que consuma menos energía.

¿Qué aspecto ético debe tenerse en cuenta al automatizar tareas con IA en el ámbito laboral?. La automatización no plantea ningún problema ético si aumenta la productividad. El posible desplazamiento de puestos de trabajo repetitivos y la necesidad de mantener la supervisión humana. El único problema es el coste económico de implementar los sistemas. La automatización solo afecta a los trabajos relacionados con la tecnología.

Según el contenido del curso, ¿cuál es el papel real de la IA en el entorno profesional?. Sustituir completamente al profesional humano en todas las tareas. Actuar como un instrumento que amplifica las capacidades humanas, complementando el trabajo de las personas. Reemplazar únicamente a los trabajadores con menor formación académica. Eliminar la necesidad de supervisión humana en todos los procesos.

¿Cuáles son las capacidades que se consideran exclusivamente humanas y que la IA no puede reemplazar según el contenido?. Velocidad de cálculo, almacenamiento de datos y procesamiento de imágenes. Creatividad, empatía y toma de decisiones con implicaciones éticas. Traducción automática, clasificación de datos y detección de patrones. Generación de texto, síntesis de voz y reconocimiento facial.

Identifica si la siguiente afirmación es verdadera o falsa: "En el modelo de organización de tareas entre humanos e IA, una vez que la IA produce un resultado, no es necesaria ninguna revisión o supervisión humana posterior". Verdadero. Falso.

¿Cuál es la función principal del «Prompt Designer» (diseñador de prompts) como rol profesional emergente?. Programar los algoritmos internos de los modelos de IA. Crear instrucciones precisas para sistemas de IA que generen los resultados deseados. Gestionar las infraestructuras de servidores donde se ejecutan los modelos. Diseñar las interfaces gráficas de las aplicaciones de IA.

¿Cuál de los siguientes NO es un rol profesional emergente relacionado con la IA mencionado en el curso?. Analista de datos junior con enfoque en IA. Supervisor de IA. Prompt designer. Desarrollador de hardware cuántico.

¿Qué función tiene el «Supervisor de IA» según el contenido?. Entrenar los modelos de IA desde cero con nuevos datos. Garantizar que los sistemas de IA funcionen correctamente, de manera ética y alineada con los objetivos organizacionales. Redactar los prompts que se usan en los sistemas de IA de la empresa. Vender las licencias de uso de los modelos de IA a otras empresas.

¿Qué establece el artículo 22 del RGPD en relación con la inteligencia artificial?. Que todos los sistemas de IA deben estar registrados en un organismo europeo. Que ninguna persona debe ser objeto de una decisión que le afecte significativamente si está basada únicamente en un tratamiento automatizado, sin supervisión humana. Que las empresas pueden usar datos personales sin restricciones para entrenar modelos de IA. Que los usuarios no tienen derecho a conocer qué datos suyos utiliza un sistema de IA.

¿Cuál de los siguientes riesgos de privacidad se describe como el uso de la IA para hacerse pasar por otra persona, imitando su voz o estilo de escritura?. Fugas de datos. Fraude financiero. Suplantación. Explotación comercial de datos.

¿Qué derecho reconoce el RGPD que permite a una persona exigir que sus datos personales sean eliminados de un sistema de IA?. Derecho de acceso. Derecho al olvido. Derecho a la explicación. Derecho de portabilidad.

Identifica si la siguiente afirmación es verdadera o falsa: "El contenido generado por usuarios en plataformas digitales puede ser utilizado para entrenar modelos de IA sin su conocimiento, a menos que se opten explícitamente por no participar". Verdadero. Falso.

¿Qué se entiende por «sesgo algorítmico» en la IA?. Un error de cálculo matemático en el algoritmo de entrenamiento. La tendencia de los sistemas de IA a favorecer injustamente a ciertos grupos o ideas sobre otros, produciendo resultados discriminatorios. La incapacidad de la IA para procesar grandes volúmenes de datos. El fallo técnico que provoca que un modelo genere respuestas lentas.

¿Cuál de los siguientes es un ejemplo de «sesgo de selección»?. Un modelo de reclutamiento que recomienda más currículums masculinos porque fue entrenado con datos históricos sesgados. Una aplicación de reconocimiento de voz entrenada casi exclusivamente con voces adultas que falla con niños o personas mayores. Un sistema que genera imágenes de programadoras cuando se solicita «una persona programadora». Un chatbot que responde correctamente a preguntas sobre salud sin advertir que no sustituye a un médico.

¿Cuál de las siguientes estrategias ayuda a combatir los sesgos en la IA?. Reducir el volumen de datos de entrenamiento para simplificar el modelo. Diversificar los datos de entrenamiento para incluir una representación adecuada de distintos grupos. Eliminar la supervisión humana del proceso de entrenamiento. Usar únicamente datos estructurados, evitando imágenes o audios.

¿Qué obliga a las empresas el Reglamento de IA (UE) 2024/1689 en relación con los sistemas que interactúan con personas?. Publicar el código fuente de todos sus modelos de IA. Informar a los usuarios cuando están ante un sistema de IA y garantizar supervisión humana en decisiones de alto impacto. Limitar el uso de la IA únicamente al sector sanitario y financiero. Prohibir el uso de datos personales en el entrenamiento de modelos.

Según la normativa actual en la Unión Europea, ¿quién puede ser considerado el autor legal de una obra generada exclusivamente por un sistema de IA sin intervención humana significativa?. La empresa que desarrolló el modelo de IA. El usuario que introdujo el prompt. Nadie: las obras generadas exclusivamente por IA no están protegidas por derechos de autor. El Estado, ya que las creaciones de IA son de dominio público.

¿Cuál de las siguientes buenas prácticas se recomienda para la creación responsable de contenido con IA?. Presentar como propia toda la obra generada por IA sin ninguna modificación. Indicar claramente si un contenido ha sido generado o asistido por un sistema de IA. Usar cualquier imagen disponible en internet como dato de entrenamiento. Evitar citar las fuentes utilizadas para no sobrecargar al lector.

Identifica si la siguiente afirmación es verdadera o falsa: "Si un usuario aporta una contribución humana relevante al contenido generado por IA, como seleccionar cuidadosamente los prompts o editar el resultado, sí puede considerarse que existe una autoría válida protegida por derechos de autor". Verdadero. Falso.

¿Qué son los «deepfakes»?. Errores de programación que producen respuestas incoherentes en los chatbots. Contenidos audiovisuales creados o manipulados con IA para suplantar la identidad de una persona o inventar situaciones que nunca ocurrieron. Técnicas de compresión de vídeo utilizadas para reducir el tamaño de los archivos. Sistemas de detección de fraudes financieros basados en IA.

¿Cuál de las siguientes técnicas permite comprobar si una fotografía ya ha circulado antes y en qué contexto?. Análisis forense de audio. Búsqueda inversa de imágenes. Consulta a expertos del sector. Verificación de datos numéricos.

¿Cuál de los siguientes es un riesgo de la desinformación impulsada por IA para la sociedad?. Aumento de la transparencia en los procesos electorales. Interferencia en elecciones y debate público mediante noticias falsas. Reducción de las desigualdades sociales gracias al acceso igualitario a la información. Mayor cohesión social por la facilidad para contrastar fuentes.

¿Cuál de los siguientes principios éticos hace referencia al trato imparcial y justo, sin favoritismos ni discriminación, en el desarrollo de la IA?. Privacidad. Transparencia. Equidad. Responsabilidad.

¿Cuál de los siguientes es un impacto NEGATIVO de la IA que debe mitigarse, según el marco ético del curso?. Mejora de la eficiencia en diversos sectores. Acceso democratizado a herramientas avanzadas. Desplazamiento laboral por la automatización. Fomento de la creatividad y la innovación.

Según el marco para la toma de decisiones éticas con IA del curso, ¿cuál es el primer paso que debe realizarse antes de implementar un sistema de IA?. Análisis de impacto: ¿quiénes se verán afectados?. Evaluación de necesidad: ¿es la IA la herramienta adecuada para esta tarea?. Mitigación de riesgos: ¿qué medidas preventivas pueden implementarse?. Supervisión humana: mantener el control sobre los procesos de IA.

Identifica si la siguiente afirmación es verdadera o falsa: "La responsabilidad del uso ético de la IA recae exclusivamente en las empresas tecnológicas que desarrollan los modelos, no en los usuarios que los utilizan". Verdadero. Falso.

La IA es infalible y no comete errores porque puede procesar grandes cantidades de datos. Verdadero. Falso.

A diferencia de un motor de búsqueda, la inteligencia artificial crea respuestas nuevas analizando y reinterpretando grandes cantidades de datos. Verdadero. Falso.

La General AI es el tipo de inteligencia artificial más común en la actualidad y se utiliza en aplicaciones como los asistentes virtuales y los sistemas de recomendación. Verdadero. Falso.

La IA predictiva y la IA analítica se diferencian en que la primera se enfoca en “mirar hacia adelante” para predecir el futuro, mientras que la segunda se ocupa de “mirar hacia atrás” para extraer conclusiones de datos históricos. Verdadero. Falso.

El "Invierno de la IA" fue un período caracterizado por un aumento en la financiación y el interés en este campo. Verdadero. Falso.

Especializada en una tarea o un conjunto limitado de tareas. Narrow AI. General AI. Predictive AI. Discriminative AI.

Capacidad para comprender, aprender y aplicar conocimientos en múltiples dominios. General AI. Analytical AI. Statistical AI. Generative AI.

Aprende patrones de datos existentes para generar contenido similar. Generative AI. Predictive AI. General AI. Narrow AI.

Se basa en patrones identificados en datos históricos. Predictive AI. Analytical AI. Statistical AI. Generative AI.

Se entrena con datos etiquetados para maximizar la precisión de clasificación. Discriminative AI. Analytical AI. Narrow AI. Generative AI.

Identifica patrones, correlaciones o anomalías en tiempo real o histórico. Analytical AI. Predictive AI. Discriminative AI. General AI.

Basada en modelos probabilísticos y pruebas de hipótesis. Statistical AI. Analytical AI. Predictive AI. Narrow AI.

La era actual de la IA (desde el 2000 en adelante) se define por el uso de grandes cantidades de datos y el desarrollo del aprendizaje profundo. Verdadero. Falso.

La IA como disciplina científica nació en la antigüedad con mitos y leyendas sobre seres artificiales. Verdadero. Falso.

La "narrow AI" actual es tan versátil y tiene la misma comprensión del mundo que la inteligencia humana. Verdadero. Falso.

La principal función de la IA discriminativa es generar contenido nuevo, como imágenes o música, a partir de patrones aprendidos. Verdadero. Falso.

El rápido avance de la IA genera un ciclo de "obsolescencia", lo que significa que los modelos actuales pueden perder relevancia ante nuevas versiones más avanzadas. Verdadero. Falso.

El papel de la IA en el trabajo es más de sustitución que de complemento, ya que eliminará todos los trabajos existentes. Verdadero. Falso.

Los sistemas de IA son completamente autónomos y no necesitan supervisión humana. Verdadero. Falso.

¿Cuál es la materia prima fundamental de la inteligencia artificial?. Algoritmos. Datos. Modelos. Procesadores.

Los datos semiestructurados se representan habitualmente en: SQL. JSON. CSV. PDF.

Un algoritmo en IA se define como: Una base de datos organizada. Un conjunto de instrucciones para procesar datos. Un sistema de almacenamiento. Un modelo de red neuronal.

¿Qué tipo de algoritmo se usa para predecir un precio de vivienda?. Clasificación. Clustering. Regresión. Redes neuronales convolucionales.

El modelo en IA es: El conjunto de datos de entrenamiento. La representación matemática de lo aprendido. Una base de datos. El hardware de la IA.

Un modelo supervisado aprende a partir de: Prueba y error. Datos sin etiquetar. Datos etiquetados. Premios y castigos.

¿Qué arquitectura utiliza un mecanismo de atención para procesar lenguaje e identificar qué partes de una frase son más relevantes?. CNN (Convolutional neural networks / Redes neuronales convolucionales). Transformer (transformador). GAN (Generative adversarial networks / Redes generativas antagónicas). Regresión.

¿Cuál es el propósito de un autoencoder variacional (VAE, variational autoencoder)?. Clasificar datos. Comprimir y reconstruir información con variaciones controladas. Predecir precios, elaborar resúmenes. Detectar bordes en imágenes.

En las GAN (Generative adversarial networks / Redes generativas antagónicas), ¿qué red crea datos sintéticos?. Discriminador. Generador. Transformer. Red neuronal.

El subajuste significa que: El modelo se adapta demasiado. El modelo no aprende lo suficiente. El modelo predice con gran precisión. El modelo usa redes neuronales.

¿Qué métrica mide el porcentaje de aciertos de un modelo?. Error. Precisión. Generalización. Fine-tuning.

¿Qué elemento es clave en la entrada (input) a un modelo de IA conversacional, es decir, las instrucciones que le damos al sistema?. Prompt. Output. Dataset. GPU.

¿Qué técnica de prompting implica dar ejemplos previos?. Zero-shot. Few-shot. Chain-of-thought. Instrucción inversa.

Un riesgo de equidad social relacionado con la IA es: La brecha socioeconómica, hay personas que no tienen acceso a la IA. La traducción automática, que puede ser imprecisa. El clustering. El PLN.

Los datos estructurados siempre reflejan con detalle fenómenos complejos como emociones humanas. Verdadero. Falso.

Los datos semiestructurados nunca incluyen etiquetas. Verdadero. Falso.

Un algoritmo de regresión se usa para clasificar correos como spam o no spam. Verdadero. Falso.

Las redes neuronales convolucionales (CNN, Convolutional neural networks) están especializadas en imágenes y vídeo. Verdadero. Falso.

Un modelo es lo mismo que un algoritmo. Verdadero. Falso.

El aprendizaje supervisado usa datos etiquetados. Verdadero. Falso.

El sobreajuste ocurre cuando el modelo memoriza demasiado. Verdadero. Falso.

La precisión mide la proporción de aciertos de un modelo. Verdadero. Falso.

El fine-tuning permite personalizar un modelo general para usos específicos. Verdadero. Falso.

En la IA conversacional, el prompt no influye en la calidad de la salida. Verdadero. Falso.

La IA genera siempre la misma salida para un mismo prompt. Verdadero. Falso.

La IA puede dar la impresión de empatía, pero no siente emociones reales. Verdadero. Falso.

El modelo se entrena con datos etiquetados como “spam” o “no spam”. Aprendizaje no supervisado. Aprendizaje supervisado. Aprendizaje por refuerzo. Fine-tuning (ajuste fino).

Descubre patrones en compras sin etiquetas previas. Aprendizaje no supervisado. Aprendizaje supervisado. Aprendizaje por refuerzo. Fine-tuning (ajuste fino).

Recibe recompensas o castigos jugando a un videojuego. Transfer learning (aprendizaje por transferencia). Aprendizaje supervisado. Aprendizaje por refuerzo. Fine-tuning (ajuste fino).

Se entrena en una tarea y se adapta después a otra parecida. Transfer learning (aprendizaje por transferencia). Aprendizaje supervisado. Aprendizaje por refuerzo. Fine-tuning (ajuste fino).

Ajusta un modelo general para tareas específicas (ej. textos médicos). Transfer learning (aprendizaje por transferencia). Aprendizaje supervisado. Aprendizaje por refuerzo. Fine-tuning (ajuste fino).

Genera imágenes a partir de ruido progresivamente refinado. Transformer. GAN (Red Generativa Antagónica). VAE (Autoencoder Variacional). Modelo de difusión (Diffusion).

Usa atención para procesar secuencias de texto y traducir idiomas. Transformer. GAN (Red Generativa Antagónica). Conversational AI (IA conversacional). CNN (Red Neuronal Convolucional).

Enfrenta generador vs. discriminador para crear imágenes realistas. Transformer. GAN (Red Generativa Antagónica). Conversational AI (IA conversacional). CNN (Red Neuronal Convolucional).

Comprime y reconstruye información para generar variaciones controladas. PLN (Procesamiento del Lenguaje Natural). VAE (Autoencoder Variacional). Conversational AI (IA conversacional). CNN (Red Neuronal Convolucional).

Identifica bordes, texturas y formas en imágenes. PLN (Procesamiento del Lenguaje Natural). VAE (Autoencoder Variacional). Transformer. CNN (Red Neuronal Convolucional).

Enseña a las máquinas a comprender y producir lenguaje humano. PLN (Procesamiento del Lenguaje Natural). VAE (Autoencoder Variacional). Transformer. CNN (Red Neuronal Convolucional).

Mantiene diálogos simulando interacción humana. PLN (Procesamiento del Lenguaje Natural). VAE (Autoencoder Variacional). Transformer. Conversational AI (IA conversacional).

¿Qué chatbot tiene un enfoque más personal y “amigable”, destinado a interacción social?. Copilot. Gemini. PI (Infection AI). Claude.

¿En qué aplicaciones de redes sociales se integra Meta AI?. Únicamente en WhatsApp. En Facebook, Instagram, Messenger y WhatsApp. Sólo en Instagram. En Twitter (X) y Reddit.

¿Qué plataforma profesional de Microsoft permite crear y entrenar modelos personalizados de IA?. Canva. Azure AI Studio. Notion AI. YouChat.

¿Qué ventaja principal tienen los modelos de lenguaje de gran tamaño (LLM)?. Procesar sólo imágenes. Generar lenguaje humano con gran sofisticación. Requerir pocos datos. Ser económicos.

¿Qué problema puede surgir por sesgos en los datos de entrenamiento?. Imágenes siempre en blanco y negro. Representaciones poco inclusivas. Exceso de detalles. Errores gramaticales.

¿Cuál es una forma de aprovechar la IA para la exploración creativa en imágenes?. Usar siempre estilos realistas. Limitar las variaciones a una sola versión. Describir un concepto, estilo artístico y solicitar múltiples variaciones. Evitar la experimentación con técnicas visuales.

¿Qué elemento es clave para la generación de vídeo con IA?. Uso exclusivo de imágenes. Narrativa y concepto. Traducción simultánea. Reconocimiento facial.

¿Qué beneficio aporta la IA en audio y vídeo?. Limita la accesibilidad. Democratiza la creación. Requiere más tiempo. Dificulta la traducción.

¿Qué recomendación se debe tener en cuenta respecto a datos sensibles?. Compartirlos para personalizar mejor. No compartirlos por temas de privacidad. Usarlos siempre en prompts. Guardarlos en prompts para recordarlos.

¿Qué técnica de prompting consiste en pedir directamente lo que queremos, sin ejemplos previos?. Few-shot prompting. Role prompting. Chain-of-thought prompting. Zero-shot prompting.

Modelo de IA generativa de código abierto que crea imágenes a partir de descripciones escritas. Los usuarios pueden instalarlo en sus propios equipos y personalizarlo. Stable Diffusion. DALL·E. Adobe Firefly. Adobe Express.

Modelo que permite generar imágenes originales a partir de instrucciones textuales. Se ha popularizado por su capacidad de combinar elementos de manera creativa. Stable Diffusion. DALL·E. Azure AI Studio. Adobe Express.

Modelo de IA generativa pensado para integrarse en las aplicaciones de Adobe (como Photoshop o Illustrator) y facilitar la creación profesional. Stable Diffusion. DALL·E. Azure AI Studio. Adobe Firefly.

Diseño gráfico accesible, herramienta de diseño que sugiere plantillas, estilos y elementos visuales para agilizar el proceso creativo. Adobe Express. DALL·E. Azure AI Studio. Adobe Firefly.

Plataforma profesional que ofrece herramientas para crear, entrenar y desplegar modelos de IA personalizados. Adobe Express. DALL·E. Azure AI Studio. Adobe Firefly.

Crear infografías interactivas es un ejemplo de ¿qué aplicación de la IA?. Mejora de la comunicación. Eliminación de sesgos. Automatización de tareas. Apoyo a la creatividad.

¿Qué elemento mejoraría más este prompt para generar una receta en un asistente de cocina?: "Escribe un artículo sobre salud.". Público objetivo del artículo. Título del artículo. Fuente de investigación. Número de palabras.

Un sistema de selección de personal con IA fue entrenado con datos de empleados exitosos de los últimos 20 años. ¿Qué tipo de sesgo social podría reproducir si el sector siempre ha estado dominado por hombres?. Un sesgo de información. Un sesgo de coste energético. Un sesgo de género. Un sesgo de brecha digital.

Simular distintos escenarios de negocio es un ejemplo de ¿qué aplicación de la IA?. Eliminación de sesgos. Mejora de la comunicación. Automatización de tareas. Apoyo a la creatividad.

Según el material didáctico, la IA puede apoyar la creatividad a través de: Generación de ideas, análisis de escenarios y recomendaciones basadas en datos. Automatización total de la escritura de novelas y canciones. Eliminación del criterio humano en la fase final de un proyecto. Limitación de las opciones creativas para simplificar el trabajo.

¿Qué implica la ética digital y la responsabilidad social al usar IA?. Evitar el uso de cualquier herramienta de IA por su impacto. Desentenderse de los resultados, ya que la responsabilidad es de la máquina. Usar la IA solo para tareas divertidas y personales. Ser responsable del contenido generado, evitando sesgos y respetando derechos de autor.

Según el material didáctico, ¿qué habilidad transversal permite liberar tiempo y recursos?. Mejorar la comunicación y presentación de datos. Automatizar tareas repetitivas. Apoyar la creatividad y la toma de decisiones. Análisis de datos complejos y profundos.

¿Cuál de los siguientes no es un aspecto que solo el intelecto humano puede aportar?. Creatividad auténtica. Criterio moral. Comprensión de matices contextuales. Análisis de grandes cantidades de datos.

¿Por qué es tan importante la supervisión humana de los resultados de la IA?. Porque el humano es más rápido que la máquina en todas las tareas. Para evitar que la IA aprenda de los datos. Porque la IA puede equivocarse, reproducir sesgos o perder matices. Para garantizar que la responsabilidad final recaiga en la máquina.

Clasificar correos electrónicos en spam/no spam es un ejemplo de ¿qué aplicación de la IA?. Mejora de la comunicación. Eliminación de sesgos. Apoyo a la creatividad. Automatización de tareas.

¿Cómo puede la IA potenciar la creatividad humana?. Automatizando el proceso de pensamiento crítico. Eliminando las tareas repetitivas y monótonas. Sustituyendo por completo la necesidad de ideas originales. Ayudando a generar ideas y explorar nuevos enfoques.

Cuando se combina lo que la IA hace bien con lo que los humanos hacen mejor, el resultado final es: Más rápido, pero sin un valor añadido. Mejorado, liberando tiempo para concentrarse en lo estratégico o lo creativo. Menos fiable y de menor calidad. Demasiado complejo y difícil de manejar.

¿Cuál de las siguientes afirmaciones sobre la relación entre el ser humano y la IA es la más acertada?. El verdadero poder de la IA se manifiesta cuando opera de forma autónoma. El verdadero poder surge de la sinergia entre personas y sistemas de IA. El ser humano debe delegar todas las tareas a la IA para maximizar la eficiencia. La IA posee la capacidad de entender los matices contextuales y el criterio moral.

¿Qué desafío relacionado con la IA es un tema importante de debate en el sector creativo?. El elevado coste de las herramientas de generación de imágenes. Los derechos de autor y la imitación de estilos por parte de los modelos de IA. La imposibilidad de la IA para generar música de calidad. La falta de herramientas para la creación de arte.

¿Qué elemento es más necesario añadir para mejorar este prompt?: "Genera una imagen para una portada de libro.". Género literario. Tamaño de impresión de la portada. Nombre del autor o de la autora. Editorial que lo publica.

Para obtener resultados óptimos al interactuar con una IA, los prompts deben ser lo más genéricos y ambiguos posible para dar más libertad a la máquina. Verdadero. Falso.

El proceso de fine-tuning implica reentrenar un modelo de IA con datos genéricos para que funcione en cualquier sector sin necesidad de ajustes específicos. Verdadero. Falso.

La colaboración humano-IA es innecesaria, ya que la máquina es lo suficientemente inteligente como para tomar decisiones éticas y estratégicas por sí sola. Verdadero. Falso.

La IA es un sustituto directo del profesional, liberando por completo a los humanos de sus responsabilidades laborales. Verdadero. Falso.

La IA, en el ámbito de la comunicación, puede perder matices culturales en las traducciones, por lo que la revisión humana es necesaria. Verdadero. Falso.

La IA puede ayudar a mejorar la comunicación, pero no puede adaptar contenidos a diferentes audiencias, ya que esta es una tarea exclusiva del ser humano. Verdadero. Falso.

Una tarea se considera automatizable si requiere empatía y la toma de decisiones éticas. Verdadero. Falso.

En el sector de la salud, la IA puede realizar el diagnóstico final de un paciente, ya que su análisis de datos es más preciso que el de un médico. Verdadero. Falso.

La inteligencia artificial puede cometer errores o inventar datos, por lo que es esencial desarrollar un pensamiento crítico. Verdadero. Falso.

Uno de los principales retos de la inteligencia artificial es que puede reproducir sesgos de los datos con los que fue entrenada. Verdadero. Falso.

La clave para aprovechar el potencial de la IA reside en comprender los complejos algoritmos que impulsan estas tecnologías, sin necesidad de identificar estratégicamente dónde puede complementar las habilidades humanas. Verdadero. Falso.

A pesar de la automatización, la supervisión humana sigue siendo importante para evitar errores si los datos están incompletos o mal procesados. Verdadero. Falso.

En el proyecto de Informática y Comunicaciones, si el asistente de desarrollo de software genera código inicial con poca documentación. ¿Cuál de las siguientes acciones del Prompt Designer podría mitigar este problema?. Solicitar al Supervisor de IA que cambie los parámetros de generación. Pedir al Analista que clasifique el código por colores. Incluir la instrucción avanzada de 'cadena de pensamiento' (chain-of- thought) para que la IA justifique su lógica de código.

El proyecto de Hostelería y Turismo genera descripciones inmersivas de destinos. Para asegurar que estas descripciones no incluyan contenido que pueda ser considerado ofensivo o inexacto (desalineado), ¿qué rol debe priorizar la Monitorización de resultados para detectar sesgos o errores?. El Analista de datos junior, en la fase de análisis de datos de los destinos. El Prompt Designer, mediante prompts muy detallados. El Supervisor de IA, como parte de su función de control ético y de calidad.

El proyecto de Servicios Socioculturales (asistente de inclusión cultural) requiere traducir contenidos culturales a formatos accesibles en tiempo real (ej. subtítulos, audio descripción). ¿Qué rol debería colaborar más estrechamente con los desarrolladores para asegurar que la calidad y relevancia de estas traducciones automáticas sea constante?. El Supervisor de IA, para la evaluación continua de la calidad de la salida y la relevancia. El Prompt Designer, para escribir el guion técnico original. El Analista de Datos Junior, analizando el tamaño de los subtítulos.

AI-Studio genera un storyboard preliminar que, al revisar el Supervisor de IA, muestra un sesgo sutil al representar solo a personal médico masculino. ¿Cuál de las siguientes es la acción principal del Supervisor para manejar esta situación?. Ajustar los parámetros y refinar las instrucciones de la IA para implementar salvaguardas éticas contra el sesgo. Enviar el storyboard al Prompt Designer para que lo corrija manualmente. Desechar el storyboard y pedir al Analista que lo rehaga.

El equipo de guionistas proporciona el guión literario. ¿Qué profesional es el responsable de aplicar técnicas de few-shot prompting y estructuración avanzada para asegurar que AI-Studio genere un guión técnico que respete un estilo de cámara específico?. El Prompt Designer, ya que se especializa en crear instrucciones precisas para resultados específicos. El Analista de datos junior, para predecir el impacto del estilo. El Supervisor de IA, ya que es una directriz de calidad.

Después de la postproducción, el Analista de datos junior debe presentar los resultados de audiencia del cortometraje al equipo directivo (que no es técnico). ¿Qué habilidad es esencial en este momento?. Habilidad para interpretar resultados y comunicarlos de forma accesible a equipos no técnicos. Conocimiento profundo de las redes neuronales que crearon el guión. Capacidad para hacer few-shot prompting en la presentación.

Un Analista de datos junior con enfoque en IA está ayudando en el proyecto de Comercio y Marketing a analizar el comportamiento de navegación de los usuarios. ¿Qué tarea NO está directamente asociada a su rol?. Identificar patrones de compra con asistencia de IA. Implementar las salvaguardas éticas del modelo de recomendación. Preparar y limpiar el conjunto de datos de navegación.

El proyecto de Edificación y Obra Civil requiere que la IA optimice la distribución de recursos y cronogramas de obra. Para que la IA logre esto, ¿qué habilidad avanzada del Prompt Designer podría ser útil para guiar a la IA a través de los pasos lógicos de planificación?. Comunicación a equipos no técnicos. Monitorización de resultados. Cadena de pensamiento.

El texto indica que la capacidad para trabajar eficazmente con IA será una competencia transversal. Para un estudiante, esto significa que: Debe convertirse en un experto en Python y machine learning. Sólo podrá usar IA si trabaja como Prompt Designer. Debe integrar herramientas de IA en sus trabajos para potenciar su rol profesional.

El equipo de marketing quiere evaluar qué paleta de color sugerida por la IA genera más engagement en redes. ¿Qué rol profesional utilizaría las herramientas de IA para analizar los datos de interacción y generar una visualización clara de las tendencias?. Supervisor de IA, para monitorizar la ética de los comentarios. Analista de datos junior con enfoque en IA, para identificar patrones de respuesta del público. Prompt Designer, para crear una nueva paleta.

El Prompt Designer necesita una comprensión profunda de cómo funcionan los diferentes modelos de IA, pero no necesita conocimientos de análisis de datos. Verdadero. Falso.

El rol de Prompt Designer exige habilidades de comunicación excepcionales para estructurar solicitudes con especificidad y claridad. Verdadero. Falso.

El Prompt Designer requiere conocimientos de técnicas avanzadas como few-shot prompting y cadena de pensamiento para mejorar la calidad de las salidas de la IA. Verdadero. Falso.

El Supervisor de IA está principalmente centrado en generar visualizaciones efectivas y comunicarlas a equipos no técnicos. Verdadero. Falso.

La capacidad para trabajar eficazmente con IA es considerada una competencia especializada y exclusiva del rol de Prompt Designer. Verdadero. Falso.

Entre las tareas del Analista de datos junior con enfoque en IA se incluye la preparación y limpieza de conjuntos de datos con la asistencia de herramientas de IA. Verdadero. Falso.

Una de las funciones del Supervisor de IA es el Ajuste de parámetros y refinamiento de instrucciones para mantener la alineación del sistema con los objetivos organizacionales. Verdadero. Falso.

La principal responsabilidad del Analista de datos junior con enfoque en IA es la Implementación de salvaguardas éticas para el sistema. Verdadero. Falso.

¿Qué normativa europea regula la protección de datos personales en IA?. Directiva de copyright. Reglamento de IA 2024/1689. Reglamento General de Protección de Datos (RGPD). Ley de propiedad intelectual.

¿Qué riesgo supone la explotación comercial de datos personales?. Mejora del sistema de IA. Reducción de la publicidad. Venta de datos a anunciantes sin informar al usuario. Uso de contraseñas más seguras.

¿Qué medida NO corresponde a la protección de datos?. Minimización de datos. Evaluaciones de impacto. Supervisión humana. Anonimización.

¿Qué tipo de fraude se puede realizar con IA y datos personales robados?. Creación de videojuegos. Solicitud de créditos en nombre de otra persona. Automatización de tareas domésticas. Traducción de textos.

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

¿Qué significa el derecho a la explicación en IA?. Acceder a manuales de programación. Conocer los criterios usados por la IA para tomar decisiones. Poder modificar directamente los algoritmos. Obtener licencias de software gratuitas.

¿Qué ocurre cuando una pulsera de salud falla en personas con piel oscura?. Sesgo de confirmación. Sesgo de medición. Sesgo en prompts. Sesgo de selección.

El Reglamento (UE) 2024/1689 obliga a: Reemplazar un 20% de los empleos con IA. Garantizar transparencia y supervisión humana en sistemas de alto riesgo. Eliminar la IA en educación y salud. Usar IA únicamente en publicidad.

¿Qué técnica permite comprender por qué un modelo llega a un resultado determinado?. Transparencia de datos. Explicabilidad de algoritmos (XAI). Minimización de datos. Auditoría externa.

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

¿Qué plataforma española se dedica al fact-checking?. Newtral. Spotify. TikTok. Instagram.

A nivel europeo, ¿quién regula el uso de obras con copyright en la IA?. Parlamento Europeo. Directiva sobre derechos de autor en el mercado único digital. Naciones Unidas. Google.

¿Qué riesgo ético supone el contenido íntimo manipulado con IA?. Aumento de productividad. Forma de violencia digital. Expansión cultural. Creación artística.

¿Qué implica el principio de equidad en la IA?. Que la IA no funcione en todos los países. Trato justo e imparcial sin discriminación. Favorecer siempre al grupo mayoritario. Reducir el número de datos.

¿Cuál es una consecuencia de la brecha socioeconómica generada por la IA?. Mejor acceso a internet. Acceso desigual a beneficios de la IA. Reducción de desigualdades. Mayor eficiencia global.

El RGPD reconoce el derecho al olvido en el uso de IA. Verdadero. Falso.

Los sesgos en IA solo tienen consecuencias técnicas y no sociales. Verdadero. Falso.

El sesgo en los prompts aparece por cómo formulamos la pregunta a la IA. Verdadero. Falso.

Todo contenido generado por IA puede registrarse legalmente como obra con copyright. Verdadero. Falso.

Los deepfakes son fáciles de identificar a simple vista. Verdadero. Falso.

La explotación comercial de datos personales sin consentimiento es un riesgo de privacidad. Verdadero. Falso.

La IA no puede causar desplazamiento laboral. Verdadero. Falso.

Usar repositorios libres de derechos es una buena práctica en creación con IA. Verdadero. Falso.

El derecho a la explicación obliga a revelar cómo funciona internamente el algoritmo completo. Verdadero. Falso.

La verificación cruzada con fuentes primarias es una técnica útil contra la desinformación. Verdadero. Falso.

Trato imparcial y justo, sin favoritismos ni discriminación. Equidad. Privacidad. Transparencia. Responsabilidad.

Protección de la información personal contra la exposición pública o el uso indebido. Equidad. Privacidad. Transparencia. Responsabilidad.

Divulgación abierta y clara de información relevante sobre cómo funciona y se utiliza la IA. Equidad. Privacidad. Transparencia. Responsabilidad.

Obligación de explicar, justificar y responsabilizarse de los propios actos al usar IA. Equidad. Privacidad. Transparencia. Responsabilidad.

Relaciona el ejemplo con el tipo de sesgo del que se trata: "Currículums masculinos que son favorecidos en una IA de reclutamiento al haber sido entrenada con historiales laborales de hombres". Sesgo en los datos de entrenamiento. Sesgo de universalización. Sesgo de medición.

Relaciona el ejemplo con el tipo de sesgo del que se trata: "Preguntar a la IA “¿Por qué los hombres son mejores líderes que las mujeres?”". Sesgo en los prompts. Sesgo de universalización. Sesgo de medición.

Relaciona el ejemplo con el tipo de sesgo del que se trata: "Una pulsera de salud que mide el pulso funciona bien en personas con piel clara, pero falla con piel oscura o con tatuajes en la muñeca". Sesgo en los prompts. Sesgo de universalización. Sesgo de medición.