Módulo optativo: IA. ACTUALIZADO.

Preguntas tipo test, 4 opciones 3 falsas y una correcta. .

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 obsolescencia. El de la consistencia. El de los requisitos técnicos. El de la falta de estándares.

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. La reducción en la financiación y el interés en la investigación. La migración de los principales investigadores a otros campos de la ciencia. Una nueva era de optimismo con la aparición del Big Data.

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

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. Analytical AI para optimizar rutas logísticas. Discriminative AI para entender comandos de voz. Predictive AI para sugerir acciones.

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

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

¿Cuál es la principal diferencia entre la IA débil y la inteligencia humana?. 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 inteligencia humana es menos versátil que la IA débil. La IA débil puede realizar cualquier tarea intelectual, mientras que la humana no.

¿Cuál de los siguientes es un desafío de la IA relacionado con la privacidad?. El alto costo de los modelos. La obsolescencia 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.

¿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?. Procesamiento complejo de la información. Cibernética. Teoría de los autómatas. Teoría del caos.

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 IA que toma todas las decisiones en una empresa sin intervención humana. Una fábrica completamente automatizada por robots que no tiene ningún empleado.

¿Qué concepto clave se emplea para describir la capacidad de la IA de 'aprender, adaptarse y mejorar'?. Deep learning. Robótica. Computación cognitiva. Machine learning.

¿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. Elaboración de obras de arte, composición musical o escritura creativa. Funciones sociales como la empatía o las relaciones interpersonales.

¿Qué papel se le atribuye a la IA en el futuro del trabajo?. La IA eliminará todos los trabajos, sin crear ninguno nuevo. 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 solo se usará para trabajos manuales y no para tareas intelectuales.

¿Cuál es la principal diferencia entre la Narrow AI y la General AI?. La Narrow AI se centra en la predicción, mientras que la General AI se enfoca en la creación de contenido. La Narrow AI se especializa en una tarea, mientras que la General AI puede realizar múltiples tareas intelectuales. 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.

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

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

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

¿Qué técnica se utiliza para analizar texto no estructurado?. SQL. Redes convolucionales. Procesamiento de lenguaje natural (PLN). Clustering.

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 traducción automática, que puede ser imprecisa. La brecha socioeconómica, hay personas que no tienen acceso a la IA. El clustering. El PLN.

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

¿En qué aplicaciones de redes sociales se integra Meta AI?. Únicamente en WhatsApp. En Facebook, Instagram, Messenger y WhatsApp. Solo 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 solo 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.

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

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

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

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

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

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. Menos fiable y de menor calidad. Demasiado complejo y difícil de manejar. Mejorado, liberando tiempo para concentrarse en lo estratégico o lo creativo.

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 brecha digital. Un sesgo de información. Un sesgo de coste energético. Un sesgo de género.

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

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

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

¿Cuál de las siguientes afirmaciones sobre la relación entre el ser humano y la IA es la más acertada?. 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. El verdadero poder de la IA se manifiesta cuando opera de forma autónoma.

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

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

¿Qué desafío relacionado con la IA es un tema importante de debate en el sector creativo?. La imposibilidad de la IA para generar música de calidad. La falta de herramientas para la creación de arte. 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.

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

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. Capacidad para hacer few-shot prompting en la presentación. Conocimiento profundo de las redes neuronales que crearon el guion.

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 Analista de datos junior, para predecir el impacto del estilo. El Supervisor de IA, ya que es una directriz de calidad. El Prompt Designer, ya que se especializa en crear instrucciones precisas para resultados específicos.

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?. Implementar las salvaguardas éticas del modelo de recomendación. Preparar y limpiar el conjunto de datos de navegación. Identificar patrones de compra con asistencia de IA.

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?. Enviar el storyboard al Prompt Designer para que lo corrija manualmente. Desechar el storyboard y pedir al Analista que lo rehaga. Ajustar los parámetros y refinar las instrucciones de la IA para implementar salvaguardas éticas contra el sesgo.

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?. Analista de datos junior con enfoque en IA, para identificar patrones de respuesta del público. Prompt Designer, para crear una nueva paleta. Supervisor de IA, para monitorizar la ética de los comentarios.

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.

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?. 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. Solicitar al Supervisor de IA que cambie los parámetros de generación.

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. Debe integrar herramientas de IA en sus trabajos para potenciar su rol profesional. Solo podrá usar IA si trabaja como Prompt Designer.

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.

¿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.

¿Cuál de las siguientes situaciones representa mejor el concepto de machine learning en la vida cotidiana?. Un navegador GPS que actualiza la ruta al detectar tráfico en tiempo real. Una app de mensajería que permite enviar audios y fotos a otros usuarios. Un procesador de texto que corrige automáticamente una falta de ortografía sin aprender del usuario. Un reloj digital que marca la hora exacta en cualquier momento del día.

¿Qué característica define al machine learning dentro del campo de la inteligencia artificial?. La habilidad de aprender, adaptarse y mejorar con el tiempo. La capacidad de almacenar grandes cantidades de datos sin procesarlos. El uso exclusivo de algoritmos predefinidos que no cambian. La necesidad de intervención humana constante para cada decisión.

Año de la "Era del optimismo": años 50-60. años 70-80. años 90-2000. 2000-presente.

Año de la "Era del Big Data": años 50-60. años 70-80. años 90-2000. 2000-presente.

Año de la "El invierno de la IA": años 50-60. años 70-80. años 90-2000. 2000-presente.

Año de la "El resurgimiento": años 50-60. años 70-80. años 90-2000. 2000-presente.

En un sistema de gestión de almacén basado en IA, ¿qué tipo de datos serían más útiles para predecir la demanda de productos?. Historial de ventas y datos estacionales. Imágenes de los productos. Conversaciones de servicio al cliente. Vídeos del almacén.

Un hospital usa un modelo de IA para analizar radiografías y distinguir entre tumores malignos y benignos. ¿Qué tipo de IA está aplicando?. Discriminative AI. Generative AI. Predictive AI. Narrow AI.

¿Qué tipo de IA esta usando un asistente de voz que reconoce canciones a partir de unos segundos de audio?. IA discriminativa. IA analítica. IA predictiva. IA general.

Definición de: Falta de estándares: La ausencia de normas universales permite discrepancias en ética, transparencia y privacidad entre modelos, dificultando un uso responsable. La recopilación automática de datos de usuario sin transparencia puede comprometer información sensible, requiriendo configuración consciente de ajustes. Problemas como sesgos, alucinaciones o desinformación exigen supervisión humana y validación constante de los resultados. Los avances tecnológicos vuelven obsoletos rápidamente los modelos existentes, forzando actualizaciones frecuentes y estrategias escalables.

Definición de consistencia: La naturaleza probabilística de estos modelos hace que sus respuestas varíen incluso con entradas similares, lo que exige verificación adicional en contextos que requieren precisión. Su implementación demanda GPU potentes, grandes volúmenes de datos y alto consumo energético, lo que limita su accesibilidad y plantea retos ecológicos. La recopilación automática de datos de usuario sin transparencia puede comprometer información sensible, requiriendo configuración consciente de ajustes. La ausencia de normas universales permite discrepancias en ética, transparencia y privacidad entre modelos, dificultando un uso responsable.

Definición de Requisitos técnicos: La naturaleza probabilística de estos modelos hace que sus respuestas varíen incluso con entradas similares, lo que exige verificación adicional en contextos que requieren precisión. Su implementación demanda GPU potentes, grandes volúmenes de datos y alto consumo energético, lo que limita su accesibilidad y plantea retos ecológicos. La recopilación automática de datos de usuario sin transparencia puede comprometer información sensible, requiriendo configuración consciente de ajustes. La ausencia de normas universales permite discrepancias en ética, transparencia y privacidad entre modelos, dificultando un uso responsable.

Definición de Privacidad: La ausencia de normas universales permite discrepancias en ética, transparencia y privacidad entre modelos, dificultando un uso responsable. Problemas como sesgos, alucinaciones o desinformación exigen supervisión humana y validación constante de los resultados. Los avances tecnológicos vuelven obsoletos rápidamente los modelos existentes, forzando actualizaciones frecuentes y estrategias escalables. La recopilación automática de datos de usuario sin transparencia puede comprometer información sensible, requiriendo configuración consciente de ajustes.

Definición de Fiabilidad: Problemas como sesgos, alucinaciones o desinformación exigen supervisión humana y validación constante de los resultados. Los avances tecnológicos vuelven obsoletos rápidamente los modelos existentes, forzando actualizaciones frecuentes y estrategias escalables. La naturaleza probabilística de estos modelos hace que sus respuestas varíen incluso con entradas similares, lo que exige verificación adicional en contextos que requieren precisión. Su implementación demanda GPU potentes, grandes volúmenes de datos y alto consumo energético, lo que limita su accesibilidad y plantea retos ecológicos.

Definición de Obsolescencia: Los avances tecnológicos vuelven obsoletos rápidamente los modelos existentes, forzando actualizaciones frecuentes y estrategias escalables. Problemas como sesgos, alucinaciones o desinformación exigen supervisión humana y validación constante de los resultados. La ausencia de normas universales permite discrepancias en ética, transparencia y privacidad entre modelos, dificultando un uso responsable. La recopilación automática de datos de usuario sin transparencia puede comprometer información sensible, requiriendo configuración consciente de ajustes.

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

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

¿A qué tipo de dato corresponde: "Artículo de periódico. Correo electrónico"?. Datos de texto. Datos de imagen. Datos estructurados. Datos de vídeo.

¿A qué tipo de dato corresponde: "Fotografía de un paisaje. Diagrama de flujo"?. Datos de texto. Datos de imagen. Datos estructurados. Datos de vídeo.

¿A qué tipo de dato corresponde: "Canción en formato MP3. Sonido ambiental de un bosque"?. Datos de texto. Datos de audio. Datos estructurados. Datos de vídeo.

¿A qué tipo de dato corresponde: "Película en streaming. Video de YouTube"?. Datos de texto. Datos de imagen. Datos estructurados. Datos de vídeo.

¿A qué tipo de dato corresponde: "Hoja de cálculo con presupuestos. Registros de clics en una web"?. Datos de texto. Datos de imagen. Datos estructurados. Datos de vídeo.

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

Que característica corresponde con la "escalabilidad" de los algoritmos de la IA: Buscan resolver problemas utilizando la menor cantidad de recursos posibles. Ante los mismos datos de entrada, producen los mismos resultados. Deben definir exactamente qué operaciones realizar. Capacidad para manejar volúmenes crecientes de datos.

Que característica corresponde con la "Precisión" de los algoritmos de la IA: Deben definir exactamente qué operaciones realizar. Ante los mismos datos de entrada, producen los mismos resultados. Buscan resolver problemas utilizando la menor cantidad de recursos posibles. Capacidad para manejar volúmenes crecientes de datos.

Que característica corresponde con la "Eficiencia" de los algoritmos de la IA: Deben definir exactamente qué operaciones realizar. Ante los mismos datos de entrada, producen los mismos resultados. Buscan resolver problemas utilizando la menor cantidad de recursos posibles. Capacidad para manejar volúmenes crecientes de datos.

Que característica corresponde con el "Determinismo" de los algoritmos de la IA: Deben definir exactamente qué operaciones realizar. Ante los mismos datos de entrada, producen los mismos resultados. Buscan resolver problemas utilizando la menor cantidad de recursos posibles. Capacidad para manejar volúmenes crecientes de datos.

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

Un robot en un almacén aprende a mover cajas de un sitio a otro. Al principio comete muchos errores, pero va mejorando porque recibe recompensas cuando logra entregar la caja en el lugar correcto y penalizaciones cuando se equivoca. ¿Qué tipo de modelo es?. Supervisado. No supervisado. Refuerzo. Ninguna es correcta.

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

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

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

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

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

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

¿Cuál de los siguientes escenarios representa mejor un impacto negativo de la IA en la interacción humana?. Un equipo médico utiliza IA para analizar imágenes radiológicas y mejorar la precisión diagnóstica. Un traductor profesional emplea IA como asistente para verificar la precisión de sus traducciones. Una empresa reemplaza su servicio de atención al cliente humano por chatbots automatizados. Un profesor utiliza herramientas de IA para personalizar materiales educativos para estudiantes con diferentes estilos de aprendizaje.

¿Cuál de las siguientes afirmaciones describe correctamente la diferencia entre la generative AI y otros tipos de IA?. La generative AI está diseñada principalmente para predecir tendencias futuras basadas en datos históricos. La generative AI está diseñada específicamente para crear contenido nuevo como texto, imágenes y audio. La generative AI se centra exclusivamente en el análisis de datos estructurados. La generative AI funciona únicamente como motor de búsqueda avanzado para recuperar información existente.

Al utilizar herramientas de IA para generar resúmenes de textos extensos, ¿cuál de los siguientes elementos no es recomendable incluir en el prompt?. La longitud deseada del resumen. Instrucciones sobre qué elementos enfatizar. El contenido completo que se desea resumir. Una opinión personal sobre el contenido original.

¿Cuál de las siguientes herramientas de IA está específicamente diseñada para generar imágenes de alta calidad a partir de descripciones textuales y es conocida por su uso en campos creativos como el diseño gráfico?. Stable Diffusion. Microsoft Copilot. Google Gemini. Claude.

¿Cuál de estos beneficios no está directamente relacionado con la implementación de IA en audio y vídeo?. Aumentar el coste de producción. Romper barreras lingüísticas. Mejorar la accesibilidad. Democratizar la creación de contenido.

¿Qué técnica de prompting sería más adecuada si quisieras que la IA te explicara detalladamente cómo llegó a una conclusión en un problema matemático complejo?. Zero-shot prompting. Few-shot prompting. Chain-of-thought prompting. No hace falta usar ninguno.

¿Qué elemento falta en el siguiente prompt para hacerlo más efectivo?: "Escribe un texto sobre los beneficios de la meditación para personas con ansiedad". Especificidad: no indica qué tipo de beneficios (físicos, psicológicos, sociales) deben abordarse. Claridad: contiene términos ambiguos como "meditación" que podrían referirse a distintas prácticas. Contexto: no explica la finalidad del texto (informar, persuadir, instruir). Estilo y tono: no especifica el registro lingüístico ni el formato del contenido.

Tu equipo quiere usar una IA para traducir material educativo a varios idiomas. ¿Cuál sería la mejor forma de aplicarlo?. Usar directamente la traducción automática y publicarla tal cual. Revisar las traducciones para detectar errores culturales o de contexto. Descartar la IA porque nunca traducirá igual de bien que un humano. Todas a la vez.

¿Cuál es la relación más adecuada entre la inteligencia artificial y los profesionales humanos según el enfoque actual de la tecnología?. La IA está diseñada para reemplazar completamente el trabajo humano en la mayoría de los campos profesionales. La IA y los humanos compiten por los mismos roles, siendo la tecnología generalmente superior en todas las tareas. La IA funciona como un complemento que amplifica las capacidades humanas, creando una sinergia donde cada uno aporta sus fortalezas únicas. La IA solo debe utilizarse en tareas rutinarias y de bajo valor, dejando todo el trabajo creativo exclusivamente a los humanos.

¿Cuál es la clave para aprovechar el potencial de la IA en el ámbito profesional?. Identificar estratégicamente dónde la IA puede complementar nuestras habilidades humanas. Comprender en profundidad los algoritmos que impulsan estas tecnologías. Implementar IA en todos los procesos de trabajo sin excepción. Sustituir completamente las tareas humanas por sistemas automatizados.

Una editorial usa IA para crear un libro de arte digital, pero una imagen generada resulta muy similar a una obra protegida de un artista fallecido hace 5 años (cuya obra aún está bajo derechos de autor). ¿Cuál es la situación legal más precisa en este caso?. La editorial puede utilizar libremente la imagen ya que fue creada por IA y no por un humano, por lo que no aplican las leyes de derechos de autor. La responsabilidad legal recae exclusivamente sobre la empresa desarrolladora de la herramienta de IA, no sobre la editorial. La editorial solo necesita citar al artista original como inspiración, sin necesidad de obtener permisos adicionales. La editorial debe obtener permiso de los herederos del artista, ya que el uso de la imagen generada por IA podría constituir una infracción de derechos de autor si reproduce sustancialmente elementos protegidos de la obra original.

Preguntas de unir. .

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

Relaciona el tipo de aprendizaje con su característica y ejemplo: Aprendizaje supervisado. Aprendizaje no supervisado. Aprendizaje por refuerzo. Transfer learning (aprendizaje por transferencia). Fine-tuning (ajuste fino).

Relaciona los ejemplos 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. Preguntar a la IA “¿Por qué los hombres son mejores líderes que las mujeres?”. 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.

Relaciona los principios éticos relacionados con la IA con su definición: Trato imparcial y justo, sin favoritismos ni discriminación. Protección de la información personal contra la exposición pública o el uso indebido. Divulgación abierta y clara de información relevante sobre cómo funciona y se utiliza la IA. Obligación de explicar, justificar y responsabilizarse de los propios actos al usar IA.

Escribe al lado de cada función o habilidad hacia el rol profesional al que corresponde principalmente. Escribe la letra que corresponde a cada rol en tu respuesta: Evaluación de la calidad y relevancia de las salidas. Capacidad para estructurar solicitudes con especificidad y claridad. Preparar y limpiar conjuntos de datos. Identificar patrones y tendencias con asistencia de IA. Ajuste de parámetros y refinamiento de instrucciones.

Clasifica cada situación en la categoría correcta. Pensamiento crítico y verificación. Diseño de prompts efectivos. Creatividad e innovación aumentada. Colaboración humano-IA. Ética digital y responsabilidad social.

Relaciona la técnica de prompting con su descripción: Zero-shot. Few-shot. Chain-of-thought. Role prompting.

Imagina que trabajas en una oficina y te han pedido que integres herramientas de IA para optimizar tu trabajo. A continuación, identifica si las siguientes tareas las delegarías a la IA o si necesitarán tu supervisión humana. Responde indicando DELEGAR o SUPERVISAR según corresponda: Procesar 200 facturas diarias extrayendo la fecha y el monto para una base de datos. Revisar un contrato importante de un cliente para asegurar que las cláusulas protegen los intereses de tu empresa. Redactar un correo electrónico para solicitar un aumento de sueldo a tu jefe. Analizar miles de datos de ventas para detectar tendencias y patrones de consumo. Determinar la estrategia de negocio de la empresa para los próximos cinco años.

Relaciona la herramienta de IA con su característica: 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. Modelo que permite generar imágenes originales a partir de instrucciones textuales. Se ha popularizado por su capacidad de combinar elementos de manera creativa. Modelo de IA generativa pensado para integrarse en las aplicaciones de Adobe (como Photoshop o Illustrator) y facilitar la creación profesional. Diseño gráfico accesible, herramienta de diseño que sugiere plantillas, estilos y elementos visuales para agilizar el proceso creativo. Plataforma profesional que ofrece herramientas para crear, entrenar y desplegar modelos de IA personalizados.

Relaciona el proceso o modelo avanzado con su descripción: Modelo de difusión (Diffusion). Transformer. GAN (Red Generativa Antagónica). VAE (Autoencoder Variacional). CNN (Red Neuronal Convolucional). PLN (Procesamiento del Lenguaje Natural). Conversational AI (IA conversacional).

Relaciona cada tipo de IA con su definición. Narrow AI. General AI. Generative AI. Predictive AI. Discriminative AI. Analytical AI. Statistical AI.

¿Qué tipo de IA empleamos cuando…?. Narrow AI. Generative AI. Predictive AI. Discriminative AI. Analytical AI. Statistical AI.

Preguntas de Verdadero o falso. .

Los datos semiestructurados nunca incluyen etiquetas. 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.

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

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

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

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

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.

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 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.

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

La inteligencia artificial se refiere exclusivamente a sistemas que pueden generar nuevo contenido creativo, como imágenes o textos, sin abarcar otras capacidades como el análisis de datos o la toma de decisiones. Verdadero. Falso.

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

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

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.

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

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

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

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

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

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.

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

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

Los deepfakes son fáciles de identificar a simple vista. 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.

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

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

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

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

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

El RGPD reconoce el derecho al olvido en el uso 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 capacidad para trabajar eficazmente con IA es considerada una competencia especializada y exclusiva del rol de Prompt Designer. Falso. Verdadero.

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.

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

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

El sobreajuste ocurre cuando el modelo memoriza demasiado. 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.

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.

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

El aprendizaje supervisado usa datos etiquetados. 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 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 IA puede dar la impresión de empatía, pero no siente emociones reales. 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.