Optativa IA Ilerna

¿Qué evento histórico es considerado el nacimiento oficial de la inteligencia artificial como disciplina científica en 1956?. La conferencia de Dartmouth. La publicación de la teoría de la cibernética. La creación del primer sistema de procesamiento complejo de la información. La primera victoria de una máquina sobre un campeón mundial de ajedrez.

¿Cuál fue la causa principal del período conocido como 'El Invierno de la IA' durante los años 70 y 80?. La prohibición gubernamental sobre la investigación en máquinas pensantes. La escasez de potencia computacional y de datos para entrenar modelos. Una drástica reducción en la financiación debido a expectativas no cumplidas. La falta de interés del público en la tecnología.

¿En qué evento y año se considera que la IA nació formalmente como disciplina científica?. Durante la popularización de la cibernética en los años 50. En la conferencia de Dartmouth en 1956. Con el resurgimiento computacional de los años 90. Con la llegada del Big Data en los años 2000.

¿Cuál fue la causa principal del período conocido como 'El Invierno de la IA'?. La falta de datos para entrenar los modelos. La competencia con otras disciplinas como la teoría de los autómatas. El avance no cumplió con las expectativas infladas, causando decepción y recortes de financiación. El alto coste de la energía para los ordenadores.

¿qué dos elementos definen fundamentalmente la era moderna de la IA (2000-Actualidad)?. El optimismo generalizado y la alta financiación. El nacimiento de la cibernética y la teoría de los autómatas. La reducción de costes en tecnología y los avances en algoritmos. La disponibilidad masiva de datos (Big Data) y el Aprendizaje Profundo (Deep Learning).

¿Por qué la 'Narrow AI' se denomina también 'IA Débil'?. Porque es un concepto teórico que todavía no existe. Porque es muy ineficaz y comete muchos errores. Porque está diseñada para una única tarea específica y carece de versatilidad. Porque consume muy pocos recursos computacionales.

¿Cuál de las siguientes es la función principal de la IA Generativa?. Crear contenido completamente nuevo a partir de patrones aprendidos. Distinguir y separar datos en categorías predefinidas. Procesar datos pasados para encontrar patrones ocultos y explicar sucesos. Analizar datos históricos para predecir eventos futuros.

Un sistema que analiza las ventas de los últimos cinco años para estimar la demanda de un producto en el próximo trimestre es un ejemplo de: IA Discriminativa. IA Predictiva. IA Generativa. IA Estadística.

Un sistema de reconocimiento facial que debe decidir si una cara en una foto pertenece a una persona autorizada (sí/no) es un caso de uso de: IA Generativa. IA Predictiva. IA Discriminativa. IA Analítica.

Según el texto, ¿cuál es un riesgo fundamental de la IA Generativa que requiere supervisión humana?. La posibilidad de que genere información falsa o sufra 'alucinaciones'. Su incapacidad para ordenar contenido existente de internet. Su alto consumo de energía, que debe ser monitorizado. La rápida obsolescencia de sus modelos.

El concepto de 'Obsolescencia Acelerada' en IA se refiere a que: La IA consume los datos de entrenamiento y los deja obsoletos. El hardware necesario para la IA se estropea con mucha frecuencia. Los modelos de IA pierden relevancia rápidamente ante versiones superiores. Los usuarios pierden interés en la IA muy rápidamente.

Un listado de alumnos con sus notas en una hoja de cálculo es un ejemplo de: Datos Semi-estructurados. Datos Estructurados. Big Data. Datos No Estructurados.

¿Cuál de los siguientes es un ejemplo de datos no estructurados?. Publicaciones de texto libre en redes sociales. Un registro de transacciones bancarias. Una base de datos de inventario en formato SQL. Un archivo JSON con información de productos.

¿Qué tipo de aprendizaje automático utiliza ejemplos etiquetados ('esto es A', 'esto es B') para entrenar un modelo?. Clustering. Aprendizaje por Refuerzo. Aprendizaje Supervisado. Aprendizaje No Supervisado.

Las Redes Neuronales Convolucionales (CNN) son un tipo de red neuronal especialmente diseñada para: Procesar datos con una estructura de rejilla, como imágenes y vídeos. Agrupar datos no etiquetados por similitud. Procesar y comprender el lenguaje humano. Aprender a través de un sistema de recompensas y castigos.

Cuando un modelo de Machine Learning 'memoriza' los datos de entrenamiento tan bien que falla al analizar datos nuevos, sufre de: Aprendizaje por Refuerzo. Fine-Tuning. Sobreajuste (Overfitting). Función de Pérdida.

¿Qué técnica consiste en adaptar un modelo general pre-entrenado para una tarea muy específica usando un conjunto de datos más pequeño y especializado?. Sobreajuste (Overfitting). Medición del Error. Fine-Tuning. Clustering.

¿Qué herramienta de IA es conocida por su gran ventana de contexto, lo que la hace ideal para analizar documentos extensos?. Perplexity. Claude. ChatGPT. Pi.

Un usuario quiere una respuesta de IA que además le muestre las fuentes web de donde extrajo la información. ¿Qué herramienta sería la más adecuada según el texto?. Microsoft Copilot. Meta AI. Gemini (Duet AI). Perplexity.

Al usar una IA para generar imágenes como DALL-E, la calidad del resultado depende fundamentalmente de: La cantidad de datos no estructurados que se le proporcionen. El uso de la técnica 'Chain-of-thought'. La velocidad de la conexión a internet. La precisión y el detalle del prompt (la instrucción).

Si le pides a una IA que resuelva un problema matemático complejo y le indicas 'razona paso a paso', estás utilizando la técnica de prompting llamada: Prompting de Supervisión. Chain-of-thought. Few-shot Prompting. Role Prompting.

En la sinergia Humano-IA, ¿cuál es una de las aportaciones clave del humano?. Generación de respuestas instantáneas. Criterio, ética y empatía. Análisis estadístico a gran escala. Velocidad en el procesamiento de datos masivos.

¿Qué tipo de tareas son ideales para la automatización con IA, según el texto?. Creatividad compleja y estrategia de marca. Decisiones éticas complejas y liderazgo de equipos. Tareas con pasos claros, repetibles y basadas en datos. Interacciones que requieren un alto grado de empatía.

El uso excesivo de la IA para redactar textos o analizar datos puede llevar a un riesgo laboral conocido como: Reducción de habilidades humanas y pérdida de autonomía. Obsolescencia acelerada. Sinergia humano-máquina. Democratización de capacidades.

¿Cuál es la función principal de un 'Prompt Designer'?. Ajustar los parámetros éticos y supervisar las políticas de la IA. Limpiar y estructurar grandes volúmenes de datos para el entrenamiento. Crear instrucciones precisas para que la IA genere los resultados deseados. Interpretar resultados y comunicarlos visualmente a equipos no técnicos.

Un Analista de Datos Jr que utiliza IA aporta su mayor valor cuando: Deja que la IA tome todas las decisiones de forma autónoma. Programa el algoritmo de IA desde cero. Se enfoca únicamente en la limpieza y preparación de datos. Interpreta los resultados de la IA y los comunica eficazmente a otros equipos.

En el ámbito educativo, ¿cuál es una aplicación ideal para la IA mencionada en el texto?. Generar ejercicios adaptados al nivel específico de cada estudiante. Reemplazar completamente al profesor en el aula. Calificar exámenes de creatividad y pensamiento crítico. Traducir los libros de texto sin necesidad de revisión.

En tareas de traducción, ¿por qué sigue siendo indispensable el humano a pesar de la velocidad de la IA?. Porque la IA es mucho más lenta traduciendo textos largos. Para escribir la traducción desde cero, ya que la IA solo sugiere palabras. Para revisar matices culturales y asegurar que el mensaje se adapte al contexto local. Porque la IA no conoce la gramática de los idiomas.

El principio ético de 'Transparencia' en la IA se refiere a: La protección de la información personal de los usuarios. La divulgación abierta y clara sobre cómo funciona y se utiliza un sistema de IA. El trato imparcial y justo, sin discriminación. La obligación de responsabilizarse por los resultados del uso de la IA.

Si una pulsera de salud mide mal el pulso en pieles oscuras porque fue diseñada y probada solo con usuarios de piel clara, ¿qué tipo de sesgo se ha producido?. Sesgo de Confirmación. Sesgo en Datos de Entrenamiento. Sesgo de Medición. Sesgo en Prompts.

Un sistema de IA para RRHH descarta sistemáticamente a candidatas mujeres para puestos técnicos porque ha sido entrenado con datos históricos donde la mayoría de esos puestos eran ocupados por hombres. Esto es un ejemplo de: Sesgo de Selección. Sesgo de Confirmación. Sesgo de Medición. Sesgo en Datos de Entrenamiento.

Cuando un sistema de reconocimiento de voz entrenado únicamente con adultos no funciona bien con las voces de los niños, ¿qué tipo de sesgo está ocurriendo?. Sesgo de Medición. Sesgo de Confirmación. Sesgo de Selección. Sesgo en Prompts.

Formular una pregunta como 'Explica por qué el producto A es superior al producto B' induce un: Sesgo en Datos de Entrenamiento. Sesgo de Selección. Sesgo de Medición. Sesgo en Prompts.

Una de las estrategias de mitigación de sesgos mencionadas en el texto es: Acelerar el entrenamiento para evitar el sobreajuste. Realizar auditorías humanas constantes y diversificar los datos. Confiar plenamente en la transparencia del algoritmo. Usar únicamente datos estructurados.

Según el texto, ¿cuál es el estatus de propiedad intelectual de una obra creada al 100% por una IA?. Pertenece al usuario que escribió el prompt. Los derechos son propiedad de la empresa dueña de la IA. Suele considerarse de dominio público. Pertenece al programador que creó la IA.

La IA Analítica se diferencia de la IA Predictiva en que: La Analítica es un concepto teórico y la Predictiva es la que existe actualmente. La Analítica crea contenido nuevo y la Predictiva lo clasifica. La Analítica 'mira hacia atrás' para explicar sucesos, y la Predictiva 'mira hacia adelante' para estimarlos. La Analítica usa datos no estructurados y la Predictiva solo estructurados.

¿Qué habilidad transversal es clave para usar la IA de manera efectiva, según el texto?. Conocimiento profundo de redes neuronales. Capacidad para entrenar modelos desde cero. Pensamiento Crítico para verificar la información generada. Programación avanzada en Python.

En el contexto legal, un abogado utilizaría la IA principalmente para: Crear 'deepfakes' de testigos para simular declaraciones. Decidir la estrategia jurídica final de un caso. Argumentar un caso frente a un juez de forma autónoma. Procesar y resumir grandes volúmenes de documentos legales.

El concepto de AGI (IA General) se diferencia de la Narrow AI en que la AGI: Está diseñada para realizar una única tarea específica con gran competencia. Es el tipo de inteligencia artificial que existe actualmente. Sería capaz de aprender cualquier tarea intelectual, como un humano. Carece de consciencia y versatilidad.

Un sistema de IA que calcula la prima de un seguro basándose en modelos matemáticos para cuantificar la incertidumbre y el riesgo, es un ejemplo de: IA Analítica. IA Estadística. IA Generativa. IA Discriminativa.

La principal ventaja de los datos estructurados es que: Son el único tipo de datos que pueden usar los modelos de Deep Learning. Reflejan fenómenos complejos del mundo real con gran fidelidad. Permiten un análisis rápido y preciso de grandes volúmenes. Permiten una gran flexibilidad y jerarquía en la organización de la información.

¿Cuál es uno de los principales desafíos ecológicos y económicos de los modelos de IA avanzados?. La falta de estándares éticos universales. El alto consumo de energía y la necesidad de hardware avanzado. La dificultad para encontrar datos de entrenamiento. El riesgo de obsolescencia acelerada.