Optativa IA (intento 1) - Examen final Ilerna

La detección de fraudes en transacciones bancarias, que busca patrones anómalos en grandes volúmenes de datos, es un ejemplo de: Generative AI. Analytical AI. Discriminative AI. Statistical AI.

¿Cuál de las siguientes afirmaciones describe mejor la “Narrow AI” o IA débil, que predomina en la actualidad?. Es capaz de realizar cualquier tarea humana con conciencia completa del mundo. Puede aprender y adaptarse a cualquier situación sin necesidad de datos específicos. Está especializada en tareas específicas y es muy eficiente en su dominio, pero no tiene conciencia ni comprensión general. Se centra en el análisis histórico de datos sin interactuar con aplicaciones prácticas.

¿Cuál de los siguientes sistemas representa mejor la IA discriminativa?. Un modelo que clasifica correos electrónicos como spam o no spam. Un programa que crea música original basada en un estilo específico. Un generador de historias o imágenes a partir de indicaciones. Un sistema que simula conversaciones humanas creativas.

En los modelos de inteligencia artificial generativa, las llamadas “alucinaciones” hacen referencia a que el modelo: Produce resultados aleatorios por fallos internos. Genera resultados completamente inventados, sin relación con la realidad. Copia información de internet de manera incorrecta. Solo funciona si el usuario sobreestima sus capacidades.

¿Cuál de los siguientes no constituye un desafío técnico para la inteligencia artificial?. Altos requerimientos de recursos computacionales. La incapacidad de la IA para aprender de datos nuevos. Ausencia de estándares universales. Elevados costos y consumo energético.

¿Cuál de las siguientes es una limitación de los datos estructurados?. Permiten procesar grandes volúmenes de información de forma rápida y precisa. No capturan fenómenos complejos y requieren que la información esté bien definida, lo que limita su flexibilidad. Son fáciles de almacenar y consultar en bases de datos o hojas de cálculo. Su formato homogéneo reduce la probabilidad de errores durante el análisis.

Si un algoritmo de IA agrupa clientes o imágenes en categorías según similitudes sin usar etiquetas previas, ¿qué técnica está utilizando?. Redes neuronales. Clustering. Regresión. Clasificación.

¿Cuál de los siguientes ejemplos describe mejor un modelo de refuerzo?. Un modelo que analiza hábitos de compra de clientes y los agrupa en perfiles similares sin etiquetas. Un modelo que clasifica correos electrónicos como spam o no spam usando datos etiquetados. Un modelo que aprende a jugar a un videojuego mejorando con cada partida gracias a recompensas y penalizaciones. Un modelo que predice el precio de una vivienda según su tamaño y ubicación.

¿Cuál de las siguientes es una ventaja de los datos no estructurados para la inteligencia artificial?. Su volumen y diversidad necesitan grandes capacidades de almacenamiento y cómputo. Contienen gran riqueza informativa y permiten entrenar modelos que reconocen patrones complejos. Pueden introducir sesgos si los conjuntos de entrenamiento no son representativos. Requieren mucho procesamiento previo para ser interpretados por la máquina.

¿Cuál de los siguientes ejemplos representa el uso de una red neuronal convolucional (CNN)?. Un modelo que aprende a jugar a un videojuego mediante prueba y error. Un sistema de reconocimiento facial que desbloquea un móvil utilizando análisis de imágenes. Un sistema que predice el precio de una vivienda según su tamaño y ubicación. Un modelo que analiza correos electrónicos para clasificarlos como spam o no spam.

¿Qué describe mejor a Adobe Firefly?. Es un asistente de productividad de Microsoft que ayuda con correos y presentaciones. Es un modelo de IA generativa de Adobe especializado en contenido visual, que crea imágenes y efectos a partir de descripciones textuales y se integra en aplicaciones como Photoshop o Illustrator. Es un chatbot que responde preguntas académicas con referencias verificables. Es un modelo de IA diseñado para análisis de datos financieros.

¿Cuál de las siguientes es una limitación o precaución importante al generar imágenes con IA?. La calidad de la imagen generada no se ve afectada por la precisión o detalle del prompt. La IA siempre genera imágenes perfectas sin necesidad de instrucciones detalladas ni consideraciones legales. No existen problemas de sostenibilidad ni de sesgos culturales en los modelos de generación de imágenes. Los modelos requieren gran cantidad de recursos computacionales, pueden reproducir sesgos presentes en los datos, surgen dudas sobre propiedad intelectual y los resultados dependen de la claridad del prompt.

¿Cuál es la práctica más recomendable al crear imágenes con IA para un propósito específico?. Indicar el color principal de la imagen y dejar el resto al azar. Proporcionar instrucciones detalladas sobre propósito, estilo, elementos clave, colores, estado de ánimo y público objetivo. Evitar mencionar el público objetivo o referencias, ya que no influyen en el resultado. Dejar que la IA genere imágenes sin ninguna indicación o contexto.

Al utilizar IA para transformar imágenes existentes, ¿qué se recomienda para obtener resultados de alta calidad y adecuados al propósito?. Ignorar cualquier aspecto legal o de derechos de propiedad intelectual, ya que la IA siempre protege los contenidos originales. Solo indicar el color principal que se desea cambiar y dejar el resto a la IA. Especificar la naturaleza de la transformación, describir la imagen original, detallar el resultado deseado, incluir herramientas o técnicas, y considerar implicaciones legales. No es necesario detallar la imagen original ni el resultado deseado; la IA generará automáticamente la mejor versión.

¿En qué consiste el role prompting al elaborar un prompt para IA y cuál es su principal ventaja?. Dar instrucciones vagas para que la IA interprete libremente el objetivo; evita limitaciones de contexto. Pedir a la IA que genere contenido sin ninguna indicación sobre rol, estilo o audiencia; asegura máxima creatividad. Limitar la IA a respuestas de una sola palabra para aumentar la precisión. Asignar un rol o perspectiva a la IA para orientar estilo, vocabulario y criterios; permite obtener respuestas más alineadas con el contexto.

¿Cuál de las siguientes competencias es clave para aprovechar la IA considerando su impacto social y sostenibilidad?. Evaluar sesgos y discriminación, la brecha digital y el coste energético de los modelos de IA, promoviendo un uso ético y sostenible. Evitar analizar la brecha digital, ya que todas las personas tienen el mismo acceso a la IA. Centrarse solo en el rendimiento técnico de la IA, ignorando aspectos éticos o sostenibles. Aprender únicamente a usar la IA sin preocuparse por consecuencias sociales o ambientales.

En una empresa, ¿cómo puede un empleado integrar la IA en sus tareas diarias de forma práctica y efectiva?. Evitando cualquier uso de IA y realizando todas las tareas manualmente para mantener el control total. Solo utilizando IA para generar contenido creativo, sin aplicarla a tareas administrativas o de análisis. Confiando en que la IA resuelva problemas estratégicos complejos sin supervisión humana. Utilizando IA para automatizar tareas repetitivas, como leer y organizar facturas y contratos, filtrar correos prioritarios, analizar datos de ventas simples y programar reuniones según disponibilidad.

¿Cómo puede la IA ayudar a un profesional a mejorar la comunicación y presentación de datos en su trabajo diario?. Solo generando contenido textual sin considerar la audiencia ni la presentación visual. Sustituyendo completamente al profesional en todas las decisiones comunicativas sin supervisión. Limitándose a almacenar datos sin facilitar su comprensión o presentación. Personalizando mensajes según la audiencia, creando gráficos e infografías interactivas, adaptando la traducción y localización, y estructurando la información de manera lógica.

En el ejemplo de colaboración entre IA y equipo de marketing, ¿cuál es el papel principal de cada uno?. La IA genera borradores de anuncios, eslóganes o diseños; el equipo humano selecciona, pule y asegura que la propuesta final refleje la identidad de la marca. La IA toma todas las decisiones estratégicas, mientras el equipo humano solo aprueba sin cambios. La IA y el equipo humano realizan exactamente las mismas tareas sin diferenciación de roles. El equipo humano genera los borradores y la IA selecciona cuál refleja mejor la identidad de la marca.

¿Cómo puede la IA potenciar la creatividad e innovación aumentada?. Generando ideas nuevas, visualizando conceptos mediante diagramas o infografías, y transformando contenido para diferentes audiencias. Sustituyendo completamente el pensamiento humano sin aportar nuevas ideas. Ignorando el contexto o la audiencia al generar material visual o textual. Limitándose a tareas repetitivas sin influir en la generación de contenido creativo.

¿Cuáles son algunas de las tareas clave de un Analista de Datos Junior con Enfoque en IA?. Crear imágenes y vídeos con IA sin analizar datos numéricos. Preparar y limpiar conjuntos de datos, identificar patrones con IA, generar visualizaciones y comunicar resultados a equipos no técnicos. Supervisar el consumo energético de modelos de IA sin procesar datos. Programar redes neuronales profundas sin interpretar resultados.

¿Cuál es la función principal de un Supervisor de IA?. Crear modelos de IA desde cero sin considerar su ética o resultados. Garantizar que los sistemas de IA funcionen correctamente, de manera ética y alineada con los objetivos de la organización. Solo gestionar la infraestructura de servidores de IA. Diseñar prompts para generar contenido creativo sin supervisión.

¿Cuál es la función principal de un Analista de Datos Junior con Enfoque en IA?. Gestionar únicamente la infraestructura de servidores de IA. Desarrollar modelos de IA avanzados desde cero sin analizar datos. Combinar análisis de datos básico con herramientas de IA para optimizar procesos. Diseñar prompts para chatbots y asistentes virtuales.

¿Cuáles son habilidades y conocimientos clave para un prompt designer?. Solo habilidades artísticas para generar imágenes sin usar prompts. Solo conocer el funcionamiento básico de la IA, sin necesidad de técnicas avanzadas. Comprensión profunda de modelos de IA, habilidades de comunicación, capacidad para estructurar solicitudes claras y conocimiento de técnicas avanzadas como few-shot prompting. Supervisión de la energía consumida por los modelos de IA, sin crear instrucciones.

¿Cuáles son algunas de las responsabilidades clave de un Supervisor de IA?. Monitorizar resultados para detectar sesgos o errores, evaluar calidad y relevancia de salidas, ajustar parámetros y aplicar salvaguardas éticas. Programar algoritmos sin evaluar la calidad de los resultados. Analizar únicamente el coste energético de los sistemas de IA. Generar automáticamente contenido visual y textual sin supervisión ética.

¿Qué tipo de sesgo aparece cuando los métodos de recogida de datos contienen errores o distorsiones?. Sesgo de medición. Sesgo de selección. Sesgo en prompts. Sesgo de confirmación.

¿Cuál de estas es una medida para mitigar los sesgos algorítmicos?. Usar solo datos históricos. Uniformidad de los datos. Supervisión humana sobre los resultados de la IA. Reducir el tamaño de los datos.

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

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

¿Qué es el sesgo de selección?. La magnificación de los sesgos ya existentes en los datos de entrenamiento, haciendo que aparezcan con más fuerza de lo que ocurre en la realidad. Los datos o las preguntas que se introducen en el sistema se diseñan de manera que refuerzan creencias o hipótesis previas. Los datos de entrenamiento no representan a toda la población. Los métodos de recogida de datos contienen errores o distorsiones.