Optativa IA (intento 2) - Examen final Ilerna

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

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

Desde el año 2000 hasta la actualidad, la inteligencia artificial ha experimentado grandes avances gracias a la era del Big Data y el aprendizaje profundo. ¿Qué factores han sido clave para estos avances?. La eliminación de los algoritmos tradicionales y la disminución de la potencia de cálculo. La reducción de los datos disponibles y la simplificación de las redes neuronales. La sustitución de la IA por métodos estadísticos clásicos. La disponibilidad de grandes cantidades de datos y el desarrollo de redes neuronales más complejas.

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

Aunque la inteligencia artificial puede manejar grandes volúmenes de datos y realizar tareas complejas, sigue presentando limitaciones. ¿Cuál de las siguientes afirmaciones refleja mejor estas limitaciones?. La IA nunca se equivoca si los datos de entrada son incompletos o ambiguos. La IA siempre produce resultados precisos y fiables. Los asistentes de voz siempre interpretan correctamente instrucciones poco claras como “pon mi música favorita”. Los modelos de IA, especialmente los generativos, pueden cometer errores, reflejar sesgos de los datos de entrenamiento y generar desinformación.

¿Qué caracteriza principalmente a los datos no estructurados?. Carecen de un formato predefinido y se presentan en formas variadas como textos, imágenes, audio o vídeo. Solo se encuentran en bases de datos empresariales. Siguen un formato fijo de filas y columnas que facilita su almacenamiento en bases de datos tradicionales. Son siempre numéricos y fáciles de analizar con herramientas simples.

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

¿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 predice el precio de una vivienda según su tamaño y ubicación. Un modelo que aprende a jugar a un videojuego mejorando con cada partida gracias a recompensas y penalizaciones.

¿Cuál de los siguientes ejemplos representa el uso de una red neuronal convolucional (CNN)?. Un sistema que predice el precio de una vivienda según su tamaño y ubicación. 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 modelo que analiza correos electrónicos para clasificarlos como spam o no spam.

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

¿Cuál es la práctica más recomendable al crear imágenes con IA para un propósito específico?. Dejar que la IA genere imágenes sin ninguna indicación o contexto. Evitar mencionar el público objetivo o referencias, ya que no influyen en el resultado. 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.

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. Especificar la naturaleza de la transformación, describir la imagen original, detallar el resultado deseado, incluir herramientas o técnicas, y considerar implicaciones legales. Solo indicar el color principal que se desea cambiar y dejar el resto a la IA. No es necesario detallar la imagen original ni el resultado deseado; la IA generará automáticamente la mejor versión.

¿Qué caracteriza al few-shot prompting al elaborar prompts para IA y cuál es su principal ventaja?. No incluir ejemplos; dejar que la IA genere la respuesta de forma totalmente libre. Incluir cientos de ejemplos para que la IA memorice todas las respuestas posibles. Incluir unos pocos ejemplos que muestren el tipo de respuesta esperada; ayuda a reducir la variabilidad y alinear el estilo de la salida. Dar instrucciones vagas y sin ejemplos; esto garantiza máxima creatividad.

¿Por qué los modelos de texto de inteligencia artificial son capaces de generar texto coherente y realizar tareas lingüísticas complejas?. Porque analizan únicamente imágenes y vídeos sin necesidad de datos textuales. Porque funcionan únicamente con bases de datos estructuradas de números y fechas. Porque se basan en reglas predefinidas y no requieren entrenamiento con datos. Porque se entrenan con enormes cantidades de datos textuales, lo que les permite comprender contextos y patrones del lenguaje.

¿Qué describe mejor a Adobe Firefly?. Es un asistente de productividad de Microsoft que ayuda con correos y presentaciones. Es un chatbot que responde preguntas académicas con referencias verificables. Es un modelo de IA diseñado para análisis de datos financieros. 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.

¿Por qué son importantes el aprendizaje continuo y la adaptabilidad tecnológica para aprovechar la IA?. Porque una vez aprendida una herramienta de IA, nunca es necesario volver a actualizarse. Porque la IA no cambia, por lo que la adaptabilidad no es relevante. Porque basta con aprender una sola herramienta de software para dominar todas las aplicaciones de IA. Porque la IA evoluciona rápidamente, y actualizar habilidades permite aprovechar nuevas herramientas y oportunidades.

¿Cuáles de las siguientes competencias son clave para aprovechar la inteligencia artificial de manera eficaz, ética y creativa?. Solo aprender a programar sin preocuparse por ética ni impacto social. Pensamiento crítico, diseño de prompts, creatividad, colaboración humano-IA, aprendizaje continuo, ética digital y alfabetización crítica. Memorizar todas las funcionalidades de un software de IA sin cuestionar su uso. Evitar la interacción con IA y centrarse únicamente en métodos tradicionales de trabajo.

¿Cuál de las siguientes prácticas es fundamental para diseñar prompts efectivos y aprovechar al máximo la IA?. Escribir instrucciones vagas y ambiguas para que la IA decida el contenido por sí misma. No indicar estilo ni tono, ya que la IA genera automáticamente el más adecuado. Incluir especificidad, claridad, contexto y definir estilo y tono en las instrucciones. Evitar dar contexto o público objetivo; la IA siempre interpreta correctamente.

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

¿Qué describe mejor la colaboración humano-IA en el ámbito laboral y creativo?. La IA facilita tareas como traducciones, coordinación global y análisis rápido, mientras la persona aporta criterio, ética y empatía. La IA reemplaza completamente al ser humano, tomando todas las decisiones sin intervención. La IA solo sirve para trabajo individual y no mejora la cooperación en equipos internacionales. La IA evita la necesidad de sensibilidad o criterio humano en cualquier proyecto.

¿Cuál de los siguientes conocimientos es específicamente relevante para un prompt designer?. Diseño de hardware para GPUs de alto rendimiento. Gestión de inventarios y logística de la empresa. Técnicas avanzadas como few-shot prompting y cadena de pensamiento para guiar las respuestas de la IA. Creación de campañas publicitarias sin interacción con la IA.

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

¿Cuál de las siguientes actividades forma parte de las tareas de un Analista de Datos Junior con Enfoque en IA?. Supervisar únicamente la seguridad de los servidores de IA. Generar contenido gráfico o audiovisual sin análisis de información. Preparar y limpiar datos, identificar patrones con IA, crear visualizaciones y comunicar resultados a equipos no técnicos. Programar redes neuronales profundas sin interpretar los datos.

¿Cuáles son algunas de las responsabilidades clave de un Supervisor de IA?. Analizar únicamente el coste energético de los sistemas de IA. Generar automáticamente contenido visual y textual sin supervisión ética. 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.

¿Cuál es la función principal de un prompt designer?. Programar algoritmos de IA desde cero sin usar prompts. Supervisar únicamente la infraestructura de hardware de los modelos de IA. Crear instrucciones precisas (prompts) para que la IA genere resultados alineados con lo esperado. Generar contenido creativo sin necesidad de interacción con la IA.

¿Qué es el sesgo de selección?. Los métodos de recogida de datos contienen errores o distorsiones. 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 de entrenamiento no representan a toda la población. Los datos o las preguntas que se introducen en el sistema se diseñan de manera que refuerzan creencias o hipótesis previas.

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

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

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

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