Preguntas IA

Desde sus inicios la IA ha realizado grandes progresos, pero las soluciones generales a problemas reales continúan sin ser alcanzadas plenamente. Indicar, de entre las siguientes, el área con mayor éxito en soluciones de propósito general: “Image understanding” en la comprensión de escenas naturales del mundo real. “Pattern Recognition”, como rama de “machine learning” que se centra en el reconocimiento de patrones y regularidades en los datos. “Speech understanding” en la comprensión del lenguaje natural. "Planning and Reasoning“para los sistemas generales con las complejidades del mundo real. Todas son correctas.

En el contexto de la IA existe un paradigma denominado IA fuerte o “strong AI” que se caracteriza por perseguir la creación de: Un programa informático que produce el comportamiento racional más fuerte posible para tomar una decisión. Un programa informático capaz de modelar el razonamiento cognitivo del ser humano. Un programa informático capaz de superar a un ser humano en el test de Turing. Un programa informático capaz de mantener una conversación con un ser humano. Todas son correctas.

Entre las iniciativas de éxito (citadas a continuación), impulsadas por la IA moderna, indicar cual NO es correcta. Gran auge de los niveles de autonomía en la Robótica. IBM, a través de la supercomputadora Deep Blue, derrota al campeón del mundo de ajedrez (Kaspárov). Planificación autónoma en los programas espaciales de la NASA. Progreso significativo de las técnicas de reconocimiento de formas provenientes del paradigma conexionista (e.g. Deep Learning Approach). Gran avance del “razonamiento automatizado del sentido común” por Minsky.

En el contexto del proyecto del robot “Shakey” indicar cuál de las respuestas es correcta. La parte visible era solo su extensión móvil. El cerebro real ocupaba una sala entera en otra parte del laboratorio con una segunda computadora que actuaba como interfaz de control. Hoy en día cualquier video consola posee mucha más potencia que estos dos ordenadores juntos. Shakey fue descrito en la revista Life (1970) como "the first electronic person". Todas son correctas.

En el contexto del proyecto del robot "Shakey" indicar cuál de las siguientes afirmaciones es correcta. Sirvió de inspiración en la Planificación de Tareas. El “cerebro real” ocupaba varias salas con diferentes computadoras. Se desarrolló el algoritmo de Dijkstra para la planificación de trayectorias. Constituyó un hito en su capacidad senso-motora. Todas son correctas.

En el contexto del proyecto del robot "Shakey" indicar cuál de las siguientes afirmaciones es correcta. Fue un sistema pionero en el desarrollo de arquitecturas reactivas. El “cerebro real” ocupaba varias salas con diferentes computadoras. Se desarrolló el algoritmo A* para la planificación de trayectorias. Shakey fue descrito en la revista Life (1970) como "the first iron person". Sirvió de inspiración para desarrollar el Algoritmo de Dijkstra.

¿Cuál es el papel principal de los algoritmos de “pathfinding” en el contexto de los videojuegos? Hay que indicar que afirmación es correcta. Generar gráficos tridimensionales. Tomar decisiones estratégicas. Planificar la distribución de recursos. Encontrar rutas óptimas de movimiento. Optimizar algoritmos de renderización.

Indicar qué aspecto, de los aquí descritos, NO se relaciona directamente con la IA aplicada a videojuegos. Extensión del tiempo de vida del juego. Sensorización y captura del movimiento. Simulación completa de un jugador virtual (bot). Generación de mapas y terrenos. Generación de enemigos más inteligentes (e.g. reaccionar adecuadamente ante ataques inesperados).

Existen aspectos cruciales que marcan la diferencia entre la denominada IA académica y la enfocada al contexto de los videojuegos. Indicar las respuestas correctas que se aplicarían exclusivamente al dominio de los videojuegos: El objetivo es diseñar agentes que proporcionen la ilusión de inteligencia y nada más. El mercado marca las tendencias en las nuevas ideas y desarrollos. Sobrepasar determinadas habilidades del ser humano no es prioritario. Se busca imitar la función cognitiva humana a través de la máquina.

En el contexto de la IA académica, indicar cuál de las siguientes afirmaciones es correcta. La IA es la ciencia y la ingeniería de hacer máquinas inteligentes, especialmente programas informáticos inteligentes. Una máquina inteligente tenderá a construir dentro de sí misma un modelo abstracto del entorno en el que se ubica. El primer texto publicado, escrito por Turing, enfocado completamente en la inteligencia de las máquinas fue “Computing Machinery and Intelligence” (1950). Una medida de la inteligencia de cualquier homínido es la fracción de su corteza motora dedicada al control de su capacidad manipuladora. Todas son correctas.

En el contexto de los “Steering Behaviors” cuál de las siguientes afirmaciones es correcta. Wander representa un movimiento aleatorio. Flocking resulta de combinar Separation, Cohesion y Alignment. Evasion es similar a Flee excepto que ahora el objetivo es otro NPC en movimiento. Arrival es análoga a Seek mientras el personaje está lejos de alcanzar su objetivo. Todas son correctas.

En el contexto de los denominados “Steering Behaviors” cuál de las siguientes afirmaciones es incorrecta. Seek (o búsqueda de un objetivo estático) actúa para dirigir al personaje hacia una posición especificada en el espacio global. Flee es simplemente la operación inversa de seek. Pursuit es similar a seek excepto que ahora el objetivo es otro personaje en movimiento. Evasion es análoga a Pursuit, salvo que Wander se usa para alejarse de la posición futura prevista del personaje objetivo. Todas son correctas.

En el contexto de los denominados “Steering Behaviors” cuál de las siguientes afirmaciones NO es correcta. Un grupo de steering behaviors se puede combinar para actuar como un solo comportamiento. Arrival es análoga a Seek mientras el personaje está lejos de alcanzar su objetivo. Evasion es similar a Flee excepto que ahora el objetivo es otro personaje en movimiento. Para calcular la dirección en path following, se realiza una predicción basada en la velocidad de la posición futura del NPC. Alignment calcula una orientación promedio de todos sus vecinos.

En el contexto de los denominados Pathfinding Graphs, indicar cuál de las siguientes respuestas NO es correcta. Existen algoritmos de búsqueda no informada, como los de búsqueda en amplitud o en profundidad, los cuales son capaces de identificar el nodo objetivo sin utilizar el coste del camino encontrado. Para representar un grafo se utilizan, con igual eficiencia, bien las listas o bien las matrices de adyacencia. La esencia crucial del grafo es su conectividad. El número de conexiones, en la ruta más corta de un grafo, que conecta dos nodos, se denomina distancia topológica entre dichos nodos. Los grafos adecuados para pathfinding son grafos dirigidos, ponderados y no negativos.

Con relación al algoritmo A* cuál de las siguientes afirmaciones es incorrecta. A diferencia del algoritmo de Dijkstra, A* está diseñado para la identificación de caminos punto a punto y no para resolver el problema de la ruta más corta en la teoría de grafos. A diferencia de Dijkstra, el nodo de la lista abierta con el menor coste total estimado se selecciona en cada iteración para A*. Dependiendo de la elección de la función heurística, podemos garantizar resultados óptimos, o podemos permitir deliberadamente resultados subóptimos para conseguir una ejecución más rápida de A*. El coste computacional, asociado a la heurística, no puede ser dominante en el algoritmo A*. El algoritmo de Dijkstra es el algoritmo A* con una heurística idénticamente nula.

Con relación al algoritmo A* cuál de las siguientes afirmaciones es correcta. A* es un algoritmo completo, es decir, en caso de existir una solución, siempre dará con ella. A* con una heurística idénticamente nula daría lugar al algoritmo de Dijkstra. La diferencia con otros algoritmos es que A* también tiene en cuenta el coste desde el principio, y no simplemente el coste local del nodo visitado anteriormente. Actualmente se trabaja en la generación automática de heurísticas para A*. Todas son correctas.

Acerca del algoritmo de Dijkstra indicar cuál de las siguientes afirmaciones es correcta. Fue originalmente diseñado para resolver un problema en la teoría matemática de grafos, denominado de forma confusa determinación del "camino más corto". Es un algoritmo muy utilizado en el análisis táctico. Tiene gran aplicación en los videojuegos de estrategia. Este algoritmo no funciona con grafos donde aparecen costes negativos. Todas son correctas.

Un algoritmo de búsqueda se denomina completo si... Siempre encuentra la solución óptima. Siempre encuentra una solución si esta existe. Encuentra todas las soluciones posibles.

Dado el espacio de búsqueda de la figura, se requiere encontrar un camino desde el estado inicial S al estado objetivo G. La tabla muestra tres funciones heurísticas diferentes: h1, h2, y h3. Indicar los tres caminos encontrados por el algoritmo A* utilizando cada una de las heurísticas dadas. h1 (S, B, C, G), h2 (S, B, C, G), h3 (S, B, C, G). h1 (S, B, C, G), h2 (S, B, D, G), h3 (S, B, C, G). h1 (S, B, C, G), h2 (S, B, C, G), h3 (S, B, D, G). h1 (S, B, D, G), h2 (S, B, D, G), h3 (S, B, C, G). Todas son falsas.

Sobre el algoritmo de cálculo de caminos A*, indicar cuál de las siguientes afirmaciones es correcta. El algoritmo A* es un algoritmo “no informado” de búsqueda en grafos. Calcula siempre el camino más corto. Calcula siempre el camino de menor coste. Calcula un camino subóptimo, es decir, un camino de bajo coste, pero no siempre el de menor coste. Calcula siempre una solución en el menor tiempo posible.

Acerca del algoritmo de Dijkstra indicar cuál de las siguientes afirmaciones NO es correcta. Fue originalmente diseñado para resolver un problema en la teoría matemática de grafos, denominado de forma confusa el "camino más corto". Es un algoritmo muy utilizado en el análisis táctico. El algoritmo de Dijkstra termina generalmente cuando la denominada lista abierta está vacía. Se puede modificar, de manera eficiente, para generar solo el camino que nos interesa. Tiene gran aplicación en los juegos de estrategia.

Con relación al algoritmo A* cuál de las siguientes afirmaciones es correcta. A* es un algoritmo completo, es decir, en caso de existir una solución, siempre dará con ella. A* con una heurística idénticamente nula daría lugar al algoritmo de Dijkstra. La diferencia con otros algoritmos es que A* también tiene en cuenta el coste desde el principio, y no simplemente el coste local del nodo visitado anteriormente. Actualmente se trabaja en la generación automática de heurísticas para A*. Todas son correctas.

Dado el espacio de búsqueda de la figura de la izquierda, se requiere encontrar un camino desde el estado inicial A al estado objetivo J. La tabla de la derecha muestra el valor de una función heurística con el coste estimado, desde cada nodo al nodo objetivo J. Indicar cuál sería el primer camino encontrado por el algoritmo A* utilizando la heurística dada. A, B, F, G, J. A, E, H, M, N, J. A, E, H, M, J. A, B, C, D G, J. A, B, C, D, G, K, J.

En el contexto del denominado “pathfinding” existen una serie de propiedades necesarias para vincular los caminos encontrados en la representación típica de los grafos con la representación del mundo asociada. Indicar las respuestas correctas. Cuantización / Localización; Generación; Depuración. Cuantización / Localización; Generación; Validación. Cuantización / Localización; Implementación; Validación.

“Según el árbol de decisión de la Figura, cuando la Vida = 1 y las Balas = 10, la acción debería ser Defender”. Verdadero. Falso.

Referido a los “árboles de decisión” se observan las siguientes ventajas (selecciona la que NO se cumpla): Permiten estructurar la toma de una gran cantidad de decisiones. Controlando la profundidad del árbol se puede controlar su tiempo de ejecución. Es posible seguir la secuencia de decisiones que lleva al árbol a tomar una decisión final. Permiten una mayor flexibilidad que otras estructuras, como los árboles de comportamiento. Pueden utilizarse como técnica de “aprendizaje por inducción” en el paradigma simbólico.

En el contexto de los Árboles de Decisión, indicar cuál de las siguientes afirmaciones es correcta. Aunque el árbol de decisión es más simple con múltiples ramas, la velocidad de ejecución no mejora significativamente. Los árboles de decisión clasifican las variables continuas, creando regiones binarias a partir de umbrales. Los árboles de decisión suelen ser binarios porque pueden optimizarse más fácilmente. Con un árbol binario se puede resolver cualquier cosa que se pueda solucionar con un árbol más complejo, por ello los árboles de decisión suelen implementarse como binarios. Todas son correctas.

En el contexto de las “Máquinas de Estado Finito” (FSMs) existen una serie de consideraciones en cuanto a su uso en videojuegos. Indicar cuál de las siguientes afirmaciones es correcta: Son muy simples de reutilizar en juegos diferentes. El proceso de edición de la lógica de un FSM es de muy alto nivel. Son fácilmente escalables. Operan siempre en modo deliberativo. Se definen mediante una lista de sus estados, su estado inicial y las entradas que desencadenan cada transición.

En el contexto de las denominadas “Máquinas de Estado Finito” (FSMs) se aprecian una serie de limitaciones en cuanto a su uso en videojuegos. Indicar cuál de las siguientes afirmaciones es incorrecta: Son fáciles de reutilizar en juegos diferentes. El proceso de edición de la lógica de un FSM es de muy bajo nivel. Operan siempre en un modo reactivo. Conllevan una mínima sobrecarga computacional. Son intuitivas y se asemejan al modelo de racionamiento humano.

En el contexto de los denominados “Behavior trees” (BTs) se aprecian una serie de ventajas en cuanto a su uso en videojuegos. Indicar cuál de las siguientes afirmaciones es incorrecta: Son fácilmente escalables. Permiten un alto grado de reusabilidad. Un referente de uso en la industria de videojuegos sería “F.E.A.R.” de Monolith Productions. Permiten ejecución en modo concurrente. Su programación es más compleja que la de Máquinas de Estado.

En el contexto del denominado “Decision Making” indicar cuál de las siguientes afirmaciones es correcta. En las “máquinas de estado jerárquicas” (HFSM) se utilizan algoritmos iterativos para procesar toda la jerarquía. El denominado “Goal-Oriented Action Planning” fue desarrollado a partir del videojuego “Halo 2”. Los “Arboles de Comportamiento” implementan una forma de búsqueda simple, a veces denominada planificación activa. Las “Condiciones” y “Acciones” de un “Árbol de Comportamiento” son tareas que ocuparán siempre las hojas de dicha estructura. Todas son correctas.

Entre las diferentes herramientas utilizadas en la IA para videojuegos existen algunas que facilitan enormemente el procesamiento desacoplado de objetivos y acciones. Indicar cuál de las siguientes sería la idónea: Máquinas de Estado Finito. Árboles Binarios de Decisión. Planificadores. Árboles de Comportamiento. Todas son correctas.

En el contexto de los beneficios que aportan los planificadores de IA a los videojuegos indicar cuál de las siguientes afirmaciones es incorrecta. Facilitan el acople entre objetivos y acciones. Permiten diseñar comportamientos por capas. Facilitan la solución dinámica de problemas. Uno de los ejemplos más conocidos sería GOAP, inspirado en STRIPS y A*. GOAP es particularmente útil en juegos con entornos complejos y objetivos múltiples.

En el contexto de los planificadores indicar cuál de las siguientes afirmaciones NO es correcta. Un NPC percibe el entorno (el mundo del juego virtual) a través de sensores y actúa sobre él a través de actuadores (componentes de software que afectan el mundo virtual). El agente reactivo deriva sus decisiones únicamente sobre la base de sus percepciones actuales en lugar de las basadas en modelos que utilizan el histórico de percepciones. Históricamente, el planificador STRIPS se utilizó para guiar los movimientos de Shakey hacia sus objetivos. Un planificador requiere de un modelo del mundo, que utiliza exclusivamente dos ingredientes: un conjunto de estados y un conjunto de acciones. Un NPC, en el nivel de implementación, se diseña comúnmente como un agente.

Indicar cuál de las siguientes afirmaciones es correcta: Los Mapas de Influencia se utilizan para…. Buscar puntos débiles del adversario, analizando la localización de sus defensas. Cuantificar si nuestro oponente tiene más fuerzas que nosotros. Detectar regiones de interés, o aquellas otras que debemos evitar. Guiar el movimiento de tropas. Todas son correctas.

En el contexto del denominado análisis táctico se suele distinguir entre propiedades estáticas, dinámicas y en evolución. Cuál de las siguientes afirmaciones es correcta: El terreno y la topología se consideran propiedades estáticas. Los recursos humanos se consideran propiedades en evolución. El nivel de peligro se considera una propiedad dinámica. La evolución de las sombras se considera una propiedad dinámica. Todas son correctas.

En el nivel táctico de la IA para videojuegos cuál de las siguientes afirmaciones es correcta. Las localizaciones en el análisis táctico forman una representación natural del nivel del juego, especialmente en los niveles outdoor. Básicamente, el Pathfinding táctico, en lugar de buscar la ruta más corta o rápida, se focaliza en la situación táctica del juego. Para el pathfinding táctico se utilizan los mismos algoritmos convencionales de pathfinding, y con el mismo tipo de representación gráfica. En niveles indoor, o para juegos sin análisis tácticos, podemos usar los denominados waypoint tácticos. Todas son correctas.

Relativo a la “Representación del Mundo” en el Pathfinding indicar que afirmación NO es correcta. El mecanismo necesario para convertir localizaciones del juego en nodos del grafo se denomina “Quantization”. El mecanismo necesario para convertir los nodos del grafo, que forman el camino encontrado, en las localizaciones del juego, se denomina “Localization”. La representación más simple usada para teselar el espacio será la rejilla (tile graph), que ofrece una representación de grafo elemental, aunque pueda ser poco eficiente, dado el número de nodos que suele conllevar. Cuantos menos nodos haya en el grafo y mejor ubicados, más eficiente será el comportamiento de los algoritmos de pathfinding. La técnica manual por excelencia para teselar el espacio se basa en los denominados “Points of Visibility”.

“El aprendizaje por refuerzo es un tipo de aprendizaje supervisado porque el usuario humano debe proporcionar las recompensas.”. Verdadero. Falso.

¿Qué método de aprendizaje por refuerzo es más adecuado para entrenar a un agente en un entorno de videojuego en tiempo real?. Aprendizaje profundo. Aprendizaje supervisado. Algoritmos evolutivos. Q-Learning X. Todas son correctas.

En el contexto de Learning ¿Cómo descubren las computadoras nuevos conocimientos?. Reduciendo de manera sistemática la incertidumbre. Simulando estrategias evolutivas. Emulando el comportamiento del cerebro. Descubriendo similitudes entre lo antiguo y lo nuevo. Todas son correctas.

En el contexto de machine learning, ¿Qué tipo de aprendizaje es el más apropiado para generar escenarios?. Aprendizaje no supervisado. Aprendizaje supervisado. Aprendizaje por refuerzo. Aprendizaje aleatorio. Todas son falsas.

“Al actualizar el árbol de decisión de la Figura con un nuevo ejemplo con “Vida ≤ 5” y “Balas ≥ 15, Huir”, utilizando el algoritmo ID4, el resultado es el mismo.”. Verdadero. Falso.

“La entropía del nodo raíz de un árbol de decisión construido con ID3 ó ID4 es siempre mayor que la entropía de cualquiera de los otros nodos porque el criterio para dividir es aumentar la ganancia de información”. Verdadero. Falso.

Los algoritmos ID3 e ID4 se relacionan con el enfoque de aprendizaje descrito por: Paradigma Simbólico. Paradigma Conexionista. Modelo Evolutivo. Modelo Bayesiano. Todas son falsas.

“En general, un algoritmo de Q-learning consta de tres componentes: estrategia de exploración, regla de aprendizaje y conjunto de datos etiquetado”. Verdadero. Falso.

En el contexto del denominado Q-Learning indicar cuál de las siguientes afirmaciones NO es correcta. Requiere un modelo predefinido del entorno. El algoritmo trabaja de forma iterativa, generando episodios sucesivos. Cuanto menor sea el parámetro Gamma menos influencia tienen las recompensas futuras. "Q” se puede decir que representa la "calidad" de una acción tomada en un estado dado. El objetivo siempre es alcanzar el estado asociado con la mayor recompensa.

En el contexto del denominado Q-Learning indicar cuál de las siguientes afirmaciones NO es correcta. No requiere un modelo predefinido del entorno. El algoritmo trabaja de forma iterativa, generando episodios sucesivos. Cuanto menor sea el parámetro Gamma más influencia tienen las recompensas futuras. "Q” se puede decir que representa la "calidad" de una acción tomada en un estado dado. El objetivo siempre es alcanzar el estado asociado con la mayor recompensa.

Entre las siguientes ventajas del denominado Paradigma Conexionista indicar cual NO es correcta: La computación no se rige por reglas. La información es distribuida. Permite la tolerancia a fallos respecto de los datos. Reproducen el procesamiento en serie. Todas son falsas.