Super test de IA

¿Qué enfoque de la I.A. se centra en “hacer lo correcto” a partir de las percepciones del agente?. El enfoque del agente racional. El enfoque del modelo cognitivo. El enfoque de las leyes del pensamiento.

¿En qué año se adoptó el término “Inteligencia Artificial” durante la conferencia de Dartmouth?. 1956. 1950. 1965.

Según la clasificación habitual, ¿qué tipo de I.A. describe un sistema especializado en una sola tarea como AlphaGo?. I.A. específica. I.A. general. Súper-inteligencia.

¿Cuál de las siguientes capacidades NO se considera imprescindible para superar la prueba de Turing clásica (solo texto)?. Visión por computador. Procesamiento del lenguaje natural. Razonamiento automático.

¿Qué autor propuso el “General Problem Solver” para seguir los pasos del razonamiento humano?. Newell y Simon. McCulloch y Pitts. LeCun, Bengio y Hinton.

¿Cuál de estos hitos supuso la victoria de un sistema I.A. sobre un campeón mundial de ajedrez humano?. Deep Blue vs. Garry Kasparov (1997). Watson en Jeopardy (2011). AlphaZero vence al mejor programa de ajedrez (2018).

El silogismo aristotélico inspira el enfoque de la I.A. basado en: Las leyes del pensamiento (lógica). La ciencia cognitiva. Los agentes racionales.

¿Qué disciplina se pregunta “¿Cómo se deben tomar decisiones para maximizar el rendimiento?” y sirve de fundamento a la I.A.?. Economía. Lingüística. Teoría de control.

¿Quién redactó en 1948 el primer manifiesto sobre I.A. titulado Intelligent Machinery?. Alan Turing. Herbert Simon. Norbert Wiener.

¿Cuál de las siguientes afirmaciones corresponde a la definición de I.A. de la Comisión Europea (2019)?. “Sistemas que muestran comportamiento inteligente analizando su entorno para actuar con cierto grado de autonomía”. “Programas capaces de superar la inteligencia humana en cualquier dominio”. “Arte de desarrollar máquinas con emociones humanas”.

¿Qué conjunto de criterios determina el grado de éxito de un agente en su entorno?. Medida de rendimiento. Secuencia de percepciones. Función de utilidad.

En la especificación REAS, la letra A corresponde a…. Actuadores. Sensores. Agente.

¿Cuál de los siguientes NO es uno de los elementos mínimos de la arquitectura de un agente?. Componente de memoria de largo plazo. Componente de percepción. Componente de selección de acciones.

¿Qué tipo de agente mantiene un estado interno para operar en entornos parcialmente observables?. Agente reactivo basado en modelos. Agente reactivo simple. Agente basado en utilidad.

Los agentes reactivos simples solo pueden tomar la decisión correcta cuando el entorno es…. Totalmente observable. Parcialmente observable. Estocástico.

Un entorno en el que el siguiente estado no está completamente determinado por el estado actual y la acción del agente se denomina…. Estocástico. Determinista. Episódico.

La propiedad que describe un entorno donde la acción correcta no depende de acciones pasadas ni afecta a acciones futuras es…. Episódico. Secuencial. Dinámico.

Según la definición de agente, ¿qué parte decide las acciones a ejecutar a partir de las percepciones?. Mente. Cuerpo. Arquitectura.

La función del agente se diferencia del programa del agente en que la función…. Recibe la secuencia histórica completa de percepciones. Se implementa directamente en hardware. Ignora el entorno.

¿Cuál es el orden de menor a mayor generalidad en los tipos de agentes?. Reactivos simples → Reactivos basados en modelos → Basados en objetivos → Basados en utilidad. Reactivos simples → Basados en objetivos → Reactivos basados en modelos → Basados en utilidad. Reactivos basados en modelos → Reactivos simples → Basados en utilidad → Basados en objetivos.

¿Qué hace primero un agente de resolución de problemas antes de iniciar la búsqueda?. Formular el objetivo a partir de la situación actual y la medida de rendimiento. Generar todos los sucesores del estado inicial. Ejecutar la acción más prometedora.

¿Cuál es la salida de la función sucesor aplicada a un estado x?. Un conjunto de pares (acción, sucesor) alcanzables desde x. El coste estimado desde x hasta el objetivo. La profundidad máxima a explorar desde x.

En la búsqueda primero en anchura (BFS), la frontera (lista ABIERTA) se implementa como: Una cola FIFO. Una pila LIFO. Una cola prioritaria ordenada por f(n).

La búsqueda de coste uniforme encuentra la solución óptima porque: Expande siempre el nodo no expandido de menor coste acumulado g(n). Limita la profundidad del árbol de búsqueda. Evita generar estados repetidos mediante hashing.

Respecto a la búsqueda primero en profundidad (DFS) ilimitada en grafos con ciclos, ¿qué combinación de propiedades es correcta?. No completa y no óptima. Completa y óptima. Completa pero no óptima.

La profundidad iterativa (IDDFS) combina las ventajas de: Primero en profundidad y primero en anchura. Coste uniforme y A. Búsqueda voraz y búsqueda en anchura.

Una heurística h(n) es admisible cuando: Nunca sobreestima el coste real hasta la meta (h(n) ≤ h(n)). Cumple h(n) ≥ h*(n) para todo n. Su valor es constante para todos los estados no objetivo.

En el algoritmo A*, el término g(n) dentro de f(n)=g(n)+h(n) representa: El coste acumulado desde el estado inicial hasta n. La estimación heurística desde n hasta la meta. El coste del último paso aplicado para llegar a n.

Para aplicar técnicas clásicas de búsqueda, el entorno debe ser: Discreto, completamente observable, estático y determinista. Continuo, parcialmente observable y estocástico. Dinámico, continuo y multiagente.

Los cuatro criterios tradicionales para evaluar un algoritmo de búsqueda son: Completitud, optimalidad, complejidad temporal y complejidad espacial. Factor de ramificación, heurística, número de nodos y coste total. Profundidad de la solución, tamaño del espacio de estados, admisibilidad y consistencia.

¿Qué propiedad NO corresponde a los juegos alternativos con información perfecta descritos en el tema?. Los jugadores mueven simultáneamente. Son deterministas (no interviene el azar). Se conocen todos los estados del juego en cada turno.

Según el principio minimax, un nodo MAX toma como valor…. el mayor de los valores de sus sucesores. el menor de los valores de sus sucesores. la media aritmética de los valores de sus sucesores.

La poda alfa-beta descarta una rama del árbol cuando…. su valor no puede mejorar los límites α o β ya calculados. encuentra un nodo cuyo valor es exactamente igual a β. se alcanza la profundidad máxima fijada para la búsqueda.

El efecto horizonte aparece cuando…. el corte de profundidad oculta consecuencias futuras y la evaluación estática produce estimaciones erróneas. la función de utilidad asigna valores idénticos a todos los estados terminales. la ordenación perfecta de nodos elimina toda la poda.

En la terminología del tema, la función que asigna un valor numérico a los estados terminales con respecto a MAX se llama…. función de utilidad. función sucesor. test terminal.

La tabla que recoge la utilidad de cada jugador para cada combinación de acciones en un juego simultáneo se denomina…. matriz de balances finales. árbol de juego. vector minimax.

Una estrategia mixta es aquella que…. asigna una distribución de probabilidad sobre las acciones posibles. elige siempre la misma acción (determinista). depende únicamente de la acción del adversario en la jugada anterior.

En el dilema del prisionero, la estrategia dominante para cada preso es…. testificar contra el otro. rechazar testificar. alternar testificar y rechazar de forma aleatoria.

Un estado en el que ningún jugador puede mejorar su resultado cambiando unilateralmente de estrategia se llama…. equilibrio de Nash. equilibrio de estrategias dominantes. juego de suma cero.

El propósito del diseño de mecanismos es…. configurar un juego para que, al maximizar cada agente su utilidad individual, se maximice también una utilidad global. encontrar la poda óptima del árbol minimax. garantizar que todos los juegos tengan estrategia dominante.

¿Qué elemento define la calidad de cada estado en un problema de optimización local?. Función objetivo. Espacio de estados. Heurística de búsqueda clásica.

¿Cuál de estas variantes de ascensión de colinas elige aleatoriamente un movimiento que mejora la solución?. Escalada estocástica. Escalada simple. Escalada por máxima pendiente.

Entre las ventajas de la búsqueda local, ¿cuál destaca la presentación?. Requiere muy poca memoria. Garantiza siempre el óptimo global. Evita ciclos mediante tablas de transposición.

En la búsqueda haz local (beam search) se realiza, en cada iteración, la siguiente operación: Generar todos los vecinos de los k estados y conservar los k mejores. Ejecutar k búsquedas independientes sin interacción. Elegir un único sucesor al azar de entre los k estados.

El parámetro T del algoritmo de temple simulado sirve para: Controlar la probabilidad de aceptar movimientos peores. Estimar la profundidad máxima de búsqueda. Seleccionar el tamaño de la población inicial.

La búsqueda por temple simulado puede llegar al óptimo global con alta probabilidad cuando: La temperatura se reduce lo bastante despacio (enfriamiento lento) Se fija T = 0 desde el inicio. Se fija T = 0 desde el inicio. La función objetivo es convexa.

En un algoritmo genético, la operación de cruce representa principalmente: Explotación de la información existente en los padres. Exploración aleatoria del espacio. Eliminación de cromosomas duplicados.

En la selección por torneo, aumentar el tamaño del torneo k provoca: Mayor presión selectiva. Más diversidad genética. Reducción del fitness medio.

La operación de mutación en los algoritmos genéticos tiene como finalidad esencial: Introducir exploración y diversidad en la población. Garantizar la reproducción de los individuos élite. Disminuir el coste computacional del cruce.

El elitismo dentro de un algoritmo genético consiste en: Conservar los mejores individuos de una generación para la siguiente. Reemplazar siempre a los padres por sus descendientes. Seleccionar únicamente individuos con fitness inferior a la media.

¿Qué se entiende por solución en un problema de satisfacción de restricciones (PSR)?. Una asignación completa y consistente para todas las variables. Una asignación parcial que cumple al menos una restricción. Una secuencia de operadores que alcanza el objetivo.

En un PSR, el test objetivo está constituido por…. el conjunto de restricciones que delimita las combinaciones válidas de valores. la función sucesor que genera estados vecinos. la heurística que estima la distancia a la meta.

El algoritmo básico de vuelta atrás descrito en el tema equivale a una búsqueda…. en profundidad que asigna una variable por nodo. en anchura no informada. A con heurística admisible.

La heurística de mínimos valores restantes (MVR) selecciona primero…. la variable con menos valores legales disponibles en su dominio. la variable con el dominio más grande. la variable que ya fue asignada en la rama anterior.

Como criterio de desempate, la heurística de grado elige…. la variable que participa en el mayor número de restricciones con variables aún no asignadas. el valor que elimina más opciones en los dominios vecinos. la variable con menor índice en la lista original.

La propagación de restricciones que garantiza que para cada valor de una variable exista al menos un valor compatible en la variable adyacente se denomina…. consistencia de arcos (AC-3). forward checking. k-consistencia.

El procedimiento de forward checking se aplica tras asignar una variable para…. eliminar de los dominios de las variables futuras los valores incompatibles con la nueva asignación. comprobar si todas las variables son ya consistentes por pares. reiniciar la búsqueda desde el estado inicial.

¿Cuál de los siguientes problemas se modela de manera clásica como un PSR?. El problema de las N reinas. La búsqueda del camino más corto de Dijkstra. El entrenamiento de una red neuronal.

La estrategia de mínimos conflictos en búsqueda local para PSR consiste en…. elegir aleatoriamente una variable en conflicto y asignarle el valor que viola el menor número de restricciones. recalcular todos los dominios en cada paso hasta alcanzar consistencia global. aplicar temple simulado con temperatura constante.

En el contexto de PSR, la propiedad de k-consistencia implica que…. todo subconjunto consistente de k − 1 variables puede extenderse con una k-ésima variable manteniendo la consistencia. el grafo de restricciones tiene a lo sumo k componentes conexas. cualquier asignación parcial de tamaño k satisface todas las restricciones.

¿Cuál es el orden correcto en la jerarquía DIKW, desde el nivel más bajo al más alto?. Datos → Información → Conocimiento → Sabiduría. Conocimiento → Información → Datos → Sabiduría. Información → Conocimiento → Datos → Sabiduría.

En la IA simbólica, los hechos del dominio se representan principalmente mediante…. símbolos discretos combinados en estructuras formales. vectores numéricos distribuidos. pesos ajustados con gradiente descendente.

El conocimiento que responde a la pregunta “¿cómo se hace algo?” se denomina…. procedimental u operacional. declarativo o descriptivo. tácito o intuitivo.

La característica fundamental que distingue al conocimiento tácito del explícito es…. su dificultad para ser comunicado formalmente. que siempre está organizado en tablas relacionales. que sólo trata hechos numéricos.

Dentro del conocimiento declarativo, el que utiliza una jerarquía para reutilizar atributos se llama…. conocimiento heredable. conocimiento relacional. conocimiento inferencial.

En un sistema basado en reglas (SBR), la estructura que almacena los hechos actuales se denomina…. Base de Hechos. Motor de Inferencia. Base de Conocimiento.

¿Cuál de los siguientes componentes forma parte del núcleo común de cualquier ontología?. Clases (conceptos). Algoritmo de aprendizaje. Funciones de activación.

Las Redes Bayesianas son un ejemplo de sistemas basados en…. modelos probabilísticos para conocimiento incierto. marcos y ranuras para herencia por defecto. lógica descriptiva para subsunción de clases.

La Teoría de Conjuntos Borrosos se introduce para tratar…. predicados vagos con pertenencia gradual entre 0 y 1. relaciones temporales exactas. optimización combinatoria con heurísticas.

El objetivo principal de un sistema de mantenimiento de verdad es…. actualizar y mantener la consistencia de las creencias cuando cambian los hechos. seleccionar la regla más específica en un SBR. generar axiomas nuevos en una ontología.

¿Qué enunciado describe la definición de aprendizaje propuesta por Tom Mitchell?. “Se dice que un sistema aprende de la experiencia E respecto a una tarea T y una medida de rendimiento P si su desempeño en T mejora con la experiencia E.”. “Aprender es cualquier cambio interno que produzca una respuesta más rápida al mismo estímulo.”. “Aprender consiste en almacenar todos los casos vistos para responder idénticamente en el futuro.”.

El tipo de realimentación que recibe un agente determina principalmente…. el tipo de problema de aprendizaje (supervisado, no supervisado, por refuerzo, etc.). el algoritmo de optimización usado en redes neuronales. el tamaño mínimo del conjunto de test.

En aprendizaje supervisado, el objetivo es encontrar una hipótesis h que…. sea aproximadamente consistente con la función objetivo f en ejemplos no vistos. minimice el número de atributos de entrada del modelo. clasifique perfectamente los datos de entrenamiento aunque falle en los de prueba.

Un signo claro de sobreajuste (overfitting) aparece cuando…. la medida de rendimiento en el conjunto de test es sustancialmente peor que en entrenamiento. la exactitud en entrenamiento y test es idéntica. la curva de aprendizaje muestra mejora continua al añadir más datos.

En los árboles de decisión, el criterio habitual para escoger el atributo de división en cada nodo es…. la mayor ganancia de información (information gain). el menor índice alfabético del atributo. la varianza total de los valores de salida.

El principio fundamental de las Máquinas de Vectores Soporte (SVM) consiste en…. maximizar el margen entre las clases y minimizar el riesgo estructural. reducir la entropía de los nodos internos del árbol. ajustar los pesos con descenso de gradiente estocástico.

El algoritmo k-NN se clasifica como un método…. basado en instancias y no paramétrico. de modelos probabilísticos con aprendizaje incremental. de clustering jerárquico aglomerativo.

El procedimiento de backpropagation en redes neuronales se utiliza para…. ajustar los pesos sinápticos minimizando el error mediante gradiente descendente. seleccionar la función de activación más adecuada. calcular la distancia euclidiana entre vectores de características.

Una característica clave del aprendizaje profundo (Deep Learning) es que…. entrena redes neuronales con muchas capas, aprendiendo representaciones jerárquicas de los datos. siempre requiere funciones de activación lineales para evitar el gradiente nulo. descarta por completo el uso de GPU debido a su elevado coste energético.

Entre las razones del éxito reciente de los modelos de Deep Learning se encuentran: disponibilidad de grandes volúmenes de datos y cómputo paralelo con GPU. la obligatoriedad de pre-entrenamiento supervisado en todas las capas. la eliminación total de hiperparámetros gracias a optimizadores automáticos.

¿Cuál de los siguientes NO es uno de los tres pilares de la visión de la Comisión Europea sobre la IA “made in Europe”?. Impulsar la inteligencia artificial militar estratégica. Aumentar las inversiones públicas y privadas en IA. Prepararse para los cambios socioeconómicos.

Según las Directrices éticas, la fiabilidad de la IA se basa en que sea…. Lícita, ética y robusta. Segura, explicable y rentable. Auditada, sostenible y automática.

¿Qué principio ético exige que los sistemas de IA no subordinen ni manipulen injustificadamente a las personas, manteniendo su capacidad de decisión?. Respeto de la autonomía humana. Prevención del daño. Explicabilidad.

El principio que persigue impedir resultados discriminatorios y garantizar la proporcionalidad entre medios y fines se denomina…. Equidad. Explicabilidad. Robustez técnica.

¿Cuál de los siguientes requisitos clave para una IA fiable engloba auditabilidad, minimización de efectos negativos y búsqueda de compensaciones?. Rendición de cuentas. Gestión de la privacidad y de los datos. Transparencia.

La propuesta de Reglamento europeo clasifica los sistemas de identificación biométrica como de…. Alto riesgo. Riesgo limitado. Riesgo inadmisible.

Un ejemplo de riesgo inadmisible según el Reglamento sería…. Un juguete con IA que induce conductas peligrosas en menores mediante voz. Un chatbot que avisa al usuario de que habla con una máquina. Un filtro de correo basura basado en IA.

¿En qué fecha aprobó la Comisión Europea la creación de la Oficina Europea de Inteligencia Artificial?. 24 de enero de 2024. 13 de marzo de 2024. 22 de abril de 2021.

La Ley de Inteligencia Artificial fue adoptada por la Comisión Europea el…. 13 de marzo de 2024. 24 de enero de 2024. 30 de abril de 2025.

Dentro del marco de una IA fiable, el requisito clave de Solidez técnica y seguridad incluye, entre otros aspectos…. Plan de repliegue y resistencia a ataques. Garantizar trazabilidad y explicabilidad. Evitar sesgos injustos mediante accesibilidad universal.