Capitulo 2

¿Cuál de las siguientes NO es una característica de la inteligencia artificial?

• Capacidad de aprender sin programación explícita.

• Habilidad para realizar múltiples tareas simultáneamente.

• Especialización en la resolución de problemas específicos.

• Dependencia de grandes conjuntos de datos para el entrenamiento.

¿Cuál es la principal diferencia entre el aprendizaje supervisado y el no supervisado en el contexto de la IA?

• El aprendizaje supervisado utiliza etiquetas proporcionadas por humanos, mientras que el no supervisado no.

• El aprendizaje supervisado se utiliza para la clasificación, mientras que el no supervisado se utiliza para la predicción.

• El aprendizaje supervisado es más complejo que el no supervisado.

• El aprendizaje supervisado se basa en redes neuronales, mientras que el no supervisado no.

¿Qué es el 'deep learning' o aprendizaje profundo?

• Un tipo de aprendizaje automático que utiliza redes neuronales artificiales con múltiples capas para aprender representaciones complejas de los datos.

• Un método de entrenamiento de IA que se basa en el refuerzo positivo y negativo.

• Un algoritmo que permite a las máquinas aprender sin necesidad de datos.

• Un tipo de inteligencia artificial que puede realizar cualquier tarea que un ser humano pueda hacer.

¿Cuál de los siguientes es un ejemplo de problema de 'sobreajuste' en el entrenamiento de un modelo de IA?

• El modelo no puede generalizar a nuevos datos debido a la falta de ejemplos de entrenamiento.

• El modelo se ajusta demasiado a los datos de entrenamiento y tiene un rendimiento deficiente en nuevos datos.

• El modelo no puede aprender de los datos de entrenamiento.

• El modelo aprende demasiado rápido y olvida información importante.

¿Cuál de las siguientes afirmaciones sobre las redes neuronales artificiales es FALSA?

• Están inspiradas en el funcionamiento del cerebro humano

• Pueden aprender y mejorar su rendimiento a través del entrenamiento

• Son capaces de realizar cualquier tarea sin necesidad de entrenamiento

• Se utilizan en el aprendizaje profundo

La inteligencia artificial fuerte es aquella que puede pensar y razonar como un ser humano.

• Verdadero

• Falso

El aprendizaje por refuerzo se utiliza principalmente en situaciones donde la información sobre las decisiones correctas o incorrectas llega con retraso.

• Verdadero

• Falso

Los datos utilizados para entrenar modelos de IA siempre son números.

• Verdadero

• Falso

El sesgo en los datos de entrenamiento puede llevar a resultados discriminatorios en los sistemas de IA.

• Verdadero

• Falso

La inteligencia artificial general, capaz de realizar cualquier tarea intelectual que un ser humano puede hacer, es una realidad actual.

• Verdadero

• Falso