¿Cuál de las siguientes NO es una característica de la Inteligencia Artificial Débil (IA Débil)?

• Está diseñada para realizar tareas específicas.

• No posee conciencia de sí misma.

• Puede realizar cualquier tarea intelectual que un humano pueda hacer.

• Se utiliza en aplicaciones como el reconocimiento facial y los motores de búsqueda.

• Es conocida también como IA estrecha.

¿Cuál de los siguientes es un ejemplo de una aplicación de IA Fuerte o Inteligencia Artificial General (IAG) que aún NO existe en la realidad?

• Asistentes virtuales como Siri y Alexa.

• Sistemas de recomendación en plataformas como Netflix.

• Robots con conciencia y capacidad de sentir emociones.

• Motores de búsqueda que encuentran información relevante en internet.

• Sistemas de reconocimiento facial para identificar personas en imágenes.

¿Cuál es la principal diferencia entre Machine Learning y Deep Learning?

• Machine Learning utiliza algoritmos para identificar patrones en los datos, mientras que Deep Learning no.

• Deep Learning utiliza redes neuronales con múltiples capas, mientras que Machine Learning generalmente no.

• Machine Learning se enfoca en el reconocimiento de imágenes, mientras que Deep Learning se enfoca en el procesamiento del lenguaje natural.

• Deep Learning puede funcionar con conjuntos de datos más pequeños que Machine Learning.

• Machine Learning es más complejo que Deep Learning.

¿Cuál de las siguientes opciones describe mejor la función de los "ponderamientos" en una red neuronal?

• Son las cantidades de cada ingrediente en una receta.

• Determinan la importancia de cada conexión entre las neuronas.

• Son los pasos intermedios de una receta.

• Reciben los datos de entrada, como una imagen.

• Proporcionan la respuesta final, como "gato" o "perro".

¿Cuál de las siguientes NO es una capa en una red neuronal?

• Capa de entrada

• Capa de ponderación

• Capas ocultas

• Capa de salida

• Todas las anteriores son capas en una red neuronal.

¿Cuál de las siguientes es una ventaja del Deep Learning sobre el Machine Learning tradicional?

• Requiere menos datos para entrenar los modelos.

• Es menos complejo.

• Es más adecuado para tareas simples como la clasificación.

• Puede resolver problemas complejos como el reconocimiento de imágenes.

• No utiliza redes neuronales.

¿Cuál de los siguientes es un ejemplo de aplicación de Machine Learning?

• Generación de imágenes realistas con GANs.

• Entrenamiento de agentes de juegos.

• Detección de fraudes en transacciones con tarjetas de crédito.

• Reconocimiento de objetos en fotos utilizando CNNs.

• Traducción automática utilizando NLP.

¿Cuál de los siguientes es un ejemplo de aplicación de Deep Learning?

• Filtros de spam en correos electrónicos.

• Sistemas de recomendación en plataformas de streaming.

• Vehículos autónomos que perciben su entorno.

• Predicción de series temporales como el precio de las acciones.

• Todas las anteriores son aplicaciones de Deep Learning.

¿En qué tipo de entrenamiento de IA la computadora busca patrones en los datos sin recibir instrucciones específicas?

• Entrenamiento supervisado

• Entrenamiento no supervisado

• Entrenamiento por refuerzo

• Entrenamiento por imitación

• Ninguna de las anteriores

¿En qué tipo de entrenamiento de IA la computadora aprende a través de pruebas y errores, recibiendo recompensas o castigos?

• Entrenamiento supervisado

• Entrenamiento no supervisado

• Entrenamiento por refuerzo

• Entrenamiento por imitación

• Ninguna de las anteriores