Preguntas sobre Redes Neuronales

¿Cuál es el componente más fundamental de una red neuronal?

• Una neurona

• Un peso

• Una capa

En el contexto de una red neuronal, ¿cuál es la función de los "pesos" (weights)?

• Determinan la velocidad de procesamiento de la red.

• Son valores fijos que definen el tamaño de la red.

• Modifican la importancia de las conexiones entre neuronas para influir en el resultado.

¿Para qué se utiliza una función de activación como la Escalon Unitario o ReLU al final del cálculo de una neurona?

• Para añadir más conexiones a la neurona.

• Para convertir la suma ponderada de las entradas en una salida normalizada (ej. entre 0 y 1).

• Para decidir aleatoriamente el valor de salida.

¿Cuál es la limitación fundamental de un perceptrón simple (una red de una sola capa)?

• No puede procesar datos numéricos.

• Es incapaz de resolver problemas que no son linealmente separables.

• Requiere GPUs extremadamente potentes para funcionar.

¿Cómo solucionan las redes neuronales profundas (con capas ocultas) la limitación del perceptrón simple?

• Acelerando la velocidad de cálculo mediante software especializado.

• Creando representaciones intermedias y más abstractas de los datos, lo que permite modelar relaciones complejas.

• Reduciendo el número de pesos para simplificar el problema.

¿Cuál es la tarea fundamental que realiza un Modelo Extenso de Lenguaje (LLM) como GPT?

• Verificar la veracidad de la información en un texto.

• Comprender las emociones del usuario.

• Predecir la siguiente palabra en una secuencia de texto.

¿Qué describe mejor el proceso de "entrenamiento" de una red neuronal?

• La instalación del software en una computadora.

• La escritura manual del código que define cada neurona.

• El ajuste automático de los pesos y sesgos de la red para minimizar el error en un conjunto de datos de ejemplo.

¿Qué algoritmo es fundamental para el entrenamiento de las redes neuronales, ya que permite ajustar los parámetros del modelo de manera eficiente?

• Transformada de Fourier

• Algoritmo de optimización

• Retropropagación (Backpropagation)

¿Qué avance tecnológico fue un catalizador clave para el éxito de las redes neuronales profundas alrededor de 2012, como se vio con AlexNet?

• La invención del ratón de ordenador.

• El desarrollo de procesadores de texto más avanzados.

• El uso de Unidades de Procesamiento Gráfico (GPUs) para cálculos en paralelo.

¿Cuál es la principal innovación de la arquitectura Transformer, introducida en 2017?

• El uso de un número significativamente mayor de capas ocultas.

• La capacidad de procesar secuencias de texto de forma secuencial, palabra por palabra.

• El mecanismo de "atención", que permite al modelo sopesar la importancia de todas las palabras de la entrada simultáneamente.