Font size
WorksheetsPreguntas sobre Inteligencia Artificial
Total questions: 20
Worksheet time: 10mins
¿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
¿Cuál es la función principal de una transformada en inteligencia artificial?
Resolver laberintos virtuales.
Ordenar juguetes en diferentes grupos.
Agrupar frutas por similitudes.
Cambiar la forma en que se representan los datos.
Ninguna de las anteriores
¿Cuál de las siguientes NO es una razón para utilizar transformadas en inteligencia artificial?
Hacer los datos más fáciles de entender para la computadora.
Extraer características importantes de los datos.
Reducir la dimensionalidad de los datos.
Entrenar a la IA para jugar videojuegos.
Todas las anteriores son razones para utilizar transformadas.
¿Cuál de los siguientes es un ejemplo de cómo se utilizan las transformadas en el procesamiento del lenguaje natural?
Reconocer objetos en imágenes.
Traducir textos de un idioma a otro.
Predecir el precio de las acciones.
Convertir el habla en texto.
Diagnosticar enfermedades a partir de imágenes médicas.
¿Qué son los sesgos algorítmicos en inteligencia artificial?
Errores en el código del algoritmo.
Prejuicios o discriminación presentes en los datos de entrenamiento.
La incapacidad de un algoritmo para procesar grandes cantidades de datos.
La falta de transparencia en el funcionamiento de un algoritmo.
Ninguna de las anteriores.
¿Cuál de las siguientes NO es una posible consecuencia de los sesgos algorítmicos?
Discriminación en la contratación.
Sistemas de justicia penal injustos.
Productos financieros sesgados.
Mayor eficiencia en la automatización de tareas.
Todas las anteriores son posibles consecuencias de los sesgos algorítmicos.
¿Cuál es una de las principales preocupaciones sobre la privacidad en relación con la inteligencia artificial?
La dificultad para entender cómo funcionan los algoritmos.
La recopilación masiva de datos para el entrenamiento de la IA.
El riesgo de que las armas autónomas tomen decisiones letales.
La posibilidad de que la IA reemplace a los humanos en muchos trabajos.
Ninguna de las anteriores.
¿Cuál de las siguientes es una posible solución para abordar el problema del desempleo causado por la automatización de tareas con IA?
Prohibir el desarrollo de la inteligencia artificial.
Ignorar el problema y esperar que se resuelva solo.
Implementar programas de reentrenamiento para los trabajadores.
Limitar el acceso a la educación y la tecnología.
Ninguna de las anteriores.
¿Cuál es uno de los principales riesgos asociados al desarrollo de armas autónomas con IA?
La creación de nuevos empleos en el sector tecnológico.
La pérdida de control sobre las decisiones letales.
La mejora en la precisión de los diagnósticos médicos.
El aumento de la transparencia en los algoritmos.
Ninguna de las anteriores.
¿Por qué la falta de transparencia y explicabilidad en los algoritmos de IA es un desafío ético?
Porque dificulta la identificación de errores y sesgos.
Porque permite un mayor control sobre las decisiones de la IA.
Porque facilita la recopilación y el uso de datos personales.
Porque promueve la igualdad y la justicia en la sociedad.
Ninguna de las anteriores.
¿Cuál de las siguientes es una consideración filosófica importante en relación con la inteligencia artificial?
La velocidad de procesamiento de las computadoras.
La cantidad de datos que se pueden almacenar.
La posibilidad de que una máquina tenga conciencia.
La eficiencia de los algoritmos de aprendizaje automático.
Ninguna de las anteriores.
