Repasa Inteligencia artificial: aquí tienes una selección de preguntas de todos los niveles, con respuesta y explicación. Para ponerte a prueba sin ver las respuestas, juega a los quizzes.
Jugar a los quizzes de Inteligencia artificialRespuesta : Técnicas que permiten a una máquina realizar tareas que requieren inteligencia
La IA agrupa técnicas que hacen que una máquina realice tareas que normalmente requieren inteligencia, como comprender una frase o reconocer un rostro.
Respuesta : Siri
Siri, el asistente de voz de Apple, entiende una petición hablada y responde a ella. Excel, Photoshop y Git no son asistentes de voz.
Respuesta : Un programa que conversa con el usuario en lenguaje natural
Un chatbot es un programa que conversa con una persona en lenguaje natural, por escrito o de viva voz. Las otras opciones describen otros elementos informáticos.
Respuesta : 1950
En su artículo « Computing Machinery and Intelligence », publicado en 1950, Alan Turing propone el juego de la imitación, convertido en la prueba de Turing: un juez debe distinguir a un humano de una máquina a partir de conversaciones escritas.
Respuesta : John McCarthy
John McCarthy, uno de los organizadores de la conferencia de Dartmouth en 1956, es quien se atribuye haber propuesto la expresión « inteligencia artificial ».
Respuesta : 1997
Deep Blue, desarrollado por IBM, gana en mayo de 1997 el match contra Garry Kasparov, campeón del mundo en activo, por 3,5 a 2,5.
Respuesta : Jeopardy
Watson, desarrollado por IBM, vence en 2011 a dos antiguos campeones humanos del juego Jeopardy, que se emite en Estados Unidos.
Respuesta : El go
AlphaGo gana 4 partidas a 1 contra Lee Sedol en marzo de 2016, en el juego de go.
Respuesta : Una etiqueta, es decir, la respuesta esperada
En el aprendizaje supervisado, cada ejemplo va asociado a una etiqueta, por ejemplo « gato » o « perro » en una foto, que el modelo aprende a predecir.
Respuesta : Detectar agrupaciones o una estructura oculta en los datos, sin etiquetas
Sin etiquetas, el modelo busca por sí mismo grupos de ejemplos parecidos, por ejemplo clientes con hábitos de compra similares.
Respuesta : Una recompensa obtenida tras cada una de sus acciones
El agente aprende por ensayo y error: intenta maximizar la recompensa acumulada que le aportan sus acciones en un entorno.
Respuesta : La regresión
Una regresión predice un valor numérico continuo, como un precio o una temperatura, a partir de ejemplos cuyo valor se conoce.
Respuesta : La clasificación
La clasificación asigna una categoría entre varias posibles, aquí « spam » o « no spam », a partir de ejemplos ya etiquetados.
Respuesta : Para evaluar el modelo con datos que nunca ha visto durante el entrenamiento
Un modelo puede parecer muy bueno con los datos que ha aprendido. Solo un conjunto de prueba, mantenido aparte, permite medir su rendimiento con casos nuevos.
Respuesta : Un modelo que se ajusta demasiado a los datos de entrenamiento y generaliza mal a datos nuevos
El sobreajuste aparece cuando el modelo memoriza las particularidades de su conjunto de entrenamiento, incluido el ruido, en lugar de detectar regularidades generales.
Respuesta : La neurona artificial
Una red de neuronas artificiales está formada por neuronas conectadas entre sí y organizadas en capas. Cada neurona calcula una suma ponderada de sus entradas.
Respuesta : El texto de instrucciones o de pregunta que se envía al modelo para obtener una respuesta
El prompt es la entrada que el usuario da al modelo: pregunta, instrucción o ejemplo. La calidad de la respuesta depende mucho de cómo esté redactado.
Respuesta : Una unidad de texto, a menudo una palabra, una parte de palabra o un signo de puntuación
El texto se divide en tokens antes de ser procesado por el modelo. Un token puede ser una palabra entera, un fragmento de palabra o un signo de puntuación.
Respuesta : La cantidad máxima de texto, en tokens, que el modelo puede procesar en una sola petición
La ventana de contexto limita lo que el modelo puede tener en cuenta de una vez: más allá de ese límite, los pasajes más antiguos ya no le son visibles.
Respuesta : Una respuesta falsa o inventada, presentada con seguridad como si fuera exacta
Un LLM produce un texto verosímil sin comprobar los hechos. Así puede inventar una fuente, una fecha o una cita, de ahí la importancia de verificar sus respuestas.
Respuesta : Llama
Llama es una familia de grandes modelos de lenguaje desarrollada por Meta. Gemini es de Google, Claude de Anthropic y GPT de OpenAI.
Respuesta : Attention Is All You Need
Publicado en 2017, el artículo « Attention Is All You Need » introduce el Transformer, una arquitectura basada en el mecanismo de atención, que está en la base de la mayoría de los grandes modelos de lenguaje.
Respuesta : Seguir entrenándolo con un conjunto de datos específico para adaptarlo a una tarea
El fine-tuning especializa un modelo ya entrenado, ajustando sus pesos con ejemplos propios de un dominio o de un estilo de respuesta.
Respuesta : Una representación numérica, en forma de vector, que captura el sentido de un contenido
Textos de sentido cercano tienen embeddings cercanos, lo que permite buscar documentos por similitud y no solo por palabras idénticas.
Respuesta : Los inviernos de la IA
Los inviernos de la IA designan los periodos, sobre todo en los años 1970 y a finales de los años 1980, en que las promesas incumplidas hicieron caer la financiación.
Respuesta : Frank Rosenblatt
Frank Rosenblatt presenta en 1958 el perceptrón, un modelo de una sola capa de neuronas que aprende a clasificar entradas ajustando sus pesos.
Respuesta : AlexNet
AlexNet, entrenada en procesadores gráficos, reduce de forma notable la tasa de error del concurso ImageNet en 2012: es un punto de inflexión para el aprendizaje profundo.
Respuesta : Geoffrey Hinton, Yann LeCun y Yoshua Bengio
La ACM concede en 2018 el premio Turing, a menudo presentado como el Nobel de la informática, a estos tres pioneros de las redes de neuronas profundas.
Respuesta : La capacidad de explicar a una persona las razones de una decisión producida por el modelo
La explicabilidad (XAI) busca hacer comprensibles las decisiones de un modelo, algo necesario cuando una decisión afecta a una persona, como la denegación de un crédito.
Respuesta : Modificar los pesos con pequeños pasos para reducir la función de pérdida
El modelo ajusta sus pesos en el sentido que hace disminuir el error medido por la función de pérdida, repitiendo este paso sobre numerosos ejemplos.
Respuesta : La retropropagación del gradiente
La retropropagación aplica la regla de derivación de funciones compuestas capa tras capa, de la salida a la entrada, para proporcionar esos gradientes al descenso de gradiente.
Respuesta : Las redes convolucionales (CNN)
Los filtros detectan patrones locales, como bordes o texturas, y luego los combinan capa tras capa. Este enfoque está en el centro de la visión por ordenador.
Jugar a los quizzes de Inteligencia artificial