UD1. Fundamentos de la Inteligencia Artificial

¿Cuál es el principal objetivo de la Inteligencia Artificial (IA)?

• Reproducir tareas físicas sin ayuda de software

• Automatizar todo el conocimiento humano

• Crear máquinas conscientes y autónomas

• Simular procesos cognitivos humanos como el aprendizaje o la resolución de problemas

El “cerebro” de un sistema de IA, que guía su funcionamiento, se conoce como:

• Modelo

• Hardware

• Base de datos

• Algoritmo

¿Qué elemento de la IA se considera su “combustible”?

• Modelos predictivos

• Leyes lógicas

• Plataformas de entrenamiento

• Datos

¿Qué tipo de IA es capaz, en teoría, de superar la inteligencia humana en todas las áreas?

• IA Estadística (ASI - Artificial Statistical Intelligence)

• Inteligencia Híbrida

• IA Transversal

• Superinteligencia Artificial (ASI)

¿Qué característica es común en los sistemas actuales de IA como Alexa o Siri?

• Están basados en emociones simuladas

• Toman decisiones éticas

• Pueden ejecutar cualquier tipo de tarea

• Están diseñados para realizar tareas específicas

¿Cuál de los siguientes NO es un componente clave de un sistema de Inteligencia Artificial?

• Cámara HD

• Sistema operativo

• Interfaz de usuario

• Pantalla de visualización

¿Qué hito marcó formalmente el nacimiento de la disciplina de la IA?

• Publicación del modelo lógico de Gödel

• Creación de la red ARPANET

• Inicio de los experimentos con visión artificial

• La conferencia de Dartmouth en 1956

Deep Blue derrotó al campeón mundial de ajedrez en 1997. ¿Por qué fue este un hito en IA?

• Porque jugó contra humanos sin ayuda previa

• Porque era capaz de hablar con su oponente

• Porque aprendía por sí mismo en cada partida

• Demostró que una IA podía vencer a un humano en un juego de estrategia complejo

¿Qué tecnología permitió el auge del Deep Learning a partir de 2012?

• Lenguaje ensamblador

• Realidad virtual

• Redes neuronales simples

• El uso de GPUs y Big Data

¿Qué diferencia principal existe entre un algoritmo tradicional y uno basado en aprendizaje automático?

• El primero es más lento por definición

• El segundo no necesita ser probado

• Ambos se comportan igual ante cambios

• El tradicional sigue reglas fijas; el otro aprende de los datos