AI-1

¿Cuál es el objetivo de entrenamiento de GPT-like?

• Traducir sin datos aprendiendo reglas
• Clasificar textos en categorías prefijadas
• Buscar respuestas exactas en una base fija
• Predecir el siguiente token dado el contexto previo

Answer explanation

Modelado de lenguaje autorregresivo permite luego generar texto fluido. Copyright © Prof. Claudio Pastrana

¿Qué diferencia a una red profunda?

• Funciona sin parámetros ajustables
• Tiene múltiples capas ocultas que aprenden representaciones jerárquicas
• Solo usa una capa lineal sin activaciones
• No requiere datos de entrenamiento

Answer explanation

Más capas → mayor capacidad de abstracción si se entrena bien. Copyright © Prof. Claudio Pastrana

¿Qué es el aprendizaje por refuerzo (RL)?

• Aplicar reglas estáticas escritas por humanos
• Aprender por ensayo y error maximizando recompensas acumuladas
• Ajustar pesos con etiquetas fijas en cada ejemplo
• Descubrir clusters sin ninguna señal de corrección

Answer explanation

Un agente interactúa con un entorno y aprende políticas que maximizan la recompensa. Copyright © Prof. Claudio Pastrana

¿Qué efecto tiene aumentar la temperatura en decodificación?

• Mayor precisión numérica interna
• Menos uso de memoria y latencia fija
• Más aleatoriedad y diversidad en la salida
• Menor dependencia del prompt siempre

Answer explanation

Temperatura alta explora; baja vuelve salidas más deterministas. Copyright © Prof. Claudio Pastrana

¿Cuál es un ejemplo de aprendizaje no supervisado?

• k-means para agrupar instancias similares sin etiquetas
• Árbol de decisión con ejemplos etiquetados
• Regresión logística para probabilidades con etiquetas
• CNN entrenada con imágenes y clases

Answer explanation

No supervisado busca estructura sin respuestas dadas; k-means es clásico. Copyright © Prof. Claudio Pastrana

¿Qué es el subajuste (underfitting)?

• Modelo que no usa activaciones
• Modelo demasiado simple: rinde mal en train y test
• Modelo perfecto en train y perfecto en test
• Modelo que memoriza train y falla en test

Answer explanation

Se corrige aumentando capacidad o entrenando mejor. Copyright © Prof. Claudio Pastrana

¿Qué significa GPT?

• Google Parallel Translator
• Generative Pre-trained Transformer
• Generalized Probabilistic Technique
• Global Processing Template

Answer explanation

Modelo generativo preentrenado basado en arquitectura Transformer. Copyright © Prof. Claudio Pastrana

¿Cuál es el objetivo de una red generativa antagónica (GAN)?

• Buscar óptimos en grafos con heurísticas adversarias
• Clasificar imágenes en categorías predefinidas con dos modelos
• Generar datos sintéticos realistas mediante la competencia generador–discriminador
• Comprimir datos a menor dimensión y reconstruirlos sin pérdida

Answer explanation

Generador crea muestras; discriminador distingue reales vs falsas; ambos mejoran. Copyright © Prof. Claudio Pastrana

¿Qué problema pueden presentar los LLMs?

• Alucinaciones: respuestas plausibles pero incorrectas
• Imposibilidad de construir oraciones válidas
• Infalibilidad factual en cualquier tema
• Negarse a responder todo lo no visto

Answer explanation

No “saben” como humanos; predicen texto plausible. Copyright © Prof. Claudio Pastrana

¿Cómo se relacionan IA, Machine Learning (ML) y Deep Learning (DL)?

• DL ⊂ ML ⊂ IA: DL es parte de ML y ML es parte de IA
• IA ⊂ ML ⊂ DL: IA es una rama de DL
• No tienen relación entre sí
• ML y DL son sinónimos y excluyen a la IA

Answer explanation

ML es una subárea de IA; DL es un subconjunto de ML que usa redes profundas. Copyright © Prof. Claudio Pastrana