Froggy Jumps Quiz: Inteligencia ArtificialOnline version Desafía tus conocimientos sobre IA. by UwU Anto UwU 1 ¿Qué es la inteligencia artificial? a Sistemas que realizan tareas que requieren inteligencia humana b Robots que hacen deporte c Programas que siguen reglas fijas 2 ¿Qué tipo de IA intenta imitar la inteligencia humana de forma general? a IA débil vs IA fuerte b IA predictiva c IA operativa 3 ¿Qué técnica se usa para que una IA aprenda a partir de datos etiquetados? a Aprendizaje supervisado b Aprendizaje por refuerzo c Aprendizaje no supervisado 4 ¿Qué es el aprendizaje no supervisado? a Encontrar patrones en datos sin etiquetas b Predecir etiquetas c Clasificar con etiquetas predefinidas 5 ¿Qué es un modelo de redes neuronales? a Algoritmo de búsqueda simple b Conjunto de nodos y conexiones inspirado en el cerebro c Programa de bases de datos 6 ¿Qué problema describe el overfitting? a El modelo se ajusta demasiado a los datos de entrenamiento b El modelo es perfectamente generalizable c El modelo no aprende nada 7 ¿Qué es el sesgo de datos? a Datos sin errores b Dominancia de ciertos patrones que distorsionan el modelo c Datos perfectos y equilibrados 8 ¿Qué tipo de aprendizaje utiliza recompensas para aprender? a Aprendizaje no supervisado b Aprendizaje supervisado c Aprendizaje por refuerzo 9 ¿Qué es la inteligencia artificial explicable (XAI)? a Ocultar el razonamiento del modelo b Aumentar la complejidad sin explicación c Capacidad de entender las decisiones del modelo 10 ¿Qué es el procesamiento del lenguaje natural (NLP)? a Visión computacional b Técnicas para que las máquinas entiendan el lenguaje humano c Cómputo cuántico 11 ¿Qué papel juega los datos en IA? a No se usan en IA b Solo sirven como ejemplo c Son la base para entrenar y evaluar modelos 12 ¿Qué es una red neuronal profunda? a Red de una sola capa b Red exclusivamente lineal c Red con múltiples capas para abstracción de datos 13 ¿Qué es el sesgo algorítmico? a Errores aleatorios sin impacto b Resultados neutrales siempre c Resultados discriminatorios por diseño o datos 14 ¿Qué evaluación mide si un modelo generaliza bien? a Ajuste manual b Alineación de datos c Validación cruzada 15 ¿Qué se busca con la regularización en ML? a Reducir el sobreajuste b Aumentar la complejidad c Eliminar datos 16 ¿Qué diferencia a IA de reglas fijas? a No puede adaptarse nunca b Solo ejecuta reglas c La IA aprende de datos, no solo ejecuta reglas
New game