¿Quieres verificar tus conocimientos sobre inteligencia artificial? Este cuestionario básico de IA presenta 30 preguntas con sus respuestas correctas y explicaciones detalladas. Ideal para estudiantes, profesionales o cualquier persona que desee comprender los fundamentos de esta tecnología revolucionaria.
🔍 Sección 1: Fundamentos Esenciales (Preguntas 1-10)
1. ¿Qué significa GPT?
✅ Respuesta correcta: B – Generative Pretrained Transformer
Explicación: GPT significa «Generative Pretrained Transformer». Es una arquitectura de IA que:
- Generative (Generativa): Crea contenido nuevo
- Pretrained (Pre-entrenada): Fue entrenada previamente con enormes cantidades de datos
- Transformer (Transformador): Usa la arquitectura de transformadores con mecanismos de atención
2. Es un modelo de IA generativa
✅ Respuesta correcta: B – Gemini
Explicación: Gemini es el modelo de IA generativa multimodal desarrollado por Google. Puede crear texto, imágenes, código y más, similar a ChatGPT pero con capacidades adicionales para procesar diferentes tipos de contenido simultáneamente.
3. Es un Modelo de lenguaje de IA
✅ Respuesta correcta: C – BERT
Explicación: BERT (Bidirectional Encoder Representations from Transformers) es un modelo de lenguaje desarrollado por Google en 2018. Revolucionó el procesamiento del lenguaje natural al entender el contexto bidireccionalmente (considerando palabras anteriores y siguientes).
🌟 ¡Visita Nuestra Tienda para Programadores! 🌟Descubre Códigos Fuente, Cursos, Software, Computadoras, Accesorios y Regalos Exclusivos. ¡Todo lo que necesitas para llevar tu programación al siguiente nivel!
4. Un LLM trabaja principalmente con
✅ Respuesta correcta: B – Texto
Explicación: Los Large Language Models (LLMs) están especializados en procesar y generar lenguaje humano escrito. Aunque algunos modelos modernos son multimodales, su función principal y origen está en el procesamiento de texto.
5. Un modelo aprende a partir de
✅ Respuesta correcta: C – Datos
Explicación: La IA aprende analizando grandes volúmenes de datos. Durante el entrenamiento, el modelo identifica patrones, correlaciones y estructuras en los datos proporcionados, construyendo su «conocimiento» estadístico.
6. El resultado del modelo es una
✅ Respuesta correcta: B – Predicción
Explicación: Cada respuesta de un modelo de IA es esencialmente una predicción probabilística. Basándose en patrones aprendidos durante el entrenamiento, el modelo calcula cuál es la respuesta más probable dado el contexto.
7. El aprendizaje automático también es llamado
✅ Respuesta correcta: C – Machine Learning
Explicación: Machine Learning es el término en inglés para «aprendizaje automático». Se refiere a la rama de la inteligencia artificial que desarrolla algoritmos capaces de aprender de datos y mejorar su rendimiento con la experiencia.
8. Un modelo es una representación de
✅ Respuesta correcta: B – Patrón
Explicación: Un modelo de IA es una representación matemática de patrones identificados en los datos de entrenamiento. No es una base de datos, sino un sistema que codifica relaciones estadísticas entre elementos.
9. Predecir significa estimar un
✅ Respuesta correcta: C – Resultado
Explicación: En el contexto de IA, predecir significa estimar un resultado futuro o desconocido basándose en patrones aprendidos de datos históricos o existentes.
10. La IA necesita datos para
✅ Respuesta correcta: B – Aprender
Explicación: Los datos son el combustible del aprendizaje en IA. Sin datos de entrenamiento, los modelos no pueden identificar patrones ni desarrollar capacidades. La calidad y cantidad de datos determinan en gran medida el rendimiento del modelo.
🧠 Sección 2: Funcionamiento y Procesos (Preguntas 11-20)
11. Un modelo entrenado sirve para
✅ Respuesta correcta: C – Predecir
Explicación: Una vez completado el entrenamiento, el modelo está listo para realizar inferencias, es decir, hacer predicciones sobre nuevos datos que no ha visto antes, aplicando los patrones aprendidos.
12. Aprender usando datos con respuesta correcta
✅ Respuesta correcta: B – Aprendizaje Supervisado
Explicación: El aprendizaje supervisado es un tipo de machine learning donde el modelo se entrena con datos etiquetados. Cada ejemplo de entrenamiento incluye tanto la entrada como la salida correcta, permitiendo al modelo aprender la relación entre ellas.
13. Qué significa LLM
✅ Respuesta correcta: C – Large Language Model
Explicación: LLM significa «Large Language Model» (Modelo de Lenguaje a Gran Escala). Estos modelos tienen miles de millones o billones de parámetros y son entrenados con cantidades masivas de datos textuales.
14. Es el proceso de aprendizaje de una IA
✅ Respuesta correcta: B – Entrenamiento
Explicación: El entrenamiento es el proceso mediante el cual un modelo de IA aprende de los datos. Durante esta fase, el modelo ajusta sus parámetros internos para minimizar errores y mejorar sus predicciones.
15. Unidad básica que procesa un LLM
✅ Respuesta correcta: C – Token
Explicación: Los tokens son las unidades básicas de procesamiento en los LLMs. Pueden ser palabras completas, partes de palabras (subwords) o caracteres individuales, dependiendo del modelo y el idioma.
16. La ventana de contexto es
✅ Respuesta correcta: B – Memoria temporal
Explicación: La ventana de contexto es la cantidad máxima de tokens que un modelo puede considerar simultáneamente al generar una respuesta. Determina cuánta información «recuerda» durante una interacción.
17. Un prompt es una
✅ Respuesta correcta: B – Instrucción
Explicación: Un prompt es la entrada de texto que proporciona un usuario a un modelo de lenguaje. Es la instrucción o consulta que guía al modelo sobre qué tipo de respuesta debe generar.
18. Un LLM no tiene conciencia
✅ Respuesta correcta: C – Correcto
Explicación: Es correcto afirmar que los LLMs no tienen conciencia. Son sistemas estadísticos que procesan patrones sin comprensión genuina, autoconciencia, emociones o intencionalidad.
19. La IA genera respuestas usando
✅ Respuesta correcta: B – Patrones
Explicación: Los modelos de IA generan respuestas identificando y replicando patrones estadísticos aprendidos durante el entrenamiento. No crean contenido «desde cero» sino que recombinan elementos de manera probabilística.
20. Los datos de entrenamiento pueden ser
✅ Respuesta correcta: B – Ejemplos
Explicación: Los datos de entrenamiento consisten en ejemplos que el modelo analiza para aprender. Cada ejemplo muestra una situación específica y, en aprendizaje supervisado, su resultado correspondiente.
🚀 Sección 3: Aplicaciones y Limitaciones (Preguntas 21-30)
21. La IA generativa crea
✅ Respuesta correcta: C – Contenido
Explicación: La IA generativa está diseñada específicamente para crear nuevo contenido, ya sea texto, imágenes, música, código o video, en lugar de solo analizar o clasificar información existente.
22. Un LLM predice el siguiente
✅ Respuesta correcta: C – Token
Explicación: Los LLMs funcionan predicendo secuencialmente el siguiente token más probable en una secuencia. Cada prediccción se basa en los tokens anteriores, construyendo respuestas token por token.
23. Un modelo no entiende significado real
✅ Respuesta correcta: C – Correcto
Explicación: Es correcto porque los modelos de IA no comprenden el significado semántico como los humanos. Procesan asociaciones estadísticas entre símbolos (palabras) sin una comprensión consciente del contenido.
24. El sesgo en la IA proviene de
✅ Respuesta correcta: C – Datos
Explicación: Los sesgos en la IA generalmente se originan en los datos de entrenamiento. Si los datos contienen prejuicios, estereotipos o desequilibrios históricos, el modelo aprenderá y reproducirá esos patrones sesgados.
25. Qué hace un modelo IA
✅ Respuesta correcta: C – Predecir
Explicación: La función fundamental de cualquier modelo de IA es hacer predicciones. Dependiendo del tipo de modelo, estas predicciones pueden ser clasificaciones, generaciones de texto, reconocimiento de patrones, etc.
26. Qué mide un modelo IA
✅ Respuesta correcta: B – Precisión
Explicación: La precisión (accuracy) es una métrica fundamental que mide qué proporción de las predicciones del modelo son correctas. Otras métricas importantes incluyen recall, F1-score y pérdida (loss).
27. La inferencia en IA es el proceso de
✅ Respuesta correcta: B – Probar y generar resultados
Explicación: La inferencia es la fase donde se utiliza un modelo ya entrenado para hacer predicciones sobre nuevos datos. Es el proceso de «poner a trabajar» el modelo con datos reales.
28. Un prompt engineering busca
✅ Respuesta correcta: B – Dar mejores instrucciones al modelo
Explicación: El prompt engineering es el arte y ciencia de diseñar instrucciones (prompts) efectivas para obtener los mejores resultados posibles de un modelo de lenguaje. Un buen prompt puede mejorar significativamente la calidad de las respuestas.
29. La temperatura en un modelo controla
✅ Respuesta correcta: B – La creatividad de las respuestas
Explicación: La temperatura es un parámetro que controla la aleatoriedad en las predicciones:
- Temperatura baja (ej. 0.1): Respuestas más deterministas y predecibles
- Temperatura alta (ej. 0.9): Respuestas más creativas y diversas
30. Un modelo IA puede cometer errores llamados
✅ Respuesta correcta: B – Alucinaciones
Explicación: Las alucinaciones ocurren cuando un modelo genera información incorrecta, inventada o contradictoria presentada con confianza. Es un desafío significativo en los LLMs, especialmente en temas técnicos o factuales.
📊 Pregunta Extra: La IA no razona como humano porque
✅ Respuesta correcta: C – No tiene conciencia
Explicación: La IA carece de conciencia, intencionalidad y comprensión genuina. Mientras que los humanos razonamos con comprensión semántica, contexto experiencial y conciencia, la IA procesa patrones estadísticos sin verdadera comprensión del significado.
🎯 Conclusión y Recomendaciones
Este cuestionario básico cubre los conceptos fundamentales que cualquier persona interesada en IA debe conocer. Para profundizar tu aprendizaje:
- Practica regularmente con herramientas como ChatGPT o Gemini
- Sigue fuentes confiables como blogs de OpenAI, Google AI y universidades
- Experimenta con diferentes tipos de prompts para entender mejor cómo responden los modelos
- Mantén una perspectiva crítica – recuerda que la IA tiene limitaciones importantes
- Únete a comunidades donde puedas compartir preguntas y descubrimientos