Quiz: Cómo funciona la IA generativa
Ponga a prueba sus conocimientos sobre redes neuronales, transformadores y el proceso de entrenamiento.
30 preguntas - Haga clic en cada pregunta para revelar la respuesta correcta.
Pregunta 1
¿En qué se inspira una red neuronal?
A) Circuitos de computadoras
B) El cerebro humano
C) Internet
D) Mecánica cuántica
Mostrar respuesta
Respuesta correcta: B
Las redes neuronales son sistemas de computación inspirados libremente en el cerebro humano, con nodos interconectados (neuronas) que procesan información a través de conexiones ponderadas.
Pregunta 2
¿Cuáles son los tres tipos de capas en una red neuronal?
A) Primera, intermedia, última
B) Entrada, oculta, salida
C) Inicio, proceso, fin
D) Datos, cómputo, resultado
Mostrar respuesta
Respuesta correcta: B
Las redes neuronales tienen capas de entrada (reciben datos), capas ocultas (procesan datos) y capas de salida (producen resultados).
Pregunta 3
¿Qué hace que una red neuronal sea "profunda"?
A) Está enterrada bajo tierra
B) Tiene muchas capas ocultas
C) Utiliza datos profundos
D) Piensa profundamente
Mostrar respuesta
Respuesta correcta: B
Una red neuronal se considera "profunda" cuando tiene muchas capas ocultas. El entrenamiento de estas redes se denomina "aprendizaje profundo".
Pregunta 4
¿Qué hace el mecanismo de atención en los transformadores?
A) Hace que la IA preste atención a los usuarios
B) Permite que cada elemento se relacione con todos los demás elementos
C) Filtra datos irrelevantes
D) Acelera el procesamiento
Mostrar respuesta
Respuesta correcta: B
El mecanismo de atención permite que cada elemento de la entrada "atienda" (se relacione) con todos los demás elementos, permitiendo que el modelo comprenda relaciones sin importar la posición.
Pregunta 5
¿Cómo se llamaba el artículo clave que introdujo la arquitectura Transformer?
A) "La revolución del aprendizaje profundo"
B) "Attention Is All You Need"
C) "Transformers: More Than Meets the Eye"
D) "Neural Networks Unleashed"
Mostrar respuesta
Respuesta correcta: B
El artículo de 2017 "Attention Is All You Need" de investigadores de Google introdujo la arquitectura Transformer que impulsa todos los modelos modernos de lenguaje de gran tamaño.
Pregunta 6
¿Qué son los parámetros en una red neuronal?
A) Configuraciones del usuario
B) Pesos y sesgos ajustables que almacenan el aprendizaje
C) Controles de velocidad
D) Entradas de datos
Mostrar respuesta
Respuesta correcta: B
Los parámetros son los números ajustables (pesos y sesgos) en una red neuronal que se modifican durante el entrenamiento. Representan lo que el modelo ha aprendido.
Pregunta 7
¿Aproximadamente cuántos parámetros tiene GPT-3?
A) 1 millón
B) 175 millones
C) 175 mil millones
D) 1.75 billones
Mostrar respuesta
Respuesta correcta: C
GPT-3 tiene aproximadamente 175 mil millones de parámetros, lo que representó un gran aumento de escala respecto a modelos anteriores.
Pregunta 8
¿Cuál es la tarea principal utilizada en el preentrenamiento de modelos de lenguaje?
A) Traducción
B) Predicción de la siguiente palabra
C) Respuesta a preguntas
D) Reconocimiento de imágenes
Mostrar respuesta
Respuesta correcta: B
El preentrenamiento utiliza la predicción de la siguiente palabra: el modelo aprende a predecir qué palabra sigue en una secuencia. Esta tarea simple enseña gramática, hechos y patrones de razonamiento.
Pregunta 9
¿Qué es RLHF?
A) Real-time Learning and Handling Framework
B) Reinforcement Learning from Human Feedback
C) Recursive Language Helper Function
D) Random Learning and High Fidelity
Mostrar respuesta
Respuesta correcta: B
RLHF significa Reinforcement Learning from Human Feedback—una técnica en la que las preferencias humanas guían al modelo hacia respuestas mejores y más alineadas.
Pregunta 10
¿Qué es un token en los modelos transformer?
A) Una moneda para IA
B) Un fragmento de texto (palabra, parte de palabra o carácter)
C) Una señal de recompensa
D) Un tipo de capa
Mostrar respuesta
Respuesta correcta: B
Un token es un fragmento de texto que el modelo procesa—típicamente una palabra común, parte de una palabra o un signo de puntuación. "ChatGPT" podría dividirse en varios tokens.
Pregunta 11
¿Qué es una ventana de contexto?
A) Una pantalla visual
B) El máximo de texto que un modelo puede procesar a la vez
C) Un tipo de atención
D) Tamaño de los datos de entrenamiento
Mostrar respuesta
Respuesta correcta: B
La ventana de contexto es la cantidad máxima de texto (en tokens) que un transformer puede procesar a la vez. Ventanas de contexto más grandes permiten procesar documentos más largos.
Pregunta 12
¿Por qué se necesita la codificación posicional en los transformadores?
A) Para hacer el procesamiento más rápido
B) Porque la atención procesa todas las posiciones simultáneamente
C) Para reducir el uso de memoria
D) Para conectarse a bases de datos externas
Mostrar respuesta
Respuesta correcta: B
Como la atención procesa todos los tokens simultáneamente (a diferencia del procesamiento secuencial), la codificación posicional agrega información sobre el orden de las palabras para que el modelo sepa que "El perro muerde al hombre" es diferente de "El hombre muerde al perro".
Pregunta 13
¿Qué es el fine-tuning (ajuste fino)?
A) Ajustar la configuración de pantalla
B) Adaptar un modelo preentrenado para tareas específicas
C) Hacer el modelo más pequeño
D) Corregir errores en el código
Mostrar respuesta
Respuesta correcta: B
El fine-tuning es el proceso de adaptar un modelo preentrenado para tareas o comportamientos específicos, entrenándolo con un conjunto de datos seleccionado relevante para la aplicación deseada.
Pregunta 14
¿Qué problema resolvieron los transformadores en comparación con las RNN?
A) Usan menos memoria
B) Pueden procesar todas las palabras simultáneamente
C) No necesitan entrenamiento
D) Solo funcionan con imágenes
Mostrar respuesta
Respuesta correcta: B
Los transformadores pueden procesar toda la entrada simultáneamente (procesamiento en paralelo), mientras que las RNN debían procesar secuencialmente (una palabra a la vez), lo que las hacía más lentas y hacía que "olvidaran" el contexto distante.
Pregunta 15
¿Qué hace la retropropagación (backpropagation)?
A) Hace una copia de seguridad de los datos
B) Rastrea los errores hacia atrás a través de la red para ajustar los pesos
C) Mueve datos hacia atrás a través de las capas
D) Invierte las predicciones del modelo
Mostrar respuesta
Respuesta correcta: B
La retropropagación calcula cuánto contribuyó cada peso al error y los ajusta en consecuencia, propagando la señal de error hacia atrás a través de la red.
Pregunta 16
¿Qué es el sobreajuste (overfitting)?
A) Cuando el modelo es demasiado grande
B) Cuando el modelo memoriza los datos de entrenamiento en lugar de aprender patrones
C) Cuando el entrenamiento tarda demasiado
D) Cuando el modelo usa demasiada memoria
Mostrar respuesta
Respuesta correcta: B
El sobreajuste ocurre cuando un modelo memoriza ejemplos específicos de entrenamiento en lugar de aprender patrones generales, lo que resulta en un mal desempeño con datos nuevos.
Pregunta 17
¿Qué tipo de transformador es GPT (utilizado en ChatGPT)?
A) Solo codificador (encoder-only)
B) Solo decodificador (decoder-only)
C) Codificador-decodificador (encoder-decoder)
D) Multi-codificador
Mostrar respuesta
Respuesta correcta: B
GPT (Generative Pre-trained Transformer) es un modelo solo decodificador, optimizado para generar texto palabra por palabra.
Pregunta 18
¿Qué es una habilidad emergente en IA?
A) Una habilidad que aparece repentinamente a ciertas escalas
B) Una función de emergencia
C) Una capacidad básica
D) Una habilidad que surge durante la inferencia
Mostrar respuesta
Respuesta correcta: A
Las habilidades emergentes son capacidades que aparecen repentinamente cuando los modelos alcanzan ciertos tamaños—como aritmética o razonamiento—aunque no hayan sido entrenadas explícitamente para ello.
Pregunta 19
¿Qué es la atención multi-cabeza (multi-head attention)?
A) Una IA con varias pantallas
B) Varios mecanismos de atención funcionando en paralelo
C) Atención para varios idiomas
D) Interfaz de pantalla montada en la cabeza
Mostrar respuesta
Respuesta correcta: B
La atención multi-cabeza ejecuta varios mecanismos de atención en paralelo, cada uno enfocándose en diferentes aspectos de las relaciones en los datos.
Pregunta 20
¿Por qué es importante RLHF?
A) Hace el entrenamiento más rápido
B) Alinea el comportamiento del modelo con las preferencias humanas
C) Reduce el tamaño del modelo
D) Mejora la calidad de imagen
Mostrar respuesta
Respuesta correcta: B
RLHF alinea el comportamiento del modelo con las preferencias humanas, haciendo que las respuestas sean más útiles, menos dañinas y más apropiadas para las necesidades del usuario.
Pregunta 21
¿Qué es la tasa de aprendizaje (learning rate) en el entrenamiento?
A) Qué tan rápido la IA aprende hechos
B) Qué tan grande es cada paso de ajuste de los pesos
C) La velocidad de procesamiento de datos
D) Tiempo para entrenar una época
Mostrar respuesta
Respuesta correcta: B
La tasa de aprendizaje determina qué tan grande es cada ajuste de los pesos durante el entrenamiento. Muy grande = inestable; muy pequeña = demasiado lento.
Pregunta 22
¿Qué tipo de red neuronal sobresale en el procesamiento de imágenes?
A) Red neuronal recurrente (RNN)
B) Red neuronal convolucional (CNN)
C) Red feedforward
D) Transformer
Mostrar respuesta
Respuesta correcta: B
Las redes neuronales convolucionales (CNN) están especializadas en el procesamiento de imágenes, utilizando filtros para detectar características como bordes, formas y patrones.
Pregunta 23
¿Cuál es el propósito de una función de activación?
A) Activar la computadora
B) Introducir no linealidad para que las redes puedan aprender patrones complejos
C) Acelerar el procesamiento
D) Conectarse a internet
Mostrar respuesta
Respuesta correcta: B
Las funciones de activación introducen no linealidad, permitiendo que las redes neuronales aprendan patrones complejos y no lineales. Sin ellas, las redes solo podrían aprender relaciones lineales simples.
Pregunta 24
¿Aproximadamente cuánto costó entrenar GPT-4?
A) $100,000
B) $1 millón
C) Más de $100 millones
D) $10 mil millones
Mostrar respuesta
Respuesta correcta: C
Se informa que entrenar GPT-4 costó más de $100 millones, reflejando los enormes recursos computacionales requeridos.
Pregunta 25
¿Qué es el instruction fine-tuning (ajuste fino por instrucciones)?
A) Ajuste fino basado en instrucciones del usuario
B) Entrenar al modelo para seguir correctamente las instrucciones
C) Escribir instrucciones para el modelo
D) Ajuste manual de los pesos
Mostrar respuesta
Respuesta correcta: B
El instruction fine-tuning entrena al modelo para seguir correctamente las instrucciones del usuario, convirtiendo un modelo base en un asistente útil que responde apropiadamente a los prompts.
Pregunta 26
¿Qué mide la función de pérdida (loss function)?
A) Cuántos datos se pierden
B) Qué tan incorrectas son las predicciones del modelo
C) Qué tan rápido aprende el modelo
D) Uso de memoria
Mostrar respuesta
Respuesta correcta: B
La función de pérdida mide qué tan incorrectas son las predicciones del modelo en comparación con las respuestas correctas. El objetivo del entrenamiento es minimizar esta pérdida.
Pregunta 27
¿Qué es el descenso por gradiente (gradient descent)?
A) Un tipo de red neuronal
B) El método para ajustar los pesos moviéndose en la dirección que reduce el error
C) Una forma de comprimir datos
D) Un conjunto de datos de entrenamiento
Mostrar respuesta
Respuesta correcta: B
El descenso por gradiente es un método de optimización que ajusta los pesos moviéndose en la dirección que reduce el error, como caminar cuesta abajo para encontrar el punto más bajo.
Pregunta 28
¿Qué son Q, K y V en la atención?
A) Calidad, Conocimiento, Valor
B) Query, Key, Value
C) Quantum, Kinetic, Vector
D) Pregunta, Palabra clave, Variable
Mostrar respuesta
Respuesta correcta: B
En los mecanismos de atención, Q (Query) representa lo que estamos buscando, K (Key) representa lo que contiene cada elemento, y V (Value) representa la información que se va a utilizar.
Pregunta 29
¿Qué es la IA constitucional (Constitutional AI)?
A) IA que sigue la ley
B) Un enfoque donde la IA se autocritica usando principios definidos
C) IA regulada por el gobierno
D) IA basada en documentos constitucionales
Mostrar respuesta
Respuesta correcta: B
La IA constitucional (desarrollada por Anthropic) es un enfoque de entrenamiento donde la IA aprende a criticar sus propias respuestas según un conjunto de principios definidos.
Pregunta 30
¿Por qué es importante la calidad de los datos en el entrenamiento de IA?
A) Afecta los costos de almacenamiento
B) Datos sesgados o incorrectos generan modelos sesgados o incorrectos
C) Determina la velocidad de procesamiento
D) En realidad no es importante
Mostrar respuesta
Respuesta correcta: B
La calidad de los datos es crucial porque "basura entra, basura sale": datos de entrenamiento sesgados, incorrectos o limitados resultan en un modelo que produce salidas sesgadas, incorrectas o limitadas.
Resultados
| Puntaje | Nivel |
|---|---|
| 27-30 | Excelente - Sólida comprensión de la mecánica de la IA |
| 21-26 | Bueno - Puede ser útil repasar algunos temas |
| 15-20 | Promedio - Revise los capítulos nuevamente |
| Menos de 15 | Requiere una revisión integral |