Deep Learning
¿Qué significa Deep Learning?
Un tipo de inteligencia artificial que aprende utilizando muchas capas de procesamiento.
¿En qué está inspirada una red neuronal artificial?
En el funcionamiento del cerebro humano.
¿Qué significa NLP?
Procesamiento de Lenguaje Natural.
Menciona una IA que utilices diariamente.
ChatGPT, asistentes de voz, recomendaciones.
¿La IA piensa igual que una persona?
No, reconoce patrones usando datos.
¿Qué necesita un modelo de Deep Learning para aprender?
Datos o ejemplos de entrenamiento.
¿Cómo se llaman las partes básicas que procesan información en una red neuronal?
Neuronas artificiales.
¿Qué tipo de información analiza NLP?
Texto y lenguaje humano.
¿Cómo aprende una IA a reconocer imágenes?
Analizando miles de ejemplos.
¿Qué necesita una IA para mejorar?
Más datos y entrenamiento.
¿Por qué se llama aprendizaje profundo?
Porque utiliza varias capas de redes neuronales para encontrar patrones.
¿Cuáles son las tres capas principales de una red neuronal?
Entrada, capas ocultas y salida.
Menciona una aplicación de NLP.
Chatbots, traductores, asistentes virtuales.
¿Qué hace un chatbot inteligente?
Entiende mensajes y genera respuestas.
¿Qué es una caja negra en IA?
Cuando es difícil saber exactamente cómo llegó a una respuesta.
Menciona una aplicación de Deep Learning
Reconocimiento facial, autos inteligentes, asistentes virtuales o análisis de imágenes.
¿Qué hace el entrenamiento de una red neuronal?
Ajusta sus valores para mejorar sus respuestas.
¿Qué es el análisis de sentimiento?
Detectar emociones u opiniones dentro de un texto.
¿Por qué una IA puede equivocarse?
Porque depende de los datos con los que fue entrenada.
¿Por qué es importante revisar las respuestas de una IA?
Porque puede cometer errores.
¿Qué problema ocurre cuando una IA aprende demasiado los datos de entrenamiento pero falla con datos nuevos?
Sobreajuste (overfitting).
¿Qué significa que una IA tenga un error durante el entrenamiento?
Que debe ajustar su aprendizaje para mejorar.
¿Por qué el lenguaje humano es difícil para una IA?
Porque tiene contexto, dobles sentidos y diferentes significados.
¿Qué es un sesgo en inteligencia artificial?
Cuando una IA aprende patrones injustos o incorrectos de los datos.
¿Qué responsabilidad tienen las personas al crear IA?
Crear sistemas seguros, justos y responsables.