Tecnología
Test de Inteligencia artificial
Practica modelos, datos, evaluación, IA generativa, sesgos, privacidad, RAG y supervisión humana con 50 preguntas razonadas.
Cada intento mezcla preguntas y respuestas para evitar patrones memorizables.
Cargando preguntas…
Qué vas a practicar
Este banco trabaja conceptos y uso responsable de inteligencia artificial mediante situaciones, comparaciones y detección de errores. Las 50 preguntas tienen cuatro opciones, corrección inmediata y explicaciones específicas.
- Datos de entrenamiento y prueba, generalización, sobreajuste y métricas.
- Clasificación, regresión, clustering, redes, embeddings y búsqueda semántica.
- Modelos de lenguaje, prompts, RAG, ajuste, temperatura y evaluación.
- Alucinaciones, sesgos, privacidad, explicabilidad, supervisión y gestión de riesgos.
Preguntas de ejemplo
Los ejemplos proceden del banco real y cubren tareas distintas, no simples variantes de una definición.
1Un modelo responde con seguridad, pero inventa una referencia inexistente. ¿Qué problema muestra?
Respuesta: Una alucinación
Explicación: Una alucinación es una salida plausible pero no fundamentada; debe contrastarse con fuentes fiables.
2Una IA recomienda denegar una prestación, pero nadie puede revisar la evidencia ni corregir errores. ¿Qué control falta?
Respuesta: Supervisión humana y rendición de cuentas
Explicación: Las decisiones de alto impacto requieren responsables identificables, posibilidad de revisión y mecanismos de recurso.
3El procesamiento del lenguaje natural trabaja principalmente con…
Respuesta: Trabaja con texto y lenguaje humano
Explicación: El procesamiento del lenguaje natural trabaja con texto y lenguaje humano. Incluye tareas como clasificación de texto, extracción de información, traducción y generación; el contexto lingüístico es parte central del problema.
4Poder comprender las razones o factores que influyen en una salida se relaciona con…
Respuesta: Busca entender por qué un sistema produce una salida
Explicación: Explicabilidad busca entender por qué un sistema produce una salida. La explicabilidad ayuda a auditar, depurar y cuestionar decisiones, pero una explicación comprensible no demuestra por sí sola que el sistema sea correcto o justo.
5Si los datos son incompletos, sesgados o incorrectos, se deteriora directamente…
Respuesta: Influye directamente en resultados de IA
Explicación: La calidad de los datos influye directamente en resultados de IA. Datos representativos, completos y correctamente medidos condicionan el techo de calidad del sistema: un algoritmo sofisticado no compensa datos deficientes.
6Un sistema especializado en tareas concretas se clasifica como…
Respuesta: Se especializa en tareas concretas
Explicación: La IA débil o estrecha se especializa en tareas concretas. La IA estrecha puede ser muy competente en su dominio, pero esa competencia no implica capacidades generales transferibles a cualquier tarea.
Cómo usarlo
No trates una salida fluida como prueba de veracidad. Identifica la tarea, el origen de los datos, la métrica adecuada y el riesgo del contexto; en decisiones sensibles, exige verificación y supervisión humana.
Fuentes y revisión
Banco revisado con el AI Risk Management Framework de NIST, su perfil para IA generativa y el NIST AI Resource Center.
Revisado el 21 de agosto de 2026. PracticarTest.com es una publicación educativa independiente y no representa a los organismos citados.