Cuestionario sobre mitos de la IA

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. Un modelo responde con fluidez y nombra una fuente. ¿Qué debería comprobar todavía un lector?
   • Solo si la respuesta es cortés
   • Si la respuesta es lo bastante larga
   • Si el modelo usó una ventana de contexto grande
   • Si la fuente existe y respalda la afirmación
2. ¿Más datos de entrenamiento garantizan un mejor sistema?
   • No; los datos pueden ser irrelevantes o tener fallas sistemáticas
   • Sí, si proviene de internet
   • Sí, independientemente de la tarea
   • Ningún modelo puede aprender de más datos
3. ¿Por qué comparar un modelo más grande con alternativas más pequeñas o más simples?
   • Los modelos más grandes siempre tienen peor precisión
   • Puede costar más sin satisfacer las necesidades de la tarea
   • Una puntuación de benchmark no se puede medir
   • El tamaño del modelo determina la ley de despliegue
4. Una demostración resuelve un caso impresionante. ¿Qué conclusión está justificada?
   • Que el sistema pueda manejar todos los casos difíciles
   • That it will be reliable in production
   • Solo que la configuración demostrada manejó ese caso; se necesitan más pruebas
   • Que ninguna herramienta ni contexto contribuyó
5. ¿La automatización elimina la responsabilidad humana por el sistema?
   • Sí, cuando las salidas se generan automáticamente
   • Sí, si un proveedor aloja el modelo
   • Solo si un modelo tiene una puntuación alta
   • No; las personas eligen los objetivos, los datos, las interfaces, los permisos y las condiciones de despliegue
6. ¿Qué te dice un solo fallo sobre un sistema?
   • Revela un fallo que vale la pena probar, pero no que todos los usos sean ineficaces
   • Que el sistema es inútil para cualquier tarea
   • Que el modelo es consciente
   • Que todas las versiones futuras fallarán de la misma manera
7. ¿De qué se distingue un resultado de benchmark?
   • A measured score
   • Una predicción del futuro o una afirmación sobre la conciencia
   • An evaluation setup
   • A task-specific test
8. ¿Cómo debe formularse una afirmación amplia sobre una capacidad?
   • Con la mayor intensidad posible para atraer la atención
   • Como una garantía basada en una sola puntuación
   • En el alcance que realmente cubre la evidencia de respaldo
   • Sin indicar las condiciones de la prueba