1. ¿Por qué surge el sesgo de datos incluso sin mala intención?

A Porque los desarrolladores son desatentos B Porque los datos de entrenamiento reflejan la realidad histórica, incluidas las desigualdades anteriores C Porque los modelos de AI discriminan aleatoriamente

2. ¿Qué es un ciclo de retroalimentación en el contexto del sesgo de IA?

A Los usuarios informan errores al sistema B El output de la IA se convierte en el nuevo input y refuerza el sesgo. C El modelo aprende del feedback de los usuarios

3. Una herramienta de reclutamiento evalúa sistemáticamente a los candidatos de ciertos códigos postales de manera menos favorable. ¿Cuál es el primer paso? 2 pts

A Eliminar el código postal de los datos de entrada B Sistema retirar inmediatamente del proceso de selección y examinar. C Informar al proveedor y esperar un parche

4. ¿Cuál es un método sencillo para detectar sesgos sin ser un experto en AI?

A Leer el código fuente del modelo B Verificación de la distribución de resultados por grupos: ¿se trata a todos por igual? C Reentrenar el modelo

5. ¿Qué exige el Art. 10 del EU AI Act para los sistemas de alto riesgo?

A Que se ofrezcan de forma gratuita B Que los datos de entrenamiento sean relevantes, representativos y lo más libres de errores posible C Que fueron desarrollados en la UE

6. ¿Cuáles son las señales de advertencia de un posible sesgo? (Varias posibles) 2 pts

A Un grupo es sistemáticamente evaluado de manera inferior B El sistema es muy rápido C El sistema 'conoce' cosas que no debería haber aprendido directamente. D El proveedor no puede proporcionar una explicación para las decisiones.