WorksheetsQuiz về Chatbot và NLP
Total questions: 28
Worksheet time: 14mins
Theo định nghĩa, "Chatbot" là một chương trình máy tính dùng để làm gì?
Soạn thảo các văn bản phức tạp.
Phân tích các bộ dữ liệu lớn.
Mô phỏng cuộc trò chuyện với người dùng.
Thiết kế giao diện cho trang web.
Công nghệ nào giúp máy tính phân tích và hiểu cấu trúc ngôn ngữ của con người?
LLM (Mô hình ngôn ngữ lớn).
NLP (Xử lý ngôn ngữ tự nhiên).
Mạng nơ-ron (Neural Network).
API (Giao diện lập trình ứng dụng).
"Mô hình ngôn ngữ lớn" (LLM) hoạt động dựa trên nguyên tắc cơ bản nào?
Tra cứu trong một từ điển có sẵn.
Dự đoán từ tiếp theo dựa trên xác suất.
Sửa lỗi ngữ pháp của câu lệnh.
Dịch ngôn ngữ sang mã nhị phân.
"Mô hình học máy" (Machine Learning Model) học hỏi bằng cách nào?
Thực thi các quy tắc được lập trình cố định.
Tự tìm ra các mẫu và quy luật từ dữ liệu.
Mô phỏng chính xác cấu trúc của bộ não.
Tìm kiếm thông tin mới trên Internet.
Nguồn nào sau đây là thành phần chính trong bộ dữ liệu để huấn luyện một LLM?
Các cuộc hội thoại trực tiếp với người dùng.
Các bộ phim và chương trình truyền hình.
Tập hợp khổng lồ gồm sách, web và văn bản khác.
Các tài liệu khoa học đã qua kiểm duyệt.
Mối quan hệ giữa NLP và LLM là gì?
NLP tạo ra câu trả lời, LLM kiểm tra lại.
LLM phân tích câu, NLP dự đoán từ.
NLP giúp hiểu cấu trúc câu, LLM dùng nó để tạo nội dung.
Chúng là hai công nghệ hoạt động độc lập.
Quá trình "học" của thuật toán học tập được ví như việc một người...
chụp lại hình ảnh một cách chính xác.
ghi chép kiến thức vào một cuốn sổ.
luyện tập kỹ năng qua các lần thử và sai.
thực hiện phép tính theo công thức.
Bước nào sau đây là bước đầu tiên trong quá trình tạo bộ dữ liệu cho chatbot?
Làm sạch và loại bỏ các từ không phù hợp.
Sưu tầm một khối lượng lớn văn bản.
Chia nhỏ văn bản thành các mã thông báo.
Đưa toàn bộ văn bản vào thuật toán học tập.
Yếu tố nào có tác động lớn nhất đến việc cải thiện độ chính xác của chatbot?
Tốc độ xử lý của phần cứng.
Chất lượng dữ liệu và phản hồi của người dùng.
Giao diện trò chuyện của ứng dụng.
Số lượng người dùng hoạt động hàng ngày.
Khi bạn gõ "Nàng Bạch Tuyết và bảy...", LLM sẽ có xu hướng hoàn thành câu bằng từ nào?
cô tiên.
chú lùn.
hoàng tử.
mụ phù thủy.
Tình huống: Bạn hỏi chatbot: "Quán ăn nào ngon ở Huế?". Bước xử lý đầu tiên của chatbot là gì?
Tìm kiếm các quán ăn trên bản đồ.
Dùng NLP để xác định các thực thể chính.
Hỏi lại bạn muốn ăn món cụ thể nào.
Đưa ra một danh sách các quán ăn ngẫu nhiên.
Tại sao việc "làm sạch" dữ liệu lại quan trọng trong quá trình huấn luyện chatbot?
Để làm cho bộ dữ liệu nhỏ hơn.
Để chatbot không học các nội dung không phù hợp.
Để thuật toán học tập chạy nhanh hơn.
Để tiết kiệm chi phí lưu trữ dữ liệu.
Nếu chatbot chỉ được "học" từ các bài báo khoa học, nó sẽ yếu nhất ở kỹ năng nào?
Tóm tắt các nội dung học thuật.
Dịch các thuật ngữ chuyên ngành.
Giao tiếp thân mật và đời thường.
Giải thích các khái niệm khoa học.
Khi chatbot mắc lỗi và bạn kiên nhẫn diễn đạt lại câu hỏi theo cách khác để nó hiểu đúng, bạn đang vô tình làm gì?
Gây thêm khó khăn cho chatbot.
Cung cấp thêm dữ liệu để chatbot học hỏi.
Trò chuyện một cách không hiệu quả.
Làm chậm quá trình xử lý của AI.
Mạng nơ-ron trong AI được lấy cảm hứng từ đâu?
Cấu trúc vi mạch của một máy tính.
Cách các nơ-ron thần kinh trong não bộ liên kết.
Mô hình truyền tải dữ liệu của mạng Internet.
Sơ đồ tổ chức phân cấp của một công ty.
Tình huống: Chatbot A được huấn luyện với 1 tỷ tài liệu. Chatbot B được huấn luyện với 100 tỷ tài liệu. Chatbot nào có khả năng trả lời tốt hơn?
Chatbot A, vì ít dữ liệu giúp xử lý nhanh hơn.
Cả hai chatbot có khả năng như nhau.
Chatbot B, vì đã học từ bộ dữ liệu lớn hơn.
Không thể xác định được chatbot nào tốt hơn.
Tại sao chatbot có thể trò chuyện về nhiều chủ đề một cách khá tự nhiên?
Vì được lập trình sẵn mọi câu trả lời.
Vì đã học được quy luật từ dữ liệu đa dạng.
Vì có khả năng truy cập Google tức thì.
Vì có khả năng đọc được suy nghĩ người dùng.
Sự khác biệt cốt lõi giữa "thuật toán học tập" và chương trình truyền thống là gì?
Thuật toán học tập xử lý văn bản, chương trình truyền thống xử lý số.
Thuật toán học tập tự tìm quy luật, chương trình truyền thống làm theo lệnh sẵn.
Thuật toán học tập cần nhiều bộ nhớ hơn chương trình truyền thống.
Thuật toán học tập dùng ngôn ngữ Python, chương trình truyền thống dùng C++.
Hành động nào của bạn sẽ giúp nó "học hỏi từ lỗi đó"?
Đóng cửa sổ trò chuyện ngay lập tức.
Cung cấp phản hồi hoặc diễn đạt lại câu hỏi.
Chấp nhận câu trả lời sai đó và không làm gì.
Hỏi chatbot một câu hỏi hoàn toàn khác.
Điều gì là yếu tố cốt lõi nhất tạo nên sự "thông minh" của một chatbot?
Giao diện trò chuyện đẹp và bắt mắt.
Sự kết hợp giữa dữ liệu lớn và thuật toán học tập.
Tốc độ phản hồi tin nhắn nhanh chóng.
Khả năng nói được nhiều ngôn ngữ khác nhau.
Tình huống: Nếu một chatbot chỉ được huấn luyện bằng dữ liệu từ một quốc gia duy nhất, rủi ro lớn nhất khi sử dụng nó là gì?
Nó sẽ không thể dịch thuật sang các ngôn ngữ khác, vì thuật toán NLP cần dữ liệu đa dạng để xây dựng mô hình dịch hiệu quả.
Nó sẽ trả lời các câu hỏi chậm hơn do phải xử lý dữ liệu trong một bối cảnh văn hoá duy nhất, gây ra xung đột trong mạng nơ-ron.
Nó có thể mang quan điểm và văn hoá phiến diện.
Nó sẽ không thể viết được các văn bản sáng tạo, bởi vì sự sáng tạo của AI đến từ việc kết hợp các khái niệm từ nhiều nền văn hoá.
Tại sao một chatbot có thể tự tin đưa ra một câu trả lời chi tiết nhưng lại hoàn toàn sai về mặt thông tin thực tế?
Do nó được lập trình với cơ chế tự vệ, cố tình đánh lừa người dùng khi không biết câu trả lời chính xác để che giấu điểm yếu của mình.
Vì nó ưu tiên việc tạo ra câu trả lời nghe hợp lý.
Do bộ dữ liệu huấn luyện của nó bị nhiễm một loại virus đặc biệt, chuyên làm sai lệch các thông tin liên quan đến sự kiện và con số.
Do lỗi kết nối Internet khiến nó chỉ tìm được
Tình huống: Nếu nhiều người dùng cố tình "dạy" sai cho chatbot (ví dụ: khen các câu trả lời sai), điều gì sẽ xảy ra?
Chatbot sẽ tự động nhận ra hành vi phá hoại này và tiến hành chặn những người dùng đó khỏi hệ thống.
Thuật toán học tập có thể bị "nhiễu" và kém chính xác hơn.
Chatbot sẽ ngừng hoạt động ngay lập tức vì các quy tắc bên trong bị mâu thuẫn, dẫn đến lỗi hệ thống nghiêm trọng.
Tốc độ phản hồi của chatbot sẽ giảm đi đáng kể do phải xử lý thêm các phản hồi mâu thuẫn từ người dùng.
Khi xử lý một câu có nhiều nghĩa như "Hổ mang bò lên núi", NLP phải làm gì để hiểu đúng?
Nó sẽ bỏ qua các từ bị lặp lại trong câu để đơn giản hóa việc phân tích, sau đó chọn nghĩa phổ biến nhất.
Nó phải dịch câu đó sang một ngôn ngữ khác có cấu trúc rõ ràng hơn, sau đó dịch ngược lại để tìm ra ý nghĩa gốc.
Nó sẽ tự động yêu cầu người dùng diễn đạt lại câu theo một cách khác để tránh gây ra hiểu lầm.
Phân tích ngữ cảnh và cấu trúc ngữ pháp của câu.
Việc chia từ thành các "mã thông báo" (token) có thể gây ra lỗi trong trường hợp nào?
Khi xử lý các từ quá ngắn, chỉ có một hoặc hai ký tự, khiến thuật toán không đủ dữ liệu để phân tích.
Với các từ ghép hoặc thành ngữ có ý nghĩa đặc biệt.
Khi người dùng gõ một câu lệnh quá dài, vượt quá giới hạn mã thông báo mà chatbot có thể xử lý.
Khi chatbot phải trả lời các câu hỏi liên quan đến các con số và công thức toán học.
Một chatbot trả lời sai về thủ đô của một quốc gia. Lỗi này có khả năng bắt nguồn sâu xa nhất từ đâu?
Lỗi từ thuật toán NLP khi nó đọc sai câu hỏi, dẫn đến việc hiểu sai ý định của người dùng ngay từ đầu.
Thông tin sai lệch có trong chính bộ dữ liệu huấn luyện.
Lỗi từ mô hình LLM trong quá trình dự đoán từ, nó đã chọn một từ sai dù đã hiểu đúng ngữ cảnh.
Lỗi từ mạng nơ-ron khi nó xử lý các dữ liệu địa lý, vốn là một loại dữ liệu phức tạp hơn văn bản thông thường.
Tại sao việc "học từ lỗi" của chatbot không đảm bảo nó sẽ không bao giờ lặp lại lỗi đó?
Vì bộ nhớ của chatbot có giới hạn, nó sẽ quên các lỗi cũ sau một khoảng thời gian nhất định để học các lỗi mới.
Vì các mẫu ngôn ngữ quá phức tạp, việc sửa một lỗi có thể vô tình ảnh hưởng đến các mẫu khác.
Vì thuật toán học tập sẽ tự động bị lỗi và xuống cấp dần theo thời gian nếu không được bảo trì liên tục.
Vì các phản hồi của con người thường không nhất quán, khiến chatbot không biết đâu là câu trả lời đúng tuyệt đối.
Việc "làm sạch" dữ liệu để loại bỏ các từ không phù hợp có thể dẫn đến hệ quả tiêu cực nào?
Chatbot sẽ trả lời các câu hỏi chậm hơn do phải thực hiện thêm một bước kiểm duyệt trước khi hiển thị.
Dung lượng của bộ dữ liệu sẽ tăng lên đáng kể vì phải thêm vào các quy tắc về việc kiểm duyệt từ ngữ.
Chatbot có thể gặp khó khăn khi thảo luận các chủ đề nhạy cảm.
Thuật toán học tập sẽ không thể hoạt động được nếu bộ dữ liệu quá "sạch" và thiếu đi sự tự nhiên.
