WorksheetsBIAS_11
Total questions: 25
Worksheet time: 16mins
Name
Class
Date
1.
Bias trong AI là gì?
a)
Sự thiên vị hoặc sai lệch trong phản hồi của AI
b)
Tốc độ xử lý chậm của hệ thống AI
c)
Khả năng tự học của máy tính thông minh
d)
Quá trình huấn luyện dữ liệu cho mô hình
2.
Nguyên nhân chính khiến AI bị bias là gì?
a)
Dữ liệu huấn luyện mang thiên lệch
b)
AI có cảm xúc giống con người
c)
Do AI không được cập nhật thường xuyên
d)
Vì người dùng nhập lệnh quá phức tạp
3.
Ví dụ nào thể hiện bias trong AI?
a)
AI nhận diện mọi khuôn mặt chính xác
b)
AI chỉ tạo ảnh CEO là nam giới da trắng
c)
AI dự đoán thời tiết chính xác hàng ngày
d)
AI dịch văn bản giữa các ngôn ngữ khác nhau
4.
Bias giới tính thể hiện khi nào?
a)
AI mô tả y tá luôn là phụ nữ
b)
AI chọn ngẫu nhiên các nghề nghiệp
c)
AI học từ dữ liệu cân bằng nam nữ
d)
AI ẩn tên người trong phản hồi
5.
Nguyên tắc “Minh bạch” trong AI Ethics nghĩa là gì?
a)
Cách hoạt động của AI phải dễ hiểu, rõ ràng
b)
AI có quyền giữ bí mật dữ liệu người dùng
c)
Người dùng không được hỏi về thuật toán
d)
AI có thể tự điều chỉnh mà không cần giám sát
6.
Nguyên tắc “Công bằng” trong AI hướng đến điều gì?
a)
AI không phân biệt giới tính, vùng miền hay chủng tộc
b)
AI chỉ phục vụ nhóm người sử dụng chuyên biệt
c)
AI được phép ưu tiên người dùng trả phí cao
d)
AI hoạt động độc lập không cần dữ liệu
7.
Nguyên tắc “Trách nhiệm” trong AI đề cập đến ai?
a)
Người phát triển và triển khai hệ thống AI
b)
Chỉ người vận hành máy chủ AI
c)
Mọi người dùng internet toàn cầu
d)
AI tự chịu trách nhiệm về lỗi của mình
8.
Nguyên tắc “Bảo mật” yêu cầu điều gì?
a)
Dữ liệu cá nhân phải được bảo vệ hợp lý
b)
Dữ liệu người dùng có thể công khai tự do
c)
AI được phép chia sẻ thông tin người khác
d)
Người dùng không được kiểm tra dữ liệu
9.
Khi AI sai lệch do dữ liệu huấn luyện, lỗi thuộc về ai?
a)
Người thiết kế và cung cấp dữ liệu
b)
Người sử dụng AI bình thường
c)
Hệ thống phần cứng xử lý
d)
Người kiểm thử sản phẩm
10.
AI bị bias có thể gây ra hậu quả gì?
a)
Phân biệt đối xử trong tuyển dụng hay đánh giá
b)
Giúp AI hoạt động nhanh và chính xác hơn
c)
Tăng tính sáng tạo của thuật toán
d)
Giảm chi phí thu thập dữ liệu
11.
Vì sao cần đạo đức trong AI?
a)
Để đảm bảo AI phục vụ con người một cách công bằng
b)
Để AI tự do hoạt động không bị giới hạn
c)
Vì AI không thể học được các quy tắc xã hội
d)
Vì AI luôn có xu hướng sai sót dữ liệu
12.
Nếu AI được huấn luyện bằng dữ liệu thiên lệch, kết quả sẽ như thế nào?
a)
AI phản hồi sai lệch, thiếu khách quan
b)
AI phản hồi đa dạng và công bằng
c)
AI ngừng hoạt động và cần khởi động lại
d)
AI tự sửa lỗi và hoạt động chuẩn xác
13.
AI không có đạo đức có thể dẫn đến gì?
a)
Quyết định gây hại cho con người
b)
Nâng cao chất lượng giáo dục
c)
Tăng độ minh bạch trong dữ liệu
d)
Giảm chi phí phát triển phần mềm
14.
Khi chatbot luôn mô tả nữ làm y tá, nam làm CEO, điều đó cho thấy gì?
a)
AI đang phản ánh định kiến xã hội
b)
AI có khả năng sáng tạo hình ảnh
c)
AI hoạt động không có lỗi kỹ thuật
d)
AI được huấn luyện bằng dữ liệu cân bằng
15.
Một hệ thống AI công bằng cần gì nhất?
a)
Dữ liệu huấn luyện đa dạng và kiểm tra chặt chẽ
b)
Dữ liệu được thu thập ngẫu nhiên không kiểm duyệt
c)
Tập trung học một nhóm người cụ thể
d)
Không cần xem xét nguồn dữ liệu
16.
Nếu bạn phát hiện AI chấm điểm văn thiên vị vùng miền, bạn nên làm gì?
a)
Báo cáo và điều chỉnh lại dữ liệu huấn luyện
b)
Tiếp tục dùng vì AI đã quen mô hình đó
c)
Ẩn các bài bị điểm thấp để tránh lỗi
d)
Xóa toàn bộ hệ thống không cần kiểm tra
17.
Để chatbot không bias vùng miền khi tư vấn tuyển sinh, bạn nên:
a)
Dùng dữ liệu phản ánh mọi vùng miền Việt Nam
b)
Chỉ lấy dữ liệu từ học sinh thành phố lớn
c)
Đưa vào nhiều từ khóa miền Nam hơn miền Bắc
d)
Giới hạn phản hồi bằng tiếng địa phương
18.
Trong dự án AI nhận diện khuôn mặt, cần làm gì để giảm bias chủng tộc?
a)
Dùng ảnh huấn luyện từ nhiều tông da và giới tính
b)
Giới hạn mẫu dữ liệu ở một quốc gia duy nhất
c)
Loại bỏ ảnh nữ để dễ xử lý
d)
Dùng dữ liệu chỉ từ bạn bè nhóm phát triển
19.
Khi AI đưa ra kết quả phân biệt giới tính, người lập trình nên:
a)
Phân tích nguyên nhân và chỉnh thuật toán
b)
Giữ nguyên vì đó là phản ánh thực tế
c)
Xóa luôn mô hình để tránh lỗi
d)
Chặn người dùng truy cập hệ thống
20.
Một học sinh muốn thiết kế AI chấm bài viết công bằng nên:
a)
Thêm dữ liệu đa dạng về phong cách viết
b)
Chỉ chọn bài viết đạt điểm cao để huấn luyện
c)
Dùng thuật toán chấm theo khuôn mẫu cố định
d)
Loại trừ các bài có nội dung sáng tạo
21.
Để AI trở nên công bằng hơn, bạn sẽ làm gì?
a)
Xây dựng bộ dữ liệu cân bằng và kiểm định kỹ
b)
Giới hạn AI chỉ học từ nguồn riêng tư
c)
Loại bỏ toàn bộ dữ liệu người dùng thật
d)
Tăng tốc huấn luyện để giảm sai lệch
22.
Nếu được thiết kế lại hệ thống AI tạo hình ảnh, bạn nên:
a)
Thêm dữ liệu đa dạng về giới, nghề, vùng miền
b)
Giữ nguyên dữ liệu hiện có để đảm bảo tốc độ
c)
Tập trung vào một nhóm người nổi tiếng
d)
Giảm bớt ảnh nữ để tránh dư dữ liệu
23.
Khi xây dựng AI chấm điểm bài viết sáng tạo, bạn có thể:
a)
Cho AI học cách đánh giá nội dung và cảm xúc
b)
Giới hạn điểm số theo từ khóa có sẵn
c)
Chỉ chấm điểm ngữ pháp và chính tả
d)
Loại bỏ các bài có cách viết lạ thường
24.
Bạn muốn tạo chatbot công bằng khi tư vấn nghề nghiệp, bạn sẽ:
a)
Thiết kế phản hồi dựa trên năng lực và sở thích cá nhân
b)
Chỉ đề xuất nghề phổ biến cho nam giới
c)
Hạn chế dữ liệu liên quan đến nhóm thiểu số
d)
Giữ nguyên phản hồi mặc định của hệ thống
25.
Nếu là nhóm phát triển AI tại trường, bạn đề xuất gì để đảm bảo đạo đức?
a)
Có quy trình kiểm tra bias định kỳ và công khai dữ liệu
b)
Tăng tốc độ phản hồi mà không cần kiểm thử
c)
Giữ bí mật hoàn toàn mọi dữ liệu huấn luyện
d)
Cho phép AI tự điều chỉnh không qua giám sát
100 %
