NEW
Font size
WorksheetsQuiz về Trí Tuệ Nhân Tạo
Total questions: 76
Worksheet time: 38mins
Trí tuệ nhân tạo (AI) là gì?
Khả năng của máy tính thực hiện các nhiệm vụ mà thông thường cần đến trí thông minh của con người.
Một loại phần mềm dùng để chơi game.
Một hệ thống lưu trữ dữ liệu lớn.
Một công cụ để thiết kế đồ họa.
Điểm nổi bật nào sau đây của AI giúp nó học hỏi mà không cần lập trình từng bước?
Học hỏi từ dữ liệu
Tự động hóa quy trình
Tăng tốc xử lý
Lưu trữ thông tin
AI có thể xử lý các tình huống mới, chưa từng gặp nhờ vào đặc điểm nào?
Thích ứng
Lưu trữ dữ liệu
Tính toán nhanh
Tạo hình ảnh
Tại sao AI có thể đưa ra quyết định ngay cả khi thông tin chưa rõ ràng?
Vì AI có khả năng ra quyết định độc lập
Vì AI luôn có đầy đủ dữ liệu
Vì AI chỉ làm theo lệnh của con người
Vì AI không cần phân tích thông tin
Phân tích vai trò của khả năng thích ứng trong AI khi gặp các tình huống chưa từng gặp trước đây.
Khả năng thích ứng giúp AI xử lý linh hoạt các tình huống mới, từ đó nâng cao hiệu quả hoạt động trong môi trường thay đổi liên tục.
Khả năng thích ứng chỉ giúp AI lưu trữ thông tin mới.
Khả năng thích ứng làm cho AI hoạt động chậm hơn.
Khả năng thích ứng không ảnh hưởng đến hiệu quả của AI.
Năm 2016, AlphaGo của Google DeepMind đã đánh bại ai trong trò chơi cờ vây?
Magnus Carlsen
Lee Sedol
Garry Kasparov
Ke Jie
AI đã thay đổi cách con người di chuyển như thế nào trong lĩnh vực giao thông?
Tăng tốc độ xe máy
Taxi tự hành đã lăn bánh trên đường phố lớn
Phát triển xe đạp điện
Xây dựng nhiều đường cao tốc hơn
IBM Watson đã giúp ích gì trong lĩnh vực y tế?
Chẩn đoán ung thư cực nhanh và phát hiện protein mới
Phát triển thuốc giảm đau
Tăng cường thể lực cho bệnh nhân
Tạo ra máy tập thể dục thông minh
AI có thể làm gì trong việc phân tích dữ liệu y khoa?
Phân tích hàng tỷ dữ liệu y khoa để giúp cứu sống con người
Tạo ra các bài tập thể dục mới
Phát triển các loại thực phẩm chức năng
Tăng cường hệ miễn dịch bằng cách tự động hóa
Theo nội dung, AI đang trở thành gì trong các lĩnh vực mà trước đây chỉ con người làm chủ?
Đối tác, nhà tư vấn và đôi khi là người dẫn đầu
Người học việc
Người quan sát
Người tiêu dùng
Lý do nào khiến AI có thể vượt qua con người trong trò chơi cờ vây?
AI có thể học hỏi, thích nghi và tư duy chiến lược vượt con người
AI có thể chơi cờ vây nhanh hơn
AI có thể nhớ nhiều nước đi hơn
AI có thể giao tiếp với người chơi tốt hơn
Giải thích vai trò của AI trong việc phát hiện kháng sinh mới như Halicin.
AI phân tích dữ liệu y khoa để tìm ra kháng sinh mới
AI sản xuất thuốc kháng sinh
AI thử nghiệm thuốc trên động vật
AI quảng bá thuốc kháng sinh
Học máy (Machine Learning) là gì?
Một nhánh của AI giúp máy tính tự học hỏi từ dữ liệu mà không cần được lập trình chi tiết cho từng nhiệm vụ.
Một phần mềm dùng để chơi game.
Một loại phần cứng máy tính.
Một phương pháp lập trình truyền thống.
Nguyên lý cơ bản đầu tiên của học máy là gì?
Máy tính nhận dữ liệu.
Máy tính tự động sửa lỗi phần mềm.
Máy tính tạo ra hình ảnh đẹp.
Máy tính kết nối với Internet.
Sau khi nhận dữ liệu, máy tính trong học máy sẽ làm gì tiếp theo?
Phân tích để tìm ra quy luật, tạo mô hình dự đoán.
Xóa dữ liệu đã nhận.
Gửi dữ liệu cho người dùng.
Lưu trữ dữ liệu mà không xử lý.
Quá trình học hỏi và cải thiện trong học máy diễn ra như thế nào?
Liên tục qua các vòng lặp.
Chỉ thực hiện một lần duy nhất.
Không cần cải thiện.
Chỉ khi có lỗi mới học hỏi.
Tại sao học máy không cần được lập trình chi tiết cho từng nhiệm vụ?
Vì máy tính có thể tự học hỏi từ dữ liệu.
Vì máy tính không thể xử lý dữ liệu.
Vì lập trình chi tiết sẽ làm máy tính chậm hơn.
Vì máy tính chỉ làm theo lệnh cố định.
Hãy giải thích tại sao việc phân tích dữ liệu để tìm ra quy luật lại quan trọng trong học máy.
Vì nó giúp tạo ra mô hình dự đoán chính xác hơn.
Vì nó làm máy tính đẹp hơn.
Vì nó giúp máy tính tiết kiệm năng lượng.
Vì nó giúp máy tính kết nối mạng nhanh hơn.
Hình minh họa về học máy với các biểu tượng liên quan đến AI, dữ liệu và công nghệ.
Hình minh họa về học máy với các biểu tượng liên quan đến AI, dữ liệu và công nghệ.
Hình minh họa về thể thao với các biểu tượng bóng đá, bóng rổ và cầu lông.
Hình minh họa về thiên nhiên với các biểu tượng cây cối, động vật và sông suối.
Hình minh họa về nghệ thuật với các biểu tượng tranh vẽ, điêu khắc và âm nhạc.
Học sâu (Deep Learning) là gì?
Là một nhánh của Học máy, sử dụng mạng nơ-ron nhân tạo nhiều lớp để mô phỏng cách bộ não con người xử lý dữ liệu và ra quyết định.
Là một phương pháp thống kê truyền thống.
Là một loại phần mềm xử lý văn bản.
Là một kỹ thuật vẽ đồ họa máy tính.
Lớp đầu vào trong mô hình học sâu có nhiệm vụ gì?
Nhận dữ liệu đầu vào như ảnh con mèo.
Tìm chi tiết nhỏ như mắt, mũi, râu.
Kết hợp chi tiết để đưa ra câu trả lời.
Tự điều chỉnh nếu sai.
Các lớp ẩn trong mạng nơ-ron nhân tạo thường thực hiện nhiệm vụ nào?
Tìm chi tiết nhỏ như mắt, mũi, râu.
Nhận dữ liệu đầu vào.
Đưa ra câu trả lời cuối cùng.
Lưu trữ dữ liệu.
Lớp đầu ra của mô hình học sâu thực hiện chức năng gì?
Kết hợp chi tiết để đưa ra câu trả lời (ví dụ: có phải mèo không?).
Nhận dữ liệu đầu vào.
Tìm chi tiết nhỏ.
Lưu trữ kết quả.
Tại sao mô hình học sâu cần luyện tập nhiều lần và tự điều chỉnh nếu sai?
Để cải thiện độ chính xác của mô hình.
Để giảm thời gian xử lý dữ liệu.
Để tăng số lượng lớp ẩn.
Để thay đổi loại dữ liệu đầu vào.
Quá trình hoạt động của mô hình học sâu nhận diện hình ảnh con mèo diễn ra như thế nào?
Nhận ảnh con mèo → Tìm chi tiết nhỏ (mắt, mũi, râu) → Kết hợp chi tiết để xác định có phải mèo không → Luyện tập nhiều lần, tự điều chỉnh nếu sai.
Nhận ảnh con mèo → Lưu trữ dữ liệu → Đưa ra kết quả ngay lập tức.
Nhận ảnh con mèo → Tìm chi tiết lớn → Đưa ra kết quả.
Nhận ảnh con mèo → Tự động xóa dữ liệu → Đưa ra kết quả.
Trong học máy (Machine Learning), bước nào được thực hiện trước khi phân loại dữ liệu?
Đầu ra
Trích xuất đặc trưng
Phân loại
Đầu vào
Điểm khác biệt chính giữa học máy (Machine Learning) và học sâu (Deep Learning) là gì?
Học sâu kết hợp trích xuất đặc trưng và phân loại trong một bước
Học máy không có bước phân loại
Học sâu không sử dụng đầu vào
Học máy không có đầu ra
Nếu bạn muốn xây dựng một hệ thống nhận diện xe hơi mà không cần tách riêng bước trích xuất đặc trưng, bạn nên sử dụng phương pháp nào?
Học máy (Machine Learning)
Học sâu (Deep Learning)
Phân loại truyền thống
Xử lý ảnh cơ bản
Dữ liệu lớn (Big Data) là gì?
Là các tập hợp dữ liệu có kích thước rất lớn và phức tạp, vượt quá khả năng xử lý của các công cụ truyền thống.
Là dữ liệu nhỏ, dễ dàng quản lý bằng các công cụ truyền thống.
Là dữ liệu chỉ bao gồm văn bản.
Là dữ liệu chỉ được tạo ra từ một nguồn duy nhất.
Đặc trưng nào sau đây KHÔNG phải là một trong các đặc trưng của dữ liệu lớn?
Khối lượng (Volume)
Tốc độ (Velocity)
Đa dạng (Variety)
Đơn giản (Simplicity)
Khối lượng (Volume) trong dữ liệu lớn đề cập đến điều gì?
Lượng dữ liệu khổng lồ được tạo ra từ nhiều nguồn khác nhau.
Tốc độ xử lý dữ liệu.
Độ tin cậy của dữ liệu.
Giá trị tiềm năng của dữ liệu.
Tốc độ (Velocity) trong dữ liệu lớn liên quan đến yếu tố nào?
Dữ liệu được tạo ra và xử lý với tốc độ nhanh chóng.
Dữ liệu chỉ được lưu trữ mà không xử lý.
Dữ liệu chỉ được tạo ra từ một nguồn duy nhất.
Dữ liệu không có giá trị tiềm năng.
Đa dạng (Variety) trong dữ liệu lớn có nghĩa là gì?
Dữ liệu đến từ nhiều định dạng khác nhau như văn bản, hình ảnh, video.
Dữ liệu chỉ có một định dạng duy nhất.
Dữ liệu không có giá trị phân tích.
Dữ liệu luôn có chất lượng thấp.
Tính xác thực (Veracity) của dữ liệu lớn đề cập đến điều gì?
Độ tin cậy và chất lượng của dữ liệu.
Tốc độ xử lý dữ liệu.
Khối lượng dữ liệu.
Định dạng dữ liệu.
Giá trị (Value) của dữ liệu lớn là gì?
Giá trị tiềm năng mà dữ liệu mang lại khi được phân tích.
Giá trị của dữ liệu khi chưa được xử lý.
Giá trị của dữ liệu chỉ dựa trên số lượng.
Giá trị của dữ liệu không liên quan đến phân tích.
Dữ liệu lớn (Big Data) có vai trò gì trong việc ra quyết định của nhà quản lý giáo dục?
Giúp nhà quản lý đưa ra quyết định chính xác hơn dựa trên phân tích dữ liệu thực tế
Giúp nhà quản lý giảm số lượng sinh viên
Giúp nhà quản lý tăng học phí
Giúp nhà quản lý tổ chức sự kiện
Làm thế nào dữ liệu lớn có thể cải thiện chất lượng giảng dạy trong giáo dục?
Giúp giảng viên hiểu rõ hơn về nhu cầu và tiến độ học tập của sinh viên để điều chỉnh phương pháp giảng dạy phù hợp
Giúp giảng viên giảm số lượng bài tập về nhà
Giúp giảng viên tăng số lượng sinh viên trong lớp
Giúp giảng viên tổ chức các hoạt động ngoại khóa
Hệ thống cảnh báo sớm dựa trên dữ liệu lớn giúp gì cho sinh viên?
Nhận diện sinh viên có nguy cơ gặp khó khăn trong học tập để hỗ trợ kịp thời
Tăng số lượng sinh viên đạt học bổng
Giảm số lượng môn học bắt buộc
Tăng số lượng hoạt động ngoại khóa
Giảng viên có thể sử dụng dữ liệu lớn như thế nào để nâng cao hiệu quả giảng dạy?
Tăng số lượng bài kiểm tra cho sinh viên
Phân tích dữ liệu học tập của sinh viên để điều chỉnh phương pháp giảng dạy phù hợp với từng nhóm sinh viên
Tổ chức thêm các buổi ngoại khóa
Giảm thời gian giảng dạy trên lớp
AI tạo sinh (Generative AI) là gì?
Một nhánh của AI sử dụng các mô hình học máy để tạo ra nội dung mới dựa trên các mẫu dữ liệu đã học
Một loại AI chỉ phân tích dữ liệu mà không tạo ra nội dung mới
Một loại AI chỉ dùng để chơi game
Một loại AI không sử dụng học máy
Ví dụ nào sau đây là sản phẩm của Cognitive AI?
Siri, Alexa, Google Assistant
IBM Watson, AlphaGO, H2O
Midjourney, Suno
ChatGPT, DALL-E
Phân biệt giữa Analytical AI và Generative AI dựa trên chức năng chính của chúng.
Analytical AI phân tích và dự đoán từ dữ liệu, Generative AI sáng tạo nội dung mới
Analytical AI sáng tạo nội dung mới, Generative AI phân tích dữ liệu
Analytical AI chỉ dùng cho trò chơi, Generative AI chỉ dùng cho âm nhạc
Analytical AI không sử dụng dữ liệu, Generative AI không sử dụng học máy
Hãy lập luận tại sao một sản phẩm AI có thể là tổng hợp của nhiều loại AI khác nhau.
Vì các sản phẩm AI thường tích hợp nhiều chức năng như suy luận, phân tích và sáng tạo
Vì AI chỉ có một loại duy nhất
Vì AI không thể kết hợp các chức năng khác nhau
Vì AI chỉ dùng để tạo nội dung mới
Mô hình Ngôn ngữ Lớn (LLMs) là gì?
Là mô hình AI tạo sinh được huấn luyện trên khối lượng dữ liệu văn bản khổng lồ để học cách hiểu và tạo ra ngôn ngữ tự nhiên giống con người.
Là phần mềm dịch ngôn ngữ tự động.
Là hệ thống lưu trữ dữ liệu lớn.
Là công cụ tìm kiếm trên internet.
Một nguyên lý hoạt động của LLM là gì?
LLM dự đoán từ tiếp theo dựa trên ngữ cảnh, giống như con người khi nói chuyện.
LLM chỉ lưu trữ dữ liệu mà không xử lý.
LLM chỉ dịch văn bản sang ngôn ngữ khác.
LLM chỉ phân tích hình ảnh.
Hãy chọn một LLM phổ biến từ danh sách sau.
Meta
Tại sao LLM cần lặp lại quá trình dự đoán từ để tạo ra đoạn văn hoàn chỉnh, mạch lạc? (DoK 2)
Để đảm bảo đoạn văn có ý nghĩa và liên kết logic.
Để tăng tốc độ xử lý dữ liệu.
Để giảm dung lượng lưu trữ.
Để tạo ra nhiều ngôn ngữ khác nhau.
Giả sử bạn muốn xây dựng một chatbot sử dụng LLM, bạn sẽ cần thực hiện những bước nào dựa trên nguyên lý hoạt động của LLM? (DoK 3)
Thu thập dữ liệu văn bản lớn, huấn luyện mô hình để dự đoán từ tiếp theo, kiểm tra khả năng tạo ra đoạn hội thoại mạch lạc.
Chỉ cần cài đặt phần mềm và sử dụng ngay.
Chỉ cần nhập dữ liệu hình ảnh vào hệ thống.
Không cần kiểm tra kết quả đầu ra.
Bí mật cốt lõi của mô hình Ngôn ngữ Lớn (LLM) là gì?
Đoán từ tiếp theo
Dịch ngôn ngữ
Tạo hình ảnh
Tính toán số học
Khi bạn nói "Hôm nay trời rất...", LLM sẽ làm gì để dự đoán từ tiếp theo?
Dựa trên những gì nó đã đọc để đoán từ phù hợp
Chọn từ ngẫu nhiên
Hỏi người dùng
Sử dụng hình ảnh
Quá trình tạo ra một câu hoàn chỉnh của LLM diễn ra như thế nào?
Đoán từ tiếp theo liên tục cho đến khi hoàn thành câu
Viết toàn bộ câu một lần
Sao chép từ câu chuyện khác
Chỉ chọn từ đầu tiên
LLM có thể hiểu được điều gì ngoài việc đoán từ tiếp theo?
Ngữ cảnh của câu chuyện
Màu sắc của từ
Độ dài của câu
Tốc độ nói chuyện
Tại sao LLM có thể tạo ra một đoạn văn, bài thơ hoặc câu chuyện hoàn chỉnh giống như con người viết?
Vì nó liên tục đoán từ tiếp theo dựa trên ngữ cảnh
Vì nó sao chép từ internet
Vì nó chỉ sử dụng từ phổ biến
Vì nó không hiểu ngữ cảnh
Mô hình Ngôn ngữ Lý luận (RLM) còn được gọi là gì?
Mô hình Ngôn ngữ Lớn (LLM)
Mô hình Lý luận Lớn (LRM)
Mô hình Ngôn ngữ Nhỏ (SLM)
Mô hình Suy luận Nhỏ (SRM)
Điểm khác biệt cốt lõi của RLM so với các mô hình truyền thống là gì?
RLM chỉ đoán từ tiếp theo để tạo câu văn trôi chảy
RLM được trang bị thêm "bộ não suy luận"
RLM không thể giải toán khó
RLM chỉ dùng cho dịch thuật
Khi được đưa một bài toán khó, RLM sẽ làm gì?
Đưa ra đáp án ngay lập tức
Trình bày từng bước giải như một học sinh giỏi Toán
Bỏ qua bài toán
Đoán đáp án ngẫu nhiên
Giả sử bạn cần một mô hình có khả năng trình bày từng bước giải cho một bài toán phức tạp, bạn nên chọn mô hình nào?
Mô hình Ngôn ngữ Lớn (LLM) truyền thống
Mô hình Ngôn ngữ Lý luận (RLM)
Mô hình dịch thuật tự động
Mô hình nhận diện hình ảnh
Mô hình Ngôn ngữ Lý luận (RLM) có thể làm gì mà LLM thông thường khó làm?
Giải thích lý do tại sao nó đưa ra một câu trả lời
Tạo ra văn bản tự động
Dịch ngôn ngữ
Tìm kiếm thông tin trên internet
Một trong những khả năng của RLM là gì?
Phân tích vấn đề và tìm kiếm các giải pháp một cách chủ động hơn
Tạo hình ảnh từ văn bản
Lưu trữ dữ liệu lớn
Tăng tốc độ xử lý phần cứng
RLM có thể giải quyết các vấn đề như thế nào?
Giải quyết các vấn đề phức tạp đòi hỏi logic
Giải quyết các vấn đề đơn giản không cần logic
Chỉ giải quyết các vấn đề toán học
Không giải quyết được vấn đề nào
Tại sao các suy luận của RLM được đánh giá là có "sắc thái" hơn?
Vì RLM đưa ra các suy luận có chiều sâu
Vì RLM chỉ dựa vào dữ liệu đầu vào
Vì RLM không thể giải thích lý do
Vì RLM chỉ trả lời các câu hỏi đơn giản
Hãy lập kế hoạch sử dụng RLM để giải quyết một vấn đề phức tạp đòi hỏi logic. Bạn sẽ thực hiện những bước nào để đảm bảo kết quả có chiều sâu và sắc thái?
Phân tích vấn đề, tìm kiếm giải pháp, đưa ra quyết định và giải thích lý do lựa chọn
Chỉ chọn giải pháp nhanh nhất mà không phân tích
Sao chép giải pháp từ nguồn khác
Bỏ qua các bước giải thích lý do
DoK Level 1: AI mang lại lợi ích gì cho giáo viên trong giáo dục?
Tạo tài liệu học tập, cá nhân hóa giáo án, tiết kiệm thời gian
Tăng số lượng học sinh trong lớp
Giảm chi phí mua sách giáo khoa
Tăng số lượng bài kiểm tra
DoK Level 1: Học sinh nhận được lợi ích gì từ AI trong giáo dục?
Tóm tắt tài liệu nhanh, cải thiện kỹ năng viết, hỗ trợ giải bài tập
Tăng số lượng bài tập về nhà
Giảm thời gian học trên lớp
Tăng điểm kiểm tra tự động
DoK Level 2: Vì sao việc cá nhân hóa giáo án bằng AI giúp giáo viên tiết kiệm thời gian?
Vì giáo viên không cần soạn bài giảng thủ công cho từng lớp
Vì giáo viên có thể nghỉ dạy nhiều hơn
Vì học sinh tự học hoàn toàn không cần giáo viên
Vì giáo viên không cần chấm điểm bài kiểm tra
DoK Level 3: Hãy phân tích cách AI hỗ trợ học sinh cải thiện kỹ năng viết và giải bài tập.
AI đưa ra gợi ý chỉnh sửa và hướng dẫn giải bài tập, giúp học sinh nâng cao kỹ năng viết và tư duy giải quyết vấn đề
AI chỉ cung cấp đáp án cho học sinh mà không giải thích
AI thay thế hoàn toàn giáo viên trong việc dạy viết
AI chỉ giúp học sinh làm bài tập nhanh hơn mà không cải thiện kỹ năng
DoK 1: Theo nội dung, một trong những thách thức của AI trong giáo dục là gì?
Đạo đức và trung thực
Tăng số lượng học sinh
Giảm chi phí giáo dục
Tăng thời gian học tập
DoK 2: Tại sao AI có thể tạo ra sự không công bằng trong giáo dục?
Vì AI là công nghệ rẻ tiền, ai cũng có thể sử dụng
Vì AI có thể tạo khoảng cách giữa các bạn có điều kiện và không có điều kiện
Vì AI giúp học sinh học nhanh hơn
Vì AI làm tăng số lượng giáo viên
DoK 3: Nếu bạn là người quản lý trường học, bạn sẽ làm gì để đảm bảo việc áp dụng AI trong giáo dục được minh bạch và có trách nhiệm?
Chỉ sử dụng AI cho các môn học phụ
Đảm bảo công khai quy trình sử dụng AI và giám sát trách nhiệm của người dùng
Không cho phép học sinh sử dụng AI
Sử dụng AI mà không cần kiểm tra
Google AI Studio được thiết kế cho đối tượng nào?
Chỉ dành cho các chuyên gia
Chỉ dành cho người mới bắt đầu
Dành cho cả người mới bắt đầu và các chuyên gia
Chỉ dành cho học sinh
Mục đích chính của Google AI Studio là gì?
Giúp người dùng học lập trình cơ bản
Giúp người dùng khám phá, thử nghiệm và phát triển các ứng dụng Trí tuệ Nhân tạo (AI) nhanh chóng
Giúp người dùng thiết kế website
Giúp người dùng quản lý dữ liệu
Tại sao Google AI Studio được xem là một nền tảng mạnh mẽ và dễ sử dụng?
Vì nó chỉ dành cho chuyên gia
Vì nó có giao diện phức tạp
Vì nó được thiết kế cho cả người mới bắt đầu và chuyên gia
Vì nó chỉ hỗ trợ một số tính năng cơ bản
Trong AI, model là gì?
Một hệ thống toán học hoặc thuật toán được huấn luyện từ dữ liệu để thực hiện một nhiệm vụ cụ thể.
Một phần mềm dùng để chơi game.
Một loại phần cứng máy tính.
Một chương trình chỉnh sửa ảnh.
Model trong AI tạo sinh được thiết kế để làm gì?
Để hiểu, xử lý và tạo ra nội dung mới như văn bản, hình ảnh, âm nhạc hoặc video.
Để lưu trữ dữ liệu.
Để bảo vệ hệ thống khỏi virus.
Để tăng tốc độ mạng Internet.
Vai trò của model trong hệ thống AI là gì?
Hoạt động như "bộ não" của hệ thống AI, giúp chuyển đổi dữ liệu đầu vào thành kết quả đầu ra.
Chỉ dùng để lưu trữ thông tin.
Chỉ dùng để kiểm tra lỗi phần mềm.
Chỉ dùng để kết nối với Internet.
Hãy phân tích vai trò của model trong việc chuyển đổi dữ liệu đầu vào thành nội dung tạo sinh trong hệ thống AI.
Model xử lý dữ liệu đầu vào, sử dụng các thuật toán đã được huấn luyện để tạo ra kết quả đầu ra như văn bản, hình ảnh, âm nhạc hoặc video.
Model chỉ lưu trữ dữ liệu mà không xử lý.
Model chỉ kiểm tra dữ liệu đầu vào mà không tạo ra kết quả đầu ra.
Model chỉ dùng để bảo vệ dữ liệu khỏi bị mất.
