Font size
WorksheetsAI thaayf Thanh
Total questions: 133
Worksheet time: 1hrs 7mins
Một mô hình AI chấm điểm tín dụng được huấn luyện trên dữ liệu lịch sử bị thiên lệch, khiến mô hình phân biệt đối xử với một nhóm khách hàng nhất định. Vấn đề này thuộc nhóm thách thức nào của AI?
Hạn chế về phần cứng
Thiên vị thuật toán và vấn đề đạo đức
Thiếu định nghĩa về AI
Không có dữ liệu
Trong giai đoạn “mùa đông AI” (AI Winter), nguyên nhân chính khiến AI không phát triển mạnh là:
Không có ứng dụng nào trong kinh tế
Không có ý tưởng thuật toán nào mới
Hạn chế về dữ liệu và sức mạnh tính toán so với kỳ vọng đặt ra
Con người không quan tâm đến AI
Khi ứng dụng AI trong doanh nghiệp Việt Nam, một rào cản là hành lang pháp lý và quy định về bảo vệ dữ liệu cá nhân chưa hoàn thiện, gây lo ngại cho doanh nghiệp. Đây là ví dụ về:
Thách thức pháp lý – xã hội – đạo đức
Thách thức về siêu trí tuệ
Thách thức công nghệ thuần túy
Thách thức về phần cứng
Ủy ban châu Âu (EU AI Act, 2021) nhấn mạnh AI là:
Hệ thống phần cứng có khả năng tự sửa chữa
Hệ thống cơ sở dữ liệu dùng để lưu trữ dữ liệu lớn
Phần mềm được phát triển bằng một hoặc nhiều kỹ thuật như học máy, logic, thống kê… để tạo ra đầu ra như dự đoán, khuyến nghị hoặc quyết định cho mục tiêu xác định
Mạng máy tính dùng để kết nối các cảm biến IoT
Hệ thống tự động đọc hóa đơn giấy, trích xuất thông tin (số tiền, ngày, mã khách hàng) và đưa vào phần mềm kế toán sử dụng chủ yếu các công nghệ AI nào?
Speech Recognition và Robotics
Computer Vision/OCR kết hợp Machine Learning
Symbolic AI và Big Data
NLP và Chatbot
Một công ty chứng khoán sử dụng mô hình AI để dự báo xu hướng giá cổ phiếu dựa trên dữ liệu lịch sử và tin tức thị trường. Cách tiếp cận phù hợp nhất là:
Robotics trong dây chuyền sản xuất
Hybrid AI kết hợp robot vật lý và dữ liệu lớn
Symbolic AI với luật IF–THEN cố định
Statistical AI dựa trên học máy và mô hình xác suất
Khái niệm Big Data (dữ liệu lớn) thường được mô tả bằng đặc trưng:
3D (Data, Device, Decision)
3V (Volume, Velocity, Variety)
3C (Cost, Control, Complexity)
3R (Real-time, Robust, Reliable)
Phát biểu nào dưới đây mô tả đúng sự khác nhau giữa AI và Big Data trong bối cảnh kinh tế?
Big Data là nguyên liệu dữ liệu, AI là công cụ để khai thác và tạo giá trị từ dữ liệu đó
AI và Big Data là hai khái niệm hoàn toàn giống nhau
AI là nguyên liệu, Big Data là công cụ
AI là dữ liệu, Big Data là thuật toán
Công nghệ cho phép hệ thống “hiểu” và xử lý ngôn ngữ tự nhiên của con người là:
Speech Recognition
Natural Language Processing (NLP)
Robotics
Computer Vision
Cấp độ AI hiện đang được triển khai rộng rãi trong thực tiễn hiện nay là:
Trí tuệ nhân tạo sinh học
Siêu trí tuệ nhân tạo (Super AI)
Trí tuệ nhân tạo tổng quát (General AI/Strong AI)
Trí tuệ nhân tạo hẹp (Narrow AI/Weak AI)
Một ngân hàng sử dụng mô hình để học từ dữ liệu giao dịch quá khứ và dự đoán khả năng vỡ nợ của khách hàng mới. Mô hình này thuộc nhánh kỹ thuật nào trong AI?
Computer Vision
Machine Learning
Robotics
Symbolic AI
Trên các sàn thương mại điện tử, hệ thống gợi ý sản phẩm “có thể bạn quan tâm” dựa trên lịch sử mua hàng và hành vi duyệt web của người dùng. Hệ thống gợi ý này chủ yếu dựa trên:
Computer Vision
Symbolic AI
Robotics
Machine Learning
Hệ thống chatbot của ngân hàng giúp khách hàng tra cứu số dư, lịch sử giao dịch và giải đáp câu hỏi 24/7. Hệ thống này có thể được mô tả là:
Một hệ thống Big Data
Một hệ thống Data Mining
Một dạng Narrow AI sử dụng NLP để tương tác
Một dạng General AI
Doanh nghiệp thương mại điện tử phân tích dữ liệu mua hàng trong quá khứ để phát hiện các nhóm khách hàng có hành vi tiêu dùng tương đồng. Mục tiêu chính của quá trình này phù hợp nhất với khái niệm:
Robotics
Super AI
General AI
Data Mining
Theo John McCarthy, trí tuệ nhân tạo (AI) được hiểu là gì?
Ngành khoa học nghiên cứu dữ liệu lớn và cách lưu trữ dữ liệu
Ngành khoa học và kỹ thuật tạo ra những cỗ máy thông minh, đặc biệt là các chương trình máy tính có khả năng học hỏi
Ngành khoa học nghiên cứu cấu trúc não bộ con người
Ngành khoa học nghiên cứu robot trong sản xuất công nghiệp
Xét các phát biểu sau về thành tựu và thách thức của AI: (1) Các mô hình ngôn ngữ lớn như ChatGPT, Copilot đã mở ra kỷ nguyên giao tiếp tự nhiên giữa người và máy. (2) AI trong tài chính, kế toán, kiểm toán giúp tăng hiệu quả nhưng không đặt ra bất kỳ vấn đề nào về chất lượng dữ liệu hay quyền riêng tư. (3) Một thách thức lớn của AI là tính minh bạch và khả năng giải thích quyết định, đặc biệt trong các mô hình deep learning. (4) Tại Việt Nam, nguồn nhân lực AI chất lượng cao vẫn còn hạn chế so với nhu cầu triển khai. Tổ hợp phương án đúng là:
(1), (3), (4)
(1), (2), (3)
(1), (2), (4)
(2), (3), (4)
Đối với người được định hướng làm việc trong khối ngành kinh tế, ý nghĩa quan trọng nhất của việc học AI là:
Chỉ để hiểu các mô hình toán học phức tạp
Chỉ để lập trình robot công nghiệp
Hiểu và biết cách ứng dụng AI trong học tập, nghiên cứu và nghề nghiệp, tạo lợi thế cạnh tranh trên thị trường lao động
Thay thế hoàn toàn kiến thức tài chính – kế toán truyền thống
So sánh ba hướng tiếp cận Symbolic AI, Statistical AI và Hybrid AI, phát biểu nào sau đây đúng nhất?
Symbolic AI mạnh trong học từ dữ liệu lớn, nhưng khó biểu diễn tri thức chuyên gia
Cả ba hướng tiếp cận đều không liên quan đến học máy
Hybrid AI cố gắng kết hợp ưu điểm của Symbolic AI (minh bạch, dễ giải thích) và Statistical AI (học từ dữ liệu, khả năng thích ứng)
Statistical AI chủ yếu dựa trên luật IF–THEN, ít phụ thuộc dữ liệu
Theo phân loại theo kỹ thuật, Machine Learning (ML) là:
Một nhánh của Deep Learning
Một nhánh của AI với phương pháp cho máy học từ dữ liệu để dự đoán hoặc ra quyết định
Một tên gọi khác của Robotics
Một phần của Big Data
Một nhánh của AI cho phép hệ thống học từ dữ liệu, cải thiện hiệu suất mà không cần lập trình cứng là gì?
Điện toán đám mây phổ biến
Machine Learning hiện đại
Kho lưu trữ tri thức dựa luật
Big Data quy mô lớn
Deep Learning (DL) là gì?
Một mạng nơ-ron nhiều lớp
Một phương pháp thống kê truyền thống
Một cách lưu trữ tri thức
Một kỹ thuật khai phá dữ liệu
Công nghệ cho phép hệ thống “nhìn” và phân tích hình ảnh, video được gọi là gì?
Computer Vision hiện đại
Big Data phân tán
Data Mining nâng cao
Cloud Computing tiện ích
Trong kiểm toán, hệ thống như MindBridge Ai rà soát toàn bộ dữ liệu để phát hiện giao dịch bất thường. Lợi thế chính so với chọn mẫu truyền thống là gì?
Không cần dữ liệu lịch sử
Kiểm tra toàn bộ dữ liệu và phát hiện mẫu khó thấy
Chỉ xem xét một phần nhỏ dữ liệu
Giảm nhu cầu dùng máy tính
Theo định nghĩa của Russell & Norvig, AI nghiên cứu về điều gì?
Hệ thống ra quyết định dựa luật pháp
Xử lý dữ liệu lớn trên đám mây
Các tác nhân thông minh tối đa hóa mục tiêu
Máy tính có khả năng lưu trữ dữ liệu
Một công ty muốn kết hợp tri thức nghiệp vụ kế toán với học từ dữ liệu giao dịch để phát hiện gian lận. Hướng tiếp cận AI phù hợp nhất là gì?
Symbolic AI thuần túy
Chỉ dùng Big Data không cần AI
Hybrid AI kết hợp luật và học máy
Statistical AI thuần túy
Symbolic AI (AI dựa trên luật) còn được gọi là gì?
Modern AI thế hệ mới
Good Old-Fashioned AI
Hybrid AI kết hợp
Deep AI tiên tiến
Một tổng đài thông minh tự động nhận diện giọng nói và trả lời khách hàng. Công nghệ AI cốt lõi nhất ở đây là gì?
Computer Vision cho ảnh
Speech Recognition kết hợp NLP
Robotics công nghiệp tự động
Data Mining khám phá mẫu
Xét các phát biểu về cách phân loại AI: (1) Phân loại theo mức độ mô phỏng trí tuệ con người gồm AI hẹp, AI tổng quát, siêu AI. (2) Phân loại theo kỹ thuật triển khai gồm Machine Learning, Deep Learning, NLP, Computer Vision, Robotics. (3) Phân loại theo mức độ mô phỏng trí tuệ phản ánh “thông minh”, theo kỹ thuật phản ánh “cách thức” xây dựng hệ thống. (4) Một hệ thống chỉ có thể được phân loại theo một trong hai cách trên, không thể đồng thời theo cả hai. Phương án đúng là:
(1), (2), (3) đúng
(1), (2), (4) đúng
(1), (3), (4) đúng
(2), (3), (4) đúng
Xét các phát biểu về mối quan hệ giữa AI, ML, DL, Data Mining và Big Data: (1) AI là khái niệm rộng, ML là một nhánh và DL là nhánh con của ML. (2) Data Mining tập trung phát hiện mẫu và tri thức từ dữ liệu hiện có. (3) Big Data là tập dữ liệu khổng lồ, đa dạng, tốc độ sinh nhanh, là “nguyên liệu” cho AI phát huy. (4) Mọi hệ thống Big Data đều là hệ thống AI. Tổ hợp đúng là:
(1), (2) và (3)
(1) và (4)
Chỉ (3)
(2), (3) và (4)
Một doanh nghiệp logistics dùng thuật toán AI để tối ưu hóa tuyến đường, giảm chi phí và thời gian giao hàng. Thuật toán này thuộc nhóm ứng dụng AI nào trong kinh tế?
Speech Recognition nhận diện tiếng nói
Computer Vision phân loại ảnh
Machine Learning cho tối ưu hóa và dự báo
Chatbot hội thoại khách hàng
Xét các cấp độ AI: (1) Narrow AI giải quyết nhiệm vụ cụ thể, thường vượt trội hơn người trong phạm vi đó. (2) General AI tư duy và thích ứng linh hoạt như con người, hiện đã phổ biến rộng rãi. (3) Super AI là giả định về AI vượt xa trí tuệ con người trong hầu hết lĩnh vực. (4) Thực tiễn hiện nay chủ yếu ở giai đoạn Narrow AI. Phương án đúng là:
(2), (3), (4) đúng
(1), (3), (4) đúng
(1), (2), (4) đúng
(1), (2), (3) đúng
Xét các phát biểu sau về xây dựng chuẩn mực đạo đức cho AI: (1) Đạo đức AI chỉ nên do các tập đoàn công nghệ tự xây dựng và tự giám sát. (2) Chỉ cần một hiệp ước quốc tế là đủ để giải quyết mọi vấn đề đạo đức AI. (3) Cần kết hợp nhiều cấp độ (quốc tế, quốc gia, doanh nghiệp, trường đại học) và đặc biệt là xây dựng cộng đồng có hiểu biết về AI để giám sát. (4) Không cần chuẩn mực vì thị trường sẽ tự điều chỉnh. Phương án đúng là:
Chỉ (3)
(2) và (3)
(3) và (4)
(1) và (2)
Một ngân hàng dùng mô hình cây quyết định để chấm điểm tín dụng thay vì mạng nơ-ron sâu. Lý do đạo đức hợp lý nhất là:
Cây quyết định minh bạch hơn, giúp giải thích được lý do phê duyệt hay từ chối cho khách hàng
Mạng nơ-ron không dùng được dữ liệu số
Cây quyết định luôn chính xác hơn mạng nơ-ron sâu
Cây quyết định luôn chạy nhanh hơn mọi thuật toán khác
Một hãng xe tự lái quảng cáo rằng “xe hoàn toàn không bao giờ gây tai nạn”. Phát biểu marketing này có vấn đề vì:
Xe tự lái không thể dùng trong thành phố
Xe tự lái không có cảm biến
Xe tự lái không sử dụng trí tuệ nhân tạo
Máu thuần với thực tế luôn tồn tại rủi ro, và làm giảm ý thức trách nhiệm của cả nhà sản xuất lẫn người dùng
Xét các phát biểu sau về mối quan hệ giữa dữ liệu và giá trị đạo đức trong AI: (1) Dữ liệu trong máy tính chỉ là các bit; ý nghĩa và giá trị đạo đức xuất hiện khi con người sử dụng chúng cho mục đích cụ thể. (2) Nếu dữ liệu đủ lớn thì bản thân dữ liệu đã chứa sẵn giá trị đạo đức, không cần con người can thiệp. (3) Để ra quyết định cho vay hợp lý về mặt đạo đức, con người phải hiểu chất lượng dữ liệu đầu vào và cách thuật toán xử lý dữ liệu đó. (4) Một khi thuật toán cho kết quả, việc phân tích nguồn dữ liệu không còn quan trọng. Phương án đúng là:
(1) và (3)
(2) và (4)
(3) và (4)
(1) và (2)
Khi triển khai nghiên cứu, ứng dụng AI, ngoài yếu tố kỹ thuật, công nghệ, cần phải quan tâm tới
Các vấn đề đạo đức và pháp lý khi phát triển và sử dụng trí tuệ nhân tạo
Các thuật toán tối ưu hóa trong học sâu
Kỹ thuật lập trình Python cho AI
Kiến trúc phần cứng GPU/TPU cho AI
Một giảng viên yêu cầu sinh viên dùng ChatGPT để hỗ trợ viết tiểu luận, nhưng phải trích dẫn nguồn và chỉnh sửa lại bài. Cách làm này phù hợp nhất với quan điểm nào?
Coi sản phẩm AI như bài làm hoàn chỉnh, không cần chỉnh sửa
Xem sản phẩm AI là “tài sản trí tuệ” của riêng AI
Xem AI như công cụ hỗ trợ; con người vẫn phải chịu trách nhiệm, đánh giá phê phán và biến sản phẩm thành tài sản trí tuệ của mình
Cấm hoàn toàn mọi hình thức sử dụng AI trong học tập
“Vấn đề nền tảng” (symbol grounding problem) trong AI liên quan chủ yếu tới câu hỏi nào?
Chọn hệ điều hành nào để chạy hệ thống AI
Làm thế nào các ký hiệu/biểu tượng trong thuật toán có được ý nghĩa và chủ đích trong việc ra quyết định
Tăng tốc độ mạng Internet để huấn luyện mô hình nhanh hơn
Giảm chi phí mua phần cứng cho hệ thống AI
Dữ liệu trong các hệ thống AI về bản chất là
Các dòng bit được con người gán ý nghĩa trong những bối cảnh và mục đích cụ thể
Các chương trình phần mềm độc lập với con người
Trí thức hoàn chỉnh, tự nó đã chứa sẵn giá trị đạo đức
Các tệp văn bản thuần túy không thể xử lý
Sự khác biệt cơ bản giữa trí tuệ nhân tạo và trí tuệ con người là gì?
Con người không thể học từ kinh nghiệm
Bộ não con người có tốc độ tính toán chậm hơn máy tính
Trí tuệ con người gắn với nền tảng hiện thân và bối cảnh xã hội, còn AI chỉ thao tác trên dữ liệu và thuật toán
Máy tính không thể xử lý bit nhị phân
Khi sử dụng mô hình Markov ẩn (HMM) để giám sát hệ thống rotor trực thăng, kết luận “không an toàn, cần hạ cánh” là minh họa bài học đạo đức nào?
Không cần báo tri trực thăng nữa
AI luôn biết chính xác lí do linh kiện nào gây ra
Con người không cần đào tạo để hiểu hệ thống
AI chỉ đưa ra tín hiệu trạng thái tổng quát, con người vẫn cần điều tra nguyên nhân và chịu trách nhiệm quyết định
Khi sinh viên sử dụng AI để “nghiên cứu trên Internet” về vắc-xin, hành vi nào sau đây phù hợp nhất với quy tắc trong đạo đức và pháp lý AI?
Đánh giá nguồn tin, kiểm tra bằng chứng khoa học, nhận diện thiên kiến và trích dẫn đầy đủ khi sử dụng
Chỉ đọc những bài viết ủng hộ sàn niềm tin của mình
Sao chép nguyên văn kết quả AI mà không trích dẫn
Bỏ qua các nguồn chính thống vì AI đã tóm tắt rồi
Khi đánh giá thông tin về AI trên mạng, hành động nào nên làm để tránh hiểu sai?
Chỉ đọc các công ty quảng cáo trực tuyến
Tìm hiểu cách hoạt động của công cụ tìm kiếm, kiểm tra nguồn tác giả, đối chiếu với bằng chứng khoa học và sẵn sàng điều chỉnh quan điểm
Chọn ngẫu nhiên vài bài trên mạng xã hội để tham khảo
Tin vào video được chia sẻ nhiều nhất trên mạng
Khi soạn "điều khoản sử dụng" cho ứng dụng AI miễn phí nhưng thu thập dữ liệu cá nhân, điều khoản nào phù hợp với quyền riêng tư?
Không nhắc tới việc thu thập và chia sẻ dữ liệu
Viết mờ hồ để người dùng khó hiểu
Nêu rõ loại dữ liệu thu thập, mục đích sử dụng, cách chia sẻ và cho phép người dùng lựa chọn đồng ý hoặc từ chối
Ép buộc người dùng phải chia sẻ mọi thông tin thì mới được sử dụng ứng dụng
Một công ty Fintech dùng dữ liệu lịch sử tín dụng có thiên lệch về giới tính để huấn luyện mô hình AI phê duyệt khoản vay. Hành động nào là phù hợp với trách nhiệm của nhà phát triển?
Cố tinh sử dụng thiên lệch để tối đa hóa lợi nhuận
Chuyển toàn bộ trách nhiệm cho người dùng cuối
Bổ qua vì mô hình đạt độ chính xác thống kê cao
Phân tích và điều chỉnh thiên bộ dữ liệu cũng như mô hình để giảm sai lệch, đánh giá rủi ro đạo đức
Ví dụ nào sau đây thuộc nhóm "các vấn đề đạo đức đối với nhà phát triển/lập trình viên AI"?
Thiết kế logo thương hiệu cho công ty
Định giá sản phẩm AI cho thị trường
Bảo đảm phần mềm tuân thủ quy định về quyền riêng tư đối với dữ liệu y tế
Xác định thời gian làm việc của nhân viên bán hàng
Một doanh nghiệp muốn xây dựng hệ thống tuyển dụng dùng AI lọc sơ yếu lý lịch. Yêu cầu đạo đức quan trọng nhất là:
Không cần thẩm định dữ liệu đào tạo, miễn là hệ thống hoạt động
Chỉ lựa chọn ứng viên từ một số trường đại học nhất định
Bảo đảm thuật toán không tái tạo các định kiến trong dữ liệu lịch sử và có thể giải thích được tiêu chí loại/chọn ứng viên
Giảm tối đa chi phí tuyển dụng
Một trong các thách thức đạo đức khi dùng AI trong chẩn đoán y khoa là:
Vấn đề tính minh bạch của thuật toán và tuân thủ quy định về quyền riêng tư bệnh nhân
Không thể kết nối Internet với bệnh viện
Thiếu hoàn toàn quy định về lưu trữ dữ liệu
AI không thể đọc được các ảnh y khoa
Ai là người phải chịu trách nhiệm về các sản phẩm AI được tạo ra và sử dụng?
Những con người tham gia thiết kế, phát triển, triển khai và sử dụng hệ thống AI
Chỉ nhà quản lý doanh nghiệp
Chỉ nhà cung cấp phần cứng máy tính
Chỉ người dùng cuối của hệ thống AI
Đối tượng nào giữ vai trò quan trọng trong việc nâng cao nhận thức đạo đức AI cho xã hội?
Chỉ các tập đoàn công nghệ lớn
Chỉ các cơ quan công an
Chỉ các công ty quảng cáo trực tuyến
Hệ thống giáo dục và cộng đồng có hiểu biết về AI
So sánh việc dùng mạng nơ-ron sâu và cây quyết định trong chấm điểm tín dụng, kết luận nào phù hợp với đạo đức và pháp lý?
Cả hai cách tiếp cận đều hoàn toàn minh bạch như nhau
Mạng nơ-ron sâu luôn tốt hơn về đạo đức và độ chính xác hơn
Cây quyết định kém hơn vì không thể xử lý dữ liệu thực tế
Tùy ngữ cảnh, nhưng xét về minh bạch và khả năng giải thích cho người bị ảnh hưởng, cây quyết định thường có ưu thế hơn mạng nơ-ron sâu
Một bệnh viện triển khai hệ thống AI đọc ảnh X-quang và gợi ý chẩn đoán, bác sĩ vẫn là người ra quyết định cuối cùng. Cách sử dụng này phù hợp với quan điểm nào sau đây?
Bác sĩ chỉ cần ký tên vào kết quả AI đưa ra mà không cần xem xét
Không cần quan tâm tới quyền riêng tư dữ liệu bệnh nhân
AI là công cụ hỗ trợ, quyết định y khoa vẫn cần được trung gian bởi con người có trách nhiệm
AI thay thế hoàn toàn trách nhiệm của bác sĩ trong mọi quyết định
Xét các phát biểu về chi phí môi trường của AI: (1) Việc huấn luyện các mô hình ngôn ngữ lớn tiêu tốn nhiều năng lượng và gây phát thải CO2 đáng kể. (2) Các trung tâm dữ liệu lớn có thể chiếm tỷ trọng đáng kể trong tổng lượng khí nhà kính toàn cầu. (3) Việc sử dụng điện thoại, laptop cá nhân cho AI là hoàn toàn không có tác động môi trường. (4) Ngành tính vẽ chi phí năng lượng giúp ta sử dụng AI một cách có trách nhiệm hơn. Phương án đúng là:
(1), (2) và (3)
(1), (3) và (4)
(1), (2) và (4)
(2), (3) và (4)
Một chính quyền địa phương sử dụng hệ thống AI để phân loại mức hỗ trợ an sinh xã hội cho người dân. Theo tinh thần chuẩn mực, thiết kế nào sau đây là phù hợp nhất?
Chỉ sử dụng dữ liệu lịch sử, không kiểm tra sai lệch hay tác động xã hội
Thuật toán là bí mật hoàn toàn, người dân không được quyền biết tiêu chí, cũng không có cơ chế khiếu nại
Hệ thống sử dụng mô hình “hộp đen”, nhưng có đánh giá độc lập về sai lệch dữ liệu, cơ chế giải thích kết quả ở mức dễ hiểu và kênh khiếu nại rõ ràng
Giao toàn bộ quyền quyết định cho AI, công chức không được xem xét lại kết quả
“Deepfake” trong bối cảnh đạo đức AI là gì?
Một thuật toán nén dữ liệu lớn
Kỹ thuật dùng AI tạo hình ảnh hoặc giọng nói giả mạo giống người thật
Một hệ thống lưu trữ dữ liệu trên đám mây
Một phương pháp thống kê cơ bản trong học máy
Một quốc gia muốn giảm phát thải khí nhà kính từ ngành công nghiệp AI. Biện pháp nào phù hợp?
Yêu cầu các trung tâm dữ liệu chuyển sang dùng năng lượng tái tạo và tối ưu hóa thuật toán, hạ tầng để tiết kiệm năng lượng
Không cần quan tâm vì AI giúp tăng trưởng kinh tế
Cấm toàn bộ việc truy cập Internet
Cấm sử dụng mọi mô hình ngôn ngữ lớn
Một sinh viên kinh tế muốn ứng dụng AI để tra cứu tài liệu trên Internet. Hành vi nào thể hiện được hai giá trị "khiêm tốn" và "kỷ luật" trong nghiên cứu?
Chỉ chọn các tài liệu ủng hộ quan điểm ban đầu của mình
Luôn tìm thêm bằng chứng trái chiều, sẵn sàng thay đổi niềm tin khi có dữ liệu mới và kiên trì kiểm tra nguồn
Không đọc tài liệu gốc, chỉ đọc các bản tóm tắt ngắn
Dùng duy nhất một trang blog để làm nguồn tham khảo
Khi nghiên cứu trên Internet một cách có trách nhiệm, bước đầu tiên quan trọng là:
Chỉ đọc các bài viết có nhiều lượt thích nhất
Hiểu cách thức hoạt động cơ bản của công cụ tìm kiếm và thuật toán AI phía sau
Luôn tin vào kết quả xuất hiện đầu tiên trên trang tìm kiếm
Không cần quan tâm tới nguồn tác giả hay tài trợ
Vì lý do nào đây minh họa rõ nhất việc người dùng trở thành "hàng hóa" trên Internet?
Cài đặt lại hệ điều hành cho máy tính cá nhân
Bị theo dõi hành vi tìm kiếm và mua sắm để hiển thị quảng cáo nhằm mục tiêu
Đọc sách tại tủ thư viện
Chơi cờ vua với phần mềm trên máy tính không kết nối mạng
Lý do khiến việc dùng mạng nơ-ron sâu trong chấm điểm tín dụng gây lo ngại đạo đức là:
Mạng nơ-ron không thể xử lý dữ liệu định lượng
Mạng nơ-ron không thể cập nhật với dữ liệu mới
Mô hình thường là "hộp đen", thiếu minh bạch và khó giải thích cho người bị từ chối tín dụng
Chi phí phát triển mô hình quá thấp
Xét các phát biểu về xử lý ngôn ngữ tự nhiên (NLP) và "ý nghĩa": (1) Các mô hình ngôn ngữ lớn thao tác các mẫu thống kê của từ/mã thông báo chứ không "hiểu" như con người. (2) Trong nhiều tác vụ thực tế, các quan hệ thống kê này vẫn có thể cung cấp kết quả hữu ích. (3) Vì AI không có "ý nghĩa" như con người nên tuyệt đối không được dùng trong mọi tình huống liên quan đến ngôn ngữ. (4) Khi dùng AI trong tư vấn hay ra quyết định nhạy cảm, cần có sự trung gian và giám sát của con người. Phương án đúng là:
(1), (2) và (3)
(1), (2) và (4)
(1), (3) và (4)
(2), (3) và (4)
Khi thiết kế chatbot tư vấn sức khỏe tâm thần, nhóm phát triển cần ưu tiên điều gì để phù hợp với khuyến nghị đạo đức trong AI?
Rõ ràng về giới hạn của AI, bảo đảm có kênh hỗ trợ con người khi cần và tôn trọng quyền riêng tư
Tập trung tối đa vào việc tạo giọng nói giống người thật
Thu thập dữ liệu người dùng càng nhiều càng tốt mà không cần xin phép
Giấu người dùng rằng họ đang tương tác với máy
Cần hiểu cụm từ, "người dùng như một hàng hóa" nghĩa là:
Người dùng phải trả tiền cho mỗi lần thực hiện tìm kiếm
Người dùng là chủ sở hữu toàn bộ Internet
Dữ liệu và sự chú ý của người dùng được thu thập và mua bán cho các mục đích thương mại
Người dùng trực tiếp bán sản phẩm trên sàn thương mại điện tử
Xét các phát biểu sau về bảo vệ quyền riêng tư khi xây dựng sản phẩm AI: (1) Người dùng phải được thông báo rõ ràng về loại dữ liệu bị thu thập và mục đích sử dụng. (2) Việc "ẩn" điều khoản thu thập dữ liệu trong văn bản khó hiểu vẫn được coi là đồng ý hợp lệ. (3) Người dùng nên có quyền lựa chọn từ chối hoặc giới hạn việc chia sẻ dữ liệu ngoài mục đích cốt lõi của dịch vụ. (4) Nhà phát triển không cần quan tâm vì trách nhiệm thuộc về người dùng. Phương án đúng là:
(3) và (4)
(2) và (4)
(1) và (3)
(1) và (2)
Một trong những lo ngại chính về chi phí môi trường của AI là:
Thiếu lập trình viên AI trên thị trường
Không thể lưu trữ dữ liệu lịch sử của hệ thống
Tiêu thụ năng lượng khổng lồ của các trung tâm dữ liệu và phát thải khí nhà kính, rác thải điện tử
Thiếu chuẩn định dạng file dữ liệu
Khi một cá nhân gửi mẫu DNA cho công ty xét nghiệm phả hệ, lo ngại đạo đức chính là:
DNA không đủ chính xác để phân tích
Chi phí dịch vụ quá rẻ so với giá trị
Câu hỏi về quyền sở hữu và sử dụng dữ liệu DNA sau khi đã chia sẻ cho doanh nghiệp
Không thể nhận kết quả trực tuyến
Câu hỏi đạo đức tiêu biểu nào liên quan tới AI trong chăm sóc sức khỏe tâm thần?
AI có thể tự sửa phần cứng bị hỏng không?
Có thể tin tưởng chatbot tư vấn tâm lý hiểu được chấn thương và cảm xúc phức tạp của con người hay không?
AI có thể tự động cập nhật hệ điều hành không?
Có nên dùng AI để dịch văn bản kỹ thuật hay không?
Trong bối cảnh "người dùng như hàng hóa", tình huống nào là minh họa rõ nhất cho nguy cơ bị thao túng thông tin chính trị?
Hệ thống chấm điểm tín dụng nội bộ của ngân hàng
Email khảo sát chính trị bắt đầu bằng câu hỏi "bắt bẻ", sau đó thu thập dữ liệu cá nhân và chuyển cho các chiến dịch vận động
Hệ thống quản lý kho hàng tự động trong doanh nghiệp
Một ứng dụng nhắc lịch học tập cá nhân, không có quảng cáo
Xét các phát biểu về trách nhiệm của các bên trong vòng đời sản phẩm AI: (1) Nhà phát triển/lập trình viên AI phải hiểu rõ giới hạn kỹ thuật, dữ liệu huấn luyện và các ràng buộc pháp luật liên quan. (2) Nhân viên bán hàng/tiếp thị AI chỉ cần quan tâm đến doanh số, không cần hiểu nhu cầu đạo đức và pháp lý của khách hàng. (3) Khách hàng/người dùng cuối phải chia sẻ rõ các yêu cầu về quyền riêng tư, minh bạch và chịu trách nhiệm khi sử dụng sai mục đích. (4) Khi phần mềm AI được phát hành, không bên nào còn phải chịu trách nhiệm đạo đức. Phương án đúng là:
(3) và (4)
(1) và (2)
(1) và (3)
(2) và (4)
Khi xem xét hai dự án AI: (a) vũ khí tự động có khả năng tự chọn mục tiêu; (b) robot hỗ trợ phục hồi chức năng cho người khuyết tật, lập trường nào phù hợp nhất với cách tiếp cận đạo đức?
Mọi hệ thống y tế đều nguy hiểm hơn vũ khí vì liên quan tới dữ liệu riêng tư
Tự động cấm mọi hệ thống liên quan đến quân sự, kể cả mục đích phòng thủ thụ động
Nên đánh giá riêng rẽ từng dự án, cân nhắc lợi ích – rủi ro, nhưng ưu tiên các ứng dụng tăng chất lượng sống và giảm tổn hại cho con người
Cả hai đều hoàn toàn trung lập về đạo đức, chỉ cần quan tâm tới lợi nhuận
Một công ty quảng cáo sử dụng lịch sử tìm kiếm và tương tác mạng xã hội để hiển thị quảng cáo cá nhân hóa, nhưng không thông báo rõ cho người dùng. Vấn đề đạo đức nổi bật nhất là:
Không tối ưu hóa doanh thu cho doanh nghiệp
Chi phí quảng cáo quá cao
Nguy cơ xâm phạm quyền riêng tư và biến người dùng thành "hàng hóa" mà họ không ý thức được
Vi phạm quyền sở hữu trí tuệ đối với phần mềm
Một nhóm nghiên cứu y khoa muốn dùng GPT để tóm tắt hồ sơ bệnh án thật rồi gửi lại cho bệnh nhân. Mối quan tâm đạo đức lớn nhất là:
Không có lợi ích nào cho bệnh nhân
Bệnh nhân không đọc được bản tóm tắt
GPT không thể xử lý ngôn ngữ tiếng Việt
Nguy cơ rò rỉ dữ liệu nhạy cảm và yêu cầu tuân thủ chặt chẽ quy định về quyền riêng tư y tế
Một bạn sinh viên dùng prompt: “Phân tích quy chế học vụ” và nhận kết quả rất chung. Lỗi chính trong prompt này là:
Gõ sai chính tả
Không nêu rõ mục tiêu, phạm vi, tiêu chí và định dạng đầu ra
Dùng tiếng Việt thay vì tiếng Anh
Đặt câu hỏi thì hiện tại
Nhiệm vụ cốt lõi của hầu hết các LLM là gì?
Dịch mọi ngôn ngữ với độ chính xác tuyệt đối
Tự động thu thập dữ liệu trên Internet
Dự đoán token tiếp theo trong chuỗi văn bản
Phân loại hình ảnh ẩn độ phân giải cao
Trong các công cụ sau, công cụ nào nổi bật nhờ tích hợp sâu vào Word, Excel, PowerPoint?
Microsoft Copilot
Google Gemini
ChatGPT
Claude
Các Chatbot Việt Nam thường có điểm mạnh là:
Đọc tốt tài liệu khoa học tiếng Đức
Tối ưu cho tiếng Việt và bối cảnh trong nước
Sáng tạo thơ ca tiếng Anh
Tích hợp sâu với Microsoft 365
Bạn muốn yêu cầu mô hình trả lời dưới dạng bảng 3 cột “Việc | Phụ trách | Hạn chót”. Nên nhấn mạnh thành phần nào trong prompt?
Vai trò
Định dạng đầu ra (Format)
Ngữ cảnh
Mục tiêu
Trong phần tích tài liệu bằng AI, việc thiết lập “Evidence Table” (bảng minh chứng) nhằm mục đích:
Chi lưu lại tiêu đề tài liệu
Tăng số trang báo cáo
Liên kết mỗi kết luận với trích dẫn và vị trí cụ thể trong tài liệu
Che giấu nguồn gốc thông tin
Claude (Anthropic) được nhắc đến với đặc trưng:
Cửa sổ ngữ cảnh rất lớn, phù hợp đọc tài liệu dài
Chỉ hỗ trợ tiếng Việt
Không có khả năng tóm tắt
Chỉ chạy được trên điện thoại
Bạn cần thiết kế một prompt cho bài tập: “Trích xuất bảng thông tin học phí từ thông báo”. Thành phần nào dưới đây nếu thiếu sẽ làm giảm mạnh khả năng kiểm chứng kết quả?
Quy định bằng có cột Minh chứng (trích đoạn + vị trí trong tài liệu)
Yêu cầu trả lời bằng tiếng Việt
Nhắc đến đối tượng là sinh viên năm nhất
Nêu rõ tên môn học kèm theo
Bạn cần AI hỗ trợ viết email mời họp trang trọng cho giảng viên. Thành phần nào trong prompt giúp điều chỉnh giọng điệu phù hợp?
Mục tiêu (Goal)
Động vai (Persona/Role)
Định dạng (Format)
Tiêu chí kiểm chứng (Criteria)
Trong bối cảnh dịch thuật, trường hợp nào sau đây nên cân nhắc thuê dịch giả chuyên nghiệp thay vì chỉ dựa vào AI Chatbot?
Dịch một email cá nhân hỏi thăm bạn bè
Dịch một hợp đồng pháp lý quan trọng, có ràng buộc trách nhiệm và điều khoản chi tiết
Dịch đoạn quảng cáo nội bộ cho CLB sinh viên
Dịch nội dung tin nhắn nhóm lớp
Bạn cần chọn Chatbot để tìm thông tin cập nhật mới nhất về một chính sách kinh tế. Nên ưu tiên công cụ nào?
Công cụ không kết nối tìm kiếm Internet
Chatbot tích hợp chặt chẽ với công cụ tìm kiếm như Google Gemini
Chatbot chỉ dùng dữ liệu nội bộ cũ
Công cụ dịch thuần túy
Khi dùng AI tóm tắt tài liệu quy chế, yêu cầu “mỗi bullet kèm trích đoạn và số trang” giúp ích chủ yếu ở khía cạnh nào?
Làm văn bản đẹp hơn
Tăng tính minh bạch và khả năng kiểm chứng nội dung
Giảm thời gian chạy mô hình
Giảm số lượng bullet cần viết
Một ví dụ điển hình của prompt mơ hồ là:
“Viết báo cáo tài chính ngắn.”
“Lập bảng 3 cột: Việc | Phụ trách | Hạn chót từ danh sách sau.”
“Tóm tắt văn bản sau thành 5 bullet, mỗi bullet ≤ 12 từ.”
“Dịch đoạn văn sau sang tiếng Việt, giữ nguyên số liệu và ký hiệu.”
Trong các lựa chọn sau, đâu là ví dụ áp dụng tốt nguyên tắc GIGO khi viết prompt?
Xác định rõ đối tượng, mục tiêu, định dạng và tiêu chí đánh giá trong prompt
Nhập yêu cầu càng ngắn càng tốt để tiết kiệm thời gian
Cố ý bỏ qua ngữ cảnh để mô hình tự suy diễn
Chỉ nêu chủ đề chung, không cần ràng buộc
Bạn dùng AI dịch một thông báo có nhiều thuật ngữ chuyên ngành. Sau khi có bản dịch, bước nào thể hiện việc sử dụng AI một cách có trách nhiệm nhất?
Gửi ngay cho đối tác mà không đọc lại
Đọc lại, so sánh với bảng thuật ngữ, chỉnh sửa sai sót trước khi gửi
Chỉ kiểm tra lỗi chính tả tiếng Việt
Dịch lại sang ngôn ngữ thứ ba
Nguyên tắc GIGO (Garbage In, Garbage Out) nhấn mạnh rằng:
Mô hình luôn cho kết quả đúng nếu có đủ tham số
Đầu vào mơ hồ, kém chất lượng sẽ dẫn tới đầu ra kém chất lượng
Cứ nhập thật nhiều dữ liệu thì kết quả luôn tốt
Đầu ra của mô hình không liên quan đến đầu vào
Trong kỹ thuật Prompt, việc yêu cầu mô hình “nếu thiếu dữ liệu thì gắn Δ và giải thích lý do” nhằm mục tiêu chính là:
Tăng tính sáng tạo
Rút ngắn độ dài prompt
Hạn chế hiện tượng bịa đặt (hallucination)
Tăng tốc độ suy luận
Một sinh viên nộp báo cáo hoàn toàn do AI sinh ra, không chỉnh sửa, không ghi chú nguồn hỗ trợ. Theo nội dung chương, rủi ro lớn nhất ở đây là:
Vi phạm đạo đức học thuật, thiếu minh bạch về mức độ đóng góp cá nhân
Bị trừ điểm vì trình bày xấu
Tăng dung lượng file nộp bài
Làm giảng viên khó đọc hơn
Bạn muốn xây dựng một quy trình chuẩn dùng AI để tóm tắt quy chế học vụ cho nhiều khóa sinh viên khác nhau. Bước nào sau đây giúp quy trình dễ tái sử dụng và cải tiến nhất theo thời gian?
Chỉ lưu bản tóm tắt cuối cùng
Lưu lại prompt mẫu, kết quả, Evidence Table và iteration log để điều chỉnh dần
Mỗi lần làm lại, viết một prompt hoàn toàn mới
Chỉ lưu file gốc của quy chế
Bạn nhận thấy một báo cáo do AI sinh ra có phần kết luận trái ngược với các minh chứng trích từ tài liệu gốc. Theo quy trình kiểm chứng, bước xử lý phù hợp nhất là:
Chỉ chỉnh lại tiêu đề báo cáo
Sử dụng “Contradiction Check” để liệt kê mâu thuẫn, chỉ rõ trích đoạn và gợi ý cách sửa
Xóa toàn bộ báo cáo và làm lại bằng tay
Bỏ qua vì AI thường đúng
Kỹ thuật Few-shot Prompting chủ yếu dựa trên việc:
Chia nhiệm vụ phức tạp thành nhiều bước nhỏ
Cung cấp 1–2 ví dụ mẫu để mô hình bắt chước cấu trúc/giọng văn
Yêu cầu mô hình kiểm tra chính tả
Giới hạn độ dài đầu ra
Trong một bài tập nhóm, bạn A đề xuất dùng ChatGPT, bạn B muốn dùng Copilot, bạn C chọn Gemini. Nhóm cần viết báo cáo dựa trên tài liệu nội bộ của trường và trình bày trên PowerPoint. Lựa chọn kết hợp nào hợp lý nhất?
Chi dùng Copilot, không cần đến các công cụ khác
Chi dùng Google Dịch
Chi dùng ChatGPT cho tất cả các bước
Dùng Gemini để tìm thông tin cập nhật bên ngoài, ChatGPT để phác thảo nội dung, Copilot để hoàn thiện slide và định dạng
Bạn có một thông báo dài 250 từ, muốn rút gọn xuống 100 từ mà vẫn đủ ý. Câu yêu cầu nào phù hợp nhất gửi cho Chatbot?
“Viết lại đoạn sau bằng phong cách truyện cười.”
“Viết lại đoạn sau cho hay hơn.”
“Dịch đoạn sau sang tiếng Anh.”
“Rút gọn đoạn sau còn ≤100 từ, giữ đủ 5W1H và nội dung chính.”
Bạn có một danh sách hành động rời rạc sau khi đọc quy chế. Để biến chúng thành kế hoạch cụ thể cho lớp, prompt nào sau đây thể hiện tốt việc vận dụng AI vào lập “Action Items”?
“Hãy tóm tắt ngắn gọn các ý sau.”
“Chuyển các câu sau sang tiếng Anh.”
“Từ danh sách sau, lập bảng Action Items với 4 cột: Việc | Phụ trách (vai) | Hạn | Rủi ro; bảo đảm các hành động đều khả thi với lớp sinh viên.”
“Viết lại các câu sau cho dài hơn.”
Bạn cần dùng AI để soạn thông báo về thay đổi lịch học, đồng thời đăng lên nhiều kênh (email, LMS, mạng xã hội lớp). Chiến lược sử dụng AI nào sau đây là hợp lý nhất?
Viết một mẫu duy nhất, copy nguyên văn cho mọi kênh
Dùng AI soạn bản gốc đầy đủ, sau đó yêu cầu viết lại các phiên bản rút gọn, giọng điệu phù hợp cho từng kênh khác nhau
Chi dùng một dòng duy nhất cho tất cả
Mỗi lần lại nhờ AI viết một bản hoàn toàn khác nhau
Bạn muốn dùng AI để xây dựng bộ Q&A về chính sách hỗ trợ sinh viên dựa trên nhiều văn bản. Đâu là trình tự hợp lý nhất để đảm bảo độ tin cậy?
Dịch toàn bộ tài liệu sang tiếng Anh rồi hỏi lại
Gộp tài liệu, đánh số mục/trang, dùng prompt Q&A “chỉ dựa trên DOC”, kèm Evidence Table, sau đó kiểm chứng thủ công
Chi dùng một tài liệu gần đúng, không cần trích dẫn
Hỏi trực tiếp AI, không cần cung cấp tài liệu
Cơ chế self-attention (tự chú ý) trong Transformer giúp LLM làm gì?
Chi đọc từng từ một, không xét câu xung quanh
Tự động thay đổi kiến trúc mạng nơ-ron
Bỏ qua toàn bộ ngữ cảnh trước đó
Xem xét và gán trọng số cho các từ liên quan trong câu/đoạn
Ví dụ nào sau đây thể hiện rõ việc vi phạm nguyên tắc bảo mật khi sử dụng Chatbot AI?
Hỏi Chatbot về khái niệm toán học cơ bản
Yêu cầu Chatbot tóm tắt một bài báo công khai
Dùng dữ liệu giả lập và ẩn thông tin nhạy cảm trước khi gửi
Đàn toàn bộ hợp đồng chứa thông tin cá nhân, số tài khoản thật lên Chatbot công cộng
Bạn muốn tóm tắt Quy chế học vụ 10 trang cho sinh viên năm nhất, có kèm trích dẫn. Prompt nào phù hợp nhất?
“Tóm tắt tài liệu dưới đây thành 10 bullet, mỗi bullet ≤ 12 từ, mỗi bullet kèm trích đoạn ≤ 15 từ + số trang, chi dùng thông tin trong tài liệu.”
“Tóm tắt tài liệu nay trong 1 câu.”
“Viết lại quy chế học vụ theo cách dễ hiểu.”
“Tóm tắt quy chế học vụ.”
Mô hình ngôn ngữ (Language Model) chủ yếu được sử dụng để làm gì?
Lưu trữ dữ liệu dạng bảng
Dự đoán token hoặc từ tiếp theo dựa trên ngữ cảnh trước đó
Điều khiển phần cứng máy tính
Mã hóa hình ảnh thành chuỗi số
Trong bối cảnh LLM, “token” được hiểu là gì?
Một trang văn bản hoàn chỉnh
Một đơn vị nhỏ của văn bản như từ, mẫu từ hoặc dấu câu
Một tệp dữ liệu nhị phân
Một mô-đun phần cứng trên GPU
Tiền huấn luyện (pre-training) LLM thường nhằm mục tiêu nào?
Học cách tối ưu phần cứng máy chủ
Học từ kho văn bản rất lớn để nắm ngữ pháp, từ vựng, mẫu câu
Học cách kết nối với tất cả website trên Internet
Học cách mã hóa hình ảnh thành văn bản
Bạn đưa cho Chatbot một yêu cầu: “Phân tích case Starbucks” và kết quả rất chung chung. Cách cải thiện phù hợp nhất là:
Chi yêu cầu mô hình viết dài hơn
Yêu cầu mô hình trả lời bằng tiếng khác
Thêm bối cảnh, mục tiêu, mô hình phân tích (ví dụ SWOT), đối tượng người đọc
Giảm câu lệnh xuống còn 3–4 từ
Một prompt yêu cầu: “Nếu thiếu thông tin, hãy hỏi tới đa 5 câu làm rõ trước khi trả lời”. Đây là ví dụ của kỹ thuật nào?
Role-playing
Decomposition
Clarification
Few-shot
Một sinh viên muốn hỏi nhanh thông tin hành chính của trường bằng tiếng Việt (thời khóa biểu, phòng ban...). Công cụ nào nên được ưu tiên?
Công cụ chỉ xử lý hình ảnh
Công cụ chỉ dành cho lập trình viên
Công cụ chỉ hỗ trợ tiếng Nhật
Chatbot Việt do trường hoặc doanh nghiệp trong nước triển khai
Bạn cần so sánh hai phiên bản quy chế cũ và mới. Prompt nào dưới đây thể hiện đúng tinh thần dùng AI để so sánh có bằng chứng?
“Hãy cho biết bản nào tốt hơn.”
“So sánh hai tài liệu A và B theo 4 mục: điểm giống, điểm khác, ý nghĩa, rủi ro; mỗi bullet kèm trích đoạn ≤ 15 từ + vị trí (A: Trang/Mục, B: Trang/Mục).”
“Tóm tắt ngắn mỗi tài liệu.”
“Đoán xem tài liệu nào mới hơn.”
Khi soạn email nhắc nộp bài tập, thông tin nào sau đây nếu thiếu sẽ làm giảm hiệu quả văn bản?
Hạn chót nộp bài cụ thể về ngày và giờ
Tên môn học
Số trang tối đa của bài tập
Cảm xúc cá nhân của người gửi
Một giảng viên muốn dùng Copilot để chuyển danh sách quyền lợi nhân viên trong văn bản thành bảng, rồi tiếp tục tinh chỉnh bảng đó. Trình tự sử dụng Copilot nào là phù hợp nhất?
Không cần Copilot, chi dùng Excel
Chọn văn bản → Dùng kiểm tra chính tả → In ra giấy
Chọn văn bản → Xóa đi → Gõ lại bằng tay
Chọn văn bản → Visualize as a table → Giữ bảng → Dùng Copilot yêu cầu tinh chỉnh nội dung các ô
Trong bài tập phân tích văn bản với AI, giảng viên yêu cầu nộp kèm iteration log cho mỗi lần chỉnh prompt. Ý nghĩa sâu xa của yêu cầu này là:
Chi để tăng thêm số trang nộp
Giúp sinh viên rèn tư duy phản biện, học được cách cải thiện dần chất lượng yêu cầu và đầu ra
Giảm thời gian chấm điểm
Ghi lại lỗi chính tả của mô hình
Bạn yêu cầu Chatbot: “Tóm tắt báo cáo dưới đây thành 5 bullet, mỗi bullet ≤ 12 từ, không thêm thông tin ngoài tài liệu”. Câu lệnh này đặc biệt giúp:
Tăng số lượng bullet không giới hạn
Giữ nội dung gọn, bám sát nguồn, dễ đọc
Giảm độ chặt chẽ của nội dung
Tăng khả năng mô hình bịa thêm chi tiết
Khi dùng AI soạn thảo văn bản, vai trò quan trọng nhất của người sử dụng là:
Kiểm chứng, chỉnh sửa và chịu trách nhiệm về nội dung cuối cùng
Giao toàn bộ việc viết cho AI, không cần đọc lại
Chi quan tâm đến hình thức trình bày
Luôn chấp nhận mọi đề xuất của AI
ChatGPT thường được đánh giá mạnh nhất ở điểm nào sau đây?
Vẽ đồ thị tài chính thời gian thực
Sáng tạo và diễn đạt ngôn ngữ đa dạng, tự nhiên
Tích hợp sẵn trong tất cả ứng dụng Microsoft 365
Đọc được mọi tài liệu không cần định dạng
Khi cần thực hiện một nhiệm vụ phức tạp như viết báo cáo dài, việc chia thành các bước, dàn ý; nháp; rút gọn là ví dụ của kỹ thuật nào?
Ràng buộc định dạng
Few-shot
Role-playing
Decomposition (phân rã nhiệm vụ)
Giai đoạn tinh chỉnh (fine-tuning) thường được dùng để đạt mục tiêu nào?
Nén mô hình xuống kích thước nhỏ nhất
Thay thế toàn bộ dữ liệu huấn luyện cũ
Dạy mô hình thực hiện nhiệm vụ cụ thể, tuân thủ hướng dẫn
Tăng tốc độ xử lý đồ họa trên GPU
Bạn có nhiệm vụ dịch một email thông báo học phí sang tiếng Anh, cần thống nhất thuật ngữ. Bước nào nên thực hiện trước khi dùng AI?
Không chuẩn bị gì, để AI tự chọn từ
Dùng Google Translate rồi chấp nhận kết quả
Xây dựng bảng thuật ngữ (term bank) các từ khóa quan trọng
Chỉ ghi tiêu đề email cho AI
Trong quy trình 5 bước soạn thảo văn bản với AI, bước nào giúp bạn học được từ những lần chỉnh sửa trước?
Không lưu lịch sử chỉnh sửa
Ghi lại iteration log sau mỗi vòng chỉnh sửa
Xóa toàn bộ phiên bản cũ
Chỉ dựa vào trí nhớ cá nhân
Bạn đang làm bài tập nhóm trên Excel và cần AI gợi ý công thức, phân tích dữ liệu ngay trong bảng. Công cụ nào thuận tiện nhất?
ChatGPT chỉ trên trình duyệt web, không tích hợp Excel
Microsoft Copilot tích hợp trực tiếp trong Excel
Google Translate
Một chatbot chỉ hỗ trợ hỏi đáp lý thuyết
Google Gemini có ưu thế nổi bật nào?
Chỉ dùng để dịch văn bản tiếng Anh
Tích hợp chặt chẽ với Google Search nên cung cấp thông tin mới kèm trích dẫn
Chỉ hoạt động trong ứng dụng Word
Không cần kết nối Internet vẫn luôn cập nhật
Bạn có danh sách đầu việc dạng văn bản trong Word và muốn chuyển thành bảng phân công. Tính năng nào của Copilot hỗ trợ trực tiếp việc này?
Kiểm tra chính tả
Visualize as a table (chuyển văn bản thành bảng)
Chèn hình ảnh
Thay đổi kích thước trang
Thành phần “Vai trò” (Role) trong một prompt hiệu quả thường dùng để làm gì?
Giới hạn số lượng token đầu ra
Chi định mô hình sử dụng GPU hay CPU
Quy định nhân vật/định danh mà mô hình cần “đóng vai” khi trả lời
Xác định cấu trúc bảng cần tạo
Thuật ngữ “Large” trong Mô hình Ngôn ngữ Lớn (LLM) phản ánh đặc trưng nào sau đây?
Dung lượng tệp mô hình luôn trên 1 TB
Chỉ dùng cho ngôn ngữ tiếng Anh
Chỉ chạy được trên siêu máy tính lượng tử
Quy mô dữ liệu huấn luyện và số lượng tham số rất lớn
Một prompt tốt yêu cầu: “Trả lời bằng 4 cột: Câu hỏi | Trả lời | Evidence | Vị trí”. Mục đích chính của việc quy định như vậy là gì?
Giảm số cột cần hiển thị
Giúp mô hình sáng tạo hơn
Tăng khả năng chấm điểm, kiểm tra và tái sử dụng kết quả
Rút ngắn thời gian đọc kết quả
RLHF (Reinforcement Learning from Human Feedback) chủ yếu giúp mô hình đạt điều gì?
Điều chỉnh đầu ra theo phản hồi con người để an toàn, hữu ích hơn
Chạy nhanh hơn trên máy tính cá nhân
Tự động thu thập dữ liệu mới từ người dùng
Tự đòi trả lời không cần tuân thủ chính sách
Điểm khác biệt cơ bản giữa prompt và truy vấn (query) của công cụ tìm kiếm là gì?
Prompt luôn ngắn hơn query
Prompt dùng để kích hoạt quá trình tạo sinh nội dung mới, còn query chủ yếu truy xuất thông tin có sẵn
Prompt chỉ dùng tiếng Anh, query dùng mọi ngôn ngữ
Prompt chỉ dùng cho hình ảnh, query chỉ dùng cho văn bản
Prompt trong bối cảnh LLM được hiểu là gì?
Chuỗi văn bản hoặc dữ liệu đầu vào dùng để gọi ra phản hồi cụ thể
Tên gọi khác của bộ xử lý đồ họa
Mã nguồn của mô hình
Dữ liệu huấn luyện thô ban đầu
Nguyên tắc “5C” trong soạn thảo văn bản hiệu quả KHÔNG bao gồm yếu tố nào sau đây?
Concise (ngắn gọn)
Correct (chính xác)
Clear (rõ ràng)
Cryptic (bí hiểm)
Kiến thức cắt ngắn (knowledge cutoff) của mô hình có nghĩa là gì?
Mô hình tự cập nhật liên tục theo thời gian thực
Mốc thời gian sau đó mô hình không biết dữ liệu mới
Giới hạn số token đầu ra tối đa
Thời điểm bắt đầu huấn luyện lại mô hình
Nguyên tắc GIGO trong làm việc với AI nhắc nhở điều nào?
Đầu vào dài thì đầu ra luôn chính xác
Đầu vào kém thì đầu ra cũng kém
Đầu vào nhiều hình ảnh sẽ tốt hơn văn bản
Đầu vào kém thì đầu ra càng sáng tạo
Trong kỹ thuật Few-shot, mục tiêu chính là gì?
Chỉ dùng ví dụ sai để kiểm tra cảnh báo
Cung cấp nhiều ví dụ chi tiết để mô hình học
Cung cấp một vài ví dụ điển hình để định hướng phản hồi
Không đưa ví dụ nào để mô hình tự suy luận
Copilot trong môi trường Microsoft 365 hỗ trợ đặc biệt tốt nhiệm vụ nào sau đây?
Phác thảo slide từ tài liệu Word
Lập bản đồ địa lý thời tiết
Phân tích ảnh y tế chuyên sâu
Biên dịch lập trình trên IDE độc lập
Gemini cung cấp câu trả lời kèm trích dẫn thường vì lý do nào?
Không có mô hình ngôn ngữ riêng
Liên kết chặt với Search để truy xuất nguồn
Chỉ dựa trên dữ liệu huấn luyện offline
Bắt buộc pháp lý của mọi quốc gia
