WorksheetsCâu hỏi về Trí tuệ nhân tạo
Total questions: 138
Worksheet time: 1hrs 17mins
Sự kiện nào được coi là sự khai sinh chính thức của ngành Trí tuệ nhân tạo?
Alan Turing đề xuất "Bài kiểm tra Turing" (1950)
Hội nghị Dartmouth (1956)
IBM Deep Blue đánh bại Garry Kasparov (1997)
AlexNet chiến thắng ImageNet (2012)
"AI Winter" lần thứ nhất (1974-1980) chủ yếu là do nguyên nhân nào?
Thiếu dữ liệu và năng lực tính toán
Sự sụp đổ của thị trường máy tính chuyên dụng
Báo cáo Lighthill chỉ trích tiến độ chậm chạp của AI
Hệ chuyên gia trở nên cồng kềnh và không cạnh tranh được
Theo phân loại theo mức độ thông minh, ChatGPT hiện nay thuộc loại nào?
Artificial General Intelligence (AGI)
Artificial Superintelligence (ASI)
Artificial Narrow Intelligence (ANI)
Theory of Mind AI
Công nghệ nào sau đây KHÔNG thuộc nhóm công nghệ cốt lõi của AI?
Xử lý ngôn ngữ tự nhiên (NLP)
Internet of Things (IoT)
Học sâu (Deep Learning)
Thị giác máy tính (Computer Vision)
Trong y tế, AI được ứng dụng để làm gì?
Chỉ để hỗ trợ tư vấn sức khỏe từ xa
Chẩn đoán bệnh, dự đoán dịch bệnh, nghiên cứu thuốc
Chỉ để quản lý hồ sơ bệnh án
Chỉ để hỗ trợ phẫu thuật robot
Nguyên tắc nào sau đây KHÔNG phải là nguyên tắc hoạt động cơ bản của AI?
Học từ dữ liệu
Tối ưu hóa
Tổng quát hóa
Tự động hóa hoàn toàn
Hạn chế nào của AI liên quan đến thiếu khả năng hiểu ngữ cảnh sâu trong xử lý ngôn ngữ?
Không có năng lực xã hội và cảm xúc
Thiếu sự sáng tạo và trực giác
Phụ thuộc vào chất lượng dữ liệu
Chi phí năng lượng tính toán lớn
Mô hình ngôn ngữ lớn (LLM, Foundation Models) của AI nào sau đây do Google phát triển?
GPT-4
Claude
Gemini
LLaMA
Sự khác biệt chính giữa Chatbot và Trợ lý ảo là gì?
Chatbot chỉ hoạt động qua giọng nói
Trợ lý ảo không có khả năng học hỏi
Trợ lý ảo có khả năng nhớ ngữ cảnh và thích nghi
Sự khác biệt chính giữa Chatbot và Trợ lý ảo là gì?
Chatbot chỉ hoạt động qua giọng nói
Trợ lý ảo không có khả năng học hỏi
Trợ lý ảo có khả năng nhớ ngữ cảnh và thích nghi cao hơn
Chatbot luôn tích hợp trong hệ điều hành
Công cụ nào sau đây thuộc nhóm AI hỗ trợ lập trình?
Grammarly
GitHub Copilot
Canva
Midjourney
Kỹ thuật "Chain-of-Thought (CoT) Prompting" giúp AI làm gì?
Tạo ra câu trả lời ngắn gọn
Suy nghĩ từng bước khi giải quyết vấn đề phức tạp
Tăng tốc độ phản hồi
Giảm thiểu lỗi chính tả
Tiêu chí nào sau đây KHÔNG thuộc nhóm tiêu chí kỹ thuật khi đánh giá hệ thống AI?
Độ chính xác (Accuracy)
Khả năng tích hợp với hệ thống hiện có
Độ bao phủ (Recall)
F1 Score
Khái niệm "Explainable AI (XAI)" liên quan đến điều gì?
Khả năng AI tự giải thích quyết định của mình
Tốc độ xử lý của AI
Khả năng AI học không giám sát
Khả năng AI hoạt động offline
Tác động tiêu cực nào của AI liên quan đến việc thay thế lao động con người?
Ô nhiễm môi trường
Thất nghiệp và chuyển dịch lao động
Thiên kiến trong dữ liệu
Tiêu thụ năng lượng cao
Nguyên tắc nào trong bảo vệ dữ liệu yêu cầu chỉ thu thập dữ liệu tối thiểu cần thiết?
Privacy by Design
Data Minimization
Transparency
Anonymization
GDPR (General Data Protection Regulation) là quy định về bảo vệ dữ liệu khu vực nào?
Hoa Kỳ
Châu Âu (EU)
Trung Quốc
Việt Nam
Hành vi nào sau đây được xem là phi đạo đức trong AI?
Sử dụng AI để dịch thuật
Phân biệt đối xử dựa trên dữ liệu huấn luyện
Sử dụng AI để tối ưu hóa năng lượng
Dùng AI để hỗ trợ giáo dục
Đạo luật AI (AI Act) của EU phân loại hệ thống chấm điểm xã hội vào nhóm rủi ro nào?
Rủi ro cao
Rủi ro hạn chế
Rủi ro không thể chấp nhận được
Rủi ro tối thiểu
Đạo luật AI (AI Act) của EU phân loại hệ thống chấm điểm xã hội vào nhóm rủi ro nào?
Rủi ro cao
Rủi ro hạn chế
Rủi ro không thể chấp nhận được
Rủi ro tối thiểu
Công cụ nào sau đây được dùng để phát hiện và hiệu chỉnh thiên vị trong AI?
ChatGPT
IBM AI Fairness 360
GitHub Copilot
Midjourney
Việt Nam đang xây dựng bộ nguyên tắc AI phiên bản 2.0 thông qua tổ chức nào?
Partnership on AI (PAI)
Vietnam AI Ethics Council (VAEC)
AI Now Institute
Mozilla Foundation
Mốc sự kiện nào được xem là "khai sinh" ngành AI như một lĩnh vực nghiên cứu độc lập?
Bài kiểm tra Turing (1950)
Hội nghị Dartmouth (1956)
Deep Blue thắng Kasparov (1997)
AlexNet chiến thắng ImageNet (2012)
Hiện tượng "Mùa đông AI" (AI Winter) xảy ra do:
Các hệ thống AI quá thông minh, gây lo ngại đạo đức
Sự thất bại của máy dịch tự động, hạn chế phần cứng, kỳ vọng quá cao
Không có dữ liệu để huấn luyện hệ thống
Chính phủ cấm nghiên cứu AI
Kiến trúc Transformer là đột phá vì:
Cho phép AI xử lý song song, nắm bắt ngữ cảnh dài, giảm chi phí huấn luyện
Chỉ dùng cho xử lý ảnh, không dùng cho NLP
Thay thế hoàn toàn mạng nơ-ron tích chập (CNN)
Loại bỏ hoàn toàn nhu cầu dữ liệu lớn
Phân loại AI nào vẫn chủ yếu tồn tại trong nghiên cứu, chưa có ứng dụng thực tế?
Narrow AI
Limited Memory AI
Theory of Mind AI
Generative AI
AI tạo sinh (Generative AI) vẫn được xếp vào:
AGI
ANI (Narrow AI)
ASI
AI tự nhận thức
Hệ thống AI tác nhân (Agent AI) có đặc điểm:
Chỉ phản ứng hiện tại, không có bộ nhớ
Tự động lập kế hoạch nhiều bước, gọi công cụ thực thi
Không thể tương tác với hệ thống khác
Chỉ sinh văn bản, không hành động
Hệ sinh thái AI gồm mấy tầng chính?
2 (AI nền tảng - AI ứng dụng)
3 (AI hạ tầng - AI nền tảng - AI ứng dụng)
4 (H
Hệ sinh thái AI gồm mấy tầng chính?
2 (AI nền tảng - AI ứng dụng)
3 (AI hạ tầng - AI nền tảng - AI ứng dụng)
4 (Hạ tầng - mô hình - ứng dụng - chính sách)
5 (Hạ tầng - dữ liệu - mô hình - API - ứng dụng)
Hạn chế quan trọng của học sâu (Deep Learning) là:
Không cần dữ liệu
Cần lượng dữ liệu và năng lực tính toán khổng lồ
Không thể tối ưu hóa
Không dùng được trong thị giác máy tính
Khả năng tổng quát hóa trong AI là:
Ghi nhớ chính xác dữ liệu huấn luyện
Dự đoán đúng trên dữ liệu chưa từng thấy
Xóa dữ liệu cũ để huấn luyện lại
Giảm kích thước mô hình để chạy nhanh hơn
Một trong những tác động tiêu cực của AI:
Cá nhân hóa học tập
Dự đoán dịch bệnh
Gia tăng bất bình đẳng số
Bảo trì dự đoán trong sản xuất
GPT-4, Claude, Gemini được xếp vào nhóm:
AI hạ tầng
AI nền tảng (Foundation Models)
AI ứng dụng
Multi-agent AI
Perplexity AI, Elicit thuộc nhóm:
AI tạo hình ảnh
AI tìm kiếm & trợ lý thông tin
AI nền tảng
AI hạ tầng
Chatbot và Trợ lý ảo khác nhau ở điểm chính:
Chatbot có NLP nâng cao hơn
Trợ lý ảo duy trì ngữ cảnh, cá nhân hóa
Chatbot có thể nói chuyện bằng giọng nói
Trợ lý ảo chỉ dùng kịch bản, không học
Công cụ nào chuyên tạo và chỉnh sửa video dựa trên văn bản?
Runway ML
Murf.ai
Grammarly
MonkeyLearn
Hệ thống AI nào không thuộc nhóm tạo sinh?
Midjourney
Stable Diffusion
ChatGPT
GitHub Copilot (Lưu ý: Trong một số ngữ cảnh câu này có thể gây tranh cãi vì Copilot cũng tạo mã nguồn, nhưng có lẽ đáp án mong muốn là một công cụ phân tích thuần túy nếu có phương án khác).
AI Edge (ví dụ: NVIDIA Jetson) dùng để:
Huấn luyện LLM trên đám mây
Xử lý trực tiếp tại thiết bị biên, giảm độ trễ
Chỉ chạy mô phỏng t
AI Edge (ví dụ: NVIDIA Jetson) dùng để:
Huấn luyện LLM trên đám mây
Xử lý trực tiếp tại thiết bị biên, giảm độ trễ
Chỉ chạy mô phỏng trong phòng thí nghiệm
Kiểm tra đạo đức AI
Foundation Models khác với Applications AI ở điểm:
Foundation Model là sản phẩm hoàn chỉnh cho người dùng cuối
Applications AI xây dựng trên Foundation Models để giải quyết nhiệm vụ cụ thể
Applications AI không dùng mô hình học sâu
Foundation Model không cần dữ liệu để huấn luyện
Mô hình ngôn ngữ lớn (LLM) thường sử dụng kiến trúc:
CNN
Transformer
GAN
RNN
Công cụ nào hỗ trợ tóm tắt & phân tích cảm xúc văn bản?
Galaxy.ai
Synthesia
Canva
Midjourney
Ví dụ nào sau đây là AI đa phương thức (Multimodal AI)?
GPT-4 có khả năng xử lý văn bản, hình ảnh, âm thanh
Grammarly kiểm tra chính tả
Perplexity AI chỉ trả lời văn bản
GitHub Copilot gợi ý code
Prompt Engineering giúp:
Viết mã tối ưu cho GPU
Đưa ra yêu cầu rõ ràng, cụ thể để AI trả lời chính xác
Tăng tốc độ huấn luyện mô hình
Giảm số lượng dữ liệu huấn luyện
Khi muốn AI tạo kế hoạch đa bước, cần:
Đưa prompt chung chung
Sử dụng chuỗi suy luận (chain-of-thought) hoặc yêu cầu từng bước
Chỉ hỏi một câu duy nhất
Tắt bộ nhớ ngữ cảnh
Một cách kiểm chứng thông tin do AI tạo ra:
Tin tuyệt đối vào kết quả
Cross-check với nguồn đáng tin cậy
Hỏi AI lần thứ hai
Giảm nhiệt độ mô hình về 0
Fine-tuning mô hình dùng khi:
Muốn mô hình học thêm dữ liệu chuyên ngành
Muốn xóa toàn bộ kiến thức cũ
Muốn giảm kích thước mô hình
Muốn mô hình không trả lời nữa
Temperature trong AI generative điều chỉnh:
Tốc độ huấn luyện
Mức độ sáng tạo/ngẫu nhiên trong đầu ra
Kích thước dữ liệu
Độ chính xác tuyệt đối
Temperature trong AI generative điều chỉnh:
Tốc độ huấn luyện
Mức độ sáng tạo/ngẫu nhiên trong đầu ra
Kích thước dữ liệu
Độ chính xác tuyệt đối
"Hallucination" (ảo giác AI) thường xảy ra do:
Dữ liệu huấn luyện chất lượng cao
Mô hình bị hạn chế về dữ liệu và ngữ cảnh
AI có trí tưởng tượng phong phú
Người dùng đặt câu hỏi quá dễ
Hiện tượng AI tạo ra thông tin sai lệch nhưng nghe có vẻ thuyết phục (ảo giác AI) được gọi là:
Overfitting
Hallucination
Bias
Training
Một trong những kỹ thuật để tránh "hallucination" của AI (ảo giác AI):
Prompt chung chung, mở rộng
Sử dụng RAG (Retrieval-Augmented Generation) kết hợp dữ liệu thực
Tăng tối đa temperature
Tắt kiểm chứng dữ liệu
Hiện tượng "AI Hallucination" được định nghĩa chính xác nhất là gì?
AI từ chối trả lời các câu hỏi phức tạp và đưa ra thông báo lỗi.
AI tạo ra các thông tin, dữ kiện, trích dẫn hoặc nguồn tham khảo không có thật một cách đầy tự tin.
AI hoạt động chậm chạp và đưa ra các phản hồi không liên quan do quá tải dữ liệu.
AI thể hiện sự thiên vị rõ rệt trong các câu trả lời do dữ liệu huấn luyện không cân bằng.
Nguyên nhân sâu xa nào dẫn đến hiện tượng AI Hallucination (ảo giác AI)?
Tốc độ xử lý của GPU không đủ nhanh để theo kịp các yêu cầu phức tạp.
Các mô hình ngôn ngữ lớn (LLM) được thiết kế để dự đoán từ/cụm từ tiếp theo có xác suất cao nhất dựa trên ngữ cảnh, thay vì truy xuất "sự thật".
Nhà phát triển cố ý lập trình để AI có thể sáng tạo nội dung vượt ra ngoài khuôn khổ thực tế.
Tất cả dữ liệu huấn luyện đều đã được kiểm chứng và loại bỏ hoàn toàn thông tin sai lệch.
Trong các tình huống sau, tình huống nào là ví dụ điển hình nhất cho hiện tượng AI Hallucination (ảo giác AI)?
Trong các tình huống sau, tình huống nào là ví dụ điển hình nhất cho hiện tượng AI Hallucination (ảo giác AI)?
Một chatbot dịch vụ khách hàng trả lời "Tôi không biết" khi được hỏi về chính sách bảo hành của sản phẩm mới ra mắt.
Khi được yêu cầu viết một báo cáo về lịch sử Đế chế La Mã, AI đã tạo ra một vị hoàng đế hoàn toàn mới, kèm theo các chiến công và ngày tháng cụ thể nhưng không có thật.
AI được huấn luyện chủ yếu trên văn bản tiếng Anh nên cho kết quả kém chính xác khi dịch các thành ngữ tiếng Việt phức tạp.
Một hệ thống AI phỏng vấn tuyển dụng có xu hướng đánh giá thấp các ứng viên đến từ một trường đại học cụ thể.
Giả sử một AI cung cấp cho bạn thông tin rằng "Nhà khoa học Turing đã nhận giải Nobel cho công trình về Bài kiểm tra Turing vào năm 1954". Làm thế nào tốt nhất để kiểm chứng thông tin này và phát hiện ra nó có thể là một ảo giác AI (hallucination)?
Tin tưởng hoàn toàn vào thông tin vì AI luôn tổng hợp từ nhiều nguồn.
Yêu cầu AI "Hãy suy nghĩ lại từng bước một" để nó tự sửa lỗi.
Chủ động tìm kiếm độc lập: kiểm tra danh sách người đoạt giải Nobel, tiểu sử chính thức của Turing trên các nguồn đáng tin cậy.
Đánh giá dựa trên độ mạch lạc và trôi chảy của câu văn do AI tạo ra.
Khi dùng AI trong nghiên cứu học thuật, cần:
Sao chép văn bản mà không trích dẫn
Ghi rõ nguồn hoặc nêu "Generated by AI" theo chuẩn học thuật
Không được phép dùng AI
Chỉ dùng AI để viết toàn bộ bài luận
Để tận dụng tối đa AI tạo nội dung, người dùng nên:
Chỉ dùng một prompt duy nhất
Phản hồi lặp lại (iterative prompting) để tinh chỉnh kết quả
Không can thiệp kết quả
Chỉ chọn mô hình nhỏ để tiết kiệm chi phí
Một tiêu chí quan trọng để đánh giá AI:
Chỉ cần tốc độ phản hồi
Độ chính xác, tính minh bạch, khả năng giải thích
Khả năng thay thế con người 100%
Giá thành rẻ nhất
Một tiêu chí quan trọng để đánh giá AI:
Chỉ cần tốc độ phản hồi
Độ chính xác, tính minh bạch, khả năng giải thích
Khả năng thay thế con người 100%
Giá thành rẻ nhất
"Explainability" (khả năng giải thích) trong AI nhằm:
Che giấu cách AI đưa ra quyết định
Giúp con người hiểu tại sao AI ra quyết định đó
Làm AI chạy nhanh hơn
Ngăn AI tự học
Một hệ thống AI được xem là công bằng khi:
Đưa ra kết quả giống nhau cho mọi người
Tránh thiên lệch dữ liệu, xét đến yếu tố đa dạng và công bằng
Loại bỏ tất cả biến số liên quan đến con người
Tăng tốc xử lý mà không cần dữ liệu mới
Stress Test trong AI nhằm:
Tăng tốc độ inference
Kiểm tra khả năng chịu tải, tính ổn định trong điều kiện cực đoan
Huấn luyện lại mô hình
Giảm độ chính xác để tiết kiệm chi phí
Benchmark phổ biến để đánh giá LLM:
MMLU, HellaSwag, GSM8K
ImageNet
BLEU score
F1-score
Overfitting xảy ra khi:
Mô hình dự đoán tốt cả dữ liệu huấn luyện và dữ liệu mới
Mô hình học thuộc lòng dữ liệu huấn luyện, kém trên dữ liệu mới
Mô hình quá nhỏ, không đủ học
Dữ liệu huấn luyện quá ít
Nguyên tắc phát triển AI có trách nhiệm là:
Tối đa hóa lợi nhuận, bỏ qua rủi ro
Minh bạch, công bằng, bảo vệ quyền riêng tư
Không cần quy định pháp lý
Tập trung vào siêu AI
"AI Bias" (thiên lệch AI) xảy ra khi:
AI học từ dữ liệu bị thiên lệch, dẫn đến kết quả sai
AI luôn chính xác
AI không học từ dữ liệu
Dữ liệu được làm sạch hoàn toàn
Một rủi ro lớn liên quan đến quyền riêng tư:
AI không thể lưu trữ dữ liệu
Rò rỉ dữ liệu cá nhân từ hệ thống AI
AI không dùng dữ liệu
AI chỉ chạy offline
"Hộp đen AI" (Black-box problem) chỉ:
AI minh bạch hoàn toàn
AI khó giải thích, không rõ tại sao đưa ra quyết định
AI bị hỏng phần cứng
AI không có dữ liệu
"Hộp đen AI" (Black-box problem) chỉ:
AI minh bạch hoàn toàn
AI khó giải thích, không rõ tại sao đưa ra quyết định
AI bị hỏng phần cứng
AI không có dữ liệu đầu vào
Quy định pháp lý về AI cần:
Chậm lại để tránh cản trở đổi mới
Đảm bảo an toàn, trách nhiệm, không kìm hãm sáng tạo
Cấm toàn bộ AI
Không can thiệp, để AI tự do phát triển
Một khuyến nghị khi triển khai AI trong doanh nghiệp:
Kiểm thử bảo mật, đào tạo nhân viên, đánh giá tác động xã hội
Triển khai ngay không cần kiểm tra
Chỉ dùng AI miễn phí
Không cần giám sát con người
Trí tuệ nhân tạo (AI) là gì?
Một phần mềm vẽ đồ họa
Khả năng của hệ thống máy tính thực hiện các nhiệm vụ đòi hỏi trí thông minh của con người
Một ngôn ngữ lập trình mới
Một loại phần cứng máy tính
Hệ chuyên gia (Expert System) trong lịch sử phát triển AI là gì?
Hệ thống ra quyết định dựa trên kinh nghiệm của người dùng
Hệ thống mô phỏng tri thức và suy luận của chuyên gia con người trong một lĩnh vực hẹp
Một phần mềm văn phòng
Một phần cứng điều khiển
Học máy (Machine Learning) là:
Phương pháp để lập trình máy tính thủ công cho từng tác vụ
Cho phép máy học từ dữ liệu, cải thiện hiệu quả mà không cần lập trình cứng nhắc
Phương pháp nén dữ liệu
Chỉ áp dụng trong thiết kế phần cứng
Học sâu (Deep Learning) là gì?
Một dạng nâng cao của học máy sử dụng mạng nơ-ron nhiều lớp để mô phỏng bộ não con người
Một phương pháp lưu trữ dữ liệu
Một giao thức truyền thông
Một ngôn ngữ lập trình
Mạng nơ-ron nhân tạo (Artificial Neural Network) mô phỏng:
Hệ tiêu hóa của con người
Cấu trúc kết nối của tế bào thần kinh trong não
Hoạt động của hệ điều hành
Cấu trúc của đĩa từ
NLP (Natural Language Processing) được dùng để:
Tăng tốc xử lý đồ họa
Hiểu và xử lý ngôn ngữ
NLP (Natural Language Processing) được dùng để:
Tăng tốc xử lý đồ họa
Hiểu và xử lý ngôn ngữ tự nhiên của con người
Điều khiển thiết bị phần cứng
Mã hóa dữ liệu mạng
Thị giác máy tính (Computer Vision) là:
Khả năng máy tính nhận diện và phân tích hình ảnh, video
Tính năng hiển thị hình ảnh đẹp hơn
Hệ điều hành máy ảnh kỹ thuật số
Một ngôn ngữ lập trình mới
Chatbot là gì?
Phần mềm soạn thảo văn bản
Phần mềm AI tương tác tự động với người dùng qua giao diện hội thoại
Phần mềm chỉnh sửa ảnh
Một loại virus máy tính
Trợ lý ảo (Virtual Assistant) là:
Người thật hỗ trợ từ xa
Ứng dụng AI hỗ trợ cá nhân, có thể thực hiện nhiều tác vụ như nhắc lịch, đọc tin nhắn
Một dịch vụ email
Một mạng xã hội
Mục tiêu chính của hệ thống AI tạo sinh (Generative AI):
Tạo ra nội dung mới (văn bản, hình ảnh, video) từ dữ liệu huấn luyện
Chỉ phân tích dữ liệu cũ
Tăng tốc độ CPU
Quản lý phần cứng
Reinforcement Learning (Học tăng cường) đặc trưng bởi:
Học dựa trên thưởng/phạt khi tương tác với môi trường
Học từ dữ liệu có gắn nhãn
Học từ dữ liệu không gắn nhãn
Chỉ học một lần
GAN (Generative Adversarial Network) là:
Thuật toán nén dữ liệu
Mô hình AI gồm hai mạng đối kháng để sinh ra dữ liệu mới giống dữ liệu thật
Hệ điều hành
Chuẩn mã hóa hình ảnh
RPA (Robotic Process Automation) dùng để:
Tự động hóa các tác vụ lặp đi lặp lại trong doanh nghiệp bằng robot phần mềm
Lập trình hệ điều hành
Thiết kế phần cứng robot công nghiệp
Điều khiển hệ thống cơ điện tử
Turing Test nhằm:
Kiểm tra tốc độ CPU
Đánh giá khả năng AI bắt chước hành vi trí tuệ con người
Kiểm tra kết nối mạng
Đo hiệu suất bộ nhớ
AlphaGo nổi tiếng
Turing Test nhằm:
Kiểm tra tốc độ CPU
Đánh giá khả năng AI bắt chước hành vi trí tuệ con người
Kiểm tra kết nối mạng
Đo hiệu suất bộ nhớ
AlphaGo nổi tiếng vì:
Đánh bại kỳ thủ cờ vây số 1 thế giới Lee Sedol
Chơi cờ vua thắng Garry Kasparov
Dịch văn bản tự động
Vẽ tranh số
Một ứng dụng điển hình của Computer Vision:
Nhận diện khuôn mặt trong hệ thống an ninh
Soạn thảo văn bản
Tính toán bảng tính
Nghe nhạc
Một ứng dụng NLP phổ biến:
Phát hiện và lọc thư rác (spam)
Ghi đĩa CD
Sao chép file
Chạy chương trình diệt virus
Đặc điểm của AI hẹp (Narrow AI):
Giải quyết một nhiệm vụ cụ thể rất tốt, nhưng không linh hoạt
Giải quyết mọi loại nhiệm vụ như con người
Có khả năng tự ý thức
Không cần dữ liệu để học
AI tổng quát (AGI) khác AI hẹp ở chỗ:
Có khả năng suy nghĩ linh hoạt và thực hiện nhiều tác vụ như con người
Chỉ xử lý một nhiệm vụ
Chỉ học qua dữ liệu có gắn nhãn
Không thể suy luận
Ứng dụng nổi bật của Generative AI trong doanh nghiệp:
Viết báo cáo tự động, tạo nội dung marketing, tạo hình ảnh sản phẩm
Chỉ tính toán số liệu
Quản lý phân quyền người dùng
Sao lưu hệ điều hành
Theo tài liệu, mục tiêu chính của "Học tăng cường" (Reinforcement Learning) trong AI là gì?
Phân loại dữ liệu thành các nhóm có sẵn
Huấn luyện AI thông qua phần thưởng và hình phạt để tối ưu hóa hành động
Sao chép chính xác dữ liệu huấn luyện
Giảm kích thước mô hình để tiết kiệm bộ nhớ
Công nghệ "Transformer" đặc biệt hiệu quả trong việc xử lý điều gì?
Các bài toán toán học phức tạp
Dữ liệu chuỗi thời gian dài và phụ thuộc ngữ cảnh
Ảnh có độ phân giải thấp
Âm thanh tần số cao
"Học chuyển giao" (Transfer Learning) trong AI được định nghĩa là:
Câu 366. "Học chuyển giao" (Transfer Learning) trong AI được định nghĩa là:
Chuyển đổi mô hình từ cloud sang edge device
Ứng dụng kiến thức từ bài toán này để giải quyết bài toán tương tự với ít dữ liệu hơn
Chuyển giao quyền sở hữu trí tuệ của mô hình AI
Di chuyển dữ liệu giữa các data center
Câu 367. Công nghệ cốt lõi nào KHÔNG thuộc nhóm công nghệ cốt lõi của AI theo tài liệu?
Xử lý ngôn ngữ tự nhiên (NLP)
Internet of Things (IoT)
Học sâu (Deep Learning)
Thị giác máy tính (Computer Vision)
Câu 368. Hiện tượng "Model Collapse" trong AI generative đề cập đến:
Mô hình ngừng hoạt động do quá tải
Chất lượng đầu ra suy giảm khi huấn luyện trên dữ liệu do chính AI tạo ra
Sự sụp đổ của thị trường AI
Mô hình từ chối tạo nội dung mới
Câu 369. Kỹ thuật "Data Augmentation" trong học máy nhằm mục đích:
Tăng kích thước tập dữ liệu bằng cách tạo biến thể từ dữ liệu gốc
Giảm kích thước dữ liệu để xử lý nhanh hơn
Mã hóa dữ liệu nhạy cảm
Xóa bỏ dữ liệu nhiễu
Câu 370. Tiêu chí nào KHÔNG thuộc đánh giá tính bền vững (Robustness) của hệ thống AI?
Khả năng chống nhiễu dữ liệu đầu vào
Hoạt động ổn định khi dữ liệu thay đổi phân phối
Tốc độ xử lý trên GPU cao cấp
Khả năng chống lại các cuộc tấn công đối nghịch (adversarial attacks)
Câu 371. Nguyên tắc hoạt động nào của AI đề cập đến việc mô hình hoạt động tốt với dữ liệu mới chưa từng thấy?
Nguyên tắc Học từ dữ liệu
Nguyên tắc Tối ưu hóa
Nguyên tắc Tổng quát hóa
Nguyên tắc Hiệu suất
Câu 372. Hạn chế nào sau đây KHÔNG phải của AI?
Thiếu trí thông minh tổng quát
Phụ thuộc vào chất lượng dữ liệu
Có sự sáng tạo và trực giác thực sự
Vấn đề "hộp đen" và thiếu minh bạch
Câu 373. Công cụ AI nào sau đây thuộc nhóm "AI hỗ trợ lập trình & kỹ thuật"?
Grammarly
GitHub Copilot
Canva Magic S
Công cụ AI nào sau đây thuộc nhóm "AI hỗ trợ lập trình & kỹ thuật"?
Grammarly
GitHub Copilot
Canva Magic Studio
Perplexity AI
"Federated Learning" khác với các cách học tập truyền thống ở điểm:
Dữ liệu được giữ cục bộ trên thiết bị người dùng, chỉ gửi model update
Yêu cầu tất cả dữ liệu phải tập trung trên cloud
Chỉ áp dụng cho mô hình nhỏ
Không cần quá trình huấn luyện
Kỹ năng nào sau đây KHÔNG nằm trong nhóm "Kỹ năng khai thác AI hiệu quả"?
Kỹ năng đặt câu hỏi (prompting)
Kỹ năng lập trình Python nâng cao
Kỹ năng đánh giá và lọc thông tin AI tạo ra
Kỹ năng ứng dụng AI trong làm việc nhóm
Tiêu chuẩn đánh giá "BLEU Score" thường được dùng cho:
Đánh giá chất lượng dịch máy
Đo độ chính xác nhận dạng hình ảnh
Đánh giá tốc độ xử lý văn bản
Đo mức độ tiêu thụ năng lượng của AI
Nguyên tắc "Privacy by Design" trong phát triển AI yêu cầu:
Bảo vệ quyền riêng tư được tích hợp ngay từ giai đoạn thiết kế hệ thống
Chỉ quan tâm đến quyền riêng tư sau khi hệ thống đã hoàn thiện
Ưu tiên tính năng hơn bảo mật
Chỉ áp dụng các biện pháp bảo vệ khi có yêu cầu từ người dùng
"AI Alignment Problem" đề cập đến thách thức:
Căn chỉnh dữ liệu training cho đồng đều
Đảm bảo mục tiêu và hành vi của AI phù hợp với giá trị con người
Căn chỉnh các layer trong mạng neural
Đồng bộ hóa nhiều mô hình AI với nhau
Công cụ "MLflow" thường được dùng cho:
Quản lý vòng đời của các thí nghiệm machine learning
Tạo hình ảnh từ văn bản
Phân tích cảm xúc văn bản
Nhận dạng giọng nói
Rủi ro nào sau đây KHÔNG phải là rủi ro tiềm ẩn của hệ thống AI?
Deepfake
AI đạt mục tiêu nhưng gây hại
Tăng cường sự sáng tạo của con người
Lạm dụng để giám sát hoặc phát tán thông tin sai lệch
Nào sau đây KHÔNG phải là rủi ro tiềm ẩn của hệ thống AI?
Deepfake
AI đạt mục tiêu nhưng gây hại
Tăng cường sự sáng tạo của con người
Lạm dụng để giám sát hoặc phát tán thông tin sai lệch
"Model Quantization" trong AI nhằm mục đích chính:
Giảm kích thước và tăng tốc độ suy luận của mô hình
Tăng độ chính xác của mô hình
Mã hóa mô hình để bảo vệ bản quyền
Chuẩn hóa dữ liệu đầu vào
Một công ty giáo dục sử dụng AI để cá nhân hóa bài tập cho học sinh. Nguy cơ "overfitting" trong trường hợp này có thể dẫn đến:
Học sinh được giao bài tập quá dễ so với năng lực
Học sinh chỉ giỏi giải các dạng bài đã học mà không áp dụng được kiến thức vào tình huống mới
Hệ thống AI tiêu thụ quá nhiều năng lượng
Tốc độ phản hồi của AI chậm đi đáng kể
Khi đánh giá hệ thống AI phát hiện bệnh, việc ưu tiên "Precision" (Độ chính xác) hơn "Recall" (Độ bao phủ) có ý nghĩa gì?
Giảm số ca bệnh bị bỏ sót, nhưng tăng số ca chẩn đoán nhầm
Giảm số ca chẩn đoán nhầm, nhưng có thể bỏ sót một số ca bệnh
Tăng tốc độ xử lý của hệ thống
Giảm chi phí vận hành hệ thống
AI tạo sinh (Generative AI) KHÔNG có khả năng chính trong lĩnh vực nào?
Tạo văn bản
Tạo hình ảnh từ văn bản
Phân tích cảm xúc từ dữ liệu văn bản
Tạo video từ văn bản
Công cụ nào sau đây là ví dụ về AI hỗ trợ nghiên cứu và viết học thuật?
Midjourney
Jenni AI
Runway ML
Descript
Trong hệ sinh thái AI, "AI hạ tầng" (Infrastructure AI) chủ yếu cung cấp:
Các sản phẩm/dịch vụ AI cho người dùng cuối
Nền tảng tính toán và lưu trữ cốt lõi (GPU, TPU, Cloud)
Các mô hình lõi xử lý đa nhiệm
Giao diện người dùng thân thiện
Bước nào KHÔNG nằm trong quy trình triển khai AI hiệu quả để giải quyết vấn đề?
Xác định vấn đề & mục tiêu
Thu thập và làm sạch dữ liệu
Sao chép nguyên mẫu từ dự án khác mà không tùy chỉnh
Bước nào KHÔNG nằm trong quy trình triển khai AI hiệu quả để giải quyết vấn đề?
Xác định vấn đề & mục tiêu
Thu thập và làm sạch dữ liệu
Sao chép nguyên mẫu từ dự án khác mà không tùy chỉnh
Lựa chọn mô hình AI phù hợp
Kỹ năng nào giúp người dùng không bị tụt hậu trước sự phát triển nhanh của AI?
Chỉ sử dụng một công cụ AI duy nhất
Thích ứng nhanh, cập nhật kiến thức và thử nghiệm công nghệ mới
Tránh sử dụng các AI mới vì rủi ro cao
Ủy thác hoàn toàn việc học cho AI
Phát biểu nào sau đây về AI là ĐÚNG?
AI có trí thông minh và sự hiểu biết thực sự như con người
AI hoàn toàn khách quan và không bao giờ mắc lỗi
AI là công cụ mạnh mẽ nhưng cần được phát triển và ứng dụng có kiểm soát, minh bạch
AI có thể thay thế hoàn toàn tư duy phản biện và sáng tạo của con người
Công cụ nào sau đây được dùng để phát hiện và hiệu chỉnh thiên bias trong AI?
ChatGPT
IBM AI Fairness 360
GitHub Copilot
Midjourney
Mục đích chính của việc yêu cầu AI "chia sẻ nguồn tham khảo" là gì?
Làm cho câu trả lời dài hơn
Giúp người dùng kiểm chứng tính chính xác của thông tin
Để AI hoạt động nhanh hơn
Thể hiện sự phức tạp của AI
Trong kiến trúc AI 3 lớp, "Lớp ứng dụng" KHÔNG bao gồm:
Tự động hóa quy trình bằng robot (RPA)
Công nghệ sản sinh ngôn ngữ tự nhiên (NLG)
Kiến trúc Transformer
Phân tích cảm xúc từ dữ liệu xã hội
"Few-shot Learning" trong AI đề cập đến khả năng:
Học với rất ít ví dụ huấn luyện
Học mà không cần dữ liệu huấn luyện
Học từ hàng triệu ví dụ
Học từ dữ liệu không được gắn nhãn
"Computer Vision" trong AI được ứng dụng chủ yếu trong lĩnh vực nào sau đây?
Phân tích và xử lý ngôn ngữ tự nhiên
Nhận diện hình ảnh, vật thể, khuôn mặt và chữ viết
Tối ưu hóa thuật toán tìm kiếm
Phân tích dữ liệu âm thanh
Hiện tượng "AI Bias" (thiên vị AI) thường xảy ra chủ yếu do nguyên nhân nào?
Phần cứng máy tính không đủ mạnh
Dữ liệu huấn luyện không đa dạng và chứa định kiến
Tốc độ internet kém ảnh hưởng đến kết quả
Ngôn ngữ lập trình không phù hợp
"Natural Language Generation" (NLG) trong AI có chức năng chính là:
Phân tích cú pháp và ngữ nghĩa văn bản
Tự động tạo ra văn bản từ dữ liệu hoặc ý tưởng
Nhận dạng giọng nói và chuyển thành văn bản
Dịch tự động các ngôn ngữ
Trong đánh giá hệ thống AI, "Recall" (Độ bao phủ) được định nghĩa là:
Tỷ lệ các dự đoán đúng trong tổng số dự đoán
Khả năng hệ thống tìm ra tất cả các trường hợp thực tế
Sự cân bằng giữa Precision và Accuracy
Tốc độ xử lý của hệ thống
"Edge AI" khác với "Cloud AI" ở điểm quan trọng nào?
Edge AI xử lý dữ liệu trực tiếp trên thiết bị, không cần kết nối internet liên tục
Edge AI chỉ hoạt động với dữ liệu nhỏ
Cloud AI có độ chính xác thấp hơn Edge AI
Edge AI không thể học hỏi từ dữ liệu mới
Nguyên tắc "Fairness" (Công bằng) trong đạo đức AI yêu cầu:
Bỏ qua hoàn toàn các đặc điểm nhạy cảm như chủng tộc, giới tính
Nhận thức và tính đến bối cảnh xã hội để đảm bảo công bằng
Ưu tiên tốc độ xử lý hơn tính công bằng
"AI Governance" (Quản trị AI) quan trọng nhất trong việc:
Tối đa hóa lợi nhuận từ ứng dụng AI
Đảm bảo AI được phát triển và sử dụng có trách nhiệm, tuân thủ pháp luật
Giảm chi phí vận hành hệ thống AI
Tăng tốc độ ra mắt sản phẩm AI
