Font size
WorksheetsChương 1. Giới thiệu về Trí tuệ Nhân tạo – Bài tập trắc nghiệm
Total questions: 150
Worksheet time: 1hrs 15mins
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 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
Không có ứng dụng nào trong kinh tế
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 công nghệ thuần túy
Thách thức pháp lý – xã hội – đạo đức
Thách thức về phần cứng
Thách thức về siêu trí tuệ
Ủy ban châu Âu (EU AI Act, 2021) nhấn mạnh AI là:
Hệ thống phần cứng có khả năng tự sửa chữa
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
Hệ thống cơ sở dữ liệu dùng để lưu trữ dữ liệu lớn
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?
NLP và Chatbot
Computer Vision/OCR kết hợp Machine Learning
Speech Recognition và Robotics
Symbolic AI và Big Data
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:
Statistical AI dựa trên học máy và mô hình xác suất
Symbolic AI với luật IF–THEN cố định
Hybrid AI kết hợp robot vật lý và dữ liệu lớn
Robotics trong dây chuyền sản xuất
Khái niệm Big Data (dữ liệu lớn) thường được mô tả bằng đặc trưng:
3R (Real-time, Robust, Reliable)
3C (Cost, Control, Complexity)
3V (Volume, Velocity, Variety)
3D (Data, Device, Decision)
Phát biểu nào dưới đây mô tả đúng sự khác nhau giữa AI và Big Data trong bối cảnh kinh tế?
AI là dữ liệu, Big Data là thuật toán
AI là nguyên liệu, Big Data là công cụ
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
Công nghệ cho phép hệ thống “hiểu” và xử lý ngôn ngữ tự nhiên của con người là:
Computer Vision
Robotics
Natural Language Processing (NLP)
Speech Recognition
Cấp độ AI hiện đang được triển khai rộng rãi trong thực tiễn hiện nay là:
Trí tuệ nhân tạo hẹp (Narrow AI/Weak AI)
Trí tuệ nhân tạo tổng quát (General AI/Strong AI)
Siêu trí tuệ nhân tạo (Super AI)
Trí tuệ nhân tạo sinh học
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?
Symbolic AI
Robotics
Machine Learning
Computer Vision
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
Machine Learning
Symbolic AI
Robotics
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 dạng General AI
Một dạng Narrow AI sử dụng NLP để tương tác
Một hệ thống Data Mining
Một hệ thống Big Data
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:
Data Mining
General AI
Super AI
Robotics
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), (2), (3)
(1), (3), (4)
(2), (3), (4)
(1), (2), (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 lập trình robot công nghiệp
Chỉ để hiểu các mô hình toán học phức tạp
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
Statistical AI chủ yếu dựa trên luật IF–THEN, ít phụ thuộc dữ liệu
Hybrid AI có sự kết hợp ưu điểm của Symbolic AI (minh bạch, dễ giải thích) và Statistical AI (học từ dữ liệu, khả năng thích ứng)
Cả ba hướng tiếp cận đều không liên quan đến học máy
Theo phân loại theo kỹ thuật, Machine Learning (ML) là:
Một nhánh của Deep Learning
Một nhánh của AI cho phép hệ thống học từ dữ liệu, cải thiện hiệu suất mà không cần lập trình cứng
Một dạng dữ liệu lớn (Big Data)
Hệ thống lưu trữ và truy vấn tri thức dựa trên luật
Deep Learning (DL) là:
Một phương pháp thống kê truyền thống
Một nhánh của Machine Learning sử dụng mạng nơ-ron nhiều lớp để xử lý dữ liệu phức tạp
Một phương pháp xử lý dữ liệu trong kho dữ liệu (Data Warehouse)
Một dạng hệ chuyên gia dựa trên luật
Công nghệ cho phép hệ thống “nhìn” và phân tích hình ảnh, video là:
Computer Vision
Big Data
Data Mining
Cloud Computing
Trong kiểm toán, hệ thống như MindBridge AI rà soát toàn bộ dữ liệu kế toán để phát hiện giao dịch bất thường. Lợi thế chính so với phương pháp chọn mẫu truyền thống là:
Giảm nhu cầu sử dụng máy tính
Chỉ xem xét một phần nhỏ dữ liệu
Có khả năng kiểm tra toàn bộ dữ liệu và phát hiện mẫu bất thường khó nhận thấy
Không cần dữ liệu lịch sử
Russell & Norvig định nghĩa AI là ngành khoa học nghiên cứu về:
Các hệ thống ra quyết định dựa trên luật pháp
Các hệ thống xử lý dữ liệu lớn trên đám mây
Các “tác nhân thông minh” có khả năng nhận thức môi trường và hành động để tối đa mục tiêu
Các hệ thống máy tính có khả năng lưu trữ dữ liệu
Một công ty tư vấn tận dụng tri thức nghiệp vụ kế toán (các quy tắc, chuẩn mực) vĩa học từ dữ liệu giao dịch để phát hiện gian lận. Hướng tiếp cận AI phù hợp nhất là:
Symbolic AI thuần túy
Statistical AI thuần túy
Hybrid AI kết hợp luật và học máy
Chỉ sử dụng Big Data mà không cần AI
Symbolic AI (AI dựa trên luật) còn được gọi là:
Modern AI
Good Old-Fashioned AI (GOFAI)
Hybrid AI
Deep AI
Một doanh nghiệp triển khai tổng đài thông minh, cho phép khách hàng gọi điện, hệ thống tự động nhận diện giọng nói và trả lời. Công nghệ AI cốt lõi nhất ở đây là:
Speech Recognition kết hợp NLP
Computer Vision
Robotics công nghiệp
Data Mining
Xét các phát biểu sau về các 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 các nhánh như: Machine Learning, Deep Learning, NLP, Computer Vision, Robotics. (3) Phân loại theo mức độ mô phỏng trí tuệ phân định trình độ “thông minh” của hệ thống; phân loại theo kỹ thuật phân định “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)
(1), (2), (4)
(2), (3), (4)
(1), (3), (4)
Xét các phát biểu sau về mối quan hệ giữa AI, Machine Learning (ML), Deep Learning (DL), Data Mining và Big Data: (1) AI là khái niệm rộng bao trùm, trong đó ML là một nhánh và DL là nhánh con của ML. (2) Data Mining tập trung chủ yếu vào việc phát hiện mẫu và tri thức từ dữ liệu hiện có. (3) Big Data là các tập dữ liệu khổng lồ, đa dạng, tốc độ phát sinh nhanh, là “nguyên liệu” để AI phát huy sức mạnh. (4) Mọi hệ thống Big Data đều là hệ thống AI. Tổ hợp phương án đúng là:
(1), (2) và (3)
(1) và (4)
(2), (3) và (4)
Chỉ (3)
Một doanh nghiệp logistics sử dụng thuật toán AI để tối ưu hóa tuyến đường vận chuyển, giảm chi phí và thời gian giao hàng. Thuật toán này thuộc nhóm ứng dụng AI nào trong kinh tế?
Chatbot
Machine Learning cho tối ưu hóa và dự báo
Computer Vision
Speech Recognition
Xét các phát biểu sau về các cấp độ AI: (1) Narrow AI được thiết kế để giải quyết một nhiệm vụ cụ thể, thường vượt trội hơn con người trong phạm vi đó. (2) General AI có khả năng tự duy và thích ứng linh hoạt trong nhiều lĩnh vực tương tự con người, hiện đã được triển khai rộng rãi trong doanh nghiệp. (3) Super AI là khái niệm giả định về một dạng AI vượt xa trí tuệ con người trong hầu hết mọi lĩnh vực. (4) Thực tiễn hiện nay chủ yếu mới dừng lại ở giai đoạn Narrow AI. Phương án đúng là:
(1), (2), (3)
(1), (3)
(2), (3), (4)
(1), (2), (4)
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:
(1) và (2)
(2) và (3)
Chỉ (3)
(3) và (4)
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 luôn chạy nhanh hơn mọi thuật toán khác
Cây quyết định luôn chính xác hơn mạng nơ-ron sâu
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
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 sử dụng trí tuệ nhân tạo
Mâu thuẫn với thực tế luôn tồn tại rủi ro, và làm giảm ý thức trách nhiệm của cả nhà sản xuất lẫn người dùng
Xe tự lái không có cảm biến
Xe tự lái không thể dừng trong thành phố
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)
(1) và (2)
(2) và (4)
(3) và (4)
Khi triển khai nghiên cứu, ứng dụng AI, ngoài yếu tố kỹ thuật, công nghệ, cần phải quan tâm tới
Các thuật toán tối ưu hóa trong học sâu (Deep Learning)
Các vấn đề đạo đức và pháp lý khi phát triển và sử dụng trí tuệ nhân tạo (AI)
Kiến trúc phần cứng GPU/TPU cho AI
Kỹ thuật lập trình Python 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. 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 sản tri thức 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 chú thích đối với việc ra quyết định
Giảm chi phí mua phần cứng cho hệ thống AI
Tăng tốc độ mạng Internet để huấn luyện mô hình nhanh hơn
Dữ liệu trong các hệ thống AI về bản chất là:
Trí thức hoàn chỉnh, tự nó đã chứa sẵn giá trị đạo đức
Các dòng bit được con người gắn ý nghĩa thông những bối cảnh và mục đích cụ thể
Các tệp văn bản thuần túy không thể xử lý
Các chương trình phần mềm độc lập với con người
Sự khác biệt cơ bản giữa trí tuệ nhân tạo và trí tuệ con người là gì?
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
Con người không thể học từ kinh nghiệm
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?
AI luôn biến chính xác lỗi do linh kiện nào gây ra
AI chỉ đưa ra tín hiệu trạng thái tổng quát, con người vẫn cần điều tra nguyên nhân và chịu trách nhiệm quyết định
Con người không cần đào tạo để hiểu hệ thống
Không cần bảo trì trực thăng nữa
Khi sinh viên sử dụng AI để “nghiên cứu trên Internet” về vắc-xin, hành vi nào sau đây phù hợp nhất với ba quy tắc đạo đức và pháp lý AI?
Chỉ đọc những bài viết ủng hộ sẵn niềm tin của mình
Chọn ngẫu nhiên vài bài trên mạng xã hội để tham khảo
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
Tin vào video được chia sẻ nhiều nhất trên mạng
Khi soạn “điều khoản sử dụng” cho một ứng dụng AI miễn phí nhưng thu thập nhiều dữ liệu cá nhân, điều khoản nào phù hợp với quyền riêng tư?
Viết mơ hồ để người dùng khó hiểu
Không nhắc tới việc thu thập và chia sẻ dữ liệu
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 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?
Bỏ qua vì mô hình đạt độ chính xác thống kê cao
Cố tình sử dụng thiên lệch để tối đa hóa lợi nhuận
Phân tích và điều chỉnh bộ dữ liệu cũng như mô hình để giảm sai lệch, đánh giá rủi ro đạo đức
Chuyển toàn bộ trách nhiệm cho người dùng cuối
Ví dụ nào sau đây thuộc nhóm “các vấn đề đạo đức đối với nhà phát triển/lập trình viên AI”?
Xác định thời gian làm việc của nhân viên bán hàng
Bảo đảm phần mềm tuân thủ quy định về quyền riêng tư đối với dữ liệu y tế
Định giá sản phẩm AI cho thị trường
Thiết kế logo thương hiệu cho công ty
Một doanh nghiệp muốn xây dựng hệ thống tuyển dụng sử dụng AI lọc sơ yếu lý lịch. Yêu cầu đạo đức quan trọng nhất là:
Giảm tối đa chi phí tuyển dụng
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
Chỉ lựa chọn ứng viên từ một số trường đại học nhất định
Không cần thẩm định dữ liệu đào tạo, miễn là hệ thống hoạt động
Một trong các thách thức đạo đức khi dùng AI trong chẩn đoán y khoa là:
AI không thể đọc được các ảnh y khoa
Thiếu hoàn toàn quy định về lưu trữ dữ liệu
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
Ai là người phải chịu trách nhiệm về các sản phẩm AI được tạo ra và sử dụng?
Chỉ người dùng cuối của hệ thống AI
Chỉ nhà quản lý doanh nghiệp
Những con người tham gia thiết kế, phát triển, triển khai và sử dụng hệ thống AI
Dịch vụ đám mây cấp phần cứng máy tính
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
Hệ thống giáo dục và cộng đồng có hiểu biết về AI
Chỉ các công ty quảng cáo trực tuyến
So sánh giữa mạng nơ-ron sâu và cây quyết định trong chấm điểm tín dụng, kết luận nào dưới đây phù hợp với lập luận về đạo đức và pháp lý?
Mạng nơ-ron sâu luôn tốt hơn về đạo đức và độ chính xác cao 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
Cả hai cách tiếp cận đều hoàn toàn minh bạch như nhau
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 xử dụng này phù hợp nhất với quan điểm đạo đức nào sau đây?
AI thay thế hoàn toàn trách nhiệm của bác sĩ trong mọi quyết định
AI là công cụ hỗ trợ, quyết định y khoa vẫn cần được trung gian bởi con người có trách nhiệm
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
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 tỉ 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) Nhận thức về 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?
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
Chỉ sử dụng dữ liệu lịch sử, không kiểm tra sai lệch hay tác động xã hội
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 loại virus máy tính tấn công hệ điều hành
Một quốc gia muốn giảm phát thải khí nhà kính từ ngành công nghiệp AI. Biện pháp nào phù hợp?
Cấm sử dụng mọi mô hình ngôn ngữ lớn
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
Cấm toàn bộ việc truy cập Internet
Không cần quan tâm vì AI giúp tăng trưởng kinh tế
Một sinh viên kinh tế muốn dùng 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 kiểm tri nguồn
Dùng duy nhất một trang blog để làm nguồn tham khảo
Không đọc tài liệu gốc, chỉ đọc các bản tóm tắt ngắn
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 đâu sao đây minh họa rõ nhất việc người dùng trở thành “hàng hóa” trên Internet?
Chơi cờ vua với phần mềm trên máy tính không kết nối mạng
Đọc sách in tại thư viện
Bị theo dõi hành vi và hiềm và mua sắm để hiển thị quảng cáo nhắm mục tiêu
Cài đặt lại hệ điều hành cho máy tính cá nhân
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
Mô hình thường là “hộp đen”, thiếu minh bạch và khó giải thích cho người bị từ chối tín dụng
Chỉ phí phát triển mô hình quá thấp
Mạng nơ-ron không thể cập nhật với dữ liệu mới
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?
Tập trung tối đa vào việc tạo giọng nói giống người thật
Giấu người dùng rằng họ đang tương tác với máy
Rõ ràng về giới hạn của AI, bảo đảm có kênh hỗ trợ con người khi cần và tôn trọng quyền riêng tư
Thu thập dữ liệu người dùng càng nhiều càng tốt mà không cần xin phép
Cần hiểu cụm từ “người dùng như một hàng hóa” nghĩa là:
Người dùng trực tiếp bán sản phẩm trên sàn thương mại điện tử
Dữ liệu và sự chú ý của người dùng được thu thập và mua bán cho các mục đích thương mại
Người dùng là chủ sở hữu toàn bộ Internet
Người dùng phải trả tiền cho mỗi lần thực hiện tìm kiếm
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:
(1) và (2)
(1) và (3)
(2) và (4)
(3) và (4)
Một trong những lo ngại chính về chi phí môi trường của AI là:
Thiếu lập trình viên AI trên thị trường
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 dữ liệu
Không thể lưu trữ dữ liệu lịch sử của hệ thống
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 phán đoán đúng bị hỏng không?
Có thể tin tưởng chatbot tư vấn tâm lý hiểu được chẩn 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?
Một ứng dụng nhắc lịch học tập cá nhân, không có quảng cáo
Email khóe sẵn chính trị bật đầu bằng câu hỏi “bắt bẻ”, sau đó thu thập dữ liệu cá nhân và chuyển cho các chiến dịch vận động
Hệ thống chấm điểm tín dụng nội bộ của ngân hàng
Hệ thống quản lý kho hàng tự động trong doanh nghiệp
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:
(1) và (2)
(1) và (3)
(2) và (4)
(3) 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 sau đây phù hợp nhất với cách tiếp cận đạo đức?
Cả hai đều hoàn toàn trung lập về đạo đức, chỉ cần quan tâm tới lợi nhuận
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
Tự động xem mọi hệ thống liên quan đến quân sự, kể cả mục đích phòng thủ thụ động
Mọi hệ thống y tế đều nguy hiểm hơn vũ khí vì liên quan tới dữ liệu riêng tư
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:
Chi phí quảng cáo quá cao
Vi phạm quyền sở hữu trí tuệ đối với phần mềm
Nguy cơ xâm phạm quyền riêng tư và biến người dùng thành “hàng hóa” mà họ không ý thức được
Không tối ưu hóa doanh thu cho doanh nghiệp
Một nhóm nghiên cứu ở 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:
GPT không thể xử lý ngôn ngữ tiếng Việt
Không có lợi ích cho bệnh nhân
Nguy cơ rò rỉ dữ liệu nhạy cảm và yêu cầu tuân thủ chặt chẽ quy định về quyền riêng tư y tế
Bệnh nhân không được đọc bản tóm tắt
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 ở thì hiện tại
Nhiệm vụ cốt lõi của hầu hết các LLM là gì?
Tự động thu thập dữ liệu trên Internet
Dự đoán token tiếp theo trong chuỗi văn bản
Dịch mọi ngôn ngữ với độ chính xác tuyệt đối
Phân loại hình ảnh độ phân giải cao
Trong các công cụ sau, công cụ nào nổi bật nhờ tích hợp sâu vào Word, Excel, PowerPoint?
ChatGPT
Google Gemini
Microsoft Copilot
Claude
Các Chatbot Việt Nam thường có điểm mạnh là:
Sáng tạo thơ ca tiếng Anh
Tối ưu cho tiếng Việt và bối cảnh trong nước
Tích hợp sâu với Microsoft 365
Đọc tốt tài liệu khoa học tiếng Đức
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?
Mục tiêu
Ngữ cảnh
Định dạng đầu ra (Format)
Vai trò
Trong phân tích tài liệu bằng AI, việc thiết lập “Evidence Table” (bảng minh chứng) nhằm mục đích:
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
Chỉ lưu lại tiêu đề tài liệu
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
Chỉ chạy được trên điện thoại
Không có khả năng tóm tắt
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?
Yêu cầu trả lời bằng tiếng Việt
Quy định bằng có cột Minh chứng (trích đoạn + vị trí trong tài liệu)
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:
“Tóm tắt văn bản sau thành 5 bullet, mỗi bullet ≤ 12 từ.”
“Viết báo cáo tài chính ngắn.”
“Dịch đoạn văn sau sang tiếng Việt, giữ nguyên số liệu và ký hiệu.”
“Lập bảng 3 cột: Việc | Phụ trách | Hạn chót từ danh sách sau.”
Trong các lựa chọn sau, đâu là ví dụ áp dụng tốt nguyên tắc GIGO khi viết prompt?
Nhập yêu cầu càng ngắn càng tốt để tiết kiệm thời gian
Có ý bo qua ngữ cảnh để mô hình tự suy diễn
Xác định rõ đối tượng, mục tiêu, định dạng và tiêu chí đánh giá trong prompt
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 gán Δ và giải thích lý do” nhằm mục tiêu chính là:
Tăng tốc độ suy luận
Hạn chế hiện tượng bịa đặt (hallucination)
Rút ngắn độ dài prompt
Tăng tính sáng tạo
Một sinh viên nộp báo cáo hoàn toàn do AI sinh ra, không chỉnh sửa, không ghi chủ nguồn hỗ trợ. Theo nội dung chương, rủi ro lớn nhất ở đây là:
Bị trừ điểm vì trình bày xấu
Vì phạm đạo đức học thuật, thiếu minh bạch về mức độ đóng góp cá nhân
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?
Mỗi lần làm lại, viết một prompt hoàn toàn mới
Lưu lại prompt mẫu, kết quả, Evidence Table và iteration log để điều chỉnh dần
Chỉ lưu bản tóm tắt cuối cùng
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:
Bỏ qua vì AI thường đúng
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
Chỉ chỉnh lại tiêu đề báo cáo
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
Giới hạn độ dài đầu ra
Yêu cầu mô hình kiểm tra chính tả
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?
Chỉ 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
Chỉ dùng Google Dịch
Dùng Copilot, không cần đến các công cụ khác
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 cho hay hơn.”
“Rút gọn đoạn sau còn ≤100 từ, giữ đủ 5W1H và nội dung chính.”
“Dịch đoạn sau sang tiếng Anh.”
“Viết lại đoạn sau bằng phong cách truyện cười.”
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”?
“Viết lại các câu sau cho dài hơn.”
“Từ danh sách câu, 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.”
“Chuyển các câu sau sang tiếng Anh.”
“Hãy tóm tắt ngắn gọn các ý sau.”
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
Chỉ đăng 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?
Hỏi trực tiếp AI, không cần cung cấp tài liệu
Gộp tài liệu, đánh số mục/trang, dùng prompt Q&A “chỉ dựa trên DOC”, kèm Evidence Table, sau đó kiểm chứng thủ công
Dịch toàn bộ tài liệu sang tiếng Anh rồi hỏi lại
Chỉ dùng một tài liệu gần đúng, không cần trích dẫn
Cơ chế self-attention (tự chú ý) trong Transformer giúp LLM làm gì?
Bỏ qua toàn bộ ngữ cảnh trước đó
Chỉ đọc từng từ một, không xét câu xung quanh
Xem xét và gắn trọng số cho các từ liên quan trong câu/đoạn
Tự động thay đổi kiến trúc mạng nơ-ron
Vì điều nào sau đây thể hiện rõ việc vi phạm nguyên tắc bảo mật khi sử dụng Chatbot AI?
Dán toàn bộ hợp đồng chứa thông tin cá nhân, số tài khoản thật lên Chatbot công cộng
Dùng dữ liệu giả lập và ẩn thông tin nhạy cảm trước khi gửi
Yêu cầu Chatbot tóm tắt một bài báo công khai
Hỏi Chatbot về khái niệm toán học cơ bản
Bạn muốn tóm tắt Quy chế học vụ 10 trang cho sinh viên nắm nhanh nhất, có kèm trích dẫn. Prompt nào phù hợp nhất?
“Tóm tắt quy chế học vụ.”
“Tóm tắt tài liệu này trong 1 câu.”
“Tóm tắt tài liệu dưới đây thành 10 bullet, mỗi bullet ≤ 12 từ, mỗi bullet kèm trích đoạn ≤ 15 từ + số trang, chỉ dùng thông tin trong tài liệu.”
“Viết lại quy chế học vụ theo cách dễ hiểu.”
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
Mã hóa hình ảnh thành chuỗi số
Điều khiển phần cứng máy tính
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 mã hóa hình ảnh thành văn bản
Học cách kết nối với tất cả website trên Internet
Bạn đưa cho Chatbot một yêu cầu: “Phân tích case Starbucks” và kết quả rất chung chung. Cách cải thiện phù hợp nhất là:
Giảm câu lệnh xuống còn 3–4 từ
Thêm bối cảnh, mục tiêu, mô hình phân tích (ví dụ SWOT), đối tượng người đọc
Chỉ yêu cầu mô hình viết dài hơn
Yêu cầu mô hình trả lời bằng tiếng khác
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?
Few-shot
Clarification
Decomposition
Role-playing
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?
Chatbot Việt do trường hoặc doanh nghiệp trong nước triển khai
Công cụ chỉ hỗ trợ tiếng Nhật
Công cụ chỉ dành cho lập trình viên
Công cụ chỉ xử lý hình ảnh
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?
Tên môn học
Hạn chót nộp bài cụ thể về ngày và giờ
Cảm xúc cá nhân của người gửi
Số trang tối đa của bài tập
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?
Chọn văn bản → Visualize as a table → Giữ bảng → Dùng Copilot yêu cầu tinh chỉnh nội dung các ô
Chọn văn bản → Xóa đi → Gõ lại bằng tay
Chọn văn bản → Dùng kiểm tra chính tả → In ra giấy
Không cần Copilot, chỉ dùng Excel
Trong bài tập phản biện 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:
Chỉ 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 khả năng mô hình bịa thêm chi tiết
Giảm độ chặt chẽ của nội dung
Giữ nội dung gọn, bám sát nguồn, dễ đọc
Tăng số lượng bullet không giới hạn
Khi dùng AI soạn thảo văn bản, vai trò quan trọng nhất của người sử dụng là:
Giao toàn bộ việc viết cho AI, không cần đọc lại
Kiểm chứng, chỉnh sửa và chịu trách nhiệm về nội dung cuối cùng
Chỉ 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:
Decomposition (phân rã nhiệm vụ)
Role-playing
Few-shot
Ràng buộc định dạng
Giai đoạn tinh chỉnh (fine-tuning) thường được dùng để:
Nén mô hình xuống kích thước nhỏ nhất
Dạy mô hình thực hiện nhiệm vụ cụ thể, tuân thủ hướng dẫn
Thay thế toàn bộ dữ liệu huấn luyện cũ
Tăng tốc độ xử lý do họa trên GPU
Bạn cần 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
Xây dựng bảng thuật ngữ (term bank) các từ khóa quan trọng
Chỉ gửi tiêu đề email cho AI
Dùng Google Translate rồi chấp nhận kết quả
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 là:
Không cần kết nối Internet vẫn luôn cập nhật
Tích hợp chặt chẽ với Google Search nên cung cấp thông tin mới kèm trích dẫn
Chỉ hoạt động trong ứng dụng Word
Chỉ dùng để dịch văn bản tiếng Anh
Bạn có danh sách đầu việc đang văn bản trong Word và muốn chuyển thành bảng phân công. Tính năng nào của Copilot hỗ trợ trực tiếp việc này?
Visualize as a table (chuyển văn bản thành bảng)
Kiểm tra chính tả
Thay đổi kích thước trang
Chèn hình ảnh
Thành phần "Vai trò" (Role) trong một prompt hiệu quả thường dùng để:
Giới hạn số lượng token đầu ra
Chỉ 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 cân tao
Thuật ngữ "Large" trong Mô hình Ngôn ngữ Lớn (LLM) phản ánh đặc trưng nào sau đây?
Chỉ dùng cho ngôn ngữ tiếng Anh
Dung lượng tệp mô hình luôn trên 1 TB
Quy mô dữ liệu huấn luyện và số lượng tham số rất lớn
Chỉ chạy được trên siêu máy tính lượng tử
Một prompt tốt yêu cầu: "Trả lời bằng bảng 4 cột: Câu hỏi | Trả lời | Evidence | Vị trí". Mục đích chính của việc quy định như vậy là:
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
Giảm số cột cần hiển thị
RLHF (Reinforcement Learning from Human Feedback) chủ yếu giúp mô hình:
Chạy nhanh hơn trên máy tính cá nhân
Tự động thu thập dữ liệu mới từ người dùng
Điều chỉnh đầu ra theo phản hồi con người để an toàn, hữu ích hơn
Tự do 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:
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:
Mã nguồn của mô hình
Chuỗi văn bản hoặc dữ liệu đầu vào dùng để gợi ra phản hồi cụ thể
Dữ liệu huấn luyện thô ban đầu
Tên gọi khác của bộ xử lý đồ họa
Nguyên tắc "5C" trong soạn thảo văn bản hiệu quả KHÔNG bao gồm yếu tố nào sau đây?
Clear (rõ ràng)
Concise (ngắn gọn)
Correct (đúng)
Complex (phức tạp)
Khái niệm "knowledge cutoff" mô tả điều gì về LLM?
Thời điểm mô hình bắt đầu được huấn luyện
Mốc thời gian mà sau đó mô hình không được cập nhật dữ liệu mới trong quá trình huấn luyện ban đầu
Thời gian tối đa mô hình được phép chạy cho mỗi truy vấn
Số lượng tham số tối đa của mô hình
Khi sử dụng Copilot để viết lại đoạn văn cho trang trọng hơn, bạn nên:
Yêu cầu "làm đoạn văn này thân mật, nhiều từ lóng"
Yêu cầu "viết lại đoạn sau với giọng văn trang trọng, học thuật hơn"
Chỉ yêu cầu "viết lại" mà không mô tả phong cách
Xóa toàn bộ đoạn văn cũ trước khi dùng Copilot
Một prompt quá dài, chồng chéo yêu cầu (vừa muốn báo cáo 1 trang, vừa giới hạn 100 từ, vừa đòi nhiều bảng/biểu đồ) có thể dẫn đến kết quả gì?
Mô hình tự chia nhỏ nhiệm vụ hoàn hảo
Mô hình bỏ qua toàn bộ yêu cầu
Kết quả rối, khó đáp ứng đầy đủ, dễ sai lệch so với mong đợi
Tốc độ xử lý tăng vượt trội
Trong môi trường công sở tương lai, sinh viên thành thạo kỹ thuật Prompt và biết kết hợp nhiều Chatbot/AI khác nhau sẽ có lợi thế gì so với người chỉ sử dụng một công cụ đơn lẻ, thiếu chiến lược?
Không có khác biệt đáng kể
Dễ bị phụ thuộc vào công nghệ hơn
Khả năng khai thác đúng điểm mạnh từng công cụ, nâng cao năng suất và chất lượng công việc
Chỉ làm công việc đơn giản hơn người khác
Trong ứng dụng thực tế, Chatbot AI thường được mô tả là:
Toàn bộ mô hình ngôn ngữ và hạ tầng máy chủ
Giao diện tương tác cho người dùng cuối, kết nối với LLM ở tầng lõi
Một phần mềm xử lý bảng tính chuyên dụng
Một thiết bị phần cứng gắn ngoài
Khi soạn email bằng AI gửi cho giảng viên, hành động nào sau đây giúp tránh vi phạm đạo đức học thuật?
Để AI viết toàn bộ nội dung, gửi đi mà không đọc lại
Dùng AI gợi ý cấu trúc, sau đó tự chỉnh sửa nội dung cho phù hợp hoàn cảnh thực tế
Yêu cầu AI giả mạo chữ ký của giảng viên
Nhờ AI trả lời thay trong mọi trao đổi học thuật
Bạn muốn Copilot trong Word giúp tóm tắt một tài liệu đang mở. Hành động phù hợp là:
Mở Copilot, nhập lệnh "Tóm tắt tài liệu này thành các điểm chính"
Chỉ nhấn Ctrl+S
Đổi font chữ tài liệu
Đóng Word rồi mở lại
Khi dùng AI để dịch một thông báo của trường đăng lên website, việc yêu cầu AI "đề xuất 2 cách diễn đạt tự nhiên hơn cho các câu dài" giúp:
Tăng độ dài văn bản
Cải thiện độ trôi chảy, tự nhiên của bản dịch
Làm văn bản khó hiểu hơn
Loại bỏ hết thuật ngữ chuyên ngành
Hiện tượng "hallucination" ở Chatbot AI là gì?
Mô hình tạm ngừng phản hồi do lỗi mạng
Mô hình từ chối trả lời vì vi phạm chính sách
Mô hình bịa đặt thông tin, suy đoán sai nhưng trình bày rất tự tin
Mô hình trả lời bằng ngôn ngữ khác với ngôn ngữ yêu cầu
Bạn thiết kế một prompt cho Chatbot với 5 thành phần: Vai trò, Mục tiêu, Ngữ cảnh, Nhiệm vụ, Định dạng, kèm tiêu chí kiểm chứng. Lợi ích quan trọng nhất khi tuân thủ cấu trúc này là gì?
Giảm chi phí tính toán cho nhà cung cấp
Tăng khả năng mô hình sinh ra đầu ra đúng hướng, nhất quán và dễ đánh giá
Bảo đảm mô hình không bao giờ mắc lỗi
Giúp mô hình tự huấn luyện lại
Bạn cần tóm tắt một báo cáo 50 trang tương đối dài. Công cụ nào trong số sau phù hợp nhất để đọc cả tài liệu dài trong một lần?
Chatbot Việt đơn giản
Công cụ chỉ hỗ trợ 1–2 trang
Claude với cửa sổ ngữ cảnh lớn
Dịch máy Google Translate
Trong khung tiêu chí lựa chọn Chatbot, tiêu chí "bảo mật và quyền riêng tư" liên quan trực tiếp đến việc:
Tốc độ trả lời nhanh hay chậm
Chi phí thuê bao hàng tháng
Cách nhà cung cấp xử lý, lưu trữ dữ liệu người dùng
Mức độ sáng tạo của mô hình
Trong một email mời hội thảo, bạn dùng AI soạn nháp và sau đó chỉnh tay phần nội dung chính để phù hợp với văn hóa đơn vị. Cách làm này phản ánh quan điểm nào về mối quan hệ giữa AI và người dùng?
AI thay thế hoàn toàn con người trong soạn thảo
AI là công cụ hỗ trợ, con người vẫn là chủ thể kiểm chứng và chịu trách nhiệm
Chỉ cần AI, không cần người kiểm tra
Vai trò con người giảm xuống không đáng kể
Kỹ thuật Role-playing trong prompt được dùng để:
Tăng số lượng tham số của mô hình
Điều chỉnh giọng điệu và cách diễn đạt theo vai trò giả định
Rút ngắn thời gian suy luận của mô hình
Mã hóa dữ liệu trước khi gửi cho mô hình
Khi đánh giá mô hình dự báo trong RapidMiner, chỉ tiêu RMSE (Root Mean Square Error) càng nhỏ thường cho thấy:
Sai số dự báo trung bình càng nhỏ, mô hình phù hợp dữ liệu tốt hơn
Mô hình chắc chắn sai hoàn toàn
Mô hình không cần dữ liệu lịch sử
Mô hình chỉ phù hợp với dữ liệu văn bản
Trong nghiệp vụ kế toán – kiểm toán, AI giúp phát hiện hiệu quả nhất nội dung nào sau đây?
Thiết kế logo doanh nghiệp
Giao dịch, bút toán bất thường và dấu hiệu gian lận
Màu sắc phù hợp cho báo cáo tài chính
Danh sách nhân viên nghỉ phép
MindBridge là nền tảng AI được thiết kế chuyên biệt cho:
Kế hoạch nhân sự và đào tạo
Kiểm toán và phát hiện gian lận trong dữ liệu kế toán
Thiết kế website thương mại điện tử
Quản lý kho hàng vật tư
Một đặc điểm quan trọng của dữ liệu kinh tế – tài chính là:
Luôn cố định, không biến động theo thời gian
Đơn giản, ít chiều và dễ dự đoán
Đa chiều, phức tạp và chịu tác động của nhiều yếu tố
Chỉ tồn tại dưới dạng văn bản giấy
Giám đốc tài chính muốn gõ câu hỏi "Hiển thị doanh thu và lợi nhuận theo quý năm 2023" để tự động sinh biểu đồ. Công cụ trực quan nào phù hợp nhất?
AI Visuals trong Power BI
Replace Missing Values trong RapidMiner
Hàm SUMIF trong Excel
MindBridge
Khi dự báo doanh thu quý bằng Excel Forecast Sheet, việc lựa chọn độ dài chuỗi dữ liệu lịch sử đủ dài và ổn định giúp:
Tăng khả năng mô hình nhận diện xu hướng và mùa vụ hợp lý
Làm mô hình khó hội tụ
Giảm nhu cầu kiểm tra kết quả
Loại bỏ hoàn toàn sai số dự báo
Phân tích dữ liệu kinh tế – tài chính có mục tiêu chính là:
Thay thế toàn bộ công việc của nhà quản lý
Biến dữ liệu thô thành thông tin có giá trị phục vụ quyết định
Tăng số lượng báo cáo càng nhiều càng tốt
Giảm số lượng chỉ tiêu tài chính phải theo dõi
Khi sử dụng RapidMiner bản miễn phí cho bài toán dự báo tài chính, trở ngại nào sau đây có thể xuất hiện?
Không có bất kỳ thuật toán học máy nào
Bị giới hạn về quy mô dữ liệu và một số tính năng nâng cao
Không thể nạp dữ liệu từ file Excel
Không có khả năng trực quan hóa kết quả
Kế toán viên cần yêu cầu AI trong Excel tạo công thức tính lợi nhuận gộp và giải thích công thức đang tính gì. Tính năng nào nên được sử dụng trước tiên?
Analyze Data
Forecast Sheet
Copilot trong Excel
Smart Narrative
Trong phân tích dữ liệu kinh tế – tài chính, vì sao chỉ dựa vào mô hình thống kê hoặc học máy mà thiếu hiểu biết kinh tế học là chưa đủ?
Vì mô hình luôn cho kết quả giống nhau
Vì không thể giải thích kết quả dưới góc độ cơ chế vận hành của nền kinh tế và thị trường
Vì mô hình không cần dữ liệu đầu vào
Vì kết quả dự báo luôn đúng
