Trắc nghiệm chương 3 Nhập môn Công nghệ số - ĐH Quốc gia VNU

Luyện tập bộ câu hỏi trắc nghiệm online Chương 3 môn Nhập môn công nghệ tại Đại học Quốc gia Hà Nội (VNU). Ôn tập trọng tâm các kiến thức về lịch sử AI, Học máy (ML), Học sâu (DL), AI tạo sinh (GenAI), kỹ thuật viết lệnh (Prompt Engineering) và đạo đức sử dụng các công cụ như ChatGPT, Gemini, Copilot để sinh viên tự tin đạt điểm cao.

Từ khoá: Trắc nghiệm Nhập môn công nghệ đề thi online VNU Nhập môn công nghệ Chương 3 Trí tuệ nhân tạo AI Học máy GenAI Prompt Engineering mô hình ngôn ngữ lớn ChatGPT năng lực số

Số câu hỏi: 80 câuSố mã đề: 2 đềThời gian: 1 giờ

Xem trước nội dung

Câu 17: 0.25 điểm

Trong quá trình dự đoán từ tiếp theo của LLM, nếu người lập trình thiết lập tham số

Top-K = 10

, mô hình sẽ hoạt động như thế nào?

Nó giới hạn độ dài tối đa của câu trả lời được sinh ra là 10 token.

Nó sẽ chọn nhóm token có tổng xác suất tích lũy vừa đúng bằng 10%.

Nó chỉ xem xét và lựa chọn kết quả từ danh sách 10 token có xác suất cao nhất ở mỗi bước sinh từ.

Nó sẽ tự động lặp lại quy trình dự đoán 10 lần trước khi đưa ra câu trả lời cuối cùng.

Câu 18: 0.25 điểm

So với Top-K, tham số

Top-P

(Nucleus Sampling) mang lại sự linh hoạt hơn trong việc kiểm soát đầu ra bằng phương pháp nào?

Chọn một nhóm các token động sao cho tổng xác suất tích lũy của chúng đạt đến một ngưỡng

P

nhất định (ví dụ

P = 0.95

Xóa bỏ vĩnh viễn các token có xác suất thấp hơn mức

1 - P

khỏi từ vựng của mô hình.

Chỉ lựa chọn đúng

P

từ có khả năng xuất hiện cao nhất để làm đầu vào cho bước xử lý tiếp theo.

Nhân trực tiếp phân phối xác suất của mọi token với hằng số

P

để tăng độ tin cậy.

Câu 19: 0.25 điểm

Sự xuất hiện của các công cụ như Perplexity đã làm thay đổi mạnh mẽ thành phần nào trong khung năng lực số của người học?

Năng lực Giao tiếp & hợp tác (chấm dứt nhu cầu họp trực tuyến qua Teams hoặc Zoom).

Năng lực Khai thác thông tin & dữ liệu (chuyển từ tìm kiếm liên kết sang nhận câu trả lời tổng hợp trực tiếp).

Năng lực Vận hành thiết bị vật lý (tăng khả năng tháo lắp linh kiện máy tính).

Năng lực Bảo mật an ninh mạng (thay thế hoàn toàn phần mềm diệt virus truyền thống).

Câu 20: 0.25 điểm

Trong lĩnh vực 'An toàn & an sinh số', sự phát triển của công nghệ AI tạo sinh đặt ra thách thức nguy hiểm nhất nào đối với người dùng?

Tự động xóa bỏ các tài liệu lưu trữ cá nhân nếu không phát hiện được mẫu cấu trúc dữ liệu quen thuộc.

Sự xuất hiện của các hình ảnh, video và âm thanh giả mạo (deepfake) ngày càng tinh vi, tinh vi gây sai lệch thông tin.

Làm giảm tốc độ kết nối Internet do các mô hình LLM tiêu thụ quá nhiều băng thông mạng toàn cầu.

Buộc người dùng phải nâng cấp phần cứng liên tục mới có thể đọc được tin tức định dạng văn bản.

Câu 21: 0.25 điểm

Ứng dụng Khanmigo của Khan Academy minh chứng cho vai trò nổi bật nào của AI đối với kỹ năng số cá nhân của người học?

Đóng vai trò là 'Gia sư cá nhân hóa 24/7' bằng cách phân tích điểm mạnh yếu và giải thích khái niệm theo nhịp độ riêng.

Đóng vai trò là 'Đối tác sáng tạo' để vẽ các hình ảnh minh họa 3D cho các bài thuyết trình môn nghệ thuật.

Hỗ trợ tự động hóa việc lên lịch họp nhóm và định dạng danh mục tài liệu tham khảo chuẩn APA.

Trở thành một cỗ máy tự động hoàn thành mọi bài tập về nhà môn Toán thay cho học sinh.

Câu 22: 0.25 điểm

Khi đóng vai trò là một 'Trợ lý nghiên cứu thông minh', AI mang lại lợi ích thực tiễn lớn nhất nào cho sinh viên khi làm tiểu luận?

Đẩy nhanh việc xử lý tài liệu bằng cách tìm kiếm, tóm tắt hàng chục bài báo và rút ra các luận điểm chính trong thời gian ngắn.

Tự động tạo ra các bài báo khoa học hoàn toàn mới và gửi đăng lên các tạp chí uy tín dưới tên của sinh viên.

Tạo ra các không gian mô phỏng thực tế ảo để sinh viên luyện tập kỹ năng phỏng vấn lấy dữ liệu khảo sát.

Thay thế hoàn toàn tư duy phản biện của sinh viên trong việc đánh giá mức độ tin cậy của phương pháp nghiên cứu.

Câu 23: 0.25 điểm

Khái niệm 'Khoảng cách số' (Digital Divide) trong môi trường đại học thời kỳ AI chủ yếu cảnh báo về sự bất bình đẳng nào?

Sự chênh lệch về tốc độ mạng 5G khi sinh viên truy cập vào các nền tảng trí tuệ nhân tạo nguồn mở.

Khoảng cách địa lý giữa các sinh viên học trực tuyến sử dụng AI và sinh viên học trực tiếp trên giảng đường.

Sự khác biệt về dung lượng ổ cứng lưu trữ tài liệu giữa sinh viên khối ngành kỹ thuật và sinh viên khối ngành xã hội.

Sự chênh lệch giữa những sinh viên có điều kiện tiếp cận công cụ AI trả phí mạnh nhất/có kiến thức nền tảng và những sinh viên không có cơ hội này.

Câu 24: 0.25 điểm

Một sinh viên sao chép toàn bộ một bài luận do ChatGPT tạo ra và nộp cho giảng viên. Dưới góc độ đạo đức, đây là hành vi vi phạm vấn đề gì?

Vi phạm liêm chính học thuật và được xếp vào hành vi đạo văn.

Vi phạm quyền riêng tư dữ liệu vì đã chia sẻ thông tin đề thi cho hệ thống của bên thứ ba.

Gây xói mòn kỹ năng tư duy sáng tạo do thiết lập tham số

Temperature

quá thấp.

Tạo ra thiên vị (bias) trong hệ thống chấm điểm tự động của nhà trường.

Câu 25: 0.25 điểm

Do các mô hình AI học từ dữ liệu do con người tạo ra, người học phải luôn cảnh giác trước nguy cơ hệ thống kế thừa và khuếch đại vấn đề nào?

Sự rò rỉ mã nguồn hệ thống (source code) khi người dùng đặt các câu lệnh quá phức tạp.

Những định kiến, thiên vị (bias) về giới tính, chủng tộc, văn hóa vốn tồn tại sẵn trong dữ liệu lịch sử của xã hội.

Lỗi cú pháp ngữ pháp do cơ chế Attention phân bổ trọng số sai lệch trong lớp Transformer.

Hiện tượng 'ảo giác' do sử dụng các thuật toán dựa trên quy tắc logic đóng kín.

Câu 26: 0.25 điểm

Trong mô hình viết câu lệnh CLEAR, thành phần 'C - Context' đóng vai trò cung cấp thông tin gì để cải thiện đầu ra của AI?

Giao cho AI một vai trò chuyên môn cụ thể (ví dụ: 'Hãy đóng vai một chuyên gia').

Cung cấp thông tin nền tảng, bối cảnh liên quan để AI hiểu đúng vấn đề và hoàn cảnh cụ thể.

Đưa ra chỉ dẫn rõ ràng về định dạng đầu ra như lập bảng hoặc danh sách gạch đầu dòng.

Xác định đối tượng người đọc mục tiêu để định hình mức độ chuyên sâu của bài viết.

Câu 27: 0.25 điểm

Nếu một giảng viên thêm cụm từ 'dành cho học sinh trung học phổ thông' vào câu lệnh yêu cầu tóm tắt sách, họ đang áp dụng yếu tố nào trong mô hình CLEAR?

A - Audience (Đối tượng): Giúp điều chỉnh văn phong và mức độ từ vựng phù hợp với người đọc.

R - Refine (Tinh chỉnh): Yêu cầu AI sửa chữa các lỗi sai ngữ pháp trong bản nháp cũ.

E - Explicit Instruction (Chỉ dẫn rõ ràng): Bắt buộc AI trình bày dưới dạng một bảng tính.

L - Role (Vai trò): Yêu cầu AI đóng vai một giáo viên trung học để đánh giá sách.

Câu 28: 0.25 điểm

Bạn nhận được kết quả phân tích từ AI nhưng thấy nó quá thân mật. Bạn tiếp tục gõ: 'Hãy viết lại đoạn vừa rồi với giọng văn trang trọng hơn'. Kỹ thuật này tương ứng với chữ cái nào trong CLEAR?

R - Refine (Tinh chỉnh): Yêu cầu AI sửa đổi, cải thiện dựa trên kết quả đã sinh ra.

L - Role (Vai trò): Chuyển đổi vai trò của AI từ chuyên gia phân tích sang nhà ngôn ngữ học.

E - Explicit Instruction (Chỉ dẫn rõ ràng): Đưa ra một nhiệm vụ phân tích dữ liệu mới.

C - Context (Bối cảnh): Cung cấp thêm bối cảnh mới về môi trường học thuật.

Câu 29: 0.25 điểm

Một sinh viên muốn AI viết lại các câu phản hồi khách hàng theo đúng chuẩn mực lịch sự của công ty. Kỹ thuật viết prompt nào là phù hợp và hiệu quả nhất?

Chain-of-Thought Prompting: Bắt AI phải suy luận từng bước về tâm lý khách hàng trước khi sinh ra câu phản hồi.

Iterative Prompting: Yêu cầu AI liệt kê tất cả các từ vựng lịch sự có trong kho dữ liệu trước khi soạn thảo văn bản.

Few-shot Prompting: Cung cấp sẵn từ một đến một vài ví dụ minh họa về câu gốc và câu trả lời mong muốn trước khi đưa ra yêu cầu mới.

Zero-shot Prompting: Chỉ đưa ra yêu cầu trực tiếp 'Hãy viết một câu lịch sự' mà không kèm theo bất kỳ ví dụ nào.

Câu 30: 0.25 điểm

Khi đối mặt với một bài toán logic hoặc suy luận phức tạp, việc bổ sung cụm từ 'Hãy suy nghĩ từng bước một' vào prompt đem lại lợi ích khoa học nào dựa trên cơ chế của LLM?

Kích hoạt quá trình Tokenization đặc biệt để băm nhỏ dữ liệu hình ảnh thành văn bản ngôn ngữ tự nhiên.

Làm giảm tham số

Temperature

xuống mức 0 ngay lập tức, tắt bỏ cơ chế Attention để tăng tốc độ xử lý.

Buộc mô hình phải tìm kiếm dữ liệu trên Internet thay vì sử dụng kiến thức có sẵn trong các trọng số mạng nơ-ron.

Kích hoạt kỹ thuật Chain-of-Thought, ép mô hình sinh ra một chuỗi lý luận trung gian làm ngữ cảnh, giúp tăng xác suất đưa ra đáp án chính xác ở bước cuối cùng.

Câu 31: 0.25 điểm

Hành động 'bắt đầu với một câu lệnh tổng quát, sau đó dựa vào câu trả lời của hệ thống để liên tục đưa ra yêu cầu tinh chỉnh, mở rộng' phản ánh phương pháp tiếp cận nào?

Zero-shot Prompting, vì người dùng không cung cấp ví dụ nào ở lượt tương tác đầu tiên.

Viết câu lệnh nhiều lượt (Iterative Prompting), xem việc tương tác với AI là một quá trình đối thoại liên tục thay vì ra lệnh một lần.

Lập trình tường minh bằng quy tắc 'nếu-thì' để điều khiển trực tiếp kiến trúc Transformer.

Áp dụng nguyên lý của AI Phân biệt (Discriminative AI) để tinh lọc các kết quả bị ảo giác.

Câu 32: 0.25 điểm

Sức mạnh làm nên sự phổ biến của ChatGPT, đặc biệt trong việc hỗ trợ brainstorm ý tưởng hoặc soạn thảo văn bản phức tạp, dựa trên khả năng cốt lõi nào?

Tích hợp độc quyền với hệ thống Microsoft Word để tự động vẽ biểu đồ trực quan hóa dữ liệu.

Khả năng tự động chuyển đổi mọi kết quả sinh ra thành bài báo khoa học có kèm trích dẫn chuẩn APA.

Khả năng tự động truy cập vào mạng xã hội X để tổng hợp dữ liệu thời gian thực.

Khả năng đối thoại nhiều lượt tự nhiên nhờ việc ghi nhớ các chuỗi ngữ cảnh trong cùng một cuộc trò chuyện.

Câu 33: 0.25 điểm

Một sinh viên đang soạn thảo tiểu luận trực tiếp trên Google Docs và cần nhanh chóng lấy dữ liệu từ một bảng tính khác. Tính năng nào của công cụ Gemini chứng minh sức mạnh hệ sinh thái ở tình huống này?

Khả năng tham chiếu liền mạch đến các tệp khác trong Google Drive (ví dụ: dùng ký hiệu @TênTệp) để tổng hợp thông tin trực tiếp.

Khả năng tự động tạo bản trình chiếu PowerPoint từ nội dung văn bản đang viết trên Docs.

Khả năng xuất văn bản ra định dạng JSON tương thích ngay lập tức với các hệ chuyên gia chẩn đoán y khoa.

Tính năng tự động gắn trích dẫn từ hàng triệu bài báo khoa học trên thư viện điện tử quốc gia.

Câu 34: 0.25 điểm

Sau một cuộc họp trực tuyến kéo dài thảo luận dự án nhóm, công cụ Microsoft Copilot trên nền tảng Teams cung cấp tiện ích tự động hóa giá trị nhất nào?

Tạo ra các hình ảnh giả mạo (deepfake) có độ phân giải cao thay thế khuôn mặt của các thành viên vắng họp.

Tự động dịch thuật toàn bộ biên bản cuộc họp thành 5 ngôn ngữ khác nhau để đăng tải công khai lên mạng xã hội.

Tạo bản tóm tắt cuộc họp, liệt kê chi tiết các quyết định được đưa ra và phân công trách nhiệm cho từng thành viên tham gia.

Phân tích cảm xúc bằng giọng nói để chấm điểm chuyên cần và thái độ của sinh viên một cách tự động.

Câu 35: 0.25 điểm

Tại sao giảng viên đại học thường ưu tiên khuyến nghị sinh viên sử dụng Perplexity AI thay vì ChatGPT ở giai đoạn khảo sát tài liệu nghiên cứu ban đầu?

Vì Perplexity được tích hợp trực tiếp với tính năng gợi ý chỉnh sửa ngữ pháp của Microsoft Word.

Vì Perplexity hoạt động như một 'cỗ máy trả lời' ưu tiên cung cấp thông tin chính xác từ Internet và luôn kèm theo nguồn trích dẫn rõ ràng để kiểm chứng.

Bởi vì Perplexity có tham số

Temperature

mặc định rất cao, sinh ra nhiều ý tưởng nghiên cứu sáng tạo mang tính đột phá.

Do đây là công cụ AI duy nhất miễn phí hoàn toàn không giới hạn quyền truy cập vào các bài báo khoa học bản quyền quốc tế.

Câu 36: 0.25 điểm

Đối với một bài luận môn Truyền thông yêu cầu phân tích dư luận xã hội mới nhất, công cụ Grok sở hữu đặc điểm kỹ thuật độc quyền nào giúp sinh viên làm tốt hơn các chatbot khác?

Sử dụng công nghệ Nhúng vector lượng tử để đoán trước suy nghĩ của người dùng thông qua camera máy tính.

Được huấn luyện và kết nối trực tiếp để truy cập luồng dữ liệu thời gian thực từ nền tảng mạng xã hội X (Twitter).

Được tích hợp sẵn cơ chế kiểm duyệt liêm chính học thuật để tự động loại bỏ mọi thiên kiến văn hóa.

Có khả năng tạo ra các biểu đồ thống kê bằng ngôn ngữ lập trình Python ngay trên giao diện tin nhắn Messenger.

Câu 37: 0.25 điểm

Nhóm sinh viên Thiết kế Đa phương tiện cần một trợ lý AI tạo sinh mạnh mẽ trong việc tạo hình ảnh minh họa chất lượng cao để lên lịch đăng bài trên fanpage. Công cụ nào tỏ ra tối ưu nhất nhờ hệ sinh thái của nó?

Khanmigo do được thiết kế riêng làm gia sư đồ họa cá nhân hóa với khả năng vẽ kỹ thuật chính xác 100%.

Các Hệ chuyên gia dựa trên luật (Expert Systems) của thập niên 1980 do khả năng kiểm soát kích thước điểm ảnh tuyệt đối.

Perplexity AI do khả năng trích dẫn nguồn hình ảnh từ hàng triệu bài báo khoa học uy tín.

Meta AI (Llama) do tính năng sáng tạo hình ảnh được tích hợp sâu vào môi trường tương tác xã hội của Facebook và Instagram.

Câu 38: 0.25 điểm

Yêu cầu AI 'Viết một bài luận 3000 từ về lịch sử kinh tế Việt Nam, phân tích cả khía cạnh văn hóa, có kèm danh mục tài liệu tham khảo và dịch sang tiếng Pháp' thường dẫn đến kết quả thất bại vì lỗi viết prompt nào?

Nhồi nhét các yêu cầu quá phức tạp và đa dạng trong cùng một câu lệnh duy nhất thay vì chia nhỏ thành chuỗi nhiệm vụ.

Không cung cấp đủ một chục ví dụ mẫu thông qua kỹ thuật Few-shot Prompting.

Chưa thiết lập tham số

Top-K = 3000

để mô hình có đủ dung lượng sinh ra số lượng từ theo yêu cầu.

Lỗi cú pháp do không sử dụng cấu trúc ngôn ngữ lập trình Python để ra lệnh cho Mạng nơ-ron.

Câu 39: 0.25 điểmchọn nhiều đáp án

Theo tài liệu, những đặc điểm cốt lõi nào dưới đây làm nên sức mạnh đột phá của các mô hình AI tạo sinh (GenAI) hiện nay?

Linh hoạt hoạt động trên nhiều định dạng dữ liệu khác nhau (văn bản, hình ảnh, mã nguồn).

Khả năng giao tiếp và nhận lệnh thông qua ngôn ngữ tự nhiên, xóa bỏ rào cản kỹ thuật lập trình.

Có khả năng tạo ra nội dung dữ liệu hoàn toàn mới mang tính sáng tạo thay vì chỉ phân loại.

Đảm bảo tính chính xác tuyệt đối 100% về mặt sự thật khách quan mà không bao giờ gặp tình trạng 'ảo giác'.

Câu 40: 0.25 điểm

Khi tận dụng AI tạo sinh như một 'Đối tác sáng tạo' (Creative Partner), hành động nào dưới đây phản ánh tư duy sử dụng năng lực số chủ động và đúng đắn nhất?

Sử dụng kỹ thuật Few-shot Prompting để AI bắt chước giọng văn của mình và viết thay toàn bộ phần kết luận tiểu luận nhằm tiết kiệm thời gian.

Cùng 'brainstorm' với AI để khơi gợi nhiều góc nhìn mới mẻ, nhưng sinh viên vẫn tự tay lập luận, chắt lọc và quyết định nội dung bài viết cuối cùng.

Nhập nguyên văn yêu cầu đề thi của giảng viên vào hệ thống và coi câu trả lời đầu tiên của AI là đáp án duy nhất đúng cần nộp.

Chỉ sử dụng AI để kiểm tra lỗi chính tả bề mặt, tuyệt đối không cho phép mô hình tham gia vào bất kỳ công đoạn hình thành ý tưởng nào.

Câu 1: 0.25 điểm

Năm 1950, nhà toán học Alan Turing đã đề xuất Phép thử Turing (Turing Test) nhằm mục đích triết học nền tảng nào?

Xác định xem một cỗ máy có thể thể hiện hành vi thông minh không thể phân biệt được với con người hay không.

Chuyển đổi văn bản thành các vector số đa chiều để máy tính dễ dàng xử lý.

Thiết lập các quy tắc logic tường minh để xây dựng nên các hệ chuyên gia y khoa.

Đo lường năng lực tính toán vật lý của các hệ thống máy tính thế hệ đầu tiên.

Câu 2: 0.25 điểm

Sự kiện nào đánh dấu sự ra đời của Trí tuệ nhân tạo như một lĩnh vực nghiên cứu chính thức và khai sinh ra thuật ngữ này?

Sự kiện chatbot ELIZA ra mắt lần đầu tiên vào năm 1966.

Việc công bố bài báo kinh điển về 'Máy móc có thể suy nghĩ không?' năm 1950.

Hội nghị Dartmouth do John McCarthy tổ chức vào năm 1956.

Sự ra đời của chương trình chơi cờ do Arthur Samuel viết vào năm 1959.

Câu 3: 0.25 điểmchọn nhiều đáp án

Trong giai đoạn 'Mùa đông AI' lần thứ hai, những hạn chế lớn nào của phương pháp xây dựng 'Hệ chuyên gia' đã dẫn đến sự sụt giảm tài trợ?

Xây dựng và cập nhật tri thức chuyên ngành cực kỳ tốn công sức.

Không thể mở rộng hệ thống để giải quyết các vấn đề phức tạp.

Yêu cầu khả năng tính toán song song quy mô lớn từ bộ xử lý đồ họa (GPU).

Dễ dàng 'bó tay' và gặp lỗi trước những tình huống không được lập trình trước.

Câu 4: 0.25 điểmchọn nhiều đáp án

Cuộc cách mạng Học máy (Machine Learning) vào cuối thế kỷ 20 được thúc đẩy bởi sự hội tụ của ba yếu tố then chốt nào?

Sự bùng nổ của Internet tạo ra kho Dữ liệu lớn (Big Data).

Sự phát triển mạnh mẽ của sức mạnh tính toán từ các bộ xử lý đồ họa (GPU).

Sự phát triển và hoàn thiện của các thuật toán mạng nơ-ron và Học sâu.

Việc phát minh ra kiến trúc mạng Transformer đột phá vào năm 2017.

Câu 5: 0.25 điểm

Điểm khác biệt cốt lõi chứng minh giới hạn của Trí tuệ nhân tạo hẹp (Narrow AI) so với Trí tuệ nhân tạo tổng quát (AGI) là gì?

Không thể sử dụng phương pháp Học sâu (Deep Learning) để huấn luyện mô hình.

Đã đạt đến giới hạn phát triển và chuẩn bị bước vào giai đoạn 'Mùa đông AI' tiếp theo.

Chỉ có thể vượt trội trong một hoặc vài nhiệm vụ cụ thể được thiết kế sẵn mà không có khả năng nhận thức tổng quát.

Chỉ có khả năng xử lý dữ liệu có cấu trúc bằng các quy tắc 'nếu-thì' tường minh.

Câu 6: 0.25 điểm

Một công ty muốn xây dựng hệ thống lọc thư rác. Thay vì lập trình sẵn các từ khóa như 'khuyến mãi', 'trúng thưởng', họ nên sử dụng phương pháp Học máy (Machine Learning) để làm gì?

Mã hóa các quy tắc logic do chuyên gia an ninh mạng cung cấp vào một cơ sở dữ liệu đóng.

Cho phép hệ thống tự động học các mẫu và quy luật nhận diện thư rác từ khối lượng lớn dữ liệu email thực tế.

Tìm kiếm trực tiếp câu trả lời trên Internet để so sánh xem email đó có phải là lừa đảo không.

Sử dụng mạng Transformer để sinh ra các email rác mới nhằm kiểm tra hệ thống tường lửa.

Câu 7: 0.25 điểm

Trong kiến trúc Mạng nơ-ron nhân tạo (ANN), hệ thống thực hiện quá trình 'học' thông qua việc liên tục điều chỉnh yếu tố nào?

Khối lượng dữ liệu lớn (Big Data) được đưa vào mô hình ở mỗi chu kỳ huấn luyện.

Tham số

Temperature

để tối ưu hóa tính ngẫu nhiên của các nơ-ron đầu ra.

Các trọng số (weights) của kết nối giữa các nơ-ron để giảm thiểu sai sót giữa dự đoán và thực tế.

Số lượng lớp ẩn (hidden layers) trong mạng lưới sao cho phù hợp với kích thước dữ liệu đầu vào.

Câu 8: 0.25 điểm

Vì sao Học sâu (Deep Learning) lại có khả năng xử lý xuất sắc dữ liệu phi cấu trúc phức tạp như hình ảnh khuôn mặt?

Vì nó áp dụng cơ chế Attention để chuyển hình ảnh thành văn bản ngôn ngữ tự nhiên trước khi xử lý.

Do khả năng truy cập Internet thời gian thực để đối chiếu hình ảnh với các nguồn mở.

Nhờ sử dụng cấu trúc mạng nơ-ron có nhiều lớp ẩn, giúp tự động học các biểu diễn đặc trưng ở nhiều cấp độ trừu tượng khác nhau.

Vì nó sử dụng thuật toán dựa trên luật (rule-based) để so sánh từng pixel với cơ sở dữ liệu khổng lồ.

Câu 9: 0.25 điểm

Chiến thắng của mô hình AlphaGo trước kỳ thủ Lee Sedol năm 2016 mang ý nghĩa lịch sử gì đối với phương pháp tiếp cận của trí tuệ nhân tạo?

Xác nhận sự thất bại của Mạng nơ-ron nhân tạo và mở ra kỷ nguyên của Hệ chuyên gia.

Đánh dấu sự ra đời của Trí tuệ nhân tạo tổng quát (AGI) với khả năng nhận thức ngang bằng con người.

Khẳng định khả năng tự động tạo ra nội dung hình ảnh và video của các thuật toán Học máy.

Chứng tỏ AI có thể vượt qua giới hạn tính toán cạn kiệt để giải quyết một bài toán đòi hỏi trực giác phức tạp như cờ vây.

Câu 10: 0.25 điểm

Tại sao Trí tuệ nhân tạo Tạo sinh (GenAI) lại được ví như một 'người nghệ sĩ' trong khi AI Phân biệt được xem là 'người giám định'?

Vì GenAI học sự phân bố và cấu trúc tiềm ẩn để tạo ra dữ liệu hoàn toàn mới chưa từng tồn tại, thay vì chỉ phân loại ranh giới dữ liệu.

Vì GenAI sử dụng các thuật toán dựa trên luật để vẽ ra các đường nét cơ bản của hình ảnh.

Bởi vì nó yêu cầu người dùng phải cung cấp các câu lệnh (prompt) phức tạp và sáng tạo mới có thể hoạt động.

Do GenAI có khả năng giao tiếp bằng văn phong nghệ thuật và bay bổng hơn các mô hình AI khác.

Câu 11: 0.25 điểm

Khi người dùng nhập câu lệnh 'Thủ đô của Việt Nam là', Mô hình Ngôn ngữ Lớn (LLM) sẽ dựa vào nguyên lý cốt lõi nào để sinh ra từ 'Hà Nội'?

Mã hóa từ 'Việt Nam' bằng cơ chế Attention để dịch ngược ra ngôn ngữ lập trình trước khi tìm đáp án.

So khớp trực tiếp chuỗi ký tự đầu vào với cơ sở dữ liệu các sự kiện lịch sử đã được gán nhãn thủ công.

Tìm kiếm trên kho dữ liệu Internet thời gian thực để trích xuất thông tin địa lý chính xác nhất.

Tính toán phân phối xác suất và chọn từ có khả năng xuất hiện tiếp theo cao nhất dựa trên mối quan hệ thống kê đã học.

Câu 12: 0.25 điểm

Một sinh viên y khoa sử dụng AI tạo sinh để tra cứu liều lượng thuốc và nhận được một con số sai nhưng được trình bày rất logic. Nguyên nhân sâu xa của hiện tượng 'ảo giác' (hallucination) này là gì?

Tham số

Top-K

của mô hình bị thiết lập ở mức quá thấp khiến hệ thống bị giới hạn từ vựng.

Mô hình bị cố tình lập trình để cung cấp các thông tin sai lệch nhằm kiểm tra tư duy phản biện của người dùng.

Mô hình không thực sự 'hiết' sự thật mà chỉ liên tục dự đoán chuỗi từ hợp lý nhất về mặt xác suất dựa trên dữ liệu huấn luyện.

Dữ liệu đầu vào của sinh viên chứa các từ khóa phức tạp khiến hệ thống mạng nơ-ron bị quá tải.

Câu 13: 0.25 điểm

Trong quá trình xử lý đầu vào của Mô hình Ngôn ngữ Lớn, mục đích của bước 'Tokenization' (Mã hóa thành Token) là gì?

Chuyển đổi từng ký tự văn bản thành một vector số đa chiều trong không gian ngữ nghĩa.

Xác định trọng số của các từ quan trọng nhất trong câu lệnh để mô hình tập trung xử lý.

Dự đoán và sinh ra các đơn vị văn bản mới để ghép nối vào cuối câu lệnh của người dùng.

Băm nhỏ câu lệnh văn bản thành các đơn vị cơ bản như từ, phần của từ hoặc dấu câu để chuẩn bị cho quá trình tính toán.

Câu 14: 0.25 điểm

Bước 'Embedding' (Nhúng Vector) giải quyết rào cản nào giữa ngôn ngữ tự nhiên của con người và hệ thống tính toán của máy tính?

Máy tính không có cảm xúc, nên nó áp dụng thuật toán để lọc bỏ các từ ngữ thể hiện thiên kiến xã hội.

Các từ đồng nghĩa thường gây nhầm lẫn, nên hệ thống sẽ xóa bỏ chúng và chỉ giữ lại một từ khóa chính.

Máy tính không hiểu từ ngữ, nên nó biểu diễn ý nghĩa ngữ nghĩa của mỗi token thành một vector số trong không gian toán học đa chiều.

Máy tính bị giới hạn dung lượng lưu trữ, nên nó phải nén câu lệnh thành một chuỗi nhị phân duy nhất.

Câu 15: 0.25 điểm

Cơ chế 'Attention' (Cơ chế chú ý) trong kiến trúc Transformer đóng vai trò then chốt như thế nào khi LLM tạo ra câu trả lời?

Cho phép mô hình nhìn lại toàn bộ chuỗi đầu vào để đặt trọng số tập trung vào những token quan trọng và liên quan nhất.

Loại bỏ các token nhiễu không có ý nghĩa thống kê để đẩy nhanh tốc độ xử lý của mạng nơ-ron.

Tự động dịch câu lệnh của người dùng sang ngôn ngữ trung gian trước khi tiến hành tính toán xác suất.

Kiểm tra và ngăn chặn hệ thống sinh ra các từ ngữ vi phạm tiêu chuẩn đạo đức cộng đồng.

Câu 16: 0.25 điểm

Một nhà biên kịch muốn ChatGPT cùng 'brainstorm' để tạo ra những tình tiết truyện độc đáo, bất ngờ. Họ nên tinh chỉnh tham số Nhiệt độ (Temperature) như thế nào?

Điều chỉnh