Trắc nghiệm Cánh diều Tin học ứng dụng 12 bài 2: Giới thiệu về trí tuệ nhân tạo (tiếp theo)

1. Khi xây dựng một hệ thống nhận dạng giọng nói, dữ liệu huấn luyện cần phải bao gồm:

A. Chỉ các lệnh thoại đơn giản

B. Các mẫu âm thanh đa dạng, bao gồm nhiều giọng nói, ngữ điệu và tiếng ồn xung quanh

C. Chỉ các văn bản được viết sẵn

D. Dữ liệu hình ảnh của người nói

2. Trong các loại mạng nơ-ron, mạng nơ-ron hồi quy (Recurrent Neural Networks - RNNs) được thiết kế đặc biệt để xử lý loại dữ liệu nào?

A. Dữ liệu hình ảnh tĩnh

B. Dữ liệu chuỗi thời gian hoặc dữ liệu tuần tự (ví dụ: văn bản, chuỗi âm thanh)

C. Dữ liệu dạng bảng với các thuộc tính độc lập

D. Dữ liệu không có cấu trúc

3. Trong các ứng dụng của AI, hệ thống gợi ý phim trên các nền tảng giải trí (như Netflix) thường dựa trên việc phân tích sở thích và hành vi xem của người dùng. Đây là một ứng dụng của:

A. AI tạo sinh

B. Hệ thống gợi ý (Recommender Systems)

C. AI giải thích được (Explainable AI - XAI)

D. Robot học

4. Khả năng của AI trong việc hiểu, diễn giải và phản hồi lại ngôn ngữ của con người được gọi chung là gì?

A. Thị giác máy tính

B. Xử lý ngôn ngữ tự nhiên (NLP)

C. Học tăng cường

D. Lập kế hoạch tự động

5. Trong học máy, overfitting (học vẹt) xảy ra khi mô hình AI:

A. Không học đủ từ dữ liệu huấn luyện

B. Học quá kỹ các chi tiết và nhiễu trong dữ liệu huấn luyện, dẫn đến kém hiệu quả trên dữ liệu mới

C. Hoạt động kém trên cả dữ liệu huấn luyện và dữ liệu mới

D. Cần nhiều dữ liệu hơn để hoạt động chính xác

6. Một hệ thống AI có khả năng nhận diện khuôn mặt trong ảnh và phân loại chúng dựa trên các đặc điểm đã học trước đó đang thể hiện khía cạnh nào của trí tuệ nhân tạo?

A. Lập kế hoạch (Planning)

B. Nhận dạng mẫu (Pattern Recognition)

C. Suy luận logic (Logical Reasoning)

D. Tối ưu hóa (Optimization)

7. Học không giám sát (Unsupervised Learning) khác biệt với học có giám sát (Supervised Learning) ở điểm cơ bản nào?

A. Chỉ sử dụng dữ liệu có nhãn

B. Không sử dụng dữ liệu có nhãn, tìm kiếm cấu trúc ẩn trong dữ liệu

C. Luôn yêu cầu phản hồi từ con người

D. Chỉ dùng cho các bài toán dự đoán giá trị liên tục

8. Một trong những mục tiêu của AI yếu (Narrow AI hoặc Weak AI) là:

A. Mô phỏng trí tuệ con người ở mọi khía cạnh

B. Thực hiện một nhiệm vụ cụ thể hoặc một tập hợp các nhiệm vụ hạn chế

C. Đạt được ý thức và cảm xúc

D. Thay thế hoàn toàn con người trong mọi công việc

9. Mục tiêu của Explainable AI (XAI) là gì?

A. Tạo ra các mô hình AI hoàn toàn tự động và bí ẩn

B. Làm cho các quyết định và hoạt động của AI trở nên dễ hiểu đối với con người

C. Tăng tốc độ xử lý của mô hình AI

D. Giảm thiểu lượng dữ liệu cần thiết để huấn luyện

10. Khi một mô hình AI được huấn luyện để nhận dạng chó và mèo, và sau đó được yêu cầu nhận dạng ngựa, đây là ví dụ của việc thiếu khả năng nào?

A. Học có giám sát

B. Khả năng khái quát hóa và thích ứng với nhiệm vụ mới (transfer learning/generalization)

C. Học không giám sát

D. Nhận dạng mẫu cơ bản

11. AI có khả năng suy luận nghĩa là gì?

A. Khả năng ghi nhớ thông tin

B. Khả năng đưa ra kết luận logic từ các thông tin hoặc quy tắc đã biết

C. Khả năng tạo ra nội dung mới

D. Khả năng nhận diện hình ảnh

12. Khi huấn luyện một mô hình AI, việc sử dụng tập dữ liệu lớn, đa dạng và có chất lượng cao là yếu tố quan trọng nhất để:

A. Giảm thời gian huấn luyện

B. Tăng khả năng khái quát hóa và độ chính xác của mô hình

C. Đơn giản hóa kiến trúc mô hình

D. Giảm chi phí tính toán

13. Đâu là một trong những thách thức chính khi phát triển các hệ thống AI có khả năng suy luận giống con người?

A. Thiếu dữ liệu huấn luyện

B. Khả năng xử lý của phần cứng

C. Tính phức tạp và khó định lượng của kiến thức thông thường (common sense)

D. Dễ dàng thu thập dữ liệu

14. Học chuyển giao (Transfer Learning) là một kỹ thuật trong học máy mà trong đó:

A. Mô hình được huấn luyện từ đầu cho một nhiệm vụ mới

B. Kiến thức đã học từ một nhiệm vụ được áp dụng để cải thiện hiệu suất cho một nhiệm vụ khác liên quan

C. Mô hình chỉ học từ dữ liệu không có nhãn

D. Dữ liệu được phân chia ngẫu nhiên cho các lần huấn luyện

15. Khi một hệ thống AI được huấn luyện để chơi cờ vua bằng cách tự chơi với chính nó và học hỏi từ kết quả thắng/thua, phương pháp học nào đang được áp dụng?

A. Học bán giám sát (Semi-supervised Learning)

B. Học không giám sát (Unsupervised Learning)

C. Học tăng cường (Reinforcement Learning)

D. Học chuyển giao (Transfer Learning)

16. AI tạo sinh (Generative AI) có khả năng tạo ra nội dung mới như văn bản, hình ảnh, âm nhạc. Yếu tố nào sau đây KHÔNG phải là đặc trưng chính của AI tạo sinh?

A. Học từ dữ liệu hiện có

B. Tạo ra dữ liệu mới, chưa từng tồn tại

C. Phân tích và phân loại dữ liệu hiện có

D. Sử dụng các kiến trúc mạng nơ-ron phức tạp như GANs hoặc Transformers

17. Thuật toán nào thường được sử dụng để phân loại dữ liệu dựa trên việc xây dựng một cây quyết định, trong đó mỗi nút đại diện cho một thuộc tính và mỗi nhánh đại diện cho một giá trị của thuộc tính đó?

A. Thuật toán K-Means

B. Thuật toán Hồi quy Logistic

C. Thuật toán Cây quyết định (Decision Tree)

D. Thuật toán SVM (Support Vector Machine)

18. Theo phân tích phổ biến về các phương pháp học máy, thuật toán nào sau đây thuộc nhóm học có giám sát (supervised learning)?

A. Thuật toán K-Means

B. Thuật toán Hồi quy tuyến tính (Linear Regression)

C. Thuật toán Cây quyết định (Decision Tree) cho phân cụm

D. Thuật toán Phân tích thành phần chính (PCA)

19. Việc một hệ thống AI có thể học cách lái xe tự động bằng cách phân tích hàng triệu giờ lái xe thực tế và mô phỏng là một ví dụ về:

A. Học có giám sát trên dữ liệu có nhãn rõ ràng

B. Học tăng cường từ trải nghiệm và phần thưởng

C. Học không giám sát để tìm các mẫu lái xe

D. Hệ chuyên gia dựa trên quy tắc

20. Một hệ thống AI có thể phân tích hình ảnh y tế, phát hiện các dấu hiệu bệnh tật mà con người có thể bỏ sót, điều này minh họa cho khả năng nào của AI?

A. Tự động hóa quy trình

B. Tăng cường khả năng con người

C. Giải quyết vấn đề logic

D. Tạo ra nội dung mới

21. Trong thuật toán K-Means cho phân cụm, giá trị K đại diện cho:

A. Số lượng thuộc tính trong dữ liệu

B. Số lượng mẫu dữ liệu

C. Số lượng cụm (clusters) cần tạo ra

D. Ngưỡng sai số cho phép

22. Trong lĩnh vực AI, bias (thiên vị) trong mô hình có thể xuất phát từ:

A. Chỉ do thuật toán gây ra

B. Dữ liệu huấn luyện không đại diện hoặc chứa đựng các định kiến xã hội

C. Thiếu sự phức tạp trong kiến trúc mạng nơ-ron

D. Sử dụng quá nhiều dữ liệu

23. Mạng nơ-ron tích chập (Convolutional Neural Networks - CNNs) đặc biệt hiệu quả trong lĩnh vực nào của AI do khả năng xử lý cấu trúc dữ liệu dạng lưới như hình ảnh?

A. Xử lý ngôn ngữ tự nhiên

B. Thị giác máy tính (Computer Vision)

C. Hệ thống gợi ý (Recommender Systems)

D. Lập kế hoạch và ra quyết định

24. Trong lĩnh vực xử lý ngôn ngữ tự nhiên (NLP), kỹ thuật nào thường được sử dụng để biểu diễn ý nghĩa của từ dưới dạng vector số học, giúp máy tính hiểu mối quan hệ giữa các từ?

A. Học tăng cường (Reinforcement Learning)

B. Word Embeddings (như Word2Vec, GloVe)

C. Học không giám sát (Unsupervised Learning)

D. Học sâu (Deep Learning) cho phân cụm

25. Trong các ứng dụng của AI, chatbot tự động trả lời câu hỏi của khách hàng trên website là một ví dụ điển hình của lĩnh vực nào?

A. Thị giác máy tính (Computer Vision)

B. Lý thuyết trò chơi (Game Theory)

C. Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP)

D. Hệ chuyên gia (Expert Systems)