1. Khái niệm "Học tăng cường" (Reinforcement Learning) trong AI đề cập đến phương pháp học mà trong đó một tác tử (agent) học cách đưa ra quyết định bằng cách thực hiện các hành động trong môi trường và nhận "phần thưởng" hoặc "hình phạt". Mục tiêu chính của Học tăng cường là gì?
A. Phân loại dữ liệu dựa trên các nhãn có sẵn.
B. Tối đa hóa tổng phần thưởng tích lũy theo thời gian.
C. Tìm kiếm các mẫu ẩn trong dữ liệu lớn.
D. Mô phỏng các quy trình kinh doanh.
2. Trong lĩnh vực AI, "Mô hình Ngôn ngữ Lớn" (Large Language Model - LLM) như GPT-3 hay BERT nổi bật với khả năng gì?
A. Phân tích hình ảnh y tế.
B. Tạo ra văn bản giống con người, trả lời câu hỏi và dịch thuật.
C. Điều khiển phương tiện tự lái.
D. Tối ưu hóa hoạt động của mạng lưới điện.
3. Robot tự hành (Autonomous Robots) là hệ thống AI có khả năng thực hiện nhiệm vụ mà không cần sự điều khiển trực tiếp của con người. Đâu là một yếu tố quan trọng để robot tự hành hoạt động hiệu quả trong môi trường thực tế?
A. Khả năng kết nối internet liên tục.
B. Khả năng cảm nhận, nhận thức và ra quyết định dựa trên môi trường.
C. Cấu trúc cơ khí đơn giản.
D. Nguồn năng lượng có hạn.
4. Hệ thống chuyên gia (Expert Systems) là một loại chương trình AI được thiết kế để mô phỏng khả năng ra quyết định của một chuyên gia con người trong một lĩnh vực cụ thể. Yếu tố nào là quan trọng nhất để xây dựng một hệ thống chuyên gia hiệu quả?
A. Khả năng tự học hỏi từ mọi loại dữ liệu.
B. Tập hợp kiến thức chuyên môn và các quy tắc suy luận.
C. Khả năng tương tác đa phương tiện.
D. Giao diện đồ họa người dùng phức tạp.
5. Thị giác máy tính (Computer Vision) là lĩnh vực của AI cho phép máy tính "nhìn" và diễn giải thế giới xung quanh thông qua hình ảnh và video. Đâu là một ứng dụng phổ biến của Thị giác máy tính?
A. Phân tích dữ liệu tài chính.
B. Tạo nhạc nền tự động.
C. Nhận diện khuôn mặt trong ảnh hoặc video.
D. Tối ưu hóa chuỗi cung ứng.
6. Một trong những thách thức quan trọng trong việc phát triển AI là "Tính giải thích được" (Explainability) của mô hình. Điều này có nghĩa là gì?
A. Khả năng AI tự động sửa lỗi của chính nó.
B. Khả năng hiểu được lý do tại sao AI đưa ra một quyết định hoặc dự đoán cụ thể.
C. Tốc độ xử lý dữ liệu của AI.
D. Khả năng AI thích ứng với các môi trường mới.
7. Trong lịch sử phát triển của AI, "Mùa đông AI" (AI Winter) là một thuật ngữ chỉ giai đoạn nào?
A. Giai đoạn bùng nổ các ứng dụng AI với ngân sách đầu tư lớn.
B. Giai đoạn suy giảm quan tâm và tài trợ cho nghiên cứu AI do những kỳ vọng không được đáp ứng.
C. Giai đoạn phát triển vượt bậc của phần cứng máy tính hỗ trợ AI.
D. Giai đoạn tập trung vào các thuật toán tìm kiếm truyền thống.
8. AI có thể được phân loại dựa trên "khả năng" của nó. Khả năng nào sau đây không phải là một phân loại phổ biến?
A. AI Yếu (Narrow AI)
B. AI Mạnh (General AI)
C. AI Siêu việt (Superintelligence)
D. AI Ngẫu nhiên (Random AI)
9. Trong AI, "Học có giám sát" (Supervised Learning) là phương pháp học từ các cặp dữ liệu đầu vào và đầu ra đã được gán nhãn. Đâu là một ví dụ về nhiệm vụ của Học có giám sát?
A. Tìm kiếm các chủ đề tiềm ẩn trong một tập hợp văn bản.
B. Xây dựng mô hình dự đoán thời tiết.
C. Phân tích cảm xúc của người dùng trên mạng xã hội.
D. Tạo ra các bài thơ theo phong cách nhất định.
10. Khái niệm "Mạng nơ-ron nhân tạo" (Artificial Neural Network - ANN) là gì trong AI?
A. Một thuật toán tìm kiếm thông tin trên internet.
B. Một mô hình tính toán lấy cảm hứng từ cấu trúc và chức năng của bộ não con người.
C. Một phương pháp mã hóa dữ liệu an toàn.
D. Một hệ thống quản lý cơ sở dữ liệu.
11. Học máy (Machine Learning) là một phân ngành của AI, tập trung vào việc phát triển các thuật toán cho phép hệ thống máy tính học hỏi từ dữ liệu mà không cần được lập trình rõ ràng. Đâu là một ví dụ điển hình về ứng dụng của Học máy?
A. Phân tích cú pháp câu văn trong tài liệu.
B. Tạo ra các hình ảnh minh họa theo yêu cầu.
C. Hệ thống gợi ý sản phẩm trên các trang thương mại điện tử.
D. Kiểm tra lỗi chính tả và ngữ pháp trong văn bản.
12. Khi nói về "Dữ liệu lớn" (Big Data) trong bối cảnh AI, yếu tố nào là quan trọng nhất?
A. Chỉ có khối lượng dữ liệu lớn.
B. Sự đa dạng, tốc độ và khối lượng của dữ liệu, cho phép các thuật toán AI học hỏi và cải thiện.
C. Dữ liệu phải được lưu trữ trên đám mây.
D. Dữ liệu chỉ có thể là văn bản.
13. Khái niệm "Tư duy tính toán" (Computational Thinking) liên quan đến AI như thế nào?
A. Tư duy tính toán là một lĩnh vực hoàn toàn tách biệt với AI.
B. Tư duy tính toán cung cấp các phương pháp tiếp cận vấn đề (như phân rã, nhận dạng mẫu) hữu ích cho việc phát triển và hiểu các hệ thống AI.
C. AI chỉ có thể hoạt động dựa trên tư duy cảm tính.
D. Tư duy tính toán chỉ áp dụng cho các hệ thống máy tính đơn giản.
14. Khái niệm "Học bán giám sát" (Semi-Supervised Learning) kết hợp những gì?
A. Chỉ Học có giám sát.
B. Chỉ Học không giám sát.
C. Kết hợp cả dữ liệu có nhãn và dữ liệu không có nhãn.
D. Học tăng cường.
15. Nhận dạng giọng nói là một ứng dụng của AI cho phép máy tính chuyển đổi lời nói của con người thành văn bản. Đây là một ví dụ về sự kết hợp giữa các lĩnh vực nào của AI?
A. Thị giác máy tính và Hệ chuyên gia.
B. Xử lý ngôn ngữ tự nhiên và Học máy.
C. Lập kế hoạch và Lập lịch.
D. Robotics và Hệ thống điều khiển.
16. Học sâu (Deep Learning) là một lĩnh vực con của Học máy, sử dụng mạng nơ-ron nhân tạo với nhiều lớp để học các biểu diễn phức tạp của dữ liệu. Yếu tố nào là cốt lõi để Học sâu đạt hiệu quả cao?
A. Dữ liệu có cấu trúc đơn giản.
B. Lượng lớn dữ liệu huấn luyện chất lượng cao.
C. Sự can thiệp thủ công của con người trong quá trình học.
D. Các thuật toán tìm kiếm truyền thống.
17. Đâu là một ví dụ về "AI tạo sinh" (Generative AI)?
A. Hệ thống nhận dạng chữ ký.
B. Công cụ tạo ra hình ảnh nghệ thuật từ mô tả văn bản.
C. Phần mềm dự đoán sự cố kỹ thuật.
D. Thuật toán phân loại email.
18. Trong lĩnh vực AI, thuật ngữ "Tác tử" (Agent) thường được dùng để chỉ đối tượng nào?
A. Một thuật toán phân tích dữ liệu.
B. Bất kỳ thiết bị phần cứng nào.
C. Một thực thể có khả năng cảm nhận môi trường và hành động để đạt mục tiêu.
D. Một giao diện người dùng đồ họa.
19. Trong Học máy, "Siêu tham số" (Hyperparameter) là gì?
A. Các tham số được học từ dữ liệu trong quá trình huấn luyện mô hình.
B. Các cài đặt được cấu hình trước khi quá trình huấn luyện bắt đầu và không được học từ dữ liệu.
C. Đầu ra dự đoán của mô hình.
D. Các lỗi phát sinh trong quá trình xử lý dữ liệu.
20. Khái niệm "Học không giám sát" (Unsupervised Learning) trong Học máy đề cập đến loại học mà thuật toán tìm kiếm các mẫu hoặc cấu trúc trong dữ liệu mà không có nhãn (label) đi kèm. Đâu là một ví dụ về nhiệm vụ của Học không giám sát?
A. Phân loại email thành thư rác hoặc không thư rác.
B. Dự đoán giá nhà dựa trên các đặc điểm.
C. Phân nhóm khách hàng dựa trên hành vi mua sắm.
D. Nhận dạng chữ viết tay.
21. Xử lý ngôn ngữ tự nhiên (NLP) là một nhánh của AI, cho phép máy tính hiểu, diễn giải và tạo ra ngôn ngữ của con người. Đâu là một nhiệm vụ chính của NLP?
A. Nhận dạng hình ảnh.
B. Dự đoán thị trường chứng khoán.
C. Dịch thuật tự động giữa các ngôn ngữ.
D. Điều khiển robot trong môi trường vật lý.
22. Đâu là một hạn chế tiềm ẩn của các hệ thống AI hiện tại?
A. Khả năng tự nhận thức và ý thức.
B. Thiếu khả năng xử lý ngôn ngữ tự nhiên.
C. Tính thiên vị (bias) có thể xuất hiện trong dữ liệu huấn luyện hoặc thuật toán.
D. Không có khả năng học hỏi từ kinh nghiệm.
23. Trí tuệ nhân tạo yếu (Narrow AI hoặc Weak AI) là gì?
A. AI có khả năng thực hiện mọi nhiệm vụ trí tuệ như con người.
B. AI được thiết kế để thực hiện một nhiệm vụ hoặc một tập hợp các nhiệm vụ cụ thể.
C. AI có ý thức và cảm xúc như con người.
D. AI có khả năng tự suy nghĩ và sáng tạo độc lập.
24. Trong lĩnh vực Trí tuệ nhân tạo (AI), thuật ngữ nào được sử dụng để chỉ khả năng của máy móc trong việc mô phỏng các chức năng nhận thức của con người như học hỏi, giải quyết vấn đề và ra quyết định?
A. Học máy (Machine Learning)
B. Trí tuệ nhân tạo (Artificial Intelligence)
C. Học sâu (Deep Learning)
D. Xử lý ngôn ngữ tự nhiên (Natural Language Processing)
25. Đâu là một ví dụ về Trí tuệ nhân tạo mạnh (General AI hoặc Strong AI)?
A. Trợ lý ảo Siri của Apple.
B. Hệ thống chơi cờ vua Deep Blue của IBM.
C. Một robot có khả năng học hỏi, suy luận và thích ứng với mọi tình huống như con người.
D. Hệ thống đề xuất phim trên Netflix.
