1. Một ví dụ về ứng dụng AI trong lĩnh vực y tế là:
A. Máy in 3D.
B. Hỗ trợ chẩn đoán bệnh qua hình ảnh y khoa.
C. Thiết bị theo dõi sức khỏe cá nhân.
D. Hệ thống lưu trữ hồ sơ bệnh án điện tử.
2. Alan Turing, một trong những người tiên phong của khoa học máy tính, đã đề xuất bài kiểm tra nào để đánh giá khả năng tư duy của máy móc?
A. Bài kiểm tra Turing.
B. Bài kiểm tra IQ.
C. Bài kiểm tra turing machine.
D. Bài kiểm tra Alan Turing.
3. Đâu KHÔNG PHẢI là một loại hình Học máy phổ biến?
A. Học có giám sát (Supervised Learning).
B. Học không giám sát (Unsupervised Learning).
C. Học tăng cường (Reinforcement Learning).
D. Học chuyển đổi (Transfer Learning).
4. AI có thể tạo ra các nội dung mới như văn bản, hình ảnh hoặc âm nhạc dựa trên dữ liệu đã học, đây là minh chứng cho khả năng:
A. Phân tích dữ liệu.
B. Tạo sinh (Generative AI).
C. Tối ưu hóa thuật toán.
D. Lập trình tuyến tính.
5. Trong học có giám sát, dữ liệu huấn luyện bao gồm các cặp gì?
A. Đầu vào và đầu ra mong muốn.
B. Chỉ đầu vào.
C. Chỉ đầu ra.
D. Dữ liệu và siêu dữ liệu.
6. Ai được xem là "cha đẻ" của Trí tuệ nhân tạo nhờ công trình đột phá về tính toán và trí thông minh?
A. Bill Gates
B. Steve Jobs
C. Alan Turing
D. Tim Berners-Lee
7. Thuật ngữ "Machine Learning" (Học máy) liên quan mật thiết đến lĩnh vực nào của AI?
A. Xử lý ngôn ngữ tự nhiên.
B. Tư duy logic và lập kế hoạch.
C. Khả năng học hỏi và cải thiện từ dữ liệu mà không cần lập trình rõ ràng.
D. Robot học và điều khiển.
8. Hệ thống chuyên gia (Expert System) trong AI được thiết kế để làm gì?
A. Tạo ra các tác phẩm nghệ thuật tự động.
B. Mô phỏng khả năng ra quyết định và giải quyết vấn đề của chuyên gia con người trong một lĩnh vực hẹp.
C. Quản lý dữ liệu lớn và phân tích xu hướng thị trường.
D. Kiểm soát hoạt động của các phương tiện tự hành.
9. Hệ thống nào sau đây KHÔNG phải là ví dụ điển hình của ứng dụng Trí tuệ nhân tạo trong đời sống hiện đại?
A. Trợ lý ảo trên điện thoại thông minh (ví dụ: Siri, Google Assistant).
B. Hệ thống gợi ý phim trên các nền tảng xem phim trực tuyến.
C. Máy tính bỏ túiCasio fx-570VN X.
D. Hệ thống nhận dạng khuôn mặt trong camera an ninh.
10. Khái niệm "AI tổng quát" (Artificial General Intelligence - AGI) đề cập đến loại hình AI có khả năng nào?
A. Chỉ thực hiện được một nhiệm vụ duy nhất.
B. Có khả năng hiểu, học hỏi và áp dụng kiến thức trên nhiều lĩnh vực khác nhau như con người.
C. Cần được lập trình chi tiết cho mọi tình huống.
D. Chỉ có thể xử lý các dữ liệu số.
11. Thuật ngữ "AI yếu" (Weak AI) hay "AI hẹp" (Narrow AI) đề cập đến loại hình AI nào?
A. AI có khả năng suy nghĩ và cảm nhận như con người.
B. AI được thiết kế và huấn luyện cho một nhiệm vụ hoặc tập hợp nhiệm vụ cụ thể.
C. AI có khả năng học hỏi mọi thứ như con người.
D. AI có khả năng tự nhận thức.
12. Deep Learning (Học sâu) là một nhánh con của Học máy, dựa trên cấu trúc của:
A. Cây quyết định (Decision Trees).
B. Mạng nơ-ron nhân tạo (Artificial Neural Networks).
C. Các thuật toán phân cụm (Clustering Algorithms).
D. Hệ thống luật IF-THEN.
13. Đâu là một rào cản hoặc thách thức tiềm ẩn trong việc phát triển và triển khai AI?
A. Chi phí tính toán giảm mạnh.
B. Sự sẵn có của các thư viện mã nguồn mở.
C. Vấn đề đạo đức, thiên vị (bias) trong dữ liệu và thuật toán.
D. Sự gia tăng của dữ liệu số.
14. Trong các lĩnh vực con của AI, "Natural Language Processing" (Xử lý Ngôn ngữ Tự nhiên) tập trung vào khía cạnh nào?
A. Khả năng máy tính nhìn và hiểu hình ảnh.
B. Khả năng máy tính hiểu, diễn giải và tạo ra ngôn ngữ của con người.
C. Khả năng máy tính điều khiển robot di chuyển.
D. Khả năng máy tính chơi các trò chơi chiến thuật.
15. Khi một hệ thống AI sử dụng phản hồi từ môi trường để điều chỉnh hành vi nhằm tối đa hóa phần thưởng, đó là nguyên lý của loại hình học nào?
A. Học có giám sát.
B. Học không giám sát.
C. Học tăng cường.
D. Học sâu.
16. Yếu tố nào đóng vai trò quan trọng nhất trong việc đào tạo các mô hình Học máy?
A. Tốc độ xử lý của CPU.
B. Dung lượng RAM của máy tính.
C. Chất lượng và số lượng dữ liệu huấn luyện.
D. Hệ điều hành của máy tính.
17. Khả năng của AI trong việc chơi cờ vua hoặc cờ vây ở đẳng cấp cao là minh chứng cho sự phát triển của lĩnh vực nào?
A. Tư duy logic và lập kế hoạch.
B. Nhận dạng giọng nói.
C. Xử lý ngôn ngữ tự nhiên.
D. Tự động hóa quy trình.
18. Đâu là một trong những mục tiêu cốt lõi của Trí tuệ nhân tạo?
A. Tự động hóa hoàn toàn quá trình sản xuất không cần sự can thiệp của con người.
B. Thiết kế các hệ thống có khả năng thực hiện các nhiệm vụ đòi hỏi trí thông minh của con người.
C. Tạo ra các robot có ý thức và cảm xúc y hệt con người.
D. Phát triển các thuật toán mã hóa bảo mật tối ưu.
19. Khả năng của AI trong việc hiểu và phản hồi lại giọng nói của con người chủ yếu thuộc về lĩnh vực nào?
A. Thị giác máy tính.
B. Robot học.
C. Xử lý ngôn ngữ tự nhiên và nhận dạng giọng nói.
D. Lập kế hoạch tự động.
20. Ứng dụng AI trong tài chính, ví dụ như phát hiện gian lận giao dịch thẻ tín dụng, dựa trên khả năng nào của AI?
A. Tạo sinh nội dung.
B. Nhận dạng mẫu và phát hiện bất thường.
C. Xử lý ngôn ngữ tự nhiên.
D. Tối ưu hóa lộ trình.
21. Trong bối cảnh AI, khái niệm "tính giải thích được" (explainability) đề cập đến điều gì?
A. Khả năng của AI thực hiện các tác vụ nhanh chóng.
B. Khả năng của AI đưa ra các quyết định mà con người có thể hiểu được lý do.
C. Khả năng của AI tự học mà không cần sự can thiệp của con người.
D. Khả năng của AI kết nối với các hệ thống khác.
22. Một hệ thống AI có khả năng tự động lái xe ô tô là một ví dụ về ứng dụng của AI trong lĩnh vực:
A. Y tế.
B. Tài chính.
C. Giao thông vận tải và robot học.
D. Giáo dục.
23. Một hệ thống AI được thiết kế để nhận dạng các đối tượng trong ảnh (ví dụ: chó, mèo, xe hơi) thuộc về lĩnh vực nào?
A. Xử lý ngôn ngữ tự nhiên.
B. Học máy.
C. Thị giác máy tính (Computer Vision).
D. Hệ chuyên gia.
24. Khái niệm "Trí tuệ nhân tạo" (AI) lần đầu tiên được sử dụng trong bối cảnh nào?
A. Một hội thảo khoa học tại MIT năm 1956.
B. Một bài báo nghiên cứu của Alan Turing năm 1950.
C. Cuộc thi máy tính Deep Blue của IBM năm 1997.
D. Một dự án nghiên cứu của Google năm 2011.
25. Trong học không giám sát, mục tiêu chính là gì?
A. Dự đoán nhãn của dữ liệu mới.
B. Phân loại dữ liệu dựa trên các nhãn đã cho.
C. Tìm kiếm cấu trúc hoặc mẫu ẩn trong dữ liệu không có nhãn.
D. Tối ưu hóa một hàm mục tiêu.
