1. Trong AI, Học không giám sát (Unsupervised Learning) là phương pháp học hỏi dựa trên loại dữ liệu nào?
A. Dữ liệu không có nhãn (unlabeled data), máy tính tìm kiếm các mẫu và cấu trúc ẩn.
B. Dữ liệu đã được gán nhãn rõ ràng (labeled data) với các cặp đầu vào-đầu ra.
C. Dữ liệu văn bản đã được phân loại theo chủ đề.
D. Dữ liệu hình ảnh đã được chú thích chi tiết.
2. Đâu là một ứng dụng thực tế của Thị giác Máy tính?
A. Hệ thống nhận dạng khuôn mặt để mở khóa điện thoại hoặc kiểm soát truy cập.
B. Phần mềm soạn thảo văn bản.
C. Máy tính thực hiện các phép tính đại số tuyến tính.
D. Công cụ dịch thuật ngôn ngữ.
3. Theo phân tích phổ biến trong lĩnh vực Trí tuệ Nhân tạo (AI), thuật ngữ AI yếu (Weak AI) hoặc AI hẹp (Narrow AI) thường được dùng để chỉ loại hình AI có khả năng gì?
A. Thực hiện một hoặc một vài nhiệm vụ cụ thể, chuyên biệt và không có khả năng suy nghĩ, học hỏi hoặc áp dụng kiến thức ngoài phạm vi được lập trình.
B. Có khả năng tư duy, học hỏi và thích ứng như con người trên mọi lĩnh vực, bao gồm cả ý thức và cảm xúc.
C. Tạo ra các chương trình máy tính có khả năng sáng tạo nghệ thuật và văn học tương đương con người.
D. Phát triển các hệ thống có khả năng tự nhận thức, tự lập trình lại và đạt được trí tuệ siêu việt.
4. Đâu là một lĩnh vực nghiên cứu và ứng dụng quan trọng của AI liên quan đến việc tạo ra các hệ thống có khả năng tương tác với thế giới vật lý?
A. Robot học (Robotics)
B. Hệ thống quản lý cơ sở dữ liệu
C. Phân tích tài chính định lượng
D. Thiết kế giao diện người dùng đồ họa
5. Đâu là một ví dụ nổi tiếng về ứng dụng Học tăng cường?
A. AlphaGo của DeepMind đánh bại nhà vô địch cờ vây thế giới.
B. Hệ thống gợi ý phim trên Netflix.
C. Trợ lý ảo trả lời câu hỏi.
D. Phần mềm nhận dạng hình ảnh.
6. Lĩnh vực Thị giác Máy tính (Computer Vision) của AI tập trung vào việc gì?
A. Cho phép máy tính nhìn và diễn giải thông tin từ hình ảnh hoặc video.
B. Tạo ra âm thanh tự nhiên từ văn bản.
C. Phân tích và dự đoán xu hướng thị trường tài chính.
D. Tối ưu hóa quy trình sản xuất công nghiệp.
7. Trong lĩnh vực AI, Hệ thống chuyên gia (Expert Systems) hoạt động dựa trên nguyên tắc cốt lõi nào?
A. Sử dụng một cơ sở kiến thức (knowledge base) chứa các quy tắc và sự kiện, cùng với một bộ suy luận (inference engine) để đưa ra lời khuyên hoặc giải pháp.
B. Học hỏi liên tục từ dữ liệu người dùng mà không có cấu trúc rõ ràng.
C. Phân tích các mẫu trong dữ liệu không có nhãn.
D. Tạo ra các phản ứng ngẫu nhiên dựa trên đầu vào.
8. Đâu là một ví dụ điển hình về ứng dụng Học máy (Machine Learning)?
A. Hệ thống gợi ý sản phẩm trên các trang thương mại điện tử dựa trên lịch sử mua sắm của người dùng.
B. Máy tính thực hiện phép tính cộng trừ đơn giản.
C. Phần mềm xử lý văn bản với các chức năng định dạng cơ bản.
D. Hệ điều hành quản lý tài nguyên máy tính.
9. Trong lĩnh vực AI, Mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) được lấy cảm hứng từ cấu trúc nào của sinh học?
A. Cấu trúc và hoạt động của bộ não con người, với các nơ-ron kết nối với nhau.
B. Cấu trúc DNA và cách truyền thông tin di truyền.
C. Cấu trúc của hệ tuần hoàn trong cơ thể.
D. Cơ chế hoạt động của hệ tiêu hóa.
10. Học máy (Machine Learning) là một nhánh con của Trí tuệ Nhân tạo, tập trung vào việc gì?
A. Cho phép hệ thống máy tính học hỏi từ dữ liệu mà không cần được lập trình tường minh cho từng tác vụ.
B. Tạo ra các thuật toán có khả năng tự sửa lỗi mã nguồn.
C. Phát triển giao diện người-máy trực quan và dễ sử dụng.
D. Thiết kế các hệ thống máy tính có khả năng hoạt động độc lập hoàn toàn.
11. Đâu là một yếu tố quan trọng cần xem xét khi đánh giá đạo đức trong phát triển và ứng dụng Trí tuệ Nhân tạo?
A. Tính công bằng (fairness), minh bạch (transparency) và trách nhiệm giải trình (accountability).
B. Tốc độ xử lý dữ liệu của hệ thống.
C. Khả năng mở rộng của mô hình.
D. Chi phí sản xuất phần cứng.
12. Thuật ngữ Học sâu (Deep Learning) ám chỉ một tập hợp con của Học máy sử dụng các mô hình có độ phức tạp cao, thường bao gồm nhiều lớp (layers). Lớp đầu tiên của một mạng nơ-ron sâu thường làm gì?
A. Tiếp nhận dữ liệu đầu vào thô và trích xuất các đặc trưng cơ bản (ví dụ: cạnh, góc trong ảnh).
B. Đưa ra kết quả cuối cùng hoặc dự đoán.
C. Thực hiện các phép toán logic phức tạp.
D. Tối ưu hóa hàm mất mát (loss function).
13. Đâu là một ví dụ về ứng dụng của Xử lý Ngôn ngữ Tự nhiên (NLP)?
A. Trợ lý ảo như Siri hoặc Google Assistant trả lời câu hỏi bằng giọng nói.
B. Máy ảnh kỹ thuật số tự động điều chỉnh ánh sáng.
C. Phần mềm vẽ đồ họa vector.
D. Máy tính thực hiện các phép tính ma trận.
14. Khái niệm AI mạnh (Strong AI) hoặc AI tổng quát (Artificial General Intelligence - AGI) trong lĩnh vực Trí tuệ Nhân tạo đề cập đến loại hình AI có đặc điểm nào?
A. Khả năng thực hiện bất kỳ nhiệm vụ trí tuệ nào mà con người có thể làm, bao gồm suy luận, học hỏi, giải quyết vấn đề và hiểu ngôn ngữ tự nhiên.
B. Khả năng thực hiện một nhiệm vụ duy nhất với hiệu suất vượt trội hơn con người.
C. Khả năng mô phỏng hành vi của con người trong các trò chơi điện tử phức tạp.
D. Khả năng xử lý dữ liệu lớn và nhận dạng mẫu với tốc độ cao.
15. Khi nói về Học có giám sát (Supervised Learning), yếu tố quan trọng nhất cần có để huấn luyện mô hình là gì?
A. Một tập dữ liệu được gán nhãn (labeled dataset) với các cặp đầu vào và đầu ra mong muốn.
B. Một môi trường mô phỏng hoàn hảo.
C. Khả năng tự khám phá các mẫu ẩn.
D. Một hệ thống phần thưởng phức tạp.
16. Học tăng cường (Reinforcement Learning) là một phương pháp học máy trong đó một tác tử (agent) học cách đưa ra quyết định bằng cách nào?
A. Thực hiện hành động trong môi trường và nhận phần thưởng hoặc hình phạt để tối ưu hóa hành vi.
B. Học từ một tập dữ liệu lớn đã được gán nhãn.
C. Tìm kiếm các mẫu và mối quan hệ trong dữ liệu không có nhãn.
D. Mô phỏng quá trình suy nghĩ của con người.
17. Tầm nhìn của Alan Turing về Trò chơi Turing (Turing Test) là gì?
A. Một bài kiểm tra để xác định xem máy móc có thể thể hiện hành vi thông minh tương đương hoặc không thể phân biệt được với con người hay không.
B. Một trò chơi cờ vua mà máy tính phải thắng con người.
C. Một phương pháp lập trình để tạo ra các thuật toán hiệu quả.
D. Một bài kiểm tra khả năng xử lý dữ liệu của máy tính.
18. Đâu là một ví dụ về ứng dụng của Học không giám sát?
A. Phân nhóm khách hàng (Customer Segmentation) dựa trên hành vi mua sắm để phục vụ tiếp thị mục tiêu.
B. Phân loại email thành spam hoặc không spam dựa trên các quy tắc đã định sẵn.
C. Dự đoán giá nhà dựa trên diện tích và vị trí.
D. Nhận dạng chữ viết tay từ các mẫu đã có.
19. Trong các phương pháp tiếp cận AI, Học sâu (Deep Learning) nổi bật nhờ vào việc sử dụng cấu trúc nào?
A. Mạng nơ-ron nhân tạo với nhiều lớp (layers), mô phỏng cấu trúc bộ não con người.
B. Cây quyết định (Decision Trees) để phân loại dữ liệu.
C. Các thuật toán di truyền (Genetic Algorithms) để tối ưu hóa.
D. Các hệ thống dựa trên luật (Rule-based Systems) với logic rõ ràng.
20. Đâu là một ví dụ về AI có khả năng giải thích (Explainable AI - XAI) đang được quan tâm?
A. Các mô hình AI có thể cung cấp lý do hoặc bằng chứng cho các quyết định hoặc dự đoán của chúng.
B. Các mô hình AI hoạt động như một hộp đen (black box) mà không ai hiểu được cách chúng đưa ra kết quả.
C. Các hệ thống AI chỉ dựa vào dữ liệu mà không có bất kỳ lý giải nào.
D. Các mô hình AI chỉ thực hiện các tác vụ một cách đơn giản.
21. Xử lý Ngôn ngữ Tự nhiên (Natural Language Processing - NLP) là một lĩnh vực của AI tập trung vào khả năng nào của máy tính?
A. Hiểu, diễn giải và tạo ra ngôn ngữ của con người.
B. Phân tích và xử lý dữ liệu hình ảnh.
C. Tối ưu hóa các thuật toán tìm kiếm.
D. Điều khiển các thiết bị robot.
22. Một trong những thách thức lớn nhất đối với việc phát triển AI mạnh (AGI) hiện nay là gì?
A. Khả năng suy luận tổng quát, hiểu biết thông thường (common sense) và ý thức.
B. Thiếu hụt dữ liệu đào tạo cho các tác vụ đơn giản.
C. Khó khăn trong việc thực hiện các phép tính số học cơ bản.
D. Yêu cầu quá ít năng lượng để hoạt động.
23. Trí tuệ nhân tạo có thể được phân loại dựa trên khả năng và chức năng. Loại hình AI nào được coi là mục tiêu dài hạn và tham vọng nhất của các nhà nghiên cứu?
A. Trí tuệ Nhân tạo Tổng quát (Artificial General Intelligence - AGI)
B. Trí tuệ Nhân tạo Hẹp (Artificial Narrow Intelligence - ANI)
C. Học máy có giám sát (Supervised Machine Learning)
D. Xử lý Ngôn ngữ Tự nhiên (Natural Language Processing - NLP)
24. Mục tiêu của Tối ưu hóa (Optimization) trong AI và học máy là gì?
A. Tìm kiếm các tham số tốt nhất cho mô hình để tối thiểu hóa sai số hoặc tối đa hóa hiệu suất.
B. Tạo ra các thuật toán mới hoàn toàn.
C. Phân tích lịch sử phát triển của AI.
D. Thiết kế các giao diện người dùng thân thiện.
25. Đâu là một trong những lĩnh vực ứng dụng ban đầu và phổ biến nhất của Trí tuệ Nhân tạo?
A. Hệ thống chuyên gia (Expert Systems) dùng để tư vấn và giải quyết vấn đề trong các lĩnh vực chuyên môn hẹp.
B. Xe tự lái hoàn toàn tự động trên mọi địa hình và điều kiện.
C. Robot có khả năng tự ý thức và tương tác cảm xúc phức tạp.
D. Trợ lý ảo cá nhân có khả năng thay thế hoàn toàn con người trong mọi công việc.
