[Cánh diều] Trắc nghiệm Khoa học máy tính 12 bài 2: Giới thiệu về trí tuệ nhân tạo (tiếp theo)

1. Một trong những thách thức lớn nhất khi triển khai hệ thống AI trong thực tế là gì?

A. Thiếu các thuật toán học máy tiên tiến.

B. Sự phức tạp trong việc tích hợp với các hệ thống hiện có và đảm bảo tính tin cậy, an toàn.

C. Chi phí phần cứng quá thấp.

D. Sự thiếu hụt về lý thuyết toán học.

2. Trong các ứng dụng của AI, Computer Vision (Thị giác máy tính) cho phép máy tính thực hiện nhiệm vụ gì?

A. Phân tích cảm xúc và ý định của con người qua văn bản.

B. Tạo ra âm nhạc và các tác phẩm nghệ thuật.

C. Hiểu và diễn giải thông tin từ hình ảnh, video.

D. Tối ưu hóa lịch trình và tài nguyên sản xuất.

3. Công nghệ AI nào giúp các phương tiện tự lái nhận diện vạch kẻ đường, biển báo giao thông và các phương tiện khác?

A. Natural Language Processing (NLP)

B. Robotics

C. Computer Vision

D. Expert Systems

4. Trong lĩnh vực trí tuệ nhân tạo, khái niệm Machine Learning (Học máy) đề cập đến khả năng nào của hệ thống?

A. Khả năng thực hiện các phép tính phức tạp với tốc độ cao.

B. Khả năng học hỏi và cải thiện hiệu suất từ dữ liệu mà không cần lập trình rõ ràng cho từng nhiệm vụ.

C. Khả năng giao tiếp tự nhiên với con người bằng ngôn ngữ nói.

D. Khả năng xử lý và phân tích hình ảnh, video với độ chính xác tuyệt đối.

5. AI có khả năng General Intelligence (Trí tuệ Tổng quát) ám chỉ điều gì?

A. Khả năng thực hiện một nhiệm vụ AI cụ thể với độ chính xác cao.

B. Khả năng hiểu, học hỏi và áp dụng kiến thức để giải quyết nhiều loại vấn đề khác nhau như con người.

C. Khả năng xử lý ngôn ngữ tự nhiên một cách hoàn hảo.

D. Khả năng điều khiển robot một cách chính xác.

6. Trong Machine Learning, Supervised Learning (Học có giám sát) yêu cầu loại dữ liệu nào để huấn luyện mô hình?

A. Dữ liệu không có nhãn hoặc kết quả.

B. Dữ liệu có nhãn, tức là mỗi đầu vào được liên kết với một đầu ra mong muốn.

C. Dữ liệu được phân nhóm dựa trên sự tương đồng.

D. Dữ liệu chỉ bao gồm các quy tắc logic được định sẵn.

7. Ngành nào của Trí tuệ nhân tạo tập trung vào việc cho phép máy tính hiểu, diễn giải và tạo ra ngôn ngữ của con người?

A. Computer Vision (Thị giác máy tính)

B. Robotics (Robot học)

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

D. Expert Systems (Hệ chuyên gia)

8. Trong lĩnh vực AI, explainable AI (XAI) nhấn mạnh tầm quan trọng của điều gì?

A. Tăng tốc độ xử lý của mô hình AI.

B. Khả năng hiểu và giải thích cách thức một mô hình AI đưa ra quyết định.

C. Giảm thiểu lượng dữ liệu cần thiết cho việc huấn luyện.

D. Tự động hóa hoàn toàn quá trình phát triển AI.

9. AI được ứng dụng trong y tế để hỗ trợ chẩn đoán bệnh dựa trên hình ảnh y khoa (X-quang, MRI) thuộc lĩnh vực nào?

A. Natural Language Processing (Xử lý ngôn ngữ tự nhiên)

B. Robotics (Robot học)

C. Computer Vision (Thị giác máy tính)

D. Expert Systems (Hệ chuyên gia)

10. Một hệ thống AI được thiết kế để mô phỏng khả năng suy luận và giải quyết vấn đề của chuyên gia trong một lĩnh vực cụ thể được gọi là gì?

A. Neural Networks (Mạng nơ-ron nhân tạo)

B. Expert Systems (Hệ chuyên gia)

C. Reinforcement Learning (Học tăng cường)

D. Deep Learning (Học sâu)

11. Trong lĩnh vực AI, Natural Language Generation (Tạo sinh ngôn ngữ tự nhiên) có mục tiêu chính là gì?

A. Phân tích cấu trúc ngữ pháp của câu.

B. Chuyển đổi dữ liệu có cấu trúc hoặc ý định thành văn bản giống con người.

C. Nhận dạng giọng nói của người dùng.

D. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác.

12. Một hệ thống AI có khả năng nhận dạng giọng nói (Speech Recognition) có thể làm gì?

A. Phân tích ý nghĩa của một đoạn văn bản.

B. Chuyển đổi lời nói của con người thành văn bản có thể xử lý.

C. Tạo ra văn bản mới dựa trên các từ khóa.

D. Tối ưu hóa hiệu suất của hệ thống máy tính.

13. Mạng nơ-ron nhân tạo (Artificial Neural Networks) được lấy cảm hứng từ cấu trúc nào của sinh vật?

A. Hệ tuần hoàn

B. Hệ thần kinh

C. Hệ tiêu hóa

D. Hệ hô hấp

14. Kỹ thuật nào trong AI cho phép máy tính nhận dạng và phân loại các đối tượng trong hình ảnh?

A. Natural Language Processing (NLP)

B. Robotics

C. Computer Vision

D. Expert Systems

15. Khả năng của AI trong việc xử lý và hiểu các loại dữ liệu đa dạng như văn bản, hình ảnh, âm thanh và video được gọi là gì?

A. AI Chuyên biệt (Narrow AI)

B. AI Tổng quát (General AI)

C. AI Đa phương thức (Multimodal AI)

D. AI Phản ứng (Reactive AI)

16. Thuật ngữ AI Ethics (Đạo đức Trí tuệ nhân tạo) nhấn mạnh điều gì?

A. Tăng tốc độ xử lý của các thuật toán AI.

B. Đảm bảo các hệ thống AI được phát triển và sử dụng một cách có trách nhiệm, công bằng và minh bạch.

C. Giảm chi phí nghiên cứu và phát triển AI.

D. Tăng khả năng tự học của các mô hình AI.

17. Trong lĩnh vực AI, bias (thiên vị) có thể xảy ra khi nào?

A. Khi thuật toán AI hoạt động quá hiệu quả.

B. Khi dữ liệu huấn luyện không phản ánh đầy đủ hoặc chứa các định kiến có sẵn trong xã hội.

C. Khi hệ thống AI được lập trình quá rõ ràng.

D. Khi AI chỉ học từ một nguồn dữ liệu duy nhất.

18. Khái niệm Deep Learning (Học sâu) khác biệt với Machine Learning truyền thống chủ yếu ở điểm nào?

A. Deep Learning yêu cầu ít dữ liệu hơn để huấn luyện.

B. Deep Learning sử dụng các mạng nơ-ron với nhiều lớp (layers) để tự động trích xuất các đặc trưng phức tạp từ dữ liệu.

C. Deep Learning chỉ áp dụng cho các bài toán phân loại đơn giản.

D. Deep Learning hoàn toàn không sử dụng dữ liệu để học hỏi.

19. Một ví dụ điển hình của Reinforcement Learning (Học tăng cường) là gì?

A. Hệ thống nhận diện khuôn mặt trong ảnh.

B. Xe tự lái học cách điều hướng trong giao thông phức tạp thông qua thử và sai, nhận thưởng khi đi đúng làn và phạt khi va chạm.

C. Trợ lý ảo hiểu và phản hồi các câu hỏi của người dùng.

D. Hệ thống đề xuất sản phẩm dựa trên lịch sử mua sắm.

20. AI có thể được sử dụng để tạo ra các tác phẩm nghệ thuật, âm nhạc hoặc văn bản mới. Đây là ứng dụng của loại hình AI nào?

A. AI Phân tích (Analytical AI)

B. AI Tạo sinh (Generative AI)

C. AI Phản ứng (Reactive AI)

D. AI với Bộ nhớ Hạn chế (Limited Memory AI)

21. Trong lĩnh vực AI, Unsupervised Learning (Học không giám sát) khác với Học có giám sát ở chỗ nào?

A. Học không giám sát sử dụng dữ liệu đã gán nhãn.

B. Học không giám sát tìm kiếm các mẫu, cấu trúc hoặc mối quan hệ ẩn trong dữ liệu mà không có nhãn chỉ dẫn.

C. Học không giám sát yêu cầu phản hồi trực tiếp từ người dùng.

D. Học không giám sát chỉ áp dụng cho các bài toán phân loại.

22. Một hệ thống AI có khả năng Học tăng cường (Reinforcement Learning) sẽ học bằng cách nào?

A. Dựa trên các ví dụ có nhãn được cung cấp.

B. Phân tích các mẫu trong dữ liệu không có nhãn.

C. Thực hiện hành động trong môi trường và nhận phản hồi (thưởng/phạt) để điều chỉnh hành vi.

D. Mô phỏng kiến thức của chuyên gia con người.

23. Mục tiêu của AI Assistants (Trợ lý ảo) như Siri hoặc Google Assistant là gì?

A. Phân tích và dự đoán xu hướng thị trường chứng khoán.

B. Tự động hóa hoàn toàn các quy trình sản xuất.

C. Hiểu yêu cầu của người dùng bằng ngôn ngữ tự nhiên và thực hiện các tác vụ tương ứng.

D. Tối ưu hóa việc sử dụng năng lượng trong các tòa nhà.

24. AI có khả năng suy luận (reasoning) nghĩa là gì?

A. Khả năng ghi nhớ một lượng lớn thông tin.

B. Khả năng đưa ra kết luận logic từ thông tin đã biết hoặc giả định.

C. Khả năng tương tác vật lý với môi trường.

D. Khả năng nhận diện cảm xúc qua giọng nói.

25. Một ví dụ về AI Generative (AI Tạo sinh) là công nghệ có thể làm gì?

A. Phân tích lịch sử giao dịch để phát hiện gian lận.

B. Tự động viết email dựa trên các gạch đầu dòng được cung cấp.

C. Chuyển đổi văn bản thành giọng nói tự nhiên.

D. Tối ưu hóa lộ trình giao hàng.