[Chân trời] Trắc nghiệm Tin học ứng dụng 12 bài A1: Giới thiệu Trí tuệ nhân tạo

1. Trong các loại hình học máy, học bán giám sát (Semi-Supervised Learning) kết hợp phương pháp nào?

A. Chỉ sử dụng dữ liệu không có nhãn.

B. Chỉ sử dụng dữ liệu có nhãn.

C. Kết hợp cả dữ liệu có nhãn và dữ liệu không có nhãn.

D. Chỉ sử dụng học tăng cường.

2. Mạng nơ-ron nhân tạo (Artificial Neural Networks) lấy cảm hứng từ cấu trúc và chức năng của bộ phận nào trong cơ thể con người?

A. Hệ tuần hoàn.

B. Bộ não và các nơ-ron thần kinh.

C. Hệ tiêu hóa.

D. Hệ hô hấp.

3. Học tăng cường (Reinforcement Learning) là phương pháp mà tác tử (agent) học cách hành động thông qua việc:

A. Nhận phản hồi là các cặp đầu vào-đầu ra chính xác.

B. Tương tác với môi trường và nhận phần thưởng hoặc hình phạt.

C. Tìm kiếm các mẫu ẩn trong dữ liệu không có cấu trúc.

D. Được huấn luyện bởi một chuyên gia con người.

4. Theo quan điểm phổ biến, AI có thể được phân loại dựa trên khả năng thành các loại chính nào?

A. AI phản ứng (Reactive Machines) và AI có trí nhớ (Memory Machines).

B. AI hẹp (Narrow AI), AI tổng quát (General AI) và Siêu AI (Super AI).

C. AI có giám sát (Supervised AI) và AI không giám sát (Unsupervised AI).

D. AI dựa trên quy tắc (Rule-based AI) và AI dựa trên xác suất (Probabilistic AI).

5. Thuật ngữ Trí tuệ nhân tạo (Artificial Intelligence) lần đầu tiên được sử dụng trong bối cảnh nào?

A. Trong một hội thảo khoa học về mạng nơ-ron nhân tạo vào những năm 1980.

B. Trong một báo cáo nghiên cứu về hệ chuyên gia vào những năm 1970.

C. Trong một buổi hội thảo tại Dartmouth College vào năm 1956.

D. Trong một bài báo về lý thuyết tính toán của Alan Turing vào những năm 1940.

6. Đâu là một trong những ứng dụng thực tế của xử lý ngôn ngữ tự nhiên (NLP) mà chúng ta thường gặp?

A. Hệ thống nhận dạng khuôn mặt.

B. Thuật toán đề xuất nội dung trên mạng xã hội.

C. Trợ lý ảo (ví dụ: Siri, Google Assistant) trả lời câu hỏi bằng giọng nói.

D. Máy bay không người lái.

7. Học máy (Machine Learning) là một lĩnh vực con của AI, tập trung vào điều gì?

A. Tạo ra các hệ thống có khả năng suy luận logic.

B. Phát triển các thuật toán cho phép máy tính học hỏi từ dữ liệu mà không cần lập trình rõ ràng.

C. Thiết kế các giao diện người máy trực quan.

D. Xây dựng các chatbot có khả năng trò chuyện tự nhiên.

8. Đâu là một thách thức lớn đối với việc phát triển Trí tuệ nhân tạo tổng quát (AGI)?

A. Thiếu dữ liệu để huấn luyện các mô hình AI hẹp.

B. Khó khăn trong việc tái tạo khả năng suy luận, ý thức và sự hiểu biết ngữ cảnh sâu sắc của con người.

C. Chi phí tính toán quá thấp cho các mô hình học máy.

D. Sự cạnh tranh gay gắt giữa các công ty công nghệ.

9. Thuật ngữ Học sâu (Deep Learning) đề cập đến một tập hợp con của học máy sử dụng cấu trúc nào?

A. Các cây quyết định (Decision Trees).

B. Các mạng nơ-ron nhân tạo với nhiều lớp (layers).

C. Các thuật toán phân cụm (Clustering algorithms).

D. Các mô hình hồi quy tuyến tính (Linear Regression models).

10. Trong các phân loại phổ biến của Trí tuệ nhân tạo, Trí tuệ nhân tạo hẹp (Narrow AI) hay còn gọi là AI yếu (Weak AI) có đặc điểm gì?

A. Có khả năng thực hiện mọi nhiệm vụ nhận thức mà con người có thể làm.

B. Chuyên biệt hóa để thực hiện một hoặc một vài nhiệm vụ cụ thể.

C. Có ý thức và khả năng suy nghĩ độc lập như con người.

D. Có thể tự học và cải thiện hiệu suất trên mọi lĩnh vực.

11. Đâu là một ví dụ về AI phản ứng (Reactive Machines), loại AI cơ bản nhất?

A. Một chatbot có khả năng ghi nhớ các cuộc trò chuyện trước đó.

B. Một hệ thống đề xuất sản phẩm dựa trên lịch sử mua sắm.

C. Deep Blue, siêu máy tính đánh cờ của IBM, có khả năng phân tích và đưa ra nước đi tốt nhất.

D. Một chiếc xe tự lái có khả năng lập kế hoạch tuyến đường.

12. Yếu tố nào là cốt lõi để một hệ thống được coi là có Trí tuệ nhân tạo theo định nghĩa rộng nhất?

A. Khả năng xử lý dữ liệu lớn.

B. Khả năng thực hiện các tác vụ đòi hỏi sự thông minh, như học hỏi, giải quyết vấn đề, nhận thức.

C. Khả năng kết nối Internet.

D. Khả năng hoạt động tự động mà không cần sự can thiệp của con người.

13. Khi một hệ thống AI có khả năng học hỏi và thích ứng, điều này có nghĩa là gì trong thực tế?

A. Hệ thống luôn giữ nguyên cấu trúc và chức năng ban đầu.

B. Hệ thống có thể cải thiện hiệu suất hoặc hành vi của mình dựa trên kinh nghiệm hoặc dữ liệu mới.

C. Hệ thống chỉ có thể thực hiện các tác vụ được lập trình sẵn.

D. Hệ thống cần được lập trình lại hoàn toàn để thay đổi cách hoạt động.

14. AI có vai trò quan trọng trong việc phân tích và dự đoán xu hướng trên các thị trường tài chính. Đây là một ví dụ về ứng dụng AI trong lĩnh vực nào?

A. Chăm sóc sức khỏe.

B. Giáo dục.

C. Tài chính và Kinh doanh.

D. Nghệ thuật và Giải trí.

15. 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. Phân tích hình ảnh và video.

B. Hiểu, diễn giải và tạo ra ngôn ngữ của con người.

C. Điều khiển robot trong môi trường vật lý.

D. Chơi các trò chơi chiến thuật phức tạp.

16. Trong học máy, học có giám sát (Supervised Learning) là phương pháp mà thuật toán học từ tập dữ liệu như thế nào?

A. Dữ liệu được cung cấp mà không có nhãn hoặc kết quả mong muốn.

B. Dữ liệu được gán nhãn với các cặp đầu vào và đầu ra đúng.

C. Thuật toán tự khám phá các mẫu ẩn trong dữ liệu.

D. Thuật toán tương tác với môi trường để học hỏi thông qua thử và sai.

17. Trong lĩnh vực AI, Hệ chuyên gia (Expert Systems) là gì và mục tiêu chính của chúng?

A. Hệ thống mô phỏng khả năng sáng tạo nghệ thuật.

B. Hệ thống mô phỏng khả năng ra quyết định của chuyên gia con người trong một lĩnh vực hẹp.

C. Hệ thống tự động hóa các quy trình sản xuất.

D. Hệ thống phân tích dữ liệu lớn để tìm kiếm xu hướng.

18. Mục tiêu chính của hệ thống có trí nhớ (Memory Machines) trong phân loại AI là gì?

A. Chỉ xử lý thông tin tức thời, không lưu trữ.

B. Sử dụng kinh nghiệm quá khứ để đưa ra quyết định trong tương lai.

C. Hiểu và phản ứng với ngôn ngữ con người.

D. Tạo ra các hành động ngẫu nhiên.

19. Đâu là một ví dụ về AI hẹp (Narrow AI) trong các hoạt động hàng ngày?

A. Một robot có khả năng tự suy nghĩ và cảm nhận như con người.

B. Hệ thống nhận dạng giọng nói trên điện thoại thông minh.

C. Một hệ thống AI có thể học tất cả các kỹ năng của con người.

D. Một máy tính có thể giải quyết mọi vấn đề toán học.

20. Trong học máy, học với sự kiểm chứng (Active Learning) là gì?

A. Học từ dữ liệu đã được gán nhãn hoàn toàn.

B. Học bằng cách tự đặt câu hỏi cho người dùng để có được nhãn cho các điểm dữ liệu quan trọng nhất.

C. Học từ dữ liệu hoàn toàn không có nhãn.

D. Học thông qua việc nhận phần thưởng hoặc hình phạt.

21. Theo phân tích phổ biến, đâu là đặc điểm nổi bật nhất của Trí tuệ nhân tạo (AI) khi so sánh với các hệ thống máy tính truyền thống?

A. Khả năng thực hiện các tác vụ đã được lập trình sẵn một cách chính xác.

B. Khả năng học hỏi, thích ứng và đưa ra quyết định dựa trên dữ liệu.

C. Khả năng lưu trữ một lượng lớn thông tin.

D. Khả năng xử lý các phép toán phức tạp với tốc độ cao.

22. Đâu là một ứng dụng phổ biến của học không giám sát (Unsupervised Learning) trong thực tế?

A. Dự đoán giá nhà dựa trên các thuộc tính của nhà.

B. Phân loại email thành thư rác hoặc không thư rác.

C. Phân nhóm khách hàng dựa trên hành vi mua sắm.

D. Nhận dạng chữ viết tay.

23. Đâu là ví dụ điển hình của Trí tuệ nhân tạo tổng quát (General AI) hay AI mạnh (Strong AI)?

A. Hệ thống nhận dạng khuôn mặt trên điện thoại thông minh.

B. Trợ lý ảo như Siri hoặc Google Assistant.

C. Một robot có khả năng suy nghĩ, cảm nhận và thực hiện bất kỳ nhiệm vụ trí tuệ nào của con người.

D. Thuật toán đề xuất phim trên các nền tảng xem phim trực tuyến.

24. Khái niệm Siêu trí tuệ (Superintelligence) trong AI đề cập đến loại hình trí tuệ nào?

A. Trí tuệ nhân tạo có khả năng thực hiện mọi nhiệm vụ giống con người.

B. Trí tuệ nhân tạo chuyên biệt trong một lĩnh vực hẹp.

C. Trí tuệ nhân tạo vượt trội hơn trí tuệ con người trên hầu hết các lĩnh vực.

D. Trí tuệ nhân tạo chỉ có khả năng phản ứng với môi trường.

25. Trong các ứng dụng của AI, Thị giác máy tính (Computer Vision) liên quan đến khả năng nào?

A. Tạo ra âm nhạc tự động.

B. Hiểu và xử lý thông tin từ hình ảnh và video.

C. Phát hiện và sửa lỗi trong mã nguồn.

D. Tối ưu hóa lộ trình vận chuyển.