Trí tuệ nhân tạo

Tình huống mở đầu

Bạn mở chatbot và dán đề thi thử. Dùng ngay hay có quy trình?

Kiến thức

Gợi ý các bước: 1) Mục tiêu học tập / công việc. 2) Công cụ nhà trường cho phép chưa? 3) Dữ liệu đưa vào có nhạy cảm không? 4) Prompt có ràng buộc không? 5) Kiểm chứng kết quả. 6) Khai báo. 7) Không lan truyền dữ liệu lớp.

Quy trình viết cho một sản phẩm cụ thể (chatbot học tập, công cụ dịch, công cụ nhận ảnh), không sao chép chung chung.

Tình huống mở đầu

Bạn dùng AI soạn dàn ý rồi tự viết, bạn khác dán nguyên văn. Máy giỏi hơn thì người kém đi?

Kiến thức

Nâng cao năng lực: máy là huấn luyện viên / người phản biện, không phải người thi hộ.

Kiểm soát: em chọn mục tiêu rèn, giới hạn lần nhờ máy, tự đánh giá trước khi xem gợi ý, giải thích được sản phẩm cuối.

Phân tích case: môn em đang học — khâu nào máy giúp rèn, khâu nào mất kĩ năng nếu giao hết.

Tình huống mở đầu

Mô hình dự báo sâu bệnh giúp giảm thuốc trừ sâu. Lợi ngay có phải lợi lâu? Còn ai bị bỏ lại?

Kiến thức

Ví dụ tích cực lâu dài: hỗ trợ nông nghiệp giảm lãng phí; hỗ trợ chẩn đoán sơ bộ vùng khó — bác sĩ vẫn quyết; giáo dục thích ứng.

Bền vững: hiệu quả năng lượng, không khuyến khích thu thập dữ liệu vô hạn, có kế hoạch bảo trì.

Công bằng: tiếp cận, ngôn ngữ, chi phí, không thiên vị nhóm đa số.

Tình huống mở đầu

Ứng dụng xin ảnh bài làm “để cải thiện mô hình”. Em có quyền gì?

Kiến thức

Quyền được biết: mục đích, thời hạn, ai được xem.

Quyền đồng ý: không mặc định “bấm tiếp là mất dữ liệu mãi”.

Quyền yêu cầu xoá / hạn chế: theo quy định hiện hành và nội quy trường.

Dự án học sinh: thu thập tối thiểu, xin phép, có phương án xoá khi kết thúc thí nghiệm.

Tình huống mở đầu

Lan bài giải AI trong giờ kiểm tra; lộ dữ liệu sức khoẻ bạn; tạo ảnh giả giáo viên. Sự cố nào là nội quy, sự cố nào có thể là pháp luật?

Kiến thức

Nhóm nội quy: gian lận học tập, dùng thiết bị trái phép, không khai báo.

Nhóm có thể liên quan pháp luật (mức nhận biết, không kết luận án): xâm phạm dữ liệu cá nhân, phát tán nội dung giả mạo gây hại, tấn công hệ thống — em không thực hiện và không hướng dẫn.

Phòng: tuân thủ nội quy, không thu thập dữ liệu bạn, không tạo nội dung giả người thật, báo sự cố sớm.

Tình huống mở đầu

Lỗi đạo đức xảy ra lúc huấn luyện hay lúc đã chạy? Có thể cả hai.

Kiến thức

Thu thập: đồng ý, đại diện nhóm, tối thiểu hoá.

Huấn luyện: hàm mục tiêu có khuyến khích hành vi có hại không?

Triển khai: người dùng có hiểu giới hạn không?

Vận hành: có kênh khiếu nại, có người chịu trách nhiệm không?

Tình huống mở đầu

Công cụ hỗ trợ học khác công cụ làm hộ bài chỗ nào?

Kiến thức

Cách hỗ trợ: cá nhân hoá luyện tập; phản hồi nhanh; gợi ý tài liệu — vẫn cần giáo viên.

Tính năng nên có: nêu nguồn; cảnh báo không chắc chắn; chế độ “gợi ý từng bước” thay vì đáp án đầy đủ khi đang thi thử theo quy định.

Tính năng không nên: giấu việc đã dùng AI; tạo bài nộp hoàn chỉnh một lần bấm.

Tình huống mở đầu

“Viết giúp bài” khác “Liệt kê 5 luận điểm, mỗi ý 1 dẫn chứng”.

Kiến thức

Ràng buộc định dạng: “trả về bảng 3 cột”, “đúng 5 gạch đầu dòng”, “không viết đoạn hoàn chỉnh”.

Chia nhỏ: mỗi lần một việc; kiểm chứng xong mới bước sau.

Vẫn cấm: dán đề thi đang diễn ra nếu nhà trường cấm; đưa dữ liệu cá nhân.

Tình huống mở đầu

Chatbot trả lời nội quy trôi chảy. Chatbot “biết” hay đang ghép chữ?

Kiến thức

Tuỳ chỉnh mức học đường: bổ sung dữ liệu được phép; chỉnh tham số trong giới hạn; viết hướng dẫn hệ thống (system instruction); RAG: truy xuất tài liệu rồi mới sinh — giảm bịa so với chỉ dựa vào mô hình.

Tình huống mở đầu

Nhóm bạn theo sở thích khác dán nhãn “học sinh giỏi/yếu” chỗ nào?

Kiến thức

Ứng dụng nơ-ron (mức ví dụ): nhận ảnh, nhận tiếng, một số hệ tạo sinh.

Ý tưởng (MR): nơ-ron là đơn vị tính tổ hợp; lớp ẩn học đặc trưng; không cần thuộc công thức ma trận để hiểu vai trò.

Tình huống mở đầu

Nhóm có mô hình nhận ảnh đạt điểm cao trên tập học. Có mô hình giỏi đã là có hệ thống?

Kiến thức

Thiết kế: ai dùng, luồng dữ liệu, lúc nào con người can thiệp, nhật kí, tiêu chí thành công ngoài “độ chính xác tập học”.

Vận hành tổng thể: ai trực, khi nào huấn luyện lại, khi nào tắt.

Mối quan hệ: đổi mục tiêu thì đổi dữ liệu và thành phần; không gắn mô hình lạ vào mục tiêu cũ.

Tình huống mở đầu

Cảnh báo sâu bệnh sai hàng loạt sau cơn mưa. Sai ở cảm biến, mô hình hay người trực?

Kiến thức

Một nhiệm vụ cụ thể đi qua: thu tín hiệu → tiền xử lí → mô hình → đầu ra → người xác nhận.

Lỗi có thể ở bất kì mắt xích. Tối ưu là đo, khoanh vùng, sửa, đo lại.

MR: thêm dữ liệu mùa mưa; hạ ngưỡng tự tin; bắt buộc người duyệt khi thời tiết bất thường; cập nhật tài liệu RAG.

Trả lời ngắn.

1. Quy trình dùng AI an toàn gồm những bước chính nào?
2. Dùng AI thế nào thì nâng năng lực, thế nào thì làm giảm?
3. Bền vững khác “lợi ngay” ở điểm nào? Công bằng xét những yếu tố nào?
4. Ba quyền cơ bản của người dùng dữ liệu?
5. Vì sao cần phân loại sự cố nội quy / pháp luật?
6. Vấn đề đạo đức có thể xuất hiện ở những bước nào của vòng đời?
7. Hai kĩ thuật prompt nâng cao em đã học?
8. RAG giúp giảm sai lệch thông tin bằng cách nào?
9. Phân lớp khác phân cụm chỗ nào? Rủi ro diễn giải phân cụm?
10. Vì sao “mô hình điểm cao” chưa đủ để gọi là hệ thống?

Thuật ngữ em đã gặp

Quy trình dùng

Chuỗi bước trước–trong–sau khi dùng AI, gắn một sản phẩm cụ thể.

Bền vững

Duy trì lâu dài, hiệu quả năng lượng, không gây hại người và môi trường.

Quyền dữ liệu

Được biết, đồng ý, yêu cầu xoá / hạn chế theo quy định.

RAG

Sinh nội dung tăng cường bằng truy xuất tài liệu đã duyệt, thường kèm nguồn.

Hướng dẫn hệ thống

Chỉ dẫn khung cho mô hình (phạm vi, giọng, điều không được làm).

Mạng nơ-ron

Mô hình học biểu diễn qua nhiều lớp tính toán, dùng nhiều cho ảnh, tiếng, ngôn ngữ.

Phân lớp

Gán nhãn từ ví dụ đã được gán nhãn.

Phân cụm

Nhóm dữ liệu theo độ tương đồng, không có nhãn sẵn.

Tối ưu vận hành

Đo, khoanh vùng lỗi, sửa đúng mắt xích, đo lại.