Tài liệu học tập · Cấp tiểu học
Trí tuệ nhân tạo
Lớp 5
12 bài giúp em hiểu người chịu trách nhiệm cuối cùng, AI phục vụ lợi ích chung, công bằng, minh bạch; và thực hành tư duy nếu–thì, huấn luyện mô hình đơn giản, bổ sung dữ liệu.
Em dùng tài liệu này thế nào?
- Đọc tình huống trước, rồi đọc kiến thức.
- Làm phần Luyện tập trên giấy hoặc sách photo.
- Ô Ghi nhớ là ý cần thuộc. Ô Mở rộng học thêm khi thầy cô tổ chức.
- Không tự tạo tài khoản công cụ AI. Nếu cần thử máy, dùng thiết bị nhà trường, có người lớn giám sát.
Mục lục
Tên bài lấy theo khung nội dung giáo dục trí tuệ nhân tạo. Mã như 5.A1.1 là yêu cầu cần đạt.
Chuyên đề 1 · Con người chịu trách nhiệm · 5.A1.1 · 5.A1.2
Con người chịu trách nhiệm
Em sẽ học được
- AI có thể làm một số việc thay người, đặc biệt việc lặp, nguy hiểm hoặc cần chính xác cao (robot lắp ráp, kiểm tra lỗi, xe tự lái chở hàng).
- Ví dụ trách nhiệm người tạo và người dùng: AI chẩn đoán nhầm — bác sĩ kiểm tra lại và chịu trách nhiệm điều chỉnh.
- (MR) Người chịu trách nhiệm cuối cùng về mọi quyết định hoặc kết quả do AI tạo ra.
Tình huống mở đầu
Việc nào nên để máy làm hộ, việc nào người phải chịu?
Kiến thức
Máy phù hợp: lắp ráp lặp lại; kiểm tra lỗi trên dây chuyền; xe tự lái chở hàng trong khu vực kiểm soát.
Người phù hợp: quyết định liên quan sức khoẻ, an toàn, công bằng — và luôn chịu trách nhiệm.
Ví dụ: AI gợi ý bệnh → bác sĩ khám lại, giải thích, chịu trách nhiệm với người bệnh.
Luyện tập
| Tình huống | Máy / Người chịu trách nhiệm? |
|---|---|
| Robot siết ốc trên dây chuyền | |
| AI gợi ý đơn thuốc | |
| Xe tự lái trong nhà máy |
Vận dụng. Viết: “Nếu máy sai, người phải …”.
A2. Không thay người · 5.A2.1
AI không thay thế con người
Em sẽ học được
- Mục đích chính của AI là hỗ trợ con người, không thay vai trò, tư duy, cảm xúc và trách nhiệm của con người trong xã hội.
- (MR) Chỉ người mới suy nghĩ sáng tạo, hiểu cảm xúc và ra quyết định đạo đức — nên người luôn kiểm soát, định hướng, chịu trách nhiệm.
Tình huống mở đầu
Robot làm được nhiều — vậy còn cần cô giáo, bác sĩ, bố mẹ?
Kiến thức
Mục đích AI: hỗ trợ, không thay vai trò xã hội của người.
Người còn: sáng tạo, thấu hiểu, quyết định đạo đức, chịu trách nhiệm.
Luyện tập
- Cô giáo có thể để máy dạy cả buổi, không cần người. Đ S
- Bác sĩ dùng AI như gợi ý, vẫn khám và giải thích. Đ S
- Bố mẹ an ủi em — máy không thay được. Đ S
Vận dụng. Chọn 1 nghề: việc máy hỗ trợ / việc người không thể giao hết cho máy.
A2. Lợi ích chung · 5.A2.2 · 5.A2.3
AI phục vụ lợi ích chung
Em sẽ học được
- AI được tạo nhằm phục vụ lợi ích chung, cải thiện chất lượng sống, giải quyết vấn đề phức tạp, hỗ trợ nhiều lĩnh vực.
- Ví dụ lợi ích cộng đồng: y tế, giáo dục, môi trường.
Tình huống mở đầu
Máy chỉ giúp một nhà giàu hay giúp cả xóm?
Kiến thức
Lợi ích chung khác lợi ích một người: trường, xã, cộng đồng cùng hưởng.
Ví dụ: hỗ trợ khám sàng lọc; học liệu phù hợp năng lực; phân loại rác, theo dõi ô nhiễm (người vẫn quyết).
Luyện tập
| Lĩnh vực | Ví dụ hỗ trợ cộng đồng |
|---|---|
| Y tế | |
| Giáo dục | |
| Môi trường |
Vận dụng. Đề xuất 1 việc AI có thể giúp trường / thôn em, ai được lợi.
A3. Mọi lứa tuổi · 5.A3.1 · 5.A3.2
Con người trong kỉ nguyên AI
Em sẽ học được
- AI ngày càng phổ biến nên mọi người — trẻ em, người lớn, người cao tuổi — cần hiểu và biết dùng AI an toàn, hiệu quả.
- Dùng AI phải phù hợp nhu cầu, khả năng, mục đích; tránh lạm dụng, không an toàn (chia sẻ tin cá nhân, tin tuyệt đối).
- (MR) Ý tưởng tình huống tương lai AI hỗ trợ trẻ em, người lớn hoặc người cao tuổi.
Tình huống mở đầu
Chỉ học sinh mới cần biết AI ư?
Kiến thức
Trẻ em, người lớn, người cao tuổi đều có thể gặp AI.
Phù hợp nhu cầu: ông bà cần nhắc uống thuốc khác em cần luyện nghe.
Không an toàn: đưa thông tin cá nhân; tin máy 100%; dùng quá nhiều làm mất thời gian người thân.
Luyện tập
Viết 1 lời khuyên cho ông/bà và 1 lời khuyên cho chính em.
Vận dụng. Chia sẻ với gia đình: 2 việc không làm khi dùng máy.
Chuyên đề 2 · AI công bằng và minh bạch · 5.B1.1 · 5.B1.2
Hệ thống AI công bằng
Em sẽ học được
- Nêu ví dụ công bằng / không công bằng trong đời sống và khi AI phục vụ con người.
- AI cần phục vụ công bằng, không phân biệt giới tính, vùng miền, điều kiện kinh tế hay hoàn cảnh khác.
Tình huống mở đầu
Chia kẹo lệch và máy “nghe” lệch. Giống nhau chỗ nào?
Kiến thức
Ví dụ đời sống: chia kẹo, chia việc trong nhóm.
Ví dụ AI: nhận giọng thành phố tốt, giọng quê kém; gợi ý việc chỉ cho một giới.
AI cần phục vụ không phân biệt giới tính, vùng miền, điều kiện kinh tế, hoàn cảnh.
Luyện tập
- Máy chỉ giỏi nhận giọng một vùng. Công bằng Không
- Cùng một bài luyện cho mọi bạn, kèm hỗ trợ bạn cần thêm. Công bằng Không
- Bỏ qua bạn không có điện thoại khi giao bài trên app. Công bằng Không
Vận dụng. Kể 1 việc ở lớp thế nào là công bằng với mọi bạn.
B2. Giúp AI công bằng · 5.B2.1
Giúp AI công bằng
Em sẽ học được
- Nêu cách giúp AI công bằng hơn: dữ liệu đa dạng, tránh định kiến, kiểm tra lại kết quả.
- (MR) Đề xuất quy tắc khi thu thập dữ liệu để có bộ dữ liệu đa dạng.
Tình huống mở đầu
Dạy máy nhận “áo mưa” toàn ảnh thành phố thì vùng lũ thế nào?
Kiến thức
Ba cách: dữ liệu đa dạng (nhiều vùng, nhiều hoàn cảnh); tránh định kiến khi gắn nhãn; kiểm tra kết quả với nhóm khác nhau.
Luyện tập
Đề xuất 3 quy tắc thu thập ảnh “áo mưa” (không chụp mặt người).
Vận dụng. Với chủ đề “mũ bảo hiểm”, em sẽ tìm ảnh kiểu gì để đa dạng?
B3. Minh bạch · 5.B3.1
Cần hiểu cách AI suy nghĩ
Em sẽ học được
- Giải thích vì sao con người cần hiểu cách AI đưa ra quyết định, nhằm đảm bảo minh bạch và dễ tin cậy.
Tình huống mở đầu
Máy bảo “không được” mà không nói vì sao?
Kiến thức
Minh bạch là nói được (ở mức phù hợp) máy dựa vào dấu hiệu nào, giới hạn nào.Cần hiểu để: phát hiện sai, không bị máy “bảo sao nghe vậy”, tin cậy đúng mức.
Em chưa cần biết công thức. Em cần hỏi: máy xem gì? đã thử với trường hợp nào?
Luyện tập
Viết 2 câu em sẽ hỏi khi máy đưa kết quả lạ.
Vận dụng. Quan sát 1 công cụ (quảng cáo, gợi ý video) với người lớn: em có biết vì sao nó gợi ý không?
Chuyên đề 3 · Luật nếu–thì và học máy trực quan · 5.C5.1
Thuật toán AI dựa trên luật
Em sẽ học được
- Nêu cách dùng cấu trúc nếu … thì … trong lập trình AI đơn giản.
- (MR) Thực hành cấu trúc nếu–thì (Scratch / robot giáo dục, có giám sát).
Tình huống mở đầu
Luật góc dãy giấy: Nếu cảm biến thấy vật thì dừng.
Kiến thức
Trong lập trình AI đơn giản, nếu điều kiện thì hành động lặp lại nhiều lần.
Ví dụ: Nếu điểm ảnh “xanh nhiều” thì gợi ý “lá”; nếu không thì “không phải lá”. Người đặt ngưỡng, người sửa khi sai.
Luyện tập
| Nếu | thì |
|---|---|
| Cảm biến gần tường | dừng / rẽ |
| Ảnh quá tối | không kết luận |
Vận dụng. Viết 2 luật an toàn cho chatbot lớp: Nếu hỏi địa chỉ nhà thì …
C5. Học máy trực quan · 5.C5.2
Làm quen với công cụ học máy trực quan
Em sẽ học được
- Thực hiện thao tác cơ bản với Teachable Machine, ML for Kids (Scratch) hoặc công cụ tương đương có giám sát.
- (MR) Huấn luyện mô hình phân loại đơn giản (lá khoẻ / lá sâu).
- (MR) Kiểm tra kết quả, chỉ ra trường hợp phân loại sai.
Tình huống mở đầu
Lúa bị sâu — máy nhận thế nào?
Kiến thức
Thao tác: tạo nhóm, đưa mẫu, huấn luyện, thử, ghi nhật kí đúng/sai.
Phân loại sai là bình thường — để em cải tiến dữ liệu ở bài sau.
Luyện tập
Nhật kí 3 ảnh thử: kết quả máy / đúng hay sai / vì sao em nghĩ vậy.
| Ảnh thử | Máy nói | Em nhận xét |
|---|---|---|
| 1 | ||
| 2 | ||
| 3 |
Vận dụng. Không có máy: mô phỏng trên giấy với 6 ảnh vẽ lá.
Chuyên đề 4 · Huấn luyện và cải tiến bằng dữ liệu · 5.D1.1
Quy trình huấn luyện AI
Em sẽ học được
- Mô tả đơn giản bốn bước: xác định vấn đề, thu thập dữ liệu, dạy máy học, kiểm tra và đánh giá kết quả.
- (MR) Thực hành thu thập dữ liệu nhằm huấn luyện mô hình giải quyết vấn đề đơn giản.
Tình huống mở đầu
Muốn máy giúp phân loại rác thì làm gì trước?
Kiến thức
Bốn bước: vấn đề (phân loại rác giấy/nhựa) → dữ liệu (ảnh rõ, nhãn đúng) → dạy máy → kiểm tra với ảnh chưa dùng khi học.
Luyện tập
Điền 4 bước cho việc “nhận mũ bảo hiểm / không phải mũ”.
Vận dụng. Chuẩn bị danh sách ảnh (vẽ) cho một vấn đề em chọn.
D2. Cải tiến bằng dữ liệu · 5.D2.1
Cải tiến hệ thống AI bằng dữ liệu
Em sẽ học được
- Giải thích bằng ví dụ: hệ thống AI có thể được cải tiến và hoạt động tốt hơn khi dữ liệu được bổ sung và cập nhật thường xuyên.
- (MR) Thực hành cải tiến bằng cách bổ sung dữ liệu.
Tình huống mở đầu
Hôm qua máy nhận đúng, hôm nay lá ướt mưa lại nhầm?
Kiến thức
Máy chỉ giỏi những gì đã thấy nhiều trong dữ liệu.
Bổ sung ảnh tình huống mới, sửa nhãn, huấn luyện lại, thử lại.
Cập nhật thường xuyên vì thực tế thay đổi (mùa, thời tiết, loại rác mới).
Luyện tập
Máy nhầm lá ướt. Em sẽ bổ sung loại ảnh nào? Nêu 3 ý.
Vận dụng. Liên hệ: em ôn bài cũng cần bài tập mới, không chỉ bài đã thuộc.
Củng cố năm học
Củng cố: Người kiểm soát, máy hỗ trợ
Em sẽ học được
- Ôn bốn chuyên đề lớp 5.
Tình huống mở đầu
Cả năm lớp 5, ai kiểm soát AI?
Kiến thức
- Máy làm việc lặp, nguy hiểm, cần chính xác — người chịu trách nhiệm cuối cùng; AI không thay vai trò, tư duy, cảm xúc.
- Lợi ích chung: y tế, giáo dục, môi trường. Mọi lứa tuổi dùng an toàn, đúng nhu cầu.
- Công bằng, đa dạng dữ liệu, hiểu cách máy quyết (minh bạch).
- Nếu–thì; học máy trực quan; bốn bước huấn luyện; bổ sung dữ liệu khi sai.
Luyện tập
- Người chịu trách nhiệm cuối cùng. Đ S
- AI thay cô giáo hoàn toàn được. Đ S
- Dữ liệu chỉ một vùng vẫn luôn công bằng. Đ S
- Sai thì bổ sung dữ liệu và thử lại. Đ S
Vận dụng. Viết đoạn 5–7 câu: “Ai kiểm soát AI? Em sẽ dùng AI thế nào ở cấp THCS?”
Cuối năm
Ôn tập lớp 5
Điền hoặc khoanh.
- Người chịu trách nhiệm … cùng về kết quả AI.
- Mục đích AI là … con người, không thay vai trò xã hội.
- Ba lĩnh vực lợi ích chung: y tế, giáo dục, … .
- Mọi lứa tuổi cần dùng AI … toàn, đúng nhu cầu.
- AI công bằng không phân biệt giới, … miền, điều kiện kinh tế.
- Ba cách giúp công bằng: dữ liệu đa dạng, tránh định kiến, … kết quả.
- Minh bạch là hiểu máy … ra quyết định.
- Cấu trúc luật: nếu … thì … .
- Bốn bước huấn luyện: vấn đề — dữ liệu — dạy máy — … .
- Tình huống mới cần … dữ liệu.
Thuật ngữ em đã gặp
- Trách nhiệm cuối cùng
- Người phải giải trình và chịu hậu quả quyết định, dù máy đã gợi ý.
- Lợi ích chung
- Lợi ích của cộng đồng, không chỉ một cá nhân.
- Công bằng
- Không phân biệt giới, vùng miền, điều kiện kinh tế, hoàn cảnh.
- Minh bạch
- Nói được máy dựa vào gì, giới hạn ở đâu, ở mức phù hợp.
- Định kiến
- Suy nghĩ lệch, gắn sẵn nhãn không công bằng.
- Huấn luyện
- Dạy máy từ dữ liệu rồi kiểm tra.
- Cập nhật dữ liệu
- Bổ sung ví dụ mới để máy theo kịp thực tế.