Bài tập: Luyện tập: Trí tuệ nhân tạo cơ bản

Bài tập: Luyện tập: Trí tuệ nhân tạo cơ bản

Giới thiệu

Trong bài học này, các em sẽ ôn tập và củng cố kiến thức về Trí tuệ nhân tạo (AI) thông qua các bài tập có hướng dẫn giải chi tiết. Mục tiêu là giúp các em nắm vững các khái niệm cốt lõi như học máy, mạng nơ-ron, xử lý ngôn ngữ tự nhiên, thị giác máy tính và ứng dụng của AI trong đời sống. Các bài tập được thiết kế từ cơ bản đến nâng cao, phù hợp với chương trình Tin học lớp 12 theo sách Chân trời sáng tạo.

Lý thuyết trọng tâm cần nhớ

Trước khi làm bài tập, các em hãy ghi nhớ một số nội dung chính sau:

• Trí tuệ nhân tạo (AI): Là lĩnh vực khoa học máy tính nhằm tạo ra các hệ thống có khả năng thực hiện các nhiệm vụ thông minh như con người.
• Học máy (Machine Learning): Một nhánh của AI, cho phép máy tính học từ dữ liệu mà không cần lập trình cụ thể. Có ba loại chính: học có giám sát, học không giám sát và học tăng cường.
• Mạng nơ-ron nhân tạo: Mô hình lấy cảm hứng từ não bộ con người, gồm nhiều lớp nơ-ron kết nối với nhau. Học sâu (Deep Learning) là mạng nơ-ron nhiều lớp.
• Xử lý ngôn ngữ tự nhiên (NLP): Cho phép máy tính hiểu, diễn giải và tạo ra ngôn ngữ con người.
• Thị giác máy tính: Giúp máy tính "nhìn" và hiểu hình ảnh, video.

Bài tập có hướng dẫn giải

Bài tập 1: Nhận diện khái niệm

Đề bài: Hãy ghép các thuật ngữ ở cột A với định nghĩa phù hợp ở cột B.

• Cột A: 1. Học có giám sát, 2. Học không giám sát, 3. Học tăng cường
• Cột B: a. Máy tính tự tìm kiếm cấu trúc ẩn trong dữ liệu không có nhãn. b. Máy tính học từ các phần thưởng hoặc hình phạt dựa trên hành động. c. Máy tính học từ dữ liệu đã được gắn nhãn để dự đoán đầu ra.

Hướng dẫn giải:

1. Học có giám sát (1) tương ứng với (c): Máy tính được cung cấp dữ liệu đầu vào và đầu ra mẫu, sau đó học cách ánh xạ từ đầu vào sang đầu ra. Ví dụ: phân loại email là spam hay không spam.
2. Học không giám sát (2) tương ứng với (a): Máy tính không có nhãn, phải tự tìm ra các nhóm hoặc mẫu. Ví dụ: phân nhóm khách hàng theo hành vi mua sắm.
3. Học tăng cường (3) tương ứng với (b): Máy tính tương tác với môi trường, nhận phản hồi (thưởng/phạt) để tối ưu hành động. Ví dụ: chương trình chơi cờ vua tự cải thiện qua các ván đấu.

Bài tập 2: Xác định loại học máy

Đề bài: Một ứng dụng được huấn luyện để dự đoán giá nhà dựa trên các đặc điểm như diện tích, số phòng ngủ, vị trí. Tập dữ liệu huấn luyện bao gồm giá nhà đã biết trước. Đây là loại học máy nào? Giải thích.

Hướng dẫn giải: Đây là học có giám sát, cụ thể là bài toán hồi quy. Giải thích: Vì dữ liệu huấn luyện có nhãn là giá nhà (giá trị thực tế đã biết). Máy tính học từ các cặp (đặc điểm, giá nhà) để dự đoán giá cho những ngôi nhà mới. Nếu giá nhà được phân loại thành "đắt" hoặc "rẻ" thì đó là phân loại, nhưng ở đây ta dự đoán một con số cụ thể nên là hồi quy.

Bài tập 3: Tìm hiểu về mạng nơ-ron

Đề bài: Trong một mạng nơ-ron nhân tạo, tại sao cần có các lớp ẩn? Cho ví dụ minh họa.

Hướng dẫn giải: Các lớp ẩn cho phép mạng nơ-ron học được các đặc trưng phức tạp từ dữ liệu. Nếu chỉ có lớp đầu vào và lớp đầu ra (gọi là perceptron), mạng chỉ có thể giải quyết các bài toán tuyến tính, không thể nhận diện hình ảnh hay âm thanh phức tạp.

Ví dụ: Để nhận diện chữ số viết tay, lớp ẩn thứ nhất có thể học các nét cơ bản (đường thẳng, đường cong). Lớp ẩn thứ hai kết hợp các nét đó thành hình dạng (vòng tròn, góc). Lớp đầu ra tổng hợp lại để nhận ra chữ số (0, 1, 2...). Nhiều lớp ẩn càng sâu (học sâu) càng giúp mô hình chính xác nhưng cần nhiều dữ liệu và thời gian huấn luyện.

Bài tập 4: Ứng dụng AI thực tế

Đề bài: Em hãy kể tên ít nhất hai ứng dụng của AI trong lĩnh vực y tế và giải thích ngắn gọn.

Hướng dẫn giải:

1. Chẩn đoán bệnh qua hình ảnh y khoa: AI (thị giác máy tính) được huấn luyện trên hàng nghìn hình ảnh X-quang, CT scan để phát hiện khối u, bệnh phổi, hay ung thư vú sớm với độ chính xác cao, hỗ trợ bác sĩ đưa ra quyết định nhanh hơn.
2. Phát triển thuốc: AI (học máy) phân tích cấu trúc phân tử, dự đoán tác dụng của thuốc, từ đó rút ngắn thời gian và chi phí tìm kiếm thuốc mới, ví dụ như vaccine COVID-19 được hỗ trợ bởi AI trong giai đoạn nghiên cứu.

Bài tập 5: Phân biệt NLP và thị giác máy tính

Đề bài: Một chatbot trả lời câu hỏi của khách hàng và một hệ thống nhận diện khuôn mặt để mở khóa điện thoại. Hai ứng dụng này thuộc lĩnh vực nào của AI? Nêu điểm khác biệt chính.

Hướng dẫn giải:

• Chatbot thuộc Xử lý ngôn ngữ tự nhiên (NLP): vì nó xử lý văn bản, hiểu ý nghĩa câu hỏi và tạo ra câu trả lời.
• Hệ thống nhận diện khuôn mặt thuộc Thị giác máy tính: vì nó xử lý dữ liệu hình ảnh (khuôn mặt) để nhận dạng.

Điểm khác biệt: NLP làm việc với ngôn ngữ (chữ, âm thanh), còn thị giác máy tính làm việc với hình ảnh, video. Đầu vào và cách mô hình "hiểu" dữ liệu hoàn toàn khác nhau.

Ghi nhớ

• AI là công nghệ nền tảng, học máy là phương pháp quan trọng để xây dựng AI.
• Học có giám sát cần dữ liệu có nhãn, học không giám sát dùng dữ liệu không nhãn, học tăng cường học qua tương tác.
• Mạng nơ-ron nhiều lớp là cốt lõi của học sâu, giúp giải quyết các bài toán phức tạp.
• NLP và thị giác máy tính là hai ứng dụng phổ biến của AI trong đời sống.
• Việc luyện tập giải bài tập giúp các em hiểu sâu hơn và vận dụng kiến thức vào thực tế.

Bài tập gợi ý tự luyện

1. Hãy tìm một ứng dụng AI trong lĩnh vực giáo dục mà em biết và phân tích xem nó sử dụng loại học máy nào.
2. Giải thích tại sao để xây dựng một mô hình phân loại ảnh chó và mèo, chúng ta cần rất nhiều ảnh có nhãn. Nếu thiếu dữ liệu, em có thể làm gì?
3. Vẽ sơ đồ đơn giản một mạng nơ-ron gồm 1 lớp đầu vào (3 nơ-ron), 1 lớp ẩn (4 nơ-ron) và 1 lớp đầu ra (2 nơ-ron). Đặt tên cho bài toán mà mạng này có thể giải quyết (ví dụ: phân loại hoa).
4. So sánh sự giống và khác nhau giữa học có giám sát và học tăng cường. Cho ví dụ cụ thể cho mỗi loại.
5. Em nghĩ AI có thể thay thế hoàn toàn con người trong công việc chẩn đoán bệnh không? Vì sao?