Bài tập: Chương 2: Trí tuệ nhân tạo cơ bản

Giới thiệu bài tập Chương 2: Trí tuệ nhân tạo cơ bản

Chào các em! Sau khi đã tìm hiểu những kiến thức nền tảng về Trí tuệ nhân tạo (AI) trong Chương 2, hôm nay chúng ta sẽ cùng nhau ôn tập và củng cố lại bài học thông qua các bài tập thực hành. Bài tập này sẽ giúp các em hiểu rõ hơn về các khái niệm cốt lõi như học máy, mạng nơ-ron, xử lý ngôn ngữ tự nhiên và ứng dụng của AI trong đời sống. Chúng ta sẽ đi từ những câu hỏi lý thuyết đến các bài tập tình huống có hướng dẫn giải chi tiết.

Lý thuyết trọng tâm cần nhớ

Trước khi làm bài tập, các em hãy cùng điểm lại một số kiến thức quan trọng:

• 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, ví dụ: học tập, lập luận, nhận diện hình ảnh, hiểu ngôn ngữ.
• Học máy (Machine Learning): Một nhánh của AI, cho phép máy tính tự học từ dữ liệu mà không cần lập trình cụ thể cho từng tình huống. Các kiểu học chính: học có giám sát, học không giám sát, học tăng cường.
• Mạng nơ-ron nhân tạo: Là mô hình lấy cảm hứng từ bộ não con người, gồm nhiều lớp kết nối với nhau để xử lý thông tin phức tạp.
• Xử lý ngôn ngữ tự nhiên (NLP): Giúp máy tính hiểu, diễn giải và sinh ra ngôn ngữ con người. Ví dụ: chatbot, dịch máy.

Bài tập có hướng dẫn giải

Bài tập 1: Phân loại ứng dụng AI

Đề bài: Trong các ứng dụng sau đây, ứng dụng nào thuộc lĩnh vực Xử lý ngôn ngữ tự nhiên? Giải thích ngắn gọn.

1. A. Ứng dụng nhận diện khuôn mặt trên điện thoại.
2. B. Ứng dụng Google Dịch (Google Translate).
3. C. Ứng dụng đề xuất sản phẩm trên Shopee.
4. D. Ứng dụng xe tự lái của Tesla.

Hướng dẫn giải:

• Đáp án đúng: B. Ứng dụng Google Dịch (Google Translate).
• Giải thích: Google Dịch là một ứng dụng điển hình của Xử lý ngôn ngữ tự nhiên. Nó có nhiệm vụ hiểu văn bản đầu vào bằng một ngôn ngữ (ví dụ: tiếng Anh), phân tích cấu trúc ngữ pháp, từ vựng, sau đó sinh ra văn bản tương ứng bằng ngôn ngữ khác (ví dụ: tiếng Việt).
• Các lựa chọn còn lại:
  • A: Nhận diện khuôn mặt thuộc lĩnh vực Thị giác máy tính.
  • C: Đề xuất sản phẩm thuộc lĩnh vực Học máy (hệ thống gợi ý).
  • D: Xe tự lái kết hợp nhiều lĩnh vực: Thị giác máy tính, Học máy, nhưng không phải chủ yếu là NLP.

Bài tập 2: Hiểu về học máy có giám sát

Đề bài: Một công ty muốn xây dựng hệ thống tự động phân loại email là “Thư rác” (spam) hay “Không phải thư rác” (non-spam). Họ đã thu thập 10.000 email mẫu, mỗi email đã được gắn nhãn “spam” hoặc “non-spam” bởi con người. Hệ thống sẽ học từ dữ liệu này để tự động phân loại các email mới.

1. Hệ thống này sử dụng loại học máy nào? (Học có giám sát, học không giám sát hay học tăng cường?)
2. Hãy nêu tên hai thuật toán học máy có thể áp dụng cho bài toán này.

Hướng dẫn giải:

• Câu 1: Đây là Học có giám sát. Vì dữ liệu đầu vào (các email) đã được gắn nhãn chính xác (spam/non-spam). Máy tính sẽ “học” mối quan hệ giữa nội dung email và nhãn tương ứng.
• Câu 2: Hai thuật toán phổ biến:
  • Naive Bayes: Dựa trên xác suất, hoạt động tốt với văn bản.
  • Support Vector Machine (SVM): Tìm ranh giới phân chia tốt nhất giữa hai lớp (spam và non-spam).

Bài tập 3: Mạng nơ-ron nhân tạo cơ bản

Đề bài: Một mạng nơ-ron nhân tạo có 3 lớp: lớp đầu vào có 4 nơ-ron, lớp ẩn có 5 nơ-ron, lớp đầu ra có 2 nơ-ron. Hãy cho biết:

1. Mạng này có bao nhiêu lớp liên kết (trọng số) giữa các lớp?
2. Số lượng tham số (trọng số) cần huấn luyện giữa lớp đầu vào và lớp ẩn là bao nhiêu?

Hướng dẫn giải:

• Câu 1: Mạng có 2 lớp liên kết.
  • Lớp liên kết thứ nhất: giữa lớp đầu vào (4 nơ-ron) và lớp ẩn (5 nơ-ron).
  • Lớp liên kết thứ hai: giữa lớp ẩn (5 nơ-ron) và lớp đầu ra (2 nơ-ron).
• Câu 2: Số tham số (trọng số) giữa lớp đầu vào và lớp ẩn = số nơ-ron đầu vào × số nơ-ron ẩn = 4 × 5 = 20 trọng số. Ngoài ra, còn có thêm 5 hệ số bias (mỗi nơ-ron ẩn có một bias), nhưng đề bài chỉ yêu cầu tính trọng số.

Bài tập 4: Phân biệt AI hẹp và AI tổng quát

Đề bài: Cho các ví dụ sau: (1) Chatbot hỗ trợ khách hàng của ngân hàng; (2) Một robot có thể tự học cách nấu ăn, sửa xe và chơi nhạc giống con người; (3) Phần mềm nhận dạng chữ viết tay. Hãy xếp chúng vào loại AI phù hợp (AI hẹp hay AI tổng quát) và giải thích.

Hướng dẫn giải:

• (1) Chatbot hỗ trợ khách hàng: AI hẹp. Vì nó chỉ giỏi trong một nhiệm vụ duy nhất (trả lời câu hỏi về ngân hàng), không thể tự động làm việc khác.
• (2) Robot đa năng: AI tổng quát. Vì nó có thể thực hiện nhiều nhiệm vụ khác nhau một cách thông minh, linh hoạt như con người. (Lưu ý: AI tổng quát hiện vẫn đang trong giai đoạn nghiên cứu.)
• (3) Phần mềm nhận dạng chữ viết tay: AI hẹp. Vì nó chỉ chuyên biệt cho việc nhận dạng ký tự, không thể làm việc khác như viết văn hay dịch thuật.

Ghi nhớ

• AI hẹp (ANI) chiếm 99% ứng dụng hiện tại, chỉ thực hiện tốt một tác vụ cụ thể.
• AI tổng quát (AGI) là mục tiêu tương lai, có trí thông minh ngang con người.
• Học máy có giám sát cần dữ liệu gắn nhãn; học không giám sát tự tìm cấu trúc trong dữ liệu không nhãn.
• Khi làm bài tập phân loại, hãy tự hỏi: “Dữ liệu này có nhãn không?” → Nếu có, đó là học có giám sát.

Bài tập gợi ý tự luyện

Các em hãy thử sức với các bài tập sau để nắm vững hơn nhé:

1. Một ứng dụng nghe nhạc gợi ý các bài hát dựa trên lịch sử nghe của bạn. Đây là loại học máy nào? Giải thích.
2. Hãy so sánh sự khác nhau giữa mạng nơ-ron nhân tạo và một chương trình máy tính thông thường (ví dụ: tính tổng hai số).
3. Kể tên 3 ứng dụng AI trong lĩnh vực y tế mà em biết.
4. Cho một bài toán nhận diện ảnh gồm 3 loại: mèo, chó, chim. Lớp đầu ra của mạng nơ-ron cần có bao nhiêu nơ-ron?

Chúc các em học tốt và luôn tò mò khám phá thế giới Trí tuệ nhân tạo!