Bài Tập, Đề Thi Trắc Nghiệm Online – Môn Trí Tuệ Nhân Tạo Trong Kinh Doanh – Đề 02

Câu 1: Doanh nghiệp X sử dụng AI để phân tích cảm xúc khách hàng từ phản hồi trực tuyến. Công nghệ AI nào sau đây phù hợp nhất để thực hiện nhiệm vụ này?

• A. Thị giác máy tính (Computer Vision)
• B. Học tăng cường (Reinforcement Learning)
• C. Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP)
• D. Hệ chuyên gia (Expert Systems)

Câu 2: Trong bối cảnh kinh doanh, dữ liệu đóng vai trò trung tâm đối với AI. Phát biểu nào sau đây mô tả đúng nhất mối quan hệ giữa dữ liệu và hiệu quả của hệ thống AI?

• A. Dữ liệu chỉ cần thiết trong giai đoạn đầu phát triển AI, sau đó hệ thống có thể tự hoạt động.
• B. Chất lượng và lượng dữ liệu càng cao, hệ thống AI càng có khả năng học hỏi và hoạt động hiệu quả hơn.
• C. Dữ liệu không ảnh hưởng nhiều đến hiệu quả AI, thuật toán mới là yếu tố quyết định.
• D. Hệ thống AI có thể tự tạo ra dữ liệu cần thiết để hoạt động.

Câu 3: Một công ty thương mại điện tử muốn sử dụng AI để dự đoán sản phẩm nào khách hàng có khả năng mua tiếp theo. Kỹ thuật học máy nào sau đây phù hợp nhất cho mục tiêu này?

• A. Phân cụm (Clustering)
• B. Giảm chiều dữ liệu (Dimensionality Reduction)
• C. Phân tích thành phần chính (Principal Component Analysis - PCA)
• D. Hệ thống khuyến nghị (Recommendation Systems)

Câu 4: Mô hình AI trong kinh doanh thường được đánh giá dựa trên nhiều chỉ số. Chỉ số "Độ chính xác" (Accuracy) cho biết điều gì về hiệu suất của mô hình phân loại?

• A. Tỷ lệ các dự đoán đúng trên tổng số dự đoán.
• B. Tỷ lệ các trường hợp dương tính thực tế được dự đoán đúng.
• C. Tỷ lệ các trường hợp âm tính thực tế bị dự đoán sai thành dương tính.
• D. Khả năng mô hình khái quát hóa tốt trên dữ liệu mới.

Câu 5: Trong quá trình phát triển một chatbot AI cho dịch vụ khách hàng, giai đoạn "Huấn luyện" (Training) đóng vai trò gì?

• A. Thiết kế giao diện người dùng cho chatbot.
• B. Cung cấp dữ liệu để chatbot học cách tương tác và phản hồi.
• C. Kiểm thử hiệu suất của chatbot sau khi triển khai.
• D. Xác định mục tiêu và phạm vi ứng dụng của chatbot.

Câu 6: Một doanh nghiệp muốn tự động hóa quy trình kiểm tra chất lượng sản phẩm trên dây chuyền sản xuất. Ứng dụng AI nào sau đây có thể được sử dụng để phát hiện lỗi sản phẩm thông qua hình ảnh?

• A. Thị giác máy tính (Computer Vision)
• B. Học sâu (Deep Learning)
• C. Hệ thống suy luận (Inference Systems)
• D. Khai phá dữ liệu (Data Mining)

Câu 7: Thuật toán học máy "Cây quyết định" (Decision Tree) hoạt động dựa trên nguyên tắc nào?

• A. Tìm kiếm gradient để tối ưu hóa hàm mất mát.
• B. Phân tích thống kê để tìm ra mối tương quan giữa các biến.
• C. Phân chia dữ liệu dựa trên các thuộc tính để đưa ra quyết định.
• D. Mô phỏng mạng lưới thần kinh sinh học để học các mẫu phức tạp.

Câu 8: Trong ngữ cảnh AI, "Mô hình hộp đen" (Black Box Model) đề cập đến điều gì?

• A. Mô hình AI được bảo mật cao và không thể truy cập.
• B. Mô hình AI mà quá trình ra quyết định bên trong khó giải thích.
• C. Mô hình AI chỉ hoạt động trong môi trường kiểm soát.
• D. Mô hình AI sử dụng dữ liệu mã hóa.

Câu 9: "Đạo đức AI" (AI Ethics) trở nên quan trọng trong kinh doanh vì lý do nào sau đây?

• A. Để tuân thủ các quy định pháp lý mới về công nghệ.
• B. Để tăng cường hiệu suất và độ chính xác của hệ thống AI.
• C. Để giảm chi phí phát triển và triển khai hệ thống AI.
• D. Để đảm bảo AI được sử dụng một cách có trách nhiệm và tránh tác động tiêu cực đến xã hội.

Câu 10: Công nghệ "Học sâu" (Deep Learning) khác biệt so với "Học máy" truyền thống như thế nào?

• A. Học sâu chỉ áp dụng cho dữ liệu phi cấu trúc như hình ảnh và văn bản.
• B. Học sâu có thể tự động học các đặc trưng phức tạp từ dữ liệu, trong khi học máy truyền thống thường cần Feature engineering thủ công.
• C. Học sâu luôn cho độ chính xác cao hơn học máy trong mọi bài toán.
• D. Học sâu dễ dàng giải thích kết quả hơn so với học máy truyền thống.

Câu 11: Trong dự án AI, vai trò của "Chuyên gia miền" (Domain Expert) là gì?

• A. Viết mã lập trình cho hệ thống AI.
• B. Quản lý cơ sở hạ tầng phần cứng cho AI.
• C. Cung cấp kiến thức chuyên môn về lĩnh vực kinh doanh và nghiệp vụ.
• D. Đảm bảo tính bảo mật cho dữ liệu AI.

Câu 12: "Học không giám sát" (Unsupervised Learning) khác biệt với "Học có giám sát" (Supervised Learning) ở điểm nào?

• A. Học không giám sát sử dụng dữ liệu không có nhãn, trong khi học có giám sát sử dụng dữ liệu có nhãn.
• B. Học không giám sát luôn cho kết quả chính xác hơn học có giám sát.
• C. Học không giám sát chỉ áp dụng cho bài toán phân cụm, còn học có giám sát cho bài toán phân loại.
• D. Học không giám sát đòi hỏi nhiều dữ liệu hơn học có giám sát.

Câu 13: Một công ty muốn sử dụng AI để phân khúc khách hàng thành các nhóm khác nhau dựa trên hành vi mua sắm. Kỹ thuật học máy nào sau đây phù hợp nhất?

• A. Hồi quy (Regression)
• B. Phân cụm (Clustering)
• C. Phân loại (Classification)
• D. Giảm chiều dữ liệu (Dimensionality Reduction)

Câu 14: "Độ đo F1" (F1-score) là gì và khi nào nó hữu ích hơn so với "Độ chính xác" (Accuracy) trong đánh giá mô hình AI?

• A. Độ đo F1 là tỷ lệ dự đoán đúng trên tổng số dự đoán, giống như Độ chính xác.
• B. Độ đo F1 chỉ phù hợp cho bài toán hồi quy, không dùng cho phân loại.
• C. Độ đo F1 luôn thấp hơn Độ chính xác.
• D. Độ đo F1 hữu ích hơn khi dữ liệu phân lớp bị mất cân bằng, vì nó cân bằng giữa Precision và Recall.

Câu 15: Doanh nghiệp nên xem xét yếu tố nào đầu tiên khi quyết định ứng dụng AI vào một quy trình kinh doanh?

• A. Lựa chọn công nghệ AI tiên tiến nhất.
• B. Thuê đội ngũ chuyên gia AI giỏi nhất.
• C. Xác định rõ vấn đề kinh doanh cần giải quyết và mục tiêu ứng dụng AI.
• D. Chuẩn bị cơ sở hạ tầng công nghệ thông tin mạnh mẽ.

Câu 16: Trong chatbot AI, "Intent" (Ý định) được hiểu là gì?

• A. Đoạn mã lập trình điều khiển chatbot.
• B. Mục đích hoặc mong muốn của người dùng khi tương tác với chatbot.
• C. Giao diện người dùng của chatbot.
• D. Cơ sở dữ liệu chứa thông tin chatbot sử dụng.

Câu 17: "Overfitting" (Quá khớp) là một vấn đề thường gặp trong học máy. Nó xảy ra khi nào?

• A. Mô hình không đủ dữ liệu để học.
• B. Mô hình quá đơn giản và không thể nắm bắt được các mẫu phức tạp.
• C. Dữ liệu huấn luyện bị lỗi hoặc nhiễu.
• D. Mô hình học quá tốt dữ liệu huấn luyện, bao gồm cả nhiễu, dẫn đến kém khái quát hóa trên dữ liệu mới.

Câu 18: "Explainable AI" (XAI - AI có thể giải thích được) có ý nghĩa gì trong bối cảnh kinh doanh?

• A. AI có khả năng giải thích logic đưa ra quyết định cho người dùng.
• B. AI có khả năng tự động tạo báo cáo giải thích kết quả.
• C. AI có khả năng giao tiếp với người dùng bằng ngôn ngữ tự nhiên.
• D. AI có khả năng tự động sửa lỗi và cải thiện hiệu suất.

Câu 19: Ứng dụng AI trong quản lý chuỗi cung ứng có thể mang lại lợi ích nào sau đây?

• A. Tăng chi phí vận hành chuỗi cung ứng.
• B. Tối ưu hóa quản lý hàng tồn kho và dự báo nhu cầu chính xác hơn.
• C. Giảm sự linh hoạt và khả năng thích ứng của chuỗi cung ứng.
• D. Tăng sự phụ thuộc vào lao động thủ công trong chuỗi cung ứng.

Câu 20: "Reinforcement Learning" (Học tăng cường) hoạt động dựa trên cơ chế nào?

• A. Học từ dữ liệu được gán nhãn sẵn.
• B. Phân cụm dữ liệu dựa trên đặc điểm tương đồng.
• C. Học thông qua tương tác với môi trường và tối đa hóa phần thưởng.
• D. Mô phỏng quá trình suy luận của con người.

Câu 21: Trong lĩnh vực marketing, AI có thể được ứng dụng để cá nhân hóa trải nghiệm khách hàng như thế nào?

• A. Tự động hóa hoàn toàn các chiến dịch marketing mà không cần sự can thiệp của con người.
• B. Giảm chi phí marketing bằng cách loại bỏ các kênh truyền thống.
• C. Tăng cường khả năng sáng tạo trong nội dung marketing.
• D. Phân tích dữ liệu khách hàng để cung cấp nội dung, sản phẩm và ưu đãi phù hợp với từng cá nhân.

Câu 22: "Bias" (Thiên vị) trong dữ liệu huấn luyện AI có thể dẫn đến hậu quả gì?

• A. Mô hình AI hoạt động kém hiệu quả trên mọi loại dữ liệu.
• B. Mô hình AI đưa ra các quyết định không công bằng hoặc phân biệt đối xử với một số nhóm người.
• C. Mô hình AI chỉ hoạt động tốt trên dữ liệu huấn luyện, không khái quát hóa được.
• D. Mô hình AI khó giải thích và kiểm soát hơn.

Câu 23: "Data augmentation" (Tăng cường dữ liệu) là kỹ thuật được sử dụng để làm gì trong học máy?

• A. Giảm kích thước dữ liệu huấn luyện để tăng tốc độ học.
• B. Làm sạch dữ liệu huấn luyện bằng cách loại bỏ nhiễu.
• C. Tăng sự đa dạng của dữ liệu huấn luyện để cải thiện hiệu suất mô hình.
• D. Mã hóa dữ liệu huấn luyện để bảo vệ quyền riêng tư.

Câu 24: Mô hình "Mạng nơ-ron tích chập" (Convolutional Neural Network - CNN) đặc biệt hiệu quả trong lĩnh vực nào?

• A. Thị giác máy tính (Computer Vision) và xử lý ảnh.
• B. Xử lý ngôn ngữ tự nhiên (Natural Language Processing).
• C. Dự báo chuỗi thời gian.
• D. Hệ thống khuyến nghị.

Câu 25: Trong ngữ cảnh AI cho kinh doanh, "Feature engineering" (Kỹ thuật đặc trưng) là quá trình nào?

• A. Quá trình lựa chọn thuật toán học máy phù hợp nhất.
• B. Quá trình lựa chọn, biến đổi và tạo ra các đặc trưng phù hợp từ dữ liệu thô.
• C. Quá trình đánh giá và kiểm thử mô hình học máy.
• D. Quá trình triển khai và vận hành hệ thống AI.

Câu 26: "AI General" (AI tổng quát) khác biệt với "AI Narrow" (AI chuyên biệt/hẹp) như thế nào?

• A. AI tổng quát có khả năng học hỏi nhanh hơn AI chuyên biệt.
• B. AI tổng quát luôn cho kết quả chính xác hơn AI chuyên biệt.
• C. AI tổng quát có khả năng thực hiện nhiều loại nhiệm vụ khác nhau, trong khi AI chuyên biệt chỉ tập trung vào một nhiệm vụ cụ thể.
• D. AI tổng quát dễ dàng triển khai và ứng dụng hơn AI chuyên biệt.

Câu 27: Rủi ro đạo đức nào có thể phát sinh khi sử dụng AI trong tuyển dụng nhân sự?

• A. Giảm hiệu quả và tốc độ của quy trình tuyển dụng.
• B. Tăng chi phí tuyển dụng do sử dụng công nghệ AI.
• C. Khó khăn trong việc đánh giá kỹ năng mềm của ứng viên.
• D. Phân biệt đối xử không công bằng dựa trên các đặc điểm nhạy cảm của ứng viên.

Câu 28: "Mô hình hóa chủ đề" (Topic Modeling) là một ứng dụng của học máy trong lĩnh vực nào?

• A. Thị giác máy tính (Computer Vision).
• B. Xử lý ngôn ngữ tự nhiên (Natural Language Processing) và phân tích văn bản.
• C. Dự báo chuỗi thời gian và phân tích tài chính.
• D. Hệ thống khuyến nghị và marketing cá nhân hóa.

Câu 29: Trong phát triển AI, "Vòng lặp phản hồi" (Feedback loop) có vai trò gì trong việc cải thiện mô hình?

• A. Giảm chi phí phát triển và triển khai mô hình AI.
• B. Đảm bảo tính bảo mật cho mô hình AI.
• C. Thu thập thông tin để liên tục cải thiện và tinh chỉnh mô hình AI theo thời gian.
• D. Tăng tốc độ xử lý dữ liệu của mô hình AI.

Câu 30: Để đánh giá hiệu quả của một mô hình phân loại nhị phân (ví dụ: dự đoán khách hàng có rời bỏ dịch vụ hay không), chỉ số nào sau đây cung cấp thông tin về tỷ lệ dương tính thực tế được dự đoán chính xác?

• A. Precision (Độ chính xác)
• B. Recall (Độ phủ)
• C. Accuracy (Độ chính xác tổng thể)
• D. F1-score (Điểm F1)