Sinh viên ngành Trí tuệ Nhân tạo
Trường Đại học Công nghệ · ĐHQG Hà Nội · MSSV: 25022777
Xem Dự Án ↓Tôi là Trần Đức Anh, sinh viên năm nhất ngành Trí tuệ Nhân tạo tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.
Tôi có niềm đam mê với Machine Learning, Deep Learning và các ứng dụng AI trong thực tế. Tôi tin rằng AI là người đồng hành giúp con người tư duy tốt hơn, chứ không phải thay thế con người.
Qua 6 bài tập trong môn Nhập môn Công nghệ số & Ứng dụng AI, điều tôi nhận được không chỉ là kỹ năng công nghệ số mà là một tư duy hoàn toàn mới về cách sử dụng công nghệ có trách nhiệm. Tôi nhận ra rằng:
Người dùng AI thông minh là người biết kiểm tra, kiểm soát và chịu trách nhiệm cho kết quả đầu ra, không phải người hỏi nhiều nhất.
Tiếp tục học tập sử dụng nhiều công cụ công nghệ số hơn để làm chủ công nghệ
Xây dựng mô hình Machine Learning đầu tiên từ đầu khi học đủ các môn Toán nền tảng
Tham gia cuộc thi lập trình và nghiên cứu khoa học để ứng dụng AI vào giải quyết thuật toán
Nhấn tổ hợp phím Windows + E hoặc nhấp biểu tượng thư mục màu vàng trên thanh tác vụ.
Đi tới ổ D: hoặc E:. Nếu chỉ có ổ C: thì vào thư mục Documents.
Chuột phải khoảng trống → New → Folder. Đặt tên ThucHanh_TranDucAnh. Nhấn Enter.
Nhấp đúp vào thư mục ThucHanh_TranDucAnh để mở nó.
Chuột phải vào khoảng trống → New → Text Document. Đặt tên GhiChu.txt. Nhấn Enter.
Chuột phải vào GhiChu.txt → Rename → đổi thành GhiChuQuanTrong.txt. Nhấn Enter.
Chuột phải khoảng trống → New → Folder. Đặt tên TaiLieu.
Chuột phải vào GhiChuQuanTrong.txt → Copy (hoặc Ctrl+C). Vào thư mục TaiLieu → Paste (Ctrl+V).
Tạo tệp DiChuyen.txt mới. Chuột phải → Cut (Ctrl+X). Vào TaiLieu, Paste (Ctrl+V).
Chuột phải tệp → Delete. Tệp chuyển vào Recycle Bin.
Chọn tệp trong Recycle Bin, giữ Shift + Delete. Xác nhận → tệp bị xóa hoàn toàn.
Mở Recycle Bin → tìm GhiChuQuanTrong.txt → chuột phải → Restore để khôi phục.
ThucHanh_TranDucAnh/ ├── GhiChuQuanTrong.txt ← khôi phục từ Thùng rác └── TaiLieu/ ├── GhiChuQuanTrong.txt ← bản sao (Copy) └── DiChuyen.txt ← đã di chuyển (Cut)
_ hoặc gạch ngang -YYYYMMDD_TenFile.extBT_ bài tập · BC_ báo cáo · TL_ tài liệu20260413_BC_Tuan4_TranDucAnh.docxTrong thập kỷ qua, AI đã mở ra những cuộc cách mạng trên hầu hết các lĩnh vực từ y tế, tài chính, đến giao thông và giải trí. Lượng thông tin về Deep Learning trên internet là khổng lồ, nhưng không phải nguồn nào cũng đảm bảo tính chính xác kỹ thuật. Đối với sinh viên ngành Trí tuệ nhân tạo, việc phân biệt được nguồn tin học thuật đáng tin cậy là kỹ năng then chốt.
| STT | Tài liệu | Cơ quan | Phương pháp | Trích dẫn | Cập nhật | Độ tin cậy |
|---|---|---|---|---|---|---|
| 1 | LeCun et al. (2015) | Nature | Tổng hợp lý thuyết | Cao | Cao | Cao |
| 2 | Silver et al. (2016) | Nature | Thực nghiệm đối chứng | Cao | Cao | Cao |
| 3 | Vaswani et al. (2017) | NeurIPS | Phản biện hội nghị | Cao | Cao | Cao |
| 4 | Krizhevsky et al. (2012) | ACM | Thực nghiệm quy mô lớn | Cao | Cao | Cao |
| 5 | Jumper et al. (2021) | Nature | Nghiên cứu liên ngành | Cao | Cao | Cao |
| 6 | Goodfellow et al. (2016) | MIT Press | Hệ thống hóa toán học | Cao | Cao | Cao |
| 7 | Russell & Norvig (2020) | Pearson | Tổng hợp đa ngành | Cao | Cao | Cao |
| 8 | Deng & Yu (2014) | Now Publishers | Phân tích so sánh | TB | TB | Trung bình |
| 9 | Stanford HAI (2024) | ĐH Stanford | Thống kê thứ cấp | TB | Cao | Khá cao |
| 10 | NVIDIA Blog (2024) | NVIDIA Corp. | Báo cáo kỹ thuật | Thấp | Cao | Khá |
Tóm tắt bài báo 'Attention Is All You Need' cho tôi.
Tóm tắt theo 3 phần: 1. Vấn đề mô hình cũ; 2. Self-Attention; 3. Kết quả thực nghiệm. Viết gạch đầu dòng.
Bạn là nhà nghiên cứu AI cao cấp. Phân tích: 1) Đóng góp cho NLP; 2) Multi-Head Attention theo góc nhìn hình học; 3) Tại sao là nền tảng cho GPT-4? Ngôn ngữ học thuật nhưng dễ hiểu cho người mới.
Nhận xét: Prompt nâng cao cho câu trả lời vừa có góc nhìn toán học lý thuyết, vừa dễ tiếp cận, bố cục mạch lạc hơn hẳn 2 phiên bản trước.
Giải thích công thức cơ bản của chuyển động quay và Momen lực là gì?
Giải thích CĐQVR trong VLĐC 1: 1) Bảng so sánh đại lượng thẳng–quay; 2) Momen lực; 3) Ví dụ tính Momen quán tính.
Bạn là giảng viên Vật lý UET. Dạy theo phương pháp tương tự: So sánh F=ma với τ=Iα; ý nghĩa Momen lực qua "đẩy cánh cửa"; Định lý trục song song; Bài toán ròng rọc mẫu. Dùng LaTeX.
Nhận xét: Prompt nâng cao chia phần rõ ràng, mạch lạc và có thể đưa ra ví dụ thực tế như giảng viên thực thụ.
Tạo cho tôi 5 câu hỏi ôn thi Giải tích 2 về phần Tích phân bội.
Tạo 10 câu trắc nghiệm 3 mức: Dễ (4), Trung bình (4), Khó (2). Kèm đáp án cuối.
Bạn là trợ giảng GT2 UET. Quy trình tương tác: 1) Đưa câu hỏi; 2) Đợi tôi trả lời; 3) Phân tích lỗi sai → đưa câu tiếp. Bắt đầu với tích phân đường loại 2.
Nhận xét: Prompt nâng cao không chỉ tạo câu hỏi chất lượng mà còn có tính tương tác cao, đem lại hiệu quả học tập vượt trội.
Dự án: Bài tập nhóm môn Công nghệ số và ứng dụng AI – Nhóm 13
Sinh viên: Trần Đức Anh · MSSV: 25022777
Vai trò: Quản lý thành viên · Xây dựng nhiệm vụ · Hỗ trợ kịch bản
1. Trello – Quản lý dự án
2. Google Docs – Soạn thảo cộng tác
3. Google Drive – Lưu trữ và chia sẻ tệp
4. Zalo – Giao tiếp nhóm
Thách thức 1 – Kỹ thuật: Nhiều người chỉnh sửa cùng lúc gây lỗi ghi đè trên Google Docs.
→ Giải pháp: Dùng Version Control + Comment để chỉ một người chỉnh sửa trực tiếp tại một thời điểm.
Thách thức 2 – Tương tác nhóm: Chậm phản hồi trên Zalo.
→ Giải pháp: Dùng @mention, yêu cầu xác nhận bằng emoji tim để kiểm soát tiến độ.
Thách thức 3 – Quản lý thời gian: Sai số dự báo thời gian hoàn thành.
→ Giải pháp: Cộng thêm 15–20% thời gian dự phòng vào kế hoạch.
Chủ đề: Sự tiến hóa của các kiến trúc mạng thần kinh từ Perceptron đến Transformer
Mục tiêu: Trực quan hóa tiến trình lịch sử, các bước ngoặt công nghệ và nền tảng toán học của Deep Learning
Tỷ lệ đóng góp: Cá nhân 60% (cấu trúc logic, kiểm định toán học, viết prompt) · AI hỗ trợ 40%
Kể tên các mạng nơ-ron phổ biến → Kết quả chung chung, quá dài, không thể dùng cho Infographic.
Khai báo vai trò Chuyên gia AI, giới hạn <150 từ/mốc, cấu trúc: Năm – Ý tưởng – Đột phá – Hạn chế → Nội dung cô đọng, chuẩn học thuật ✅
Điểm mạnh: Hiểu sâu thuật toán AI, hệ thống hóa kiến thức tốt với prompt tối ưu.
Hạn chế: Đôi khi "hallucination" – nhầm năm ra đời một số biến thể kiến trúc.
Can thiệp thủ công: Đối chiếu toàn bộ mốc thời gian với paper gốc. Tự biên tập, cắt giảm >50% khối lượng chữ.
Điểm mạnh: Chất lượng ảnh xuất sắc, độ phân giải cao, phối màu tông neon/cyberpunk đúng từ khóa.
Hạn chế: Bất lực khi vẽ sơ đồ kỹ thuật chính xác (dự đoán pixel, không hiểu logic toán học).
Can thiệp thủ công: Chỉ dùng làm hình nền mờ (opacity 20%). Toàn bộ sơ đồ kiến trúc được tự vẽ thủ công.
Kết quả AI: Gợi ý 3 layout timeline đứng. Tuy nhiên: tràn chữ, lỗi font tiếng Việt, sơ đồ kỹ thuật sai bản chất toán học.
Can thiệp thủ công:
ĐHQGHN và UET chưa có văn bản riêng về "Chính sách AI", nhưng việc dùng AI bị ràng buộc bởi Quy chế Học vụ và Quy định Liêm chính Học thuật:
Quan điểm cá nhân: Cấm đoán hoàn toàn AI là không khả thi và đi ngược xu thế. Nhưng siết chặt liêm chính là hoàn toàn đúng. AI nên là "Trợ lý tư duy", không phải "Người làm thay".
Prompt 1 (Lên ý tưởng): "Tôi là sinh viên ngành AI tại UET. Tôi cần chuẩn bị một bài thuyết trình 10 phút về ứng dụng của Thuật toán Dijkstra trong việc tối ưu hóa định tuyến mạng internet. Hãy gợi ý cho tôi outline chi tiết bao gồm cả slide demo bằng code C++."
➔ AI Gợi ý outline 4 phần: Đặt vấn đề – Nguyên lý Dijkstra – Mã C++ với std::priority_queue – Đánh giá time complexity O((E+V)logV).
Prompt 2 (Tối ưu mã): ):"Dưới đây là đoạn code C++ cài đặt Dijkstra của tôi bằng ma trận kề (Adjacency Matrix) với độ phức tạp O(V^2). Hãy giúp tôi chuyển đổi sang Danh sách kề (Adjacency List) kết hợp với Min-Heap để tối ưu cho đồ thị thưa.
➔ AI hướng dẫn chuyển từ ma trận kề O(V²) sang danh sách kề + Min-Heap tối ưu đồ thị thưa.
Quy trình 3 bước kiểm duyệt sau khi nhận kết quả từ AI:
const auto&Tuyệt đối không mở AI khi chưa dành ít nhất 15 phút tự suy nghĩ, vạch ý tưởng hoặc tự viết những dòng code đầu tiên.
Không bao giờ chấp nhận dòng code hay luận điểm nào nếu bản thân không giải thích được cơ chế hoạt động. Sao chép 1 dòng code phải hiểu 100%.
Mọi thông tin, công thức, thư viện do AI cung cấp bắt buộc đối chiếu với giáo trình và tài liệu chính thống.
Luôn khai báo phần việc có sự can thiệp của AI trong mọi báo cáo, bài tập lớn.
Không tải dữ liệu nội bộ, đề thi chưa công bố hoặc thông tin bảo mật lên các mô hình AI công cộng.
[Ý tưởng SV] → [AI gợi ý] → [SV tự hiểu & tự viết]
[Đề bài] → [AI làm toàn bộ] → [Copy-Paste nộp]
Tác động tích cực: Nếu dùng đúng cách, AI là gia sư giúp tăng tốc học tập, vượt rào cản cú pháp để tập trung tư duy giải thuật.
Nguy hiểm tiềm ẩn: Tưởng hiểu bài khi thấy AI giải mượt → mòn khả năng tư duy độc lập, kém khi thi viết tay hoặc phỏng vấn trực tiếp.