🎓 UET - ĐHQGHN - K70

Trần
Đức Anh

Sinh viên ngành Trí tuệ Nhân tạo

Trường Đại học Công nghệ · ĐHQG Hà Nội · MSSV: 25022777

Xem Dự Án ↓
Trần Đức Anh

Về bản thân

👤 Giới thiệu bản thân

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.

🎯 Mục tiêu học tập
  • Nắm vững nền tảng toán học ứng dụng trong AI
  • Thành thạo các công cụ công nghệ số để phục vụ học tập và cuộc sống
  • Tìm ra cách sử dụng AI có hiệu quả nhất để tối ưu công việc
  • Phát triển tư duy phản biện, không phụ thuộc hoàn toàn vào công cụ AI
📂 Mục tiêu Portfolio
  • Thể hiện các kỹ năng số đã học trong môn Nhập môn Công nghệ số & Ứng dụng AI
  • Lưu trữ và hệ thống hóa sản phẩm học tập để dễ dàng truy cập và chia sẻ
  • Ghi lại hành trình phát triển kỹ năng số đã tích lũy được từ Bài 1 đến Bài 6
6+
Bài tập đã hoàn thành
9999h+
Số giờ đã tiếp xúc với các công cụ số
5
Nguyên tắc đạo đức AI đã đặt ra
20+
Công cụ AI đã dùng

Các dự án được trình bày dưới đây

📁
Bài tập 1 · Mục 1.4
Thao Tác Cơ Bản với Tệp Tin & Thư Mục
Thực hành 12 bước thao tác file/thư mục trên Windows: tạo, đổi tên, copy, cut, paste, xóa, khôi phục.
🔍
Bài tập 2 · Mục 2.4
Tìm Kiếm & Đánh Giá Thông Tin Học Thuật về AI
Đánh giá 10 nguồn tài liệu học thuật về Deep Learning theo 5 tiêu chí độ tin cậy.
✍️
Bài tập 3 · Mục 3.4
Viết Prompt Hiệu Quả cho Các Tác Vụ Học Tập
So sánh 3 cấp độ Prompt trên 3 tác vụ học tập thực tế với minh chứng kết quả AI.
🤝
Bài tập 4 · Mục 4.4
Hợp Tác Trực Tuyến & Quản Lý Dự Án Nhóm
Sử dụng Trello, Google Docs, Google Drive và Zalo để quản lý dự án Field Trip – Nhóm 13.
🎨
Bài tập 5 · Mục 5.4
Sáng Tạo Nội Dung Số với AI Tạo Sinh
Tạo Infographic về tiến hóa kiến trúc mạng nơ-ron bằng Gemini + Midjourney + Canva AI.
⚖️
Bài tập 6 · Mục 6.4
Sử Dụng AI Có Trách Nhiệm trong Học Tập
Chính sách sử dụng AI, thực hành sử dụng AI có trách nhiệm, 5 nguyên tắc cá nhân khi dùng AI và ranh giới hỗ trợ hợp lý vs gian lận.

Hành trình & Cảm nhận

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:

"AI không thay thế tư duy - nó khuếch đại tư duy."

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.

Định hướng tiếp theo

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

Kỹ năng đã tích lũy

Quản lý tệp tinTìm kiếm học thuật Prompt EngineeringTrello - quản lý dự án nhóm Canva AI + MidjourneyGoogle Gemini ClaudeKỹ năng làm việc nhóm + giao tiếp Đạo đức AILiêm chính học thuật
Bài tập 1 · Mục 1.4

Thao Tác Cơ Bản với Tệp Tin & Thư Mục

Môn: Nhập môn Công nghệ số & Ứng dụng AI · Trần Đức Anh · 25022777
Quy trình thực hiện (12 bước)
1

Mở File Explorer

Nhấn tổ hợp phím Windows + E hoặc nhấp biểu tượng thư mục màu vàng trên thanh tác vụ.

2

Truy cập ổ đĩa

Đi tới ổ D: hoặc E:. Nếu chỉ có ổ C: thì vào thư mục Documents.

3

Tạo thư mục mới

Chuột phải khoảng trống → New → Folder. Đặt tên ThucHanh_TranDucAnh. Nhấn Enter.

4

Vào thư mục vừa tạo

Nhấp đúp vào thư mục ThucHanh_TranDucAnh để mở nó.

5

Tạo tệp văn bản

Chuột phải vào khoảng trống → New → Text Document. Đặt tên GhiChu.txt. Nhấn Enter.

6

Đổi tên tệp

Chuột phải vào GhiChu.txt → Rename → đổi thành GhiChuQuanTrong.txt. Nhấn Enter.

7

Tạo thư mục con

Chuột phải khoảng trống → New → Folder. Đặt tên TaiLieu.

8

Sao chép (Copy)

Chuột phải vào GhiChuQuanTrong.txt → Copy (hoặc Ctrl+C). Vào thư mục TaiLieu → Paste (Ctrl+V).

9

Di chuyển (Cut & Paste)

Tạo tệp DiChuyen.txt mới. Chuột phải → Cut (Ctrl+X). Vào TaiLieu, Paste (Ctrl+V).

10

Xóa thường (Delete)

Chuột phải tệp → Delete. Tệp chuyển vào Recycle Bin.

11

Xóa vĩnh viễn

Chọn tệp trong Recycle Bin, giữ Shift + Delete. Xác nhận → tệp bị xóa hoàn toàn.

12

Khôi phục (Restore)

Mở Recycle Bin → tìm GhiChuQuanTrong.txt → chuột phải → Restore để khôi phục.

Minh họa các bước thực hiện
Bước 1-2: Mở File Explorer và truy cập ổ đĩa
Bước 1–2: Mở File Explorer và truy cập ổ đĩa
Bước 3-5: Tạo thư mục mới và tạo file ghi chú bên trong
Bước 3-5: Tạo thư mục mới và tạo file ghi chú bên trong
Bước 6-7: Đổi tên file ghi chú và tạo thư mục con TaiLieu
Bước 6-7: Đổi tên file ghi chú và tạo thư mục con TaiLieu
Bước 8.1: Copy
Bước 8.1: Copy
Bước 8.2: Paste
Bước 8.2: Paste
Bước 9.1: Tạo tệp mới
Bước 9.1: Tạo tệp mới
Bước 9.2: Cut
Bước 9.2: Cut
Bước 9.3: Paste
Bước 9.3: Paste
Bước 10: Xóa tệp tin
Bước 10: Xóa tệp tin
Cấu trúc thư mục cuối cùng
Bước 11: Xóa vĩnh viên (Shift + Delete)
Tổng kết
Bước 12: Khôi phục từ thùng rác
Cấu trúc thư mục kết quả

ThucHanh_TranDucAnh/ ├── GhiChuQuanTrong.txt ← khôi phục từ Thùng rác └── TaiLieu/ ├── GhiChuQuanTrong.txt ← bản sao (Copy) └── DiChuyen.txt ← đã di chuyển (Cut)

Quy tắc đặt tên tệp chuẩn
  • Không dùng khoảng trắng → dùng gạch dưới _ hoặc gạch ngang -
  • Ghi rõ ngày tháng: YYYYMMDD_TenFile.ext
  • Dùng tiền tố phân loại: BT_ bài tập · BC_ báo cáo · TL_ tài liệu
  • Ví dụ: 20260413_BC_Tuan4_TranDucAnh.docx
Bài tập 2 · Mục 2.4

Tìm Kiếm & Đánh Giá Thông Tin Học Thuật

Môn: Nhập môn Công nghệ số & Ứng dụng AI · Trần Đức Anh · 25022777
I. Chủ đề nghiên cứu

Trong 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.

II. Danh mục 10 tài liệu tiêu biểu
  1. LeCun, Y., Bengio, Y. and Hinton, G. (2015) 'Deep learning', Nature, 521(7553), pp. 436–444.
  2. Silver, D. et al. (2016) 'Mastering the game of Go with deep neural networks and tree search', Nature, 529(7587).
  3. Vaswani, A. et al. (2017) 'Attention is all you need', NeurIPS, pp. 5998–6008.
  4. Krizhevsky, A., Sutskever, I. and Hinton, G. E. (2012) 'ImageNet classification with deep convolutional neural networks', ACM.
  5. Jumper, J. et al. (2021) 'Highly accurate protein structure prediction with AlphaFold', Nature, 596(7873).
  6. Goodfellow, I., Bengio, Y. and Courville, A. (2016) Deep Learning. MIT Press.
  7. Russell, S. and Norvig, P. (2020) Artificial Intelligence: A Modern Approach. 4th edn. Pearson.
  8. Deng, L. and Yu, D. (2014) Deep Learning: Methods and Applications. Now Publishers.
  9. Stanford University (2024) Artificial Intelligence Index Report 2024. https://aiindex.stanford.edu/
  10. NVIDIA Blog (2024) How Generative AI is Transforming Industries. https://blogs.nvidia.com/
III. Bảng đánh giá độ tin cậy
STTTài liệuCơ quanPhương phápTrích dẫnCập nhậtĐộ tin cậy
1LeCun et al. (2015)NatureTổng hợp lý thuyếtCaoCaoCao
2Silver et al. (2016)NatureThực nghiệm đối chứngCaoCaoCao
3Vaswani et al. (2017)NeurIPSPhản biện hội nghịCaoCaoCao
4Krizhevsky et al. (2012)ACMThực nghiệm quy mô lớnCaoCaoCao
5Jumper et al. (2021)NatureNghiên cứu liên ngànhCaoCaoCao
6Goodfellow et al. (2016)MIT PressHệ thống hóa toán họcCaoCaoCao
7Russell & Norvig (2020)PearsonTổng hợp đa ngànhCaoCaoCao
8Deng & Yu (2014)Now PublishersPhân tích so sánhTBTBTrung bình
9Stanford HAI (2024)ĐH StanfordThống kê thứ cấpTBCaoKhá cao
10NVIDIA Blog (2024)NVIDIA Corp.Báo cáo kỹ thuậtThấpCaoKhá
Bài tập 3 · Mục 3.4

Viết Prompt Hiệu Quả cho Các Tác Vụ Học Tập

Môn: Nhập môn Công nghệ số & Ứng dụng AI · Trần Đức Anh · 25022777
Tác vụ 1: Tóm tắt bài báo "Attention Is All You Need"
Prompt cơ bản

Tóm tắt bài báo 'Attention Is All You Need' cho tôi.

Prompt cải tiến

Tóm tắt theo 3 phần: 1. Vấn đề mô hình cũ; 2. Self-Attention; 3. Kết quả thực nghiệm. Viết gạch đầu dòng.

Prompt nâng cao

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.

Tác vụ 2: Chuyển động quay vật rắn – Vật lý đại cương 1
Prompt cơ bản

Giải thích công thức cơ bản của chuyển động quay và Momen lực là gì?

Prompt cải tiến

Giải thích CĐQVR trong VLĐC 1: 1) Bảng so sánh đại lượng thẳng–quay; 2) Momen lực; 3) Ví dụ tính Momen quán tính.

Prompt nâng cao

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.

Kết quả Prompt cơ bản
Kết quả – Prompt cơ bản (1)
Kết quả Prompt cải tiến
Kết quả – Prompt cơ bản (2)
Kết quả Prompt nâng cao phần 1
Kết quả – Prompt cải tiến (1)
Kết quả Prompt nâng cao phần 2
Kết quả – Prompt cải tiến (2)
Kết quả Tác vụ 2 - Prompt cơ bản
Kết quả – Prompt nâng cao (1)
Kết quả Tác vụ 2 - Prompt nâng cao
Kết quả – Prompt nâng cao (2)

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.

Tác vụ 3: Tạo bộ câu hỏi ôn tập Giải tích 2
Prompt cơ bản

Tạo cho tôi 5 câu hỏi ôn thi Giải tích 2 về phần Tích phân bội.

Prompt cải tiến

Tạo 10 câu trắc nghiệm 3 mức: Dễ (4), Trung bình (4), Khó (2). Kèm đáp án cuối.

Prompt nâng cao

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.

Tác vụ 3 - Prompt cơ bản vs cải tiến
Tác vụ 3 – Prompt cơ bản
Tác vụ 3 - Prompt nâng cao
Tác vụ 3 – Prompt cải tiến (có câu hỏi phân loại)
Tác vụ 3 - Prompt nâng cao (gợi ý rõ ràng, tính tương tác cao)
Tác vụ 3 - Prompt nâng cao (gợi ý rõ ràng, tính tương tác cao)

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.

Lý do Prompt tốt cho ra câu trả lời tốt hơn
  • Giảm thiểu tính mơ hồ: Giúp AI hiểu và hoạt động dựa trên bối cảnh ngữ cảnh hiện tại
  • Kích hoạt mạng lưới tri thức chuyên biệt: Gán role giúp AI ưu tiên ngôn ngữ phù hợp
  • Chain-of-Thought: Đi từng bước dẫn đến kết quả ổn định nhất
Bài tập 4 · Mục 4.4

Hợp Tác Trực Tuyến & Quản Lý Dự Án Nhóm

Môn: Nhập môn Công nghệ số & Ứng dụng AI · Trần Đức Anh · 25022777
I. Thông tin dự án

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

II. Thiết lập và sử dụng công cụ

1. Trello – Quản lý dự án

  • Tính năng: Timeline, tag thành viên, checklist, deadline
Trello Board - Timeline dự án
Trello Board – Timeline 3 giai đoạn dự án

2. Google Docs – Soạn thảo cộng tác

  • Tạo tài liệu, mở quyền chỉnh sửa công khai
  • Nhiều người cùng chỉnh sửa theo thời gian thực; xem lịch sử phiên bản
  • Dùng Comment để góp ý không làm hỏng bản gốc
Tổng quan dự án nhóm
Google Docs – Kịch bản được cộng tác chỉnh sửa

3. Google Drive – Lưu trữ và chia sẻ tệp

Google Drive cấu trúc thư mục
Google Drive – Cấu trúc thư mục Field_Trip
Zalo nhóm

4. Zalo – Giao tiếp nhóm

  • Nhóm chat, thông báo tiến độ, mention @, chia sẻ tài liệu nhanh
Google Docs cộng tác
Zalo – Giao tiếp và phối hợp nhóm
III. Nhật ký tiến độ cá nhân
  • Giai đoạn 1 (6/4–12/4): Quay video + Demo test âm thanh, kịch bản
  • Giai đoạn 2 (13/4–19/4): Ghép thử âm thanh vào một số video ngắn
  • Giai đoạn 3 (20/4–26/4): Học kịch bản, hoàn thành sản phẩm + chỉnh sửa video
IV. Thách thức và giải pháp

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.

V. Kết luận
  • Điểm mạnh 1: Nắm vững Trello để quản lý tiến độ cá nhân hiệu quả
  • Điểm mạnh 2: Cải thiện kỹ năng giao tiếp nhóm trực tuyến, phản hồi kịp thời hơn
  • Điểm cần cải thiện: Cần chủ động hơn trong việc nhắc nhở tiến độ chung của nhóm
Bài tập 5 · Mục 5.4

Sáng Tạo Nội Dung Số với AI Tạo Sinh

Môn: Nhập môn Công nghệ số & Ứng dụng AI · Trần Đức Anh · 25022777
Tổng quan dự án

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%

Giai đoạn 1: Xây dựng nội dung – Google Gemini
Prompt ban đầu

Kể tên các mạng nơ-ron phổ biến → Kết quả chung chung, quá dài, không thể dùng cho Infographic.

Prompt cải tiến

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 ✅

Prompt ban đầu Gemini
Prompt ban đầu – Kết quả chung chung
Prompt cải tiến Gemini
Prompt cải tiến – Nội dung cô đọng

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.

Giai đoạn 2: Tạo hình ảnh – Midjourney

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.

Bản thiết kế Canva AI ban đầu
Hình ảnh do Midjourney tạo
Giai đoạn 3: Thiết kế Infographic – Canva AI
Bản thiết kế sau khi chỉnh sửa
Thiết kế Infographic của CanvaAI ban đầu
Bản thiết kế sau khi chỉnh sửa
Lựa chọn thiết kế ở cuối để tinh chỉnh

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:

  1. Thay toàn bộ font lỗi → Montserrat / Inter (hỗ trợ tiếng Việt tốt)
  2. Xóa sơ đồ sai của AI, tự vẽ lại sơ đồ Perceptron và cơ chế Attention bằng công cụ Canva
  3. Chèn hình Midjourney làm nền góc, chỉnh độ mờ 20%
Sản phẩm Infographic cuối cùng
Infographic hoàn thiện
Infographic hoàn thiện: Sự tiến hóa kiến trúc mạng thần kinh
Đánh giá vai trò AI và vấn đề đạo đức
  • Thay đổi quy trình: Từ "Người thực thi" → "Người điều phối/Giám sát". Tăng tốc 2–3 lần.
  • Hạn chế cốt lõi: AI thiếu tư duy logic thực sự; kiến thức toán học chuyên sâu dễ sai nếu không kiểm soát.
  • Đạo đức: Bản quyền dữ liệu huấn luyện; tính chính trực học thuật cần phân định rõ sản phẩm AI vs sản phẩm người học.
Bài tập 6 · Mục 6.4

Sử Dụng AI Có Trách Nhiệm trong Học Tập

Môn: Nhập môn Công nghệ số & Ứng dụng AI · Trần Đức Anh · 25022777
Chính sách nhà trường về sử dụng AI

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:

  • Tính nguyên bản: Mọi sản phẩm học thuật phải là kết quả lao động sáng tạo của chính sinh viên
  • Hành vi gian lận: Sao chép nguyên văn văn bản/mã nguồn AI rồi nộp dưới tên mình = đạo văn

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".

Thực hành với AI – Chủ đề lựa chọn: Thuật toán Dijkstra (CTDL & Giải thuật)

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:

  1. Kiểm thử & Sửa lỗi: Code AI bị lỗi trùng tên biến → sửa scope, tối ưu với const auto&
  2. Đơn giản hóa: Slide AI quá học thuật → tích hợp bài toán thực tế mạng nội bộ UET để dễ nắm bắt ý tưởng
  3. Trích dẫn minh bạch: Ghi rõ "Mã nguồn được tối ưu dựa trên gợi ý Claude 4.6 Sonnet. Sinh viên đã hiệu chỉnh và chịu trách nhiệm logic toàn bài."
5 Nguyên tắc cá nhân sử dụng AI
1

Tư duy trước – AI can thiệp sau

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.

2

Hiểu sâu gốc rễ vấn đề

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%.

3

Xác thực độc lập

Mọi thông tin, công thức, thư viện do AI cung cấp bắt buộc đối chiếu với giáo trình và tài liệu chính thống.

4

Minh bạch tuyệt đối

Luôn khai báo phần việc có sự can thiệp của AI trong mọi báo cáo, bài tập lớn.

5

Bảo mật dữ liệu

Không tải dữ liệu nội bộ, đề thi chưa công bố hoặc thông tin bảo mật lên các mô hình AI công cộng.

Ranh giới: Hỗ trợ hợp lý vs. Gian lận học thuật
✅ Hỗ trợ hợp lý

[Ý tưởng SV] → [AI gợi ý] → [SV tự hiểu & tự viết]

❌ Gian lận học thuật

[Đề bài] → [AI làm toàn bộ] → [Copy-Paste nộp]

Minh chứng sử dụng AI có trách nhiệm
Infographic sử dụng AI có trách nhiệm (Đức Anh ft. Google Gemini)

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.