Module 1.3 · Data, bias and limits (Dữ liệu, thiên lệch và giới hạn)
Thuộc Package 1 · Understand AI.
Tôi lần được từ một câu trả lời lệch ngược về dữ liệu sinh ra nó, và nói được việc nào thì không nên giao cho AI.
| Unit | 4 |
| Mastery level | 8 tới 12 |
| Lớp (VN) | 8 tới 10 |
Dạy module này theo kiểu IB
Cho cả lớp hỏi AI cùng một câu về nghề nghiệp hoặc vùng miền, gom đầu ra lại thành bảng, rồi hỏi bảng này giống dữ liệu ở đâu và thiếu ai.
Unit 1 · Where training data comes from (Dữ liệu huấn luyện đến từ đâu)
Tôi sẽ làm được kể được các loại nguồn chữ và ảnh mà mô hình học từ đó, và ai không có mặt trong các nguồn ấy.
Mastery level 8-10 · Lớp 8 · Systems (Hệ thống)
| Bậc | Learner làm được gì |
|---|---|
| Đang hình thành | Nói mô hình "học từ Internet" và dừng ở đó |
| Đạt | Phân biệt được vài loại nguồn: trang web công khai, sách, diễn đàn, và nói loại nào áp đảo về lượng |
| Vững | Chỉ ra một chủ đề tiếng Việt có ít tài liệu trên mạng và đoán trước mô hình sẽ trả lời sơ sài ở đó |
Bằng chứng đạt. Learner chọn một chủ đề địa phương ít tài liệu, hỏi AI, và đối chiếu độ chi tiết với một chủ đề phổ biến tương đương.
Hiểu lầm thường gặp. Tưởng mọi thứ có trên Internet đều có mặt trong dữ liệu học với lượng ngang nhau.
Knowledge node. Dữ liệu huấn luyện đến từ đâu
Unit 2 · Spotting bias in the output (Bắt thiên lệch trong đầu ra)
Tôi sẽ làm được chỉ ra một khuôn định kiến trong đầu ra của AI và nói nó phản chiếu điều gì trong dữ liệu.
Mastery level 9-11 · Lớp 9 · Fairness (Công bằng)
| Bậc | Learner làm được gì |
|---|---|
| Đang hình thành | Thấy đầu ra lặp một khuôn nhưng cho là ngẫu nhiên |
| Đạt | Chạy một prompt mở nhiều lần, đếm khuôn lặp lại, và gọi tên định kiến đang lộ ra |
| Vững | Thiết kế được phép thử đối chứng: đổi đúng một chi tiết như giới tính hay quê quán, xem đầu ra đổi thế nào |
Bằng chứng đạt. Bảng đối chứng của learner: hai prompt chỉ khác một chi tiết, hai cột kết quả, và nhận xét về chỗ lệch có hệ thống.
Hiểu lầm thường gặp. Nghĩ thiên lệch là lỗi cố ý của người làm mô hình, nên chỉ cần sửa vài dòng lệnh là hết.
Knowledge node. Bắt thiên lệch trong đầu ra
Unit 3 · Data cutoff and fresh events (Mốc dữ liệu và chuyện mới xảy ra)
Tôi sẽ làm được nhận ra câu hỏi nào rơi ra ngoài mốc dữ liệu của mô hình và chuyển sang nguồn khác.
Mastery level 9-11 · Lớp 9 · Evidence (Bằng chứng)
| Bậc | Learner làm được gì |
|---|---|
| Đang hình thành | Hỏi AI giá vé, lịch thi, tin hôm qua rồi dùng luôn câu trả lời |
| Đạt | Tách được câu hỏi ổn định theo thời gian và câu hỏi phụ thuộc thời điểm, chỉ hỏi AI loại đầu |
| Vững | Khi buộc phải hỏi loại thứ hai thì kèm tài liệu mới vào prompt, và nói được vì sao cách đó khác hẳn hỏi chay |
Bằng chứng đạt. Learner phân loại đúng năm câu hỏi thành hai nhóm và nêu nguồn thay thế cho nhóm phụ thuộc thời điểm.
Hiểu lầm thường gặp. Tưởng công cụ nào cũng đang đọc Internet theo thời gian thực.
Knowledge node. Mốc dữ liệu và chuyện mới xảy ra
Unit 4 · Where AI should not be used (Chỗ không nên dùng AI)
Tôi sẽ làm được nêu các loại quyết định không giao cho AI được, kèm lý do dựa trên cách nó hoạt động.
Mastery level 10-12 · Lớp 10 · Responsibility (Trách nhiệm)
| Bậc | Learner làm được gì |
|---|---|
| Đang hình thành | Trả lời "cái gì cũng dùng được, miễn kiểm lại" |
| Đạt | Kể được các ca phải dừng: chẩn đoán sức khoẻ, tư vấn pháp lý, chấm điểm người khác, xử lý dữ liệu riêng tư |
| Vững | Với một ca cụ thể, chỉ ra hậu quả rơi vào ai nếu AI sai, và ai chịu trách nhiệm sau cùng |
Bằng chứng đạt. Learner nhận bốn tình huống thật, đánh dấu dùng hay không dùng AI, và mỗi lựa chọn kèm một câu về hậu quả cho người bị ảnh hưởng.
Hiểu lầm thường gặp. Nghĩ chỉ cần thêm câu "hãy kiểm tra kỹ" vào prompt là AI dùng được cho mọi việc.
Knowledge node. Chỗ không nên dùng AI