CLB TIN HỌC HHT

01/09/2026

BÀI GIẢNG
VAI TRÒ VÀ PHỐI HỢP TRONG PHÁT TRIỂN GIẢI PHÁP AI

Môn: Tin học 12
Thời lượng: 3 tiết
Yêu cầu cần đạt: 12.D2.1
Củng cố: 12.A2.1; 12.B3.1; 12.C2.1

I. MỤC TIÊU BÀI HỌC

Sau bài học, học sinh có thể:

1. Kiến thức
Nhận biết được các vai trò cơ bản trong phát triển một sản phẩm AI.
Mô tả được nhiệm vụ của từng vị trí.
Giải thích được vì sao phát triển AI cần hợp tác đa chuyên môn.
Hiểu được mối quan hệ giữa:
con người – dữ liệu – thuật toán – sản phẩm – người sử dụng.
Xây dựng được phương án phối hợp cho một ý tưởng AI ở mức mô phỏng.
2. Năng lực

Học sinh có khả năng:

Phân công nhiệm vụ trong nhóm.
Phối hợp giữa các thành viên.
Lập kế hoạch phát triển sản phẩm.
Trình bày và bảo vệ ý tưởng.
Đánh giá vai trò của từng thành viên trong dự án.
3. Phẩm chất
Có tinh thần hợp tác.
Có trách nhiệm với nhiệm vụ được giao.
Tôn trọng ý kiến của người khác.
Chủ động và sáng tạo.
II. KHỞI ĐỘNG – 10 PHÚT
Tình huống

Một nhóm học sinh muốn xây dựng:

🤖 AI hỗ trợ học sinh ôn tập Tin học 12.

Nhóm có 5 bạn:

Bạn A: biết lập trình.
Bạn B: giỏi Tin học.
Bạn C: giỏi thiết kế.
Bạn D: giao tiếp tốt.
Bạn E: giỏi phân tích và tổ chức công việc.
Câu hỏi

Nếu chỉ có bạn A biết lập trình, liệu bạn A có thể tự mình hoàn thành toàn bộ sản phẩm không?

Học sinh thảo luận

Có thể phát sinh các vấn đề:

Ai xác định nhu cầu học sinh?
Ai chuẩn bị dữ liệu?
Ai thiết kế giao diện?
Ai kiểm tra AI trả lời đúng?
Ai đánh giá sản phẩm?
Ai quản lý tiến độ?
Kết luận

Một sản phẩm AI tốt cần sự phối hợp của nhiều người với những chuyên môn khác nhau.

III. AI KHÔNG PHẢI LÀ SẢN PHẨM CỦA MỘT NGƯỜI

Một giải pháp AI thường liên quan đến:

Ý TƯỞNG AI
│
↓
XÁC ĐỊNH VẤN ĐỀ
│
┌───────────┼───────────┐
↓ ↓ ↓
DỮ LIỆU AI/MÔ HÌNH GIAO DIỆN
│ │ │
└───────────┼───────────┘
↓
KIỂM THỬ
│
↓
TRIỂN KHAI
│
↓
NGƯỜI DÙNG

Mỗi công đoạn có thể cần những người có kỹ năng khác nhau.

IV. CÁC VAI TRÒ TRONG PHÁT TRIỂN AI
1. Người quản lý dự án
Nhiệm vụ
Xác định mục tiêu.
Lập kế hoạch.
Phân công công việc.
Theo dõi tiến độ.
Điều phối các thành viên.
Xử lý vấn đề phát sinh.
Ví dụ

“Tuần 1 chuẩn bị dữ liệu, tuần 2 xây dựng mô hình, tuần 3 kiểm thử…”

V. CHUYÊN GIA NGHIỆP VỤ

Đây là người hiểu vấn đề thực tế cần giải quyết.

Ví dụ:

Nếu xây dựng:

AI hỗ trợ học tập

có thể cần:

Giáo viên.
Chuyên gia giáo dục.
Người hiểu chương trình học.
Nhiệm vụ
Xác định nhu cầu.
Xác định yêu cầu.
Kiểm tra nội dung.
Đánh giá AI có phù hợp với thực tế hay không.
VI. KỸ SƯ DỮ LIỆU
Nhiệm vụ
Thu thập dữ liệu.
Làm sạch dữ liệu.
Chuẩn hóa dữ liệu.
Lưu trữ dữ liệu.
Quản lý dữ liệu.
Ví dụ

Muốn xây dựng AI phân loại ảnh:

Kỹ sư dữ liệu chuẩn bị ảnh và gắn nhãn:

Ảnh 1 → Chó

Ảnh 2 → Mèo

Ảnh 3 → Chó

VII. KỸ SƯ AI / NHÀ PHÁT TRIỂN AI

Đây là người xây dựng và huấn luyện mô hình.

Nhiệm vụ
Lựa chọn thuật toán.
Xây dựng mô hình.
Huấn luyện.
Kiểm thử.
Điều chỉnh mô hình.
Đánh giá kết quả.
Công cụ có thể sử dụng
Python.
Scikit-learn.
TensorFlow.
PyTorch.
Các môi trường phát triển phù hợp.
VIII. LẬP TRÌNH VIÊN

Lập trình viên giúp biến mô hình AI thành một sản phẩm có thể sử dụng.

Ví dụ

AI có thể dự đoán rất tốt nhưng người dùng không biết cách sử dụng.

Lập trình viên có thể xây dựng:

Website → Nhập câu hỏi → AI xử lý → Hiển thị kết quả

IX. NHÀ THIẾT KẾ UI/UX

UI/UX liên quan đến giao diện và trải nghiệm người dùng.

Nhiệm vụ
Thiết kế giao diện.
Làm cho sản phẩm dễ sử dụng.
Bố trí nút, menu, nội dung.
Quan tâm đến trải nghiệm người dùng.
Ví dụ

Một chatbot AI dành cho học sinh cần:

Giao diện đơn giản.
Chữ dễ đọc.
Nút chức năng rõ ràng.
Cách sử dụng dễ hiểu.
X. KIỂM THỬ VÀ ĐÁNH GIÁ
Nhiệm vụ
Kiểm tra hệ thống.
Phát hiện lỗi.
Kiểm tra độ chính xác.
Kiểm tra các trường hợp bất thường.
Đánh giá khả năng đáp ứng yêu cầu.
Ví dụ

AI được hỏi:

“HTML dùng để làm gì?”

Nếu AI trả lời sai:

→ Nhóm cần phát hiện → phân tích nguyên nhân → cải thiện.

XI. CHUYÊN GIA ĐẠO ĐỨC / AN TOÀN

Đặc biệt quan trọng khi AI xử lý dữ liệu hoặc ảnh hưởng đến con người.

Cần xem xét:
Quyền riêng tư.
Bảo vệ dữ liệu.
Công bằng.
Minh bạch.
An toàn.
Khả năng gây tác động tiêu cực.
Ví dụ

Nếu xây dựng AI hỗ trợ học sinh:

Không nên thu thập dữ liệu cá nhân không cần thiết.

XII. BẢNG TỔNG HỢP VAI TRÒ
Vai trò Nhiệm vụ chính
Quản lý dự án Lập kế hoạch, phân công, điều phối
Chuyên gia nghiệp vụ Xác định vấn đề, yêu cầu
Kỹ sư dữ liệu Thu thập, làm sạch, quản lý dữ liệu
Kỹ sư AI Xây dựng, huấn luyện mô hình
Lập trình viên Xây dựng ứng dụng
Thiết kế UI/UX Giao diện, trải nghiệm người dùng
Kiểm thử Phát hiện lỗi, đánh giá hệ thống
Đạo đức/an toàn Đánh giá rủi ro, quyền riêng tư, an toàn
XIII. TẠI SAO CẦN HỢP TÁC ĐA CHUYÊN MÔN?
Ví dụ

Một kỹ sư AI có thể rất giỏi xây dựng mô hình.

Nhưng có thể không biết:

Người dùng thực sự cần gì.
Nội dung chuyên môn có chính xác không.
Giao diện có dễ sử dụng không.
Dữ liệu có vấn đề về quyền riêng tư không.

Ngược lại, giáo viên có thể hiểu rất rõ nhu cầu học sinh nhưng không nhất thiết có chuyên môn xây dựng mô hình AI.

👉 Vì vậy cần:

Chuyên môn khác nhau + phối hợp tốt = sản phẩm tốt hơn.

XIV. HOẠT ĐỘNG NHÓM 1
“Đội ngũ AI”

Chia lớp thành các nhóm 6–8 học sinh.

Mỗi nhóm xây dựng một đội phát triển AI.

Phân vai
👩‍💼 Quản lý dự án.
👨‍🏫 Chuyên gia nghiệp vụ.
💾 Kỹ sư dữ liệu.
🤖 Kỹ sư AI.
💻 Lập trình viên.
🎨 Thiết kế UI/UX.
🔍 Kiểm thử.
Nhiệm vụ

Mỗi thành viên trả lời:

Tôi làm gì?

Tôi cần phối hợp với ai?

Tôi bàn giao sản phẩm gì cho thành viên tiếp theo?

XV. QUY TRÌNH PHỐI HỢP

Một dự án có thể tổ chức:

Chuyên gia nghiệp vụ
↓
Xác định yêu cầu
↓
Kỹ sư dữ liệu
↓
Chuẩn bị dữ liệu
↓
Kỹ sư AI
↓
Xây dựng mô hình
↓
Lập trình viên
↓
Tạo sản phẩm
↓
UI/UX Designer
↓
Hoàn thiện giao diện
↓
Kiểm thử & đánh giá
↓
Phát hiện lỗi
↓
CẢI TIẾN

⚠️ Đây không phải quy trình một chiều tuyệt đối.

Khi phát hiện lỗi:

Kiểm thử → phản hồi → điều chỉnh → kiểm thử lại.

XVI. HOẠT ĐỘNG NHÓM 2
Tình huống: “AI trợ lý học tập”

Nhà trường muốn xây dựng một công cụ:

AI hỗ trợ học sinh ôn tập Tin học 12.

Nhóm hãy phân công:
Công việc Người phụ trách
Xác định nhu cầu
Xây dựng nội dung
Chuẩn bị dữ liệu
Xây dựng AI
Lập trình giao diện
Kiểm thử
Đánh giá an toàn
Quản lý dự án
XVII. XÂY DỰNG PHƯƠNG ÁN PHỐI HỢP

Mỗi nhóm xây dựng kế hoạch theo 5 bước:

Bước 1. Xác định vấn đề

Học sinh khó tự ôn tập kiến thức Tin học.

Bước 2. Đề xuất giải pháp

Xây dựng AI trợ lý học tập.

Bước 3. Phân công

Ví dụ:

Nhóm 1: nội dung
Nhóm 2: dữ liệu
Nhóm 3: AI
Nhóm 4: giao diện
Nhóm 5: kiểm thử

Bước 4. Phối hợp

Các nhóm chia sẻ kết quả cho nhau.

Bước 5. Kiểm thử và cải tiến

Phát hiện lỗi → phản hồi → sửa → kiểm thử lại.

XVIII. PHIẾU THIẾT KẾ DỰ ÁN AI
Nội dung Trả lời
Tên dự án
Vấn đề cần giải quyết
Đối tượng sử dụng
Giải pháp AI
Người quản lý
Chuyên gia nghiệp vụ
Người phụ trách dữ liệu
Người phát triển AI
Lập trình viên
Thiết kế UI/UX
Kiểm thử
An toàn/đạo đức
Cách phối hợp
Sản phẩm đầu ra
XIX. MÔ PHỎNG HỌP NHÓM PHÁT TRIỂN AI
Tình huống

Nhóm xây dựng:

AI phân loại rác

Các thành viên báo cáo

Kỹ sư dữ liệu:

“Em đã chuẩn bị dữ liệu hình ảnh và phân loại thành các nhóm.”

Kỹ sư AI:

“Em đã xây dựng mô hình thử nghiệm.”

Kiểm thử:

“Mô hình nhận diện một số loại rác chưa chính xác.”

Chuyên gia nghiệp vụ:

“Cần bổ sung thêm các hình ảnh thực tế.”

Lập trình viên:

“Em sẽ cập nhật giao diện sau khi mô hình được cải thiện.”

Quản lý dự án:

“Nhóm thống nhất bổ sung dữ liệu và kiểm thử lại.”

👉 Đây chính là phối hợp đa chuyên môn.

XX. CÁC KỸ NĂNG HỢP TÁC CẦN CÓ
1. Giao tiếp

Trao đổi rõ ràng.

2. Phân công

Mỗi người biết mình phải làm gì.

3. Chia sẻ

Chia sẻ dữ liệu, kết quả và phản hồi.

4. Quản lý thời gian

Hoàn thành đúng tiến độ.

5. Phản hồi

Không chỉ nói:

“Sai rồi.”

Mà cần nói:

“Kết quả chưa đạt yêu cầu vì…, đề xuất cải thiện là…”

XXI. LUYỆN TẬP
Câu 1

Ai chịu trách nhiệm chính trong việc chuẩn bị và quản lý dữ liệu?

A. Nhà thiết kế
B. Kỹ sư dữ liệu
C. Người dùng
D. Quản lý dự án

Đáp án: B

Câu 2

Vai trò của chuyên gia nghiệp vụ là:

A. Xác định nhu cầu và yêu cầu thực tế
B. Chỉ thiết kế giao diện
C. Chỉ lập trình
D. Chỉ kiểm tra tốc độ

Đáp án: A

Câu 3

Tại sao cần hợp tác đa chuyên môn?

A. Vì AI không cần lập trình
B. Vì một người khó có thể đáp ứng tất cả yêu cầu của dự án
C. Vì càng nhiều người càng tốt
D. Vì không cần phân công

Đáp án: B

Câu 4

Khi phát hiện AI hoạt động không chính xác, nhóm nên:

A. Bỏ qua
B. Đổ lỗi cho người khác
C. Phân tích nguyên nhân và cải tiến
D. Đưa ngay vào sử dụng

Đáp án: C

XXII. BÀI TẬP VẬN DỤNG
Nhiệm vụ nhóm

Hãy xây dựng một ý tưởng giải pháp AI cho trường học hoặc cộng đồng.

Có thể lựa chọn:

🤖 AI hỗ trợ học tập.
♻️ AI phân loại rác.
📚 AI tìm kiếm tài liệu học tập.
🌱 AI hỗ trợ chăm sóc cây.
👵 AI hỗ trợ người lớn tuổi sử dụng công nghệ.

Nhóm phải trình bày:

1. Vấn đề

2. Giải pháp AI

3. Các vai trò cần có

4. Phân công nhiệm vụ

5. Cách phối hợp

6. Rủi ro

7. Cách kiểm thử

8. Sản phẩm mô phỏng

XXIII. ĐÁNH GIÁ SẢN PHẨM NHÓM
Tiêu chí Điểm
Xác định đúng vấn đề 2
Ý tưởng AI phù hợp 2
Phân công vai trò hợp lý 2
Phương án phối hợp rõ ràng 2
Nhận diện rủi ro và trách nhiệm 1
Trình bày 1
Tổng 10
XXIV. SƠ ĐỒ GHI NHỚ
GIẢI PHÁP AI
│
┌───────┴───────┐
↓ ↓
Ý TƯỞNG NHU CẦU
│ │
└───────┬───────┘
↓
ĐỘI NGŨ AI
│
┌──────────────┼──────────────┐
↓ ↓ ↓
DỮ LIỆU AI SẢN PHẨM
│ │ │
└──────────────┼──────────────┘
↓
KIỂM THỬ
↓
PHẢN HỒI
↓
CẢI TIẾN
↓
TRIỂN KHAI
XXV. CHỐT BÀI
Học sinh cần nhớ:

① Một sản phẩm AI cần nhiều vai trò khác nhau.

② Mỗi thành viên có chuyên môn và trách nhiệm riêng.

③ AI cần sự phối hợp giữa công nghệ và chuyên môn thực tế.

④ Giao tiếp, phân công và phản hồi là yếu tố quan trọng của dự án.

⑤ Phát triển AI là một quá trình lặp:

Lập kế hoạch → Phát triển → Kiểm thử → Phản hồi → Cải tiến.

🎯 Thông điệp cuối bài

“AI có thể là công nghệ thông minh, nhưng để tạo ra một giải pháp AI tốt cần một đội ngũ con người biết hợp tác.”

01/09/2026

BÀI GIẢNG
CÔNG CỤ PHÁT TRIỂN VÀ ĐÁNH GIÁ HIỆU QUẢ HỆ THỐNG AI

Môn: Tin học 12
Thời lượng: 3 tiết
Mã yêu cầu: 12.C3.1; 12.C3.2; 12.D1.1

I. MỤC TIÊU BÀI HỌC

Sau bài học, học sinh có thể:

1. Kiến thức
Nêu được một số công cụ mã nguồn mở hoặc miễn phí dùng trong phát triển AI.
Mô tả được các bước cơ bản để phát triển một hệ thống AI.
Biết một số công cụ phổ biến như:
Python
Google Colab
Jupyter Notebook
TensorFlow
PyTorch
Scikit-learn
Hiểu các tiêu chí cơ bản để đánh giá hiệu quả hệ thống AI.
Biết lựa chọn phương án vận hành và triển khai AI phù hợp.
2. Năng lực

Học sinh có thể:

Lựa chọn công cụ phù hợp với nhiệm vụ.
Phân tích kết quả của hệ thống AI.
So sánh các phương án phát triển và triển khai.
Đề xuất cách cải thiện hiệu quả hệ thống.
3. Phẩm chất
Có trách nhiệm khi sử dụng công nghệ.
Trung thực trong đánh giá kết quả.
Có tinh thần sáng tạo.
Có ý thức sử dụng công cụ AI an toàn và hiệu quả.
II. KHỞI ĐỘNG – 10 PHÚT
Tình huống

Một nhóm học sinh muốn xây dựng một AI nhận diện hình ảnh để phân loại:

🐱 Mèo
🐶 Chó

Nhóm có:

Máy tính.
Một tập ảnh chó và mèo.
Kiến thức lập trình cơ bản.
Câu hỏi

1. Nhóm cần công cụ gì để xây dựng AI?

2. Có nhất thiết phải mua phần mềm đắt tiền không?

3. Làm thế nào biết AI nhận diện đúng hay sai?

4. Nếu AI nhận diện đúng 95% thì đã đủ tốt chưa?

Kết luận

Để xây dựng AI không chỉ cần công cụ phát triển, mà còn phải biết đánh giá chất lượng và lựa chọn cách vận hành phù hợp.

III. CÔNG CỤ PHÁT TRIỂN AI

Quá trình phát triển AI có thể hình dung:

Dữ liệu
↓
Chuẩn bị dữ liệu
↓
Xây dựng mô hình
↓
Huấn luyện
↓
Kiểm thử
↓
Đánh giá
↓
Triển khai
↓
Giám sát và cải tiến

Mỗi bước có thể sử dụng những công cụ khác nhau.

IV. PYTHON
Python là gì?

Python là một ngôn ngữ lập trình phổ biến trong khoa học dữ liệu và trí tuệ nhân tạo.

Python được sử dụng để:

Xử lý dữ liệu.
Huấn luyện mô hình.
Kiểm thử.
Đánh giá kết quả.
Xây dựng ứng dụng AI.
Ví dụ đơn giản
print("Hello AI!")

Python có ưu điểm:

Cú pháp tương đối dễ học.
Có nhiều thư viện AI.
Cộng đồng sử dụng lớn.
Có nhiều tài liệu học tập.
V. GOOGLE COLAB

Google Colab là môi trường lập trình trực tuyến cho phép chạy Python trên trình duyệt.

Ưu điểm
Không cần cài đặt môi trường Python phức tạp.
Có thể chạy trực tiếp trên trình duyệt.
Thuận tiện cho học tập và thử nghiệm.
Có thể sử dụng tài nguyên tính toán được cung cấp trong môi trường Colab.
Ví dụ sử dụng

Học sinh có thể:

Mở Colab → viết Python → tải dữ liệu → huấn luyện mô hình → xem kết quả.

VI. JUPYTER NOTEBOOK

Jupyter Notebook cho phép kết hợp:

Mã Python.
Văn bản.
Công thức.
Hình ảnh.
Biểu đồ.
Kết quả chạy chương trình.
Phù hợp với:
Học tập.
Phân tích dữ liệu.
Thử nghiệm mô hình AI.
Trình bày kết quả nghiên cứu.
VII. SCIKIT-LEARN

Scikit-learn là thư viện mã nguồn mở phổ biến dành cho học máy.

Có thể sử dụng để:

Phân loại.
Dự đoán.
Phân cụm.
Đánh giá mô hình.

Ví dụ các thuật toán:

Linear Regression.
Decision Tree.
Random Forest.
K-Nearest Neighbors.
K-Means.
Phù hợp với học sinh

Scikit-learn khá phù hợp để bắt đầu tìm hiểu học máy vì có giao diện tương đối thuận tiện.

VIII. TENSORFLOW

TensorFlow là nền tảng mã nguồn mở phục vụ học máy và học sâu.

Có thể sử dụng để:

Nhận dạng hình ảnh.
Xử lý ngôn ngữ.
Phân loại dữ liệu.
Xây dựng mạng nơ-ron.
IX. PYTORCH

PyTorch là một nền tảng mã nguồn mở phổ biến cho học máy và học sâu.

Được sử dụng trong:

Nghiên cứu AI.
Thị giác máy tính.
Xử lý ngôn ngữ tự nhiên.
Phát triển mô hình học sâu.
X. BẢNG SO SÁNH CÔNG CỤ
Công cụ Chức năng chính Phù hợp
Python Lập trình AI Người học lập trình
Google Colab Môi trường chạy Python trực tuyến Học tập, thử nghiệm
Jupyter Notebook Viết và trình bày mã + kết quả Học tập, phân tích
Scikit-learn Học máy Người mới bắt đầu
TensorFlow Học máy, học sâu Phát triển AI
PyTorch Học máy, học sâu Nghiên cứu, phát triển AI
⭐ Ghi nhớ

Python = ngôn ngữ lập trình

Colab/Jupyter = môi trường làm việc

Scikit-learn/TensorFlow/PyTorch = thư viện/nền tảng phát triển AI

XI. QUY TRÌNH PHÁT TRIỂN MỘT HỆ THỐNG AI
Bước 1. Xác định bài toán

Ví dụ:

“Nhận diện ảnh chó và mèo.”

Bước 2. Thu thập dữ liệu

Cần có:

Ảnh chó.
Ảnh mèo.

Dữ liệu cần:

Đủ số lượng.
Có chất lượng.
Phù hợp mục tiêu.
Được sử dụng hợp pháp.
Bước 3. Chuẩn bị dữ liệu

Có thể:

Loại dữ liệu lỗi.
Chuẩn hóa dữ liệu.
Gắn nhãn dữ liệu.
Chia dữ liệu thành các tập.

Ví dụ:

Dữ liệu huấn luyện → Dữ liệu kiểm tra

Bước 4. Huấn luyện mô hình

Cung cấp dữ liệu cho mô hình để mô hình học được đặc điểm của:

🐱 Mèo

và

🐶 Chó.

Bước 5. Kiểm thử

Đưa những dữ liệu mà mô hình chưa sử dụng trong quá trình huấn luyện vào kiểm tra.

Ví dụ:

100 ảnh mới → AI nhận diện đúng 92 ảnh.

Bước 6. Đánh giá

Cần đặt câu hỏi:

AI đúng bao nhiêu?
AI sai bao nhiêu?
Sai ở trường hợp nào?
Có thiên lệch không?
Có đáp ứng mục tiêu không?
Bước 7. Triển khai

Nếu kết quả đạt yêu cầu:

Đưa AI vào ứng dụng thực tế.

XII. ĐÁNH GIÁ HIỆU QUẢ AI

Không nên chỉ hỏi:

“AI có thông minh không?”

Mà cần hỏi:

“AI hoạt động tốt đến mức nào và có phù hợp với mục đích sử dụng không?”

XIII. ĐỘ CHÍNH XÁC – ACCURACY

Accuracy cho biết tỷ lệ dự đoán đúng trên tổng số trường hợp.

Ví dụ:

AI kiểm tra 100 ảnh.

Đúng: 90
Sai: 10

→ Accuracy = 90%

Nhưng:

90% không phải lúc nào cũng có nghĩa là hệ thống tốt.

XIV. PRECISION VÀ RECALL

Ở mức nâng cao, học sinh có thể làm quen với:

Precision – Độ chính xác của dự đoán dương

Trong số những trường hợp AI dự đoán là “có”, có bao nhiêu trường hợp thực sự “có”.

Recall – Độ bao phủ

Trong số những trường hợp thực sự “có”, AI phát hiện được bao nhiêu.

Ví dụ

AI phát hiện email có khả năng là thư rác.

Nếu AI đánh dấu nhầm email quan trọng:

→ False Positive

Nếu AI bỏ sót thư rác:

→ False Negative

👉 Tùy mục đích mà ta cần ưu tiên chỉ số khác nhau.

XV. CÁC TIÊU CHÍ ĐÁNH GIÁ AI
Tiêu chí Câu hỏi
Độ chính xác AI dự đoán đúng bao nhiêu?
Tốc độ AI xử lý có nhanh không?
Độ ổn định Kết quả có ổn định không?
Công bằng AI có thiên lệch không?
An toàn Có nguy cơ gây hại không?
Bảo mật Dữ liệu có được bảo vệ không?
Chi phí Vận hành có phù hợp không?
XVI. HOẠT ĐỘNG NHÓM
Tình huống

Có hai mô hình AI:

Mô hình Độ chính xác Thời gian xử lý
A 95% 5 giây
B 92% 0,5 giây
Câu hỏi

Mô hình nào tốt hơn?

Không có đáp án duy nhất.

Nếu ứng dụng cần:

Độ chính xác cao → có thể chọn A.

Nếu ứng dụng cần:

Phản hồi nhanh → có thể cân nhắc B.

👉 Đánh giá AI phải dựa trên mục tiêu sử dụng.

XVII. PHƯƠNG ÁN VẬN HÀNH AI

Sau khi phát triển xong, cần lựa chọn cách vận hành.

Phương án 1: Chạy trên máy cá nhân

Phù hợp:

Học tập.
Thử nghiệm.
Dữ liệu nhỏ.
Phương án 2: Chạy trên máy chủ

Phù hợp:

Nhiều người sử dụng.
Dữ liệu lớn.
Cần quản lý tập trung.
Phương án 3: Sử dụng dịch vụ điện toán đám mây

Phù hợp:

Muốn mở rộng hệ thống.
Cần tài nguyên tính toán linh hoạt.
Có nhiều người dùng.
XVIII. LỰA CHỌN PHƯƠNG ÁN PHÙ HỢP

Khi lựa chọn cách vận hành, cần cân nhắc:

Hiệu năng + Chi phí + Bảo mật + Dữ liệu + Số lượng người dùng + Khả năng mở rộng

Ví dụ:

Một dự án AI nhỏ của học sinh

→ Không nhất thiết cần hệ thống máy chủ phức tạp.

Một hệ thống AI phục vụ hàng nghìn người

→ Cần cân nhắc khả năng mở rộng và quản lý tài nguyên.

XIX. HOẠT ĐỘNG THỰC HÀNH
Dự án: “AI hỗ trợ học tập”
Nhiệm vụ nhóm

Thiết kế ý tưởng một hệ thống AI.

Nhóm cần xác định:

1. Tên hệ thống

Ví dụ:

AI Trợ lý học tập Tin học 12

2. Mục tiêu

Hỗ trợ học sinh ôn tập.

3. Dữ liệu

Nội dung bài học.
Câu hỏi.
Đáp án.
Tài liệu học tập phù hợp.

4. Công cụ

Có thể lựa chọn:

Python + Google Colab + Scikit-learn

hoặc các công cụ phù hợp khác.

5. Cách đánh giá

Độ chính xác.
Tốc độ phản hồi.
Mức độ hữu ích.
Khả năng phát hiện câu trả lời sai.

6. Phương án vận hành

Thử nghiệm trên máy tính.
Sau đó cân nhắc triển khai trực tuyến nếu cần.
XX. PHIẾU HỌC TẬP
Nhóm: ................
Nội dung Trả lời
Tên hệ thống AI
Vấn đề cần giải quyết
Đối tượng sử dụng
Công cụ phát triển
Dữ liệu cần thiết
Cách huấn luyện
Tiêu chí đánh giá
Kết quả mong muốn
Rủi ro
Phương án vận hành
XXI. LUYỆN TẬP
Câu 1

Công cụ nào là ngôn ngữ lập trình thường được sử dụng trong AI?

A. Python
B. HTML
C. Photoshop
D. PowerPoint

Đáp án: A

Câu 2

Công cụ nào cung cấp môi trường chạy Python trực tuyến?

A. Google Colab
B. Paint
C. Word
D. Excel

Đáp án: A

Câu 3

Scikit-learn chủ yếu được sử dụng cho:

A. Soạn thảo văn bản
B. Học máy
C. Thiết kế slide
D. Chỉnh sửa ảnh

Đáp án: B

Câu 4

AI kiểm tra 200 trường hợp và dự đoán đúng 180 trường hợp. Accuracy là:

A. 80%
B. 85%
C. 90%
D. 95%

Đáp án: C

Câu 5

Điều nào quan trọng khi đánh giá hệ thống AI?

A. Chỉ xem giao diện đẹp hay không
B. Chỉ xem tốc độ
C. Xem nhiều tiêu chí phù hợp với mục tiêu sử dụng
D. Chỉ xem tên mô hình

Đáp án: C

XXII. VẬN DỤNG
Bài tập

Hãy lựa chọn một trong các ý tưởng:

AI hỗ trợ học Tin học.
AI phân loại rác.
AI hỗ trợ người cao tuổi sử dụng công nghệ.
AI hỗ trợ tìm kiếm tài liệu học tập.

Sau đó trình bày:

Vấn đề → Dữ liệu → Công cụ → Mô hình → Đánh giá → Triển khai → Giám sát

XXIII. SƠ ĐỒ GHI NHỚ
PHÁT TRIỂN HỆ THỐNG AI
│
↓
DỮ LIỆU
│
↓
CHUẨN BỊ DỮ LIỆU
│
↓
HUẤN LUYỆN AI
│
↓
KIỂM THỬ
│
↓
ĐÁNH GIÁ HIỆU QUẢ
│
┌──────────┼──────────┐
↓ ↓ ↓
Chính xác Tốc độ An toàn
│ │ │
└──────────┼──────────┘
↓
TRIỂN KHAI
│
↓
GIÁM SÁT – CẢI TIẾN
XXIV. CHỐT KIẾN THỨC
Học sinh cần nhớ 5 ý:

① Python → ngôn ngữ lập trình phổ biến cho AI.

② Colab/Jupyter → môi trường để viết và chạy chương trình.

③ Scikit-learn/TensorFlow/PyTorch → các công cụ/nền tảng hỗ trợ phát triển AI.

④ AI phải được đánh giá bằng nhiều tiêu chí, không chỉ độ chính xác.

⑤ Một hệ thống AI tốt phải phù hợp với mục tiêu, an toàn, hiệu quả và có phương án vận hành phù hợp.

🎯 Thông điệp cuối bài

“Phát triển AI không chỉ là làm cho AI hoạt động, mà còn phải chứng minh AI hoạt động đúng, hiệu quả, an toàn và phù hợp với nhu cầu thực tế.”

01/09/2026

BÀI GIẢNG
ĐÁNH GIÁ RỦI RO VÀ TRÁCH NHIỆM TRONG HỆ SINH THÁI AI

Môn: Tin học 12
Thời lượng: 3 tiết
Mã năng lực số: 12.B2.1; 12.B3.1; 12.C2.1

I. MỤC TIÊU BÀI HỌC

Sau bài học, học sinh có thể:

1. Kiến thức

Học sinh:

Nhận biết được các loại rủi ro trong hệ sinh thái AI.
Xác định và phân loại được mức độ rủi ro của một hệ thống AI.
Trình bày được quyền và trách nhiệm của người phát triển AI.
Trình bày được quyền và trách nhiệm của người sử dụng AI.
Đề xuất được ý tưởng thiết kế một công cụ AI phục vụ học tập hoặc cộng đồng.
Biết cân nhắc giữa lợi ích – rủi ro – trách nhiệm trước khi sử dụng AI.
2. Năng lực

Học sinh có khả năng:

Phân tích tình huống thực tế.
Đánh giá mức độ rủi ro.
Làm việc nhóm.
Đề xuất giải pháp công nghệ.
Thiết kế ý tưởng sản phẩm AI có trách nhiệm.
3. Phẩm chất
Có trách nhiệm với cộng đồng.
Trung thực.
Tôn trọng quyền riêng tư.
Có ý thức sử dụng AI an toàn và có đạo đức.
II. KHỞI ĐỘNG – 10 PHÚT
Tình huống

Một trường học muốn sử dụng AI để hỗ trợ giáo viên phát hiện học sinh có nguy cơ học tập sa sút.

AI phân tích:

Điểm số.
Số buổi nghỉ học.
Kết quả bài kiểm tra.
Mức độ tham gia hoạt động học tập.

Sau đó AI đưa ra danh sách:

“Học sinh có nguy cơ cao.”

Câu hỏi

Câu 1: AI có thể giúp nhà trường như thế nào?

Câu 2: AI có thể đưa ra kết quả sai không?

Câu 3: Nếu AI đánh giá sai một học sinh thì hậu quả có thể là gì?

Câu 4: Ai chịu trách nhiệm?

Câu 5: Có nên sử dụng ngay kết quả của AI để đưa ra quyết định không?

Kết luận

Một hệ thống AI càng có khả năng ảnh hưởng đến con người thì càng cần được đánh giá rủi ro và xác định rõ trách nhiệm.

III. HỆ SINH THÁI AI LÀ GÌ?

Không chỉ có AI.

Một hệ sinh thái AI gồm nhiều thành phần:

HỆ SINH THÁI AI
│
┌────────────┼────────────┐
↓ ↓ ↓
Con người Dữ liệu Công nghệ
│ │ │
↓ ↓ ↓
Người phát triển Thu thập Mô hình AI
Người sử dụng Xử lý Phần mềm
Nhà quản lý Lưu trữ Phần cứng
│
↓
XÃ HỘI
Ví dụ

Một chatbot AI hỗ trợ học sinh gồm:

Người thiết kế.
Người lập trình.
Dữ liệu huấn luyện.
Mô hình AI.
Máy chủ.
Giáo viên.
Học sinh.
Nhà trường.
Người quản lý hệ thống.

👉 Vì vậy, khi xảy ra vấn đề, không thể chỉ nói “do AI”.

IV. ĐÁNH GIÁ RỦI RO TRONG AI
1. Rủi ro là gì?

Rủi ro là khả năng xảy ra một sự việc không mong muốn và gây thiệt hại.

Ví dụ:

AI cung cấp thông tin sai.
AI thiên vị.
Lộ dữ liệu cá nhân.
AI tạo nội dung giả mạo.
Người dùng phụ thuộc quá mức vào AI.
AI bị sử dụng vào mục đích xấu.
V. CÁC MỨC ĐỘ RỦI RO

Có thể sử dụng mô hình đơn giản gồm 4 mức:

Mức độ Đặc điểm Ví dụ
🟢 Thấp Hậu quả nhỏ, dễ khắc phục AI gợi ý tiêu đề bài viết
🟡 Trung bình Có thể gây ảnh hưởng đáng kể AI hỗ trợ đánh giá bài viết
🟠 Cao Có thể ảnh hưởng trực tiếp đến quyền lợi con người AI hỗ trợ tuyển chọn
🔴 Rất cao Có nguy cơ gây hậu quả nghiêm trọng AI tự động đưa ra quyết định quan trọng về con người
Công thức đơn giản:

Mức độ rủi ro = Khả năng xảy ra × Mức độ ảnh hưởng

Ví dụ:

AI trả lời sai một câu hỏi giải trí:

→ Ảnh hưởng nhỏ → rủi ro thấp.

AI đưa thông tin sai trong một quyết định quan trọng:

→ Ảnh hưởng lớn → rủi ro cao.

VI. HOẠT ĐỘNG 1 – PHÂN LOẠI RỦI RO

Chia lớp thành các nhóm.

Hãy xác định mức độ rủi ro:

Tình huống Mức rủi ro
AI gợi ý nhạc ?
AI hỗ trợ viết bài ?
AI đánh giá hồ sơ tuyển sinh ?
AI phân tích dữ liệu cá nhân ?
AI đưa ra quyết định quan trọng thay con người ?
Gợi ý

Học sinh cần đặt câu hỏi:

AI xử lý dữ liệu gì?
AI ảnh hưởng đến ai?
Nếu AI sai thì hậu quả thế nào?
Có con người kiểm tra kết quả không?
Có thể sửa sai không?
VII. QUYỀN CỦA NGƯỜI PHÁT TRIỂN AI

Người phát triển AI có quyền:

Lựa chọn công nghệ phù hợp.
Thiết kế hệ thống.
Xây dựng và kiểm thử mô hình.
Đề xuất cách sử dụng hệ thống.
Bảo vệ sản phẩm và công sức sáng tạo theo quy định.

Tuy nhiên, quyền luôn đi kèm trách nhiệm.

VIII. TRÁCH NHIỆM CỦA NGƯỜI PHÁT TRIỂN AI

Người phát triển cần:

1. Bảo đảm an toàn

Kiểm thử hệ thống trước khi đưa vào sử dụng.

2. Hạn chế thiên vị

Kiểm tra dữ liệu và kết quả để phát hiện sự thiên lệch.

3. Bảo vệ dữ liệu

Không thu thập hoặc sử dụng dữ liệu vượt quá mục đích cần thiết.

4. Minh bạch

Thông tin rõ về:

Mục đích của hệ thống.
Khả năng.
Giới hạn.
Những rủi ro có thể xảy ra.
5. Có cơ chế xử lý sai sót

Khi AI đưa ra kết quả sai cần:

Phát hiện → Báo cáo → Kiểm tra → Sửa lỗi → Cải thiện hệ thống

IX. QUYỀN CỦA NGƯỜI SỬ DỤNG AI

Người sử dụng có quyền:

Biết mình đang tương tác với AI.
Biết AI được sử dụng để làm gì.
Được bảo vệ dữ liệu cá nhân.
Được kiểm tra hoặc xem xét lại những quyết định có ảnh hưởng đáng kể.
Được phản hồi và báo cáo vấn đề.
X. TRÁCH NHIỆM CỦA NGƯỜI SỬ DỤNG

Người sử dụng cần:

✅ Kiểm chứng thông tin

Không tin tuyệt đối vào AI.

✅ Bảo vệ dữ liệu cá nhân

Không tùy tiện đưa thông tin của mình hoặc người khác vào AI.

✅ Sử dụng đúng mục đích

Không sử dụng AI để gây hại hoặc gian lận.

✅ Tôn trọng bản quyền

Không nhận sản phẩm do AI tạo ra là hoàn toàn do mình sáng tạo nếu điều đó không đúng.

✅ Chịu trách nhiệm

Người sử dụng phải chịu trách nhiệm về cách mình sử dụng kết quả AI.

XI. SO SÁNH TRÁCH NHIỆM
Người phát triển Người sử dụng
Thiết kế hệ thống an toàn Sử dụng an toàn
Kiểm thử AI Kiểm chứng kết quả
Bảo vệ dữ liệu Bảo vệ dữ liệu
Hạn chế thiên vị Nhận biết thiên vị
Minh bạch Đọc và hiểu giới hạn
Sửa lỗi Báo cáo lỗi
Chịu trách nhiệm về sản phẩm Chịu trách nhiệm về hành vi sử dụng
Thông điệp:

Phát triển AI có trách nhiệm + Sử dụng AI có trách nhiệm = Hệ sinh thái AI an toàn.

XII. THIẾT KẾ Ý TƯỞNG CÔNG CỤ AI

Đây là hoạt động quan trọng nhất của bài.

Nhiệm vụ

Mỗi nhóm đề xuất một ý tưởng công cụ AI phục vụ học tập hoặc xã hội.

Một số ý tưởng

1. AI hỗ trợ học tập

Trợ lý ôn tập.
AI tạo câu hỏi luyện tập.
AI giải thích khái niệm khó.
AI hỗ trợ lập kế hoạch học tập.

2. AI phục vụ cộng đồng

Trợ lý tìm kiếm thông tin giáo dục.
AI hỗ trợ người cao tuổi sử dụng công nghệ.
AI hướng dẫn phân loại rác.
AI hỗ trợ tra cứu thông tin giao thông.
XIII. PHIẾU THIẾT KẾ Ý TƯỞNG AI

Mỗi nhóm hoàn thành:

Nội dung Câu trả lời
1. Tên công cụ
2. Vấn đề cần giải quyết
3. Đối tượng sử dụng
4. AI sẽ làm gì?
5. Dữ liệu cần sử dụng
6. Lợi ích
7. Rủi ro có thể xảy ra
8. Biện pháp giảm rủi ro
9. Trách nhiệm của người phát triển
10. Trách nhiệm của người sử dụng
XIV. VÍ DỤ SẢN PHẨM
🤖 “AI TRỢ LÝ ÔN TẬP TIN HỌC”
Vấn đề

Học sinh gặp khó khăn khi tự ôn tập.

Giải pháp

AI có thể:

Tạo câu hỏi.
Giải thích kiến thức.
Gợi ý bài tập.
Phân tích lỗi thường gặp.
Rủi ro
AI giải thích sai.
Học sinh phụ thuộc vào AI.
Học sinh sử dụng AI để gian lận.
Dữ liệu học tập bị sử dụng không phù hợp.
Biện pháp
Kiểm chứng nội dung.
Có giáo viên giám sát.
Không đưa thông tin cá nhân không cần thiết.
Khuyến khích học sinh tự suy nghĩ trước khi xem gợi ý.
XV. HOẠT ĐỘNG 2 – “AI CÓ AN TOÀN KHÔNG?”

Giáo viên đưa ra tình huống:

Một nhóm học sinh thiết kế AI dự đoán kết quả học tập của các bạn trong lớp.

Nhóm phải trả lời:

1. AI sử dụng dữ liệu gì?

2. Dữ liệu đó có cần được bảo vệ không?

3. Nếu AI dự đoán sai thì sao?

4. Có nên công khai kết quả không?

5. Ai chịu trách nhiệm?

6. Làm thế nào để giảm rủi ro?

XVI. ĐÁNH GIÁ SẢN PHẨM NHÓM

Có thể chấm theo thang 10 điểm:

Tiêu chí Điểm
Xác định đúng vấn đề 2
Ý tưởng AI có tính khả thi 2
Phân tích được rủi ro 2
Đề xuất biện pháp giảm rủi ro 2
Xác định quyền và trách nhiệm 1
Trình bày rõ ràng, sáng tạo 1
Tổng 10
XVII. LUYỆN TẬP
Câu 1

Yếu tố nào cần xem xét khi đánh giá rủi ro của AI?

A. Màu sắc giao diện
B. Khả năng xảy ra và mức độ ảnh hưởng
C. Tên của AI
D. Kích thước màn hình

Đáp án: B

Câu 2

Nếu AI đưa ra kết quả sai, người sử dụng nên:

A. Tin ngay
B. Chia sẻ ngay
C. Kiểm chứng và đánh giá lại
D. Đổ lỗi cho AI

Đáp án: C

Câu 3

Ai có trách nhiệm kiểm thử hệ thống AI trước khi triển khai?

A. Người phát triển
B. Không ai
C. Chỉ người sử dụng
D. AI tự chịu trách nhiệm

Đáp án: A

Câu 4

Một hệ thống AI xử lý dữ liệu cá nhân cần đặc biệt chú ý đến:

A. Màu sắc
B. Quyền riêng tư và bảo vệ dữ liệu
C. Âm thanh
D. Hình nền

Đáp án: B

XVIII. VẬN DỤNG
Bài tập về nhà

Mỗi học sinh lựa chọn một công cụ AI đang được sử dụng trong đời sống hoặc học tập và lập bảng:

Nội dung Phân tích
Công cụ AI
Mục đích
Lợi ích
Rủi ro
Mức độ rủi ro
Người phát triển chịu trách nhiệm gì?
Người sử dụng chịu trách nhiệm gì?
Đề xuất cải thiện
XIX. SƠ ĐỒ GHI NHỚ
HỆ SINH THÁI AI
│
┌────────────┼────────────┐
↓ ↓ ↓
AI CON NGƯỜI DỮ LIỆU
│ │ │
└────────────┼────────────┘
↓
ĐÁNH GIÁ RỦI RO
│
┌──────────┼──────────┐
↓ ↓ ↓
THẤP TRUNG BÌNH CAO
│
↓
XÁC ĐỊNH TRÁCH NHIỆM
│
┌───────┴───────┐
↓ ↓
NGƯỜI PHÁT TRIỂN NGƯỜI SỬ DỤNG
│ │
└───────┬───────┘
↓
AI CÓ TRÁCH NHIỆM
↓
PHỤC VỤ CON NGƯỜI
XX. THÔNG ĐIỆP CHỐT BÀI

Không phải AI càng thông minh thì càng an toàn.

AI càng có ảnh hưởng lớn đến con người thì càng cần đánh giá rủi ro, minh bạch và trách nhiệm rõ ràng.

4 câu học sinh cần nhớ:

1. AI có thể sai.
2. Con người phải kiểm chứng.
3. Quyền luôn đi kèm trách nhiệm.
4. Thiết kế AI phải hướng đến lợi ích và an toàn của con người.

Mục tiêu cuối cùng:

🤖 Biết dùng AI → Biết đánh giá AI → Biết thiết kế AI → Biết chịu trách nhiệm khi sử dụng AI.

Call now to connect with business.