Mạng nơ-ron: nhận biết ứng dụng và giới hạn
Lớp 11 · 1 tiết · Các kĩ thuật và ứng dụng AI
Tiết này yêu cầu nêu ứng dụng mạng nơ-ron, không yêu cầu xây hay huấn luyện mạng sâu. Ta dùng sơ đồ đơn giản để hiểu vì sao ứng dụng vẫn cần dữ liệu và kiểm thử.
Em sẽ học được gì?
- 11.C5.1Nêu được một số ứng dụng mạng nơ-ron nhân tạo. Trang 41
Một họ mô hình, nhiều ứng dụng
Mạng nơ-ron nhân tạo gồm các phép biến đổi có tham số, thường tổ chức thành các lớp; quá trình huấn luyện điều chỉnh tham số từ dữ liệu theo mục tiêu. Mạng không phải bản sao cảm xúc hay ý thức con người. Các ứng dụng có thể gồm nhận dạng ảnh, nhận dạng tiếng nói và mô hình ngôn ngữ tạo văn bản. Nêu ứng dụng mạng nơ-ron không có nghĩa mọi công cụ làm việc đó đều dùng cùng kiến trúc.
Ví dụ không phải bằng chứng hiệu quả
Một mạng có thể nhận dạng chữ viết tay từ ảnh để hỗ trợ nhập liệu; đầu vào là ảnh, đầu ra là ký tự dự đoán. Dữ liệu chữ không đại diện, ảnh mờ hoặc cách viết mới có thể làm sai. Người dùng cần xem lại ký tự, đặc biệt số tiền hay thông tin quan trọng. Không cần công thức đạo hàm hoặc lập trình để chỉ ra ứng dụng, đầu vào, đầu ra và một giới hạn.
Cùng làm: Triển lãm ba thẻ ứng dụng
Làm ba thẻ: nhận dạng chữ viết tay; chuyển tiếng nói thành chữ; gợi văn bản. Dùng dữ liệu minh họa giả, không thu chữ viết hoặc giọng thật của bạn.
5 phút nêu điều em từng nghe về mạng nơ-ron; 8 phút sửa ý “mạng hiểu như người” theo giải thích bài.
18 phút mỗi thẻ ghi nhiệm vụ, đầu vào, đầu ra, ví dụ cách hỗ trợ con người và một ca dễ sai; vẽ dữ liệu → huấn luyện mô hình → thử trên mẫu khác → người kiểm.
9 phút đổi thẻ để tìm chỗ đã suy quá mức từ tên công nghệ; 5 phút chọn một ứng dụng và giải thích lại không dùng từ “ma thuật/thông minh như người”.
Dừng lại và suy nghĩ
- Vì sao ảnh mờ ảnh hưởng ứng dụng chữ viết?
- Có cần biết lập trình mạng để nêu đúng ứng dụng không?
Minh chứng cần ghi lại
Ba thẻ ứng dụng mạng nơ-ron có chức năng/đầu vào/đầu ra, sơ đồ giản lược và một lời giải thích cá nhân không nhân hóa.
Không có thiết bị? Vẫn học được.
Vẽ thẻ và dùng ký tự do giáo viên tạo như 1/7 để bàn về sự mơ hồ; không cần chạy mô hình hay đăng kí công cụ.
Họ và tên: ........................................ Lớp: ........ Ngày: ................
Quan sát / sản phẩm của em:
Em đã kiểm tra bằng cách nào? Em sẽ thay đổi điều gì?
Em có dùng AI không? Nếu có, AI đã hỗ trợ phần nào?
Tự luyện để hiểu bài
Các câu hỏi dưới đây giúp em nhận phản hồi và thử lại. Số câu đúng không phải điểm chính thức, không thay thế minh chứng hoạt động hay nhận xét của giáo viên. Câu trả lời tự luyện chỉ lưu trên trình duyệt này.
Bài tập
Đã đúng 0/2 câu
- Câu 1Mức 2Trắc nghiệm 1 đáp án
Ví dụ nào có thể là ứng dụng mạng nơ-ron?
- Câu 2Mức 2Đúng / Sai
Gọi là nơ-ron nghĩa là mô hình có cảm xúc như con người.
- Câu 3Mức 3Tự luận
Nêu hai ứng dụng mạng nơ-ron và một việc con người cần kiểm trong mỗi ứng dụng.
0 từ / tối đa 180
Đang tải hồ sơ riêng tư…
Ghi lại điều em đã làm
Ba thẻ ứng dụng mạng nơ-ron có chức năng/đầu vào/đầu ra, sơ đồ giản lược và một lời giải thích cá nhân không nhân hóa. Không ghi địa chỉ, số điện thoại, mật khẩu hoặc thông tin riêng tư của người khác.
Em có thể trình bày miệng với giáo viên, viết trên phiếu giấy hoặc ghi bằng lời ở đây. Người hướng dẫn có thể ghi giúp điều đã quan sát.
Lịch sử minh chứng của em trong bài
Hướng dẫn dành cho giáo viên
Học liệu mở — đọc và in không cần đăng nhập. Dùng quan sát thực hành để nhận xét, không quy đổi tự luyện thành điểm năng lực.
Chuẩn bị
- Chuẩn bị ba thẻ ứng dụng và ký tự vẽ tay của giáo viên; không yêu cầu cài thư viện mạng.
Tổ chức hoạt động
Giữ trọng tâm ở nhận biết ứng dụng. Các câu hỏi về huấn luyện sâu được ghi là mở rộng, không biến thành yêu cầu hoàn thành bài. Thu minh chứng để phản hồi mô tả và đề xuất bước tiếp theo; không lập điểm hay kì thi AI riêng.
Câu hỏi thảo luận
- Cùng nhiệm vụ có nhất thiết dùng cùng loại mô hình không?
- Lỗi nào cần người xem trước khi sử dụng kết quả?
Quan sát minh chứng
- Nêu được một số ứng dụng mạng nơ-ron bằng nhiệm vụ rõ.
- Không đồng nhất tên nơ-ron với tư duy hay ý thức của người.
Điều cần nhớ
Mạng nơ-ron có nhiều ứng dụng từ dữ liệu; nêu đúng chức năng và giới hạn quan trọng hơn dùng thuật ngữ khó.