Câu hỏi: ITE302c - Chương 3: Thiên kiến, công bằng thuật toán và đánh giá mô hình

Đáp án đúng: There is a strong positive correlation between both variables.. Đám điểm bám sát một đường đi lên ⇒ tương quan DƯƠNG và MẠNH. (Câu gốc có kèm ảnh biểu đồ phân tán — đã mô tả lại bằng lời trong đề bài.)

Đáp án đúng: A (why?). Thuật toán giải thích được (explainable algorithm) trong hệ thống gợi ý trả lời câu hỏi "VÌ SAO bạn được gợi ý món này" — ví dụ "vì bạn đã xem các phim cùng đạo diễn". Đó chính là điều người dùng cần để tin tưởng, phản biện hoặc khiếu nại khuyến nghị. B "how?" là câu hỏi về cơ chế kỹ thuật bên trong, thuộc phạm vi kỹ sư chứ không phải người dùng cuối. C "who?" hỏi về danh tính người dùng. D "what?" chỉ nói được hệ thống gợi ý CÁI GÌ, tức thông tin đã hiển thị sẵn, không thêm giá trị giải thích nào.

Đáp án đúng: Median. Báo cáo KẾT QUẢ cho người nghe thì cần đại lượng đo XU HƯỚNG TRUNG TÂM, nên loại độ lệch chuẩn và phương sai (đo độ phân tán, lại là ngôn ngữ kỹ thuật). Giữa mode và median: trung vị dễ hiểu, không bị giá trị ngoại lai kéo lệch và dùng được cho hầu hết dạng dữ liệu; mode chỉ có ý nghĩa khi dữ liệu dồn vào vài giá trị lặp lại.

Đáp án đúng: Collecting location data every time the app is opened, potentially learning where a user lives, works, etc.. Muốn biết đặt trạm ở đâu thì thuật toán phải gom VỊ TRÍ người dùng — hệ quả là suy ra được nơi ở, nơi làm việc, tức rủi ro riêng tư.

Đáp án đúng: a recipe that a computer uses to solve problems. Ví von quen thuộc: thuật toán là "công thức nấu ăn" MÁY dùng để giải quyết vấn đề. B mô tả việc con người viết ra, không phải bản thân thuật toán.

Đáp án đúng: C. True positive (dương tính thật) là trường hợp mô hình dự đoán DƯƠNG và thực tế cũng DƯƠNG — mô hình đoán đúng ở phía khẳng định. A là true negative (đoán âm, thực tế âm). B là false negative (đoán âm nhưng thực tế dương) — loại lỗi nguy hiểm nhất trong sàng lọc y tế vì bỏ sót ca bệnh. D là false positive (đoán dương nhưng thực tế âm) — loại lỗi gây báo động giả. Nhớ quy tắc: chữ đầu (true/false) cho biết mô hình đoán ĐÚNG hay SAI, chữ sau (positive/negative) cho biết mô hình đoán cái GÌ.

Đáp án đúng: learning algorithm. Thử nhiều cách rồi tự chọn cách tốt nhất cho lần sau = thuật toán HỌC.

Đáp án đúng: No, the data is biased as it reflects historical bias.. Không trung lập: dữ liệu bắt giữ/kết án phản chiếu thiên kiến lịch sử nên mô hình học lại chính thiên kiến đó — không phải do cố ý thiết kế bất công.

Đáp án đúng: To use the model in real-life predictions, monitoring the error rate and accuracy. Giai đoạn triển khai = đưa mô hình vào dự đoán thực tế và theo dõi sai số/độ chính xác.

Đáp án đúng: B (Prescriptive). Bốn cấp phân tích dữ liệu: descriptive trả lời "chuyện gì đã xảy ra", diagnostic trả lời "vì sao xảy ra", predictive trả lời "chuyện gì sẽ xảy ra", và prescriptive trả lời "NÊN LÀM GÌ". Đề hỏi nên MUA doanh nghiệp nào để tối đa lợi ích tài chính — tức đòi một khuyến nghị hành động, đúng cấp prescriptive. A descriptive chỉ mô tả dữ liệu quá khứ. C predictive dừng ở dự báo mà không nói nên chọn phương án nào. D "cumulative" không phải một cấp phân tích trong khung này.

Đáp án đúng: Increasing AI performance sometimes leads to greater model complexity, making it more difficult to explain decision-making processes.. Mô hình càng mạnh càng PHỨC TẠP (deep learning) ⇒ càng khó giải thích. Đây là đánh đổi performance–explainability kinh điển.

Đáp án đúng: fairer but less accurate. Đề đã nói mô hình "makes more mistakes" ⇒ chắc chắn KÉM CHÍNH XÁC hơn, loại A và D vì cả hai đều khẳng định chính xác hơn. Giữa B và C: người ta hạ ngưỡng quyết định chính là để nhận thêm nhóm đang bị bỏ sót, tức đổi độ chính xác lấy CÔNG BẰNG — nếu vừa kém chính xác vừa kém công bằng thì chẳng ai làm.

Đáp án đúng: Explainability. Explainability = diễn giải hệ thống cho NGƯỜI KHÔNG CHUYÊN hiểu; interpretability là mức hiểu cơ chế nội tại dành cho chuyên gia.

Đáp án đúng: blind attribute. "Blind attribute" (giấu thuộc tính nhạy cảm) vẫn bất công vì mô hình học được các biến thay thế (proxy) như mã vùng, tên trường học.

Đáp án đúng: individuals within those groups. Công bằng theo NHÓM (group fairness) không bảo đảm công bằng cho từng CÁ NHÂN trong nhóm.

Đáp án đúng: Disparate impact. Mô hình không cố ý phân biệt theo giới nhưng KẾT QUẢ lệch hẳn giữa hai nhóm ⇒ disparate impact (tác động chênh lệch). Disparate treatment là cố ý dùng thuộc tính nhạy cảm.

Đáp án đúng: Mean squared error (MSE) ; Root mean squared error (RMSE). Hồi quy dùng MSE và RMSE; accuracy/recall là chỉ số cho bài toán PHÂN LOẠI.

Đáp án đúng: What-If. What-If Tool là công cụ của Google, tích hợp sẵn với Cloud AI Platform/TensorBoard; SHAP, LIME, ELI5 là thư viện độc lập.

Đáp án đúng: a model selects for one demographic less often because of their historical representation. "Phản chiếu văn hoá" nghĩa là mô hình lặp lại đúng bất bình đẳng LỊCH SỬ đã ăn vào dữ liệu — một nhóm bị chọn ít hơn vì trước nay vẫn ít được đại diện.

Đáp án đúng: divide the number of correct predictions by the total number of predictions. Accuracy = số dự đoán đúng / tổng số dự đoán.