Ngân hàng đề Google Cloud Generative AI Leader

Câu 391 1 Fundamentals of gen AI

*Which of the following BEST defines generative AI?

A
A. A type of artificial intelligence that can create new content, including images, text and music.
B
B. A type of artificial intelligence that analyzes existing data to identify patterns and make predictions.
C
C. A specific application, like a chatbot, that utilizes AI technology.
D
D. A type of artificial intelligence that focuses on automating repetitive tasks and improving efficiency.

Xem giải thích

Đáp án

A — Một loại trí tuệ nhân tạo có thể TẠO RA nội dung mới, gồm hình ảnh, văn bản và âm nhạc.

Vì sao đúng

Chữ "generative" nghĩa là sinh ra. Điểm phân biệt duy nhất của gen AI với các nhánh AI khác là nó tạo ra thứ chưa từng tồn tại.

⚠ Phân biệt cốt lõi:

AI truyền thống / ML dự báo
    ⚠ đầu ra: NHÃN, ĐIỂM, DỰ ĐOÁN
    → "email này là spam"

⚠ Generative AI
    ⚠ đầu ra: NỘI DUNG MỚI
    → văn bản, ảnh, âm thanh, mã

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14153 (lô 151) — cùng hỏi định nghĩa gen AI, cùng bốn ý.

⚠ Bộ đề ĐÃ ĐỔI CHỮ CÁI đáp án:

Lô	Vị trí đáp án	Nội dung
#14153 (lô 151)	⚠ chữ B	⚠ "tạo ra nội dung mới"
#14246 (lô này)	⚠ chữ A	⚠ CÙNG nội dung

⚠ Ba câu trong hai lô liên tiếp đều đổi chữ cái (#14243, #14245, #14246). ⚠ Đây là bằng chứng rõ ràng nhất cho việc học theo nội dung, không học theo vị trí.

Vì sao các phương án khác sai

B (phân tích dữ liệu có sẵn để tìm mẫu hình và đưa ra dự đoán) — ⚠ bẫy mạnh nhất: đây là định nghĩa chính xác của ML dự báo, không phải gen AI.
D (tập trung tự động hoá công việc lặp lại, cải thiện hiệu quả) — ⚠ mô tả tự động hoá quy trình.
C (một ứng dụng cụ thể như chatbot) — ⚠ nhầm ỨNG DỤNG với CÔNG NGHỆ.

Ghi nhớ

⚠ Bốn nhánh và định nghĩa — bảng phải thuộc: | Nhánh | Đầu ra | |---|---| | ⚠ Generative AI | ⚠ NỘI DUNG MỚI — đề này | | ML dự báo | ⚠ dự đoán, phân loại | | Tự động hoá quy trình | ⚠ thực hiện việc lặp lại | | Ứng dụng (chatbot) | ⚠ sản phẩm dùng công nghệ trên |

Từ khoá nhận diện:

"create, generate, new content" → ⚠ gen AI "analyze, predict, patterns" → ⚠ ML dự báo "automate repetitive tasks" → ⚠ tự động hoá "chatbot, ứng dụng cụ thể" → ⚠ nhầm tầng

⚠ Vì sao phương án ML dự báo hay được chọn nhầm	Lý do
⚠ Nó mô tả đúng một thứ CÓ THẬT
⚠ Gen AI cũng học từ mẫu hình	⚠ nhưng để SINH, không để dự đoán nhãn
Nhiều hệ thống thật dùng cả hai
Cách chốt	⚠ hỏi ĐẦU RA là nhãn hay nội dung

⚠ Chiến thuật với câu lặp lại	Chiến thuật
⚠ Nhận ra câu quen là lợi thế	⚠ xác nhận đây là kiến thức trọng tâm
⚠ NHƯNG phải đọc lại phương án	⚠ chữ cái có thể đã đổi
⚠ Đừng chọn theo trí nhớ vị trí
Thời gian tiết kiệm	⚠ dùng để đọc kỹ, không phải để bỏ qua

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Hệ thống cho ra nhãn hay nội dung | ⚠ câu hỏi phân biệt nhanh nhất | | Có sinh thứ chưa có trong dữ liệu không | | | Bài toán cần sinh hay cần dự đoán | ⚠ chọn nhầm là tốn kém vô ích |

Và tổng kết cho chuỗi ba câu lặp trong lô này: bộ đề lặp câu nhiều, và mỗi lần lặp đều có thể xáo chữ cái. Người ôn nhớ theo nội dung thì lần nào cũng đúng; nhớ theo chữ cái thì càng ôn nhiều càng dễ sai.

Câu 392 1 Fundamentals of gen AI

How do foundation models and prompt engineering work together to create value in generative AI?

A
A. Foundation models offer a vast knowledge base, and prompt engineering guides the model to use this knowledge in responses.
B
B. Prompt engineering trains foundation models on specific tasks, allowing them to generate highly specialized content and insights.
C
C. Foundation models provide the computing power for generative AI, while prompt engineering directs that power to complete specific tasks.
D
D. Foundation models ensure the ethical use of generative AI, while prompt engineering focuses on improving model performance and SLO's.

Xem giải thích

Đáp án

A — Mô hình nền cung cấp một kho tri thức rộng lớn, còn prompt engineering dẫn hướng cho mô hình sử dụng kho tri thức đó trong câu trả lời.

Vì sao đúng

Hai thứ này là hai nửa của một cặp: một bên là năng lực tiềm tàng, một bên là cách khai thác năng lực đó.

⚠ Phân vai:

⚠ MÔ HÌNH NỀN
   → ⚠ đã học từ dữ liệu khổng lồ
   → ⚠ chứa TRI THỨC và NĂNG LỰC
   → ⚠ nhưng ở dạng TIỀM NĂNG

⚠ PROMPT ENGINEERING
   → ⚠ DẪN HƯỚNG mô hình
   → ⚠ chọn ra đúng phần năng lực cần
   → ⚠ định hình đầu ra

⚠ Ví von dễ nhớ:

⚠ Mô hình nền = một người biết
  rất nhiều thứ
⚠ Prompt = cách bạn ĐẶT CÂU HỎI
  cho người đó
        ↓
⚠ Cùng một người, hỏi khác nhau
  ra câu trả lời khác hẳn

Vì sao các phương án khác sai

B (prompt engineering HUẤN LUYỆN mô hình nền cho nhiệm vụ cụ thể) — ⚠ bẫy mạnh nhất và là hiểu lầm phổ biến: prompt KHÔNG huấn luyện gì cả, ⚠ không đổi trọng số. Huấn luyện là fine-tuning.
C (mô hình nền cung cấp SỨC MẠNH TÍNH TOÁN) — ⚠ nhầm tầng: sức mạnh tính toán là hạ tầng (GPU/TPU), không phải mô hình.
D (mô hình nền bảo đảm sử dụng có đạo đức, prompt engineering cải thiện hiệu năng và SLO) — ⚠ sai cả hai vế: đạo đức thuộc AI Principles và quy trình quản trị, SLO thuộc vận hành.

Ghi nhớ

⚠ Ai làm gì trong hệ gen AI — bảng phải thuộc: | Thành phần | Vai trò | |---|---| | ⚠ Hạ tầng | ⚠ sức mạnh tính toán | | ⚠ Mô hình nền | ⚠ tri thức và năng lực — đề này | | ⚠ Prompt | ⚠ dẫn hướng khai thác năng lực — đề này | | RAG | ⚠ cấp sự thật từ bên ngoài | | Fine-tuning | ⚠ đổi trọng số | | Quản trị | ⚠ đạo đức, tuân thủ |

Từ khoá nhận diện:

"kho tri thức + dẫn hướng" → ⚠ mô hình nền + prompt "prompt huấn luyện mô hình" → ⚠ luôn SAI "mô hình cung cấp tính toán" → ⚠ nhầm tầng

⚠ Prompt khai thác được gì	Khai thác
⚠ Chọn PHẦN năng lực cần	⚠ viết, tóm tắt, phân loại, dịch
⚠ Định hình phong cách và định dạng
⚠ Kích hoạt lối suy luận	⚠ chain-of-thought
Đặt ràng buộc
⚠ KHÔNG khai thác được	⚠ kiến thức mô hình chưa từng học

⚠ Ranh giới của prompt engineering	Ranh giới
⚠ Không thêm được sự thật mới	⚠ cần RAG
⚠ Không đổi được năng lực căn bản	⚠ cần mô hình khác
⚠ Không đảm bảo được tính đúng
Không phải cơ chế an toàn	⚠ cần bộ lọc thật

⚠ Vì sao cặp này tạo ra giá trị	Lý do
⚠ Một mô hình, vô số ứng dụng	⚠ chỉ khác nhau ở prompt
⚠ Chi phí thử nghiệm gần bằng không
⚠ Người không lập trình cũng dùng được
Kết quả	⚠ rào cản áp dụng AI hạ xuống rất thấp

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Prompt có nêu đủ ngữ cảnh không | ⚠ mô hình không biết thứ bạn không nói | | Bài toán cần tri thức mô hình không có không | ⚠ thì phải dùng RAG | | Prompt tốt đã lưu lại chưa | ⚠ là tài sản của tổ chức |

Và cách hiểu đúng quan hệ giữa hai thứ này: mô hình quyết định TRẦN năng lực, prompt quyết định bạn chạm được bao nhiêu phần của cái trần đó. Prompt tốt không nâng trần, nhưng prompt tệ khiến bạn ở rất xa nó.

Câu 393 1 Fundamentals of gen AI

Which of the following is NOT a key feature of foundation models?

A
A. Trained on diverse data.
B
B. Flexible to support various use cases.
C
C. Adaptable to new domains and tasks.
D
D. Specialized to specific tasks.

Xem giải thích

Đáp án

D — Chuyên biệt cho những nhiệm vụ cụ thể.

Ghi nhớ về dạng câu hỏi

⚠ Câu hỏi PHỦ ĐỊNH — hỏi cái KHÔNG phải đặc tính của mô hình nền. Ba phương án còn lại đều đúng.

⚠ Mẹo: gạch ba đặc tính đúng trước; cái còn lại — thường là cái ngược nghĩa — là đáp án.

Vì sao đúng

⚠ Vì sao "chuyên biệt" là ngược đặc tính:

⚠ Mô hình nền = ĐA DỤNG, BỀ RỘNG
        ↓
⚠ "Chuyên biệt cho nhiệm vụ cụ thể"
  là đặc tính của MÔ HÌNH TRUYỀN THỐNG
        ↓
⚠ Một mô hình = một việc

⚠ Ba đặc tính ĐÚNG của mô hình nền:

⚠ A. Huấn luyện trên dữ liệu ĐA DẠNG
⚠ B. LINH HOẠT, hỗ trợ nhiều ca dùng
⚠ C. THÍCH ỨNG được với lĩnh vực
     và nhiệm vụ mới

⚠ Cả ba đều xoay quanh BỀ RỘNG — nên phương án nói về bề hẹp chính là đáp án.

Vì sao các phương án khác sai

Cả ba đều là đặc tính thật của mô hình nền:

A (huấn luyện trên dữ liệu đa dạng) — ⚠ đúng, và là điều kiện tạo ra hai đặc tính kia.
B (linh hoạt, hỗ trợ nhiều ca sử dụng) — ⚠ đúng, một mô hình dùng cho tóm tắt, dịch, phân loại, sinh nội dung.
C (thích ứng được với lĩnh vực và nhiệm vụ mới) — ⚠ đúng, qua prompt, RAG hoặc fine-tuning.

Ghi nhớ

⚠ Bốn đặc tính của mô hình nền — bảng phải thuộc: | Đặc tính | Nội dung | |---|---| | ⚠ Dữ liệu đa dạng, quy mô lớn | ⚠ nền tảng của mọi thứ | | ⚠ Linh hoạt | ⚠ nhiều ca sử dụng | | ⚠ Thích ứng được | ⚠ prompt, RAG, fine-tune | | Nền cho ứng dụng khác xây lên | ⚠ vì thế gọi là "nền" | | ⚠ KHÔNG phải | ⚠ chuyên biệt một nhiệm vụ |

Từ khoá nhận diện:

"đa dạng, linh hoạt, thích ứng, đa nhiệm vụ" → ⚠ mô hình nền "chuyên biệt, một nhiệm vụ, dữ liệu riêng cho việc đó" → ⚠ mô hình truyền thống câu phủ định → ⚠ tìm phương án NGƯỢC NGHĨA với ba cái kia

⚠ Đánh đổi của bề rộng	Đánh đổi
⚠ Không tối ưu cho bất kỳ việc nào cụ thể
⚠ Đắt hơn mô hình nhỏ chuyên dụng
⚠ Chậm hơn
Khó giải thích quyết định
⚠ Vì thế	⚠ mô hình chuyên biệt VẪN có chỗ đứng

⚠ Khi nào mô hình chuyên biệt tốt hơn	Khi nào
⚠ Nhiệm vụ hẹp, khối lượng rất lớn	⚠ phát hiện gian lận, chấm điểm tín dụng
⚠ Cần độ trễ cực thấp
⚠ Cần giải thích được quyết định
Có nhiều dữ liệu gán nhãn
⚠ Kết luận	⚠ mô hình nền KHÔNG thay thế mọi thứ

⚠ Mẹo chung cho câu phủ định	Mẹo
⚠ Tìm điểm chung của ba phương án
⚠ Phương án lệch khỏi điểm chung là đáp án
⚠ Đáp án thường NGƯỢC NGHĨA rõ ràng
Cảnh giác	⚠ đọc sót chữ "NOT" là mất điểm oan

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Đã đọc kỹ chữ "NOT" chưa | ⚠ lỗi mất điểm phổ biến nhất | | Ba phương án kia có điểm chung gì | ⚠ tìm ra là ra đáp án | | Bài toán thật cần bề rộng hay bề sâu | ⚠ quyết định chọn loại mô hình |

Và điều thực tế đáng nhớ kèm theo: chính vì mô hình nền không chuyên biệt, nó mới cần prompt, RAG và fine-tune. Ba kỹ thuật đó tồn tại để bù đắp cho việc mô hình được xây cho tất cả mọi người, không phải riêng cho bài toán của bạn.

Câu 394 1 Fundamentals of gen AI

Which of the following best defines a foundation model?

A
A. Hardware infrastructure used to train and deploy AI models.
B
B. Small, very specialized AI models trained on narrow datasets in order to perform specific tasks.
C
C. Traditional machine learning algorithms that rely on explicitly defined rules.
D
D. Large AI models trained on a vast quantity of data, capable of adapting to a variety of tasks.

Xem giải thích

Đáp án

D — Mô hình AI lớn được huấn luyện trên lượng dữ liệu khổng lồ, có khả năng thích ứng với nhiều nhiệm vụ khác nhau.

Vì sao đúng

Định nghĩa mô hình nền gồm ba yếu tố, và phương án D nêu đủ:

⚠ Ba yếu tố:

⚠ LỚN
   → hàng tỷ tham số

⚠ Huấn luyện trên dữ liệu KHỔNG LỒ
   → đa dạng, nhiều lĩnh vực

⚠ THÍCH ỨNG được với NHIỀU nhiệm vụ
   → ⚠ đây là điểm phân biệt cốt lõi

⚠ Vì sao gọi là "nền":

⚠ Nó là NỀN MÓNG
⚠ Nhiều ứng dụng xây lên trên
⚠ Không phải xây lại từ đầu cho
  mỗi việc

Vì sao các phương án khác sai

B (mô hình AI nhỏ, RẤT chuyên biệt, huấn luyện trên tập dữ liệu hẹp cho nhiệm vụ cụ thể) — ⚠ ngược hoàn toàn: đó là mô tả mô hình truyền thống.
C (thuật toán ML truyền thống dựa trên luật khai báo tường minh) — ⚠ sai kép: vừa nói về ML truyền thống, vừa mô tả sai — ⚠ ML học từ dữ liệu, còn "luật khai báo tường minh" là hệ chuyên gia.
A (hạ tầng phần cứng dùng để huấn luyện và triển khai mô hình) — ⚠ nhầm tầng: đó là hạ tầng, không phải mô hình.

Ghi nhớ

⚠ Mô hình nền và mô hình truyền thống — bảng phải thuộc: | Tiêu chí | Truyền thống | ⚠ Mô hình nền | |---|---|---| | Kích thước | ⚠ nhỏ | ⚠ rất lớn | | Dữ liệu | ⚠ hẹp, riêng cho một việc | ⚠ khổng lồ, đa dạng | | Số nhiệm vụ | ⚠ một | ⚠ nhiều | | ⚠ Thích ứng | ⚠ huấn luyện mô hình mới | ⚠ prompt, RAG, fine-tune | | Dữ liệu gán nhãn | ⚠ cần nhiều | ⚠ cần ít hoặc không |

Từ khoá nhận diện:

"lớn, dữ liệu khổng lồ, thích ứng nhiều nhiệm vụ" → ⚠ mô hình nền "nhỏ, chuyên biệt, một nhiệm vụ" → ⚠ mô hình truyền thống "phần cứng" → ⚠ hạ tầng, nhầm tầng "luật khai báo tường minh" → ⚠ hệ chuyên gia, không phải ML

⚠ Ba cách thích ứng mô hình nền	Cách
⚠ Prompt engineering	⚠ rẻ nhất, không đổi mô hình
⚠ RAG	⚠ thêm dữ liệu riêng
⚠ Fine-tuning	⚠ đổi trọng số, đắt nhất
Thứ tự thử	⚠ từ rẻ tới đắt

⚠ Vì sao mô hình nền đổi cách làm AI	Lý do
⚠ Trước: mỗi bài toán một mô hình, một tập dữ liệu gán nhãn
⚠ Nay: một mô hình, nhiều bài toán
⚠ Rào cản chuyển từ "xây được không" sang "nên xây gì"
Nhưng	⚠ mô hình chuyên biệt vẫn tốt hơn ở bài toán hẹp, khối lượng lớn

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Bài toán có cần bề rộng không | ⚠ không thì mô hình nhỏ rẻ hơn nhiều | | Chi phí mỗi lượt gọi | ⚠ nhân với khối lượng | | Có cần giải thích quyết định không | ⚠ mô hình lớn là hộp đen |

Và điều dễ bị bỏ qua: "mô hình nền" là một khái niệm về CÁCH DÙNG, không chỉ về kích thước. Cái làm nó thành "nền" là việc nhiều ứng dụng khác nhau xây lên trên cùng một mô hình.

Câu 395 2 Google Cloud’s gen AI offerings

*What is the purpose of a prompt in the context of foundation models?

A
A. To train the model on new data.
B
B. To evaluate the model's performance.
C
C. To provide input to the model and trigger an output.
D
D. To fine-tune the model for a specific task.

Xem giải thích

Đáp án

C — Cung cấp đầu vào cho mô hình và kích hoạt một đầu ra.

Vì sao đúng

Prompt là đầu vào người dùng gửi tới mô hình để nhận về đầu ra. Đó là toàn bộ định nghĩa.

⚠ Prompt tác động ở đâu:

⚠ Tác động lúc CHẠY
⚠ KHÔNG đổi mô hình
⚠ Mỗi lần gọi là độc lập
        ↓
⚠ Khác hẳn fine-tuning vốn
  ĐỔI TRỌNG SỐ vĩnh viễn

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14191 (lô 151) — cùng câu hỏi, cùng bốn phương án.

⚠ Bộ đề ĐÃ ĐỔI CHỮ CÁI:

Lô	Vị trí đáp án	Nội dung
#14191 (lô 151)	⚠ chữ B	⚠ "cung cấp đầu vào và kích hoạt đầu ra"
#14250 (lô này)	⚠ chữ C	⚠ CÙNG nội dung

⚠ Đây là câu thứ TƯ trong lô này bị xáo chữ cái (sau #14243, #14245, #14246). ⚠ Bộ đề xáo thứ tự phương án rất có hệ thống.

Vì sao các phương án khác sai

D (để tinh chỉnh mô hình cho một nhiệm vụ cụ thể) — ⚠ bẫy mạnh nhất: prompt hướng dẫn mô hình, nhưng ⚠ không TINH CHỈNH nó. Fine-tuning là quá trình huấn luyện riêng.
A (để huấn luyện mô hình trên dữ liệu mới) — ⚠ sai hoàn toàn: ⚠ dữ liệu bạn gõ vào prompt không trở thành tri thức của mô hình.
B (để đánh giá hiệu năng mô hình) — ⚠ prompt được DÙNG khi đánh giá, nhưng đó không phải mục đích của nó.

Ghi nhớ

⚠ Ba cách tác động lên mô hình — bảng phải thuộc: | Cách | Tác động | Vĩnh viễn | |---|---|---| | ⚠ Prompt | ⚠ lúc chạy, mỗi lần gọi — đề này | ⚠ không | | RAG | ⚠ thêm ngữ cảnh lúc chạy | ⚠ không | | Fine-tuning | ⚠ đổi trọng số | ⚠ có |

Từ khoá nhận diện:

"đầu vào, kích hoạt đầu ra" → ⚠ prompt "đổi trọng số, tập dữ liệu huấn luyện" → ⚠ fine-tuning "dữ liệu tôi gõ có làm mô hình học không" → ⚠ KHÔNG

⚠ Hiểu lầm phổ biến về prompt	Hiểu lầm
⚠ "Tôi dạy mô hình bằng cách chat"	⚠ SAI
⚠ "Nó nhớ chuyện hôm qua"	⚠ chỉ nhớ trong ngữ cảnh phiên
⚠ "Dữ liệu tôi gõ vào mô hình chung"	⚠ tuỳ điều khoản — bản doanh nghiệp thì không

⚠ Cấu trúc prompt tốt	Thành phần
⚠ Vai
⚠ Nhiệm vụ rõ ràng
⚠ Ngữ cảnh
⚠ Định dạng đầu ra
Ràng buộc	⚠ cái phải tránh

⚠ Chiến thuật với câu lặp lại	Chiến thuật
⚠ Nhận ra câu quen là lợi thế
⚠ NHƯNG đọc lại toàn bộ phương án	⚠ chữ cái đã đổi bốn lần trong lô này
Dùng thời gian tiết kiệm để đọc kỹ

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Prompt có đủ ngữ cảnh không | ⚠ mô hình không biết thứ bạn không nói | | Có dán dữ liệu nhạy cảm không | ⚠ kiểm điều khoản dịch vụ | | Prompt tốt đã lưu chưa | ⚠ thư viện prompt là tài sản |

Và điều nên nói rõ với người mới dùng: trò chuyện với mô hình không phải là dạy nó. Mỗi lần gọi là một lần mượn năng lực có sẵn — mô hình không giỏi lên và cũng không nhớ bạn ở lần sau.

Câu 396 2 Google Cloud’s gen AI offerings

*What is the primary difference between foundation models and traditional AI models?

A
A. Foundation models are trained on specific data for a single task, while traditional models are trained on diverse data for various tasks.
B
B. Foundation models cannot be adapted to new tasks, while traditional models can.
C
C. Foundation models are trained on massive amounts of diverse data for various tasks, while traditional models are trained on specific data for a single task.
D
D. Foundation models are only trained on text data, while traditional models use images and code.

Xem giải thích

Đáp án

C — Mô hình nền được huấn luyện trên lượng dữ liệu khổng lồ, đa dạng, cho nhiều nhiệm vụ; còn mô hình truyền thống được huấn luyện trên dữ liệu riêng cho một nhiệm vụ duy nhất.

Vì sao đúng

Đây là khác biệt định nghĩa giữa hai thế hệ mô hình.

⚠ So sánh:

Mô hình truyền thống
   ⚠ một mô hình = MỘT việc
   ⚠ dữ liệu riêng cho việc đó
   → ví dụ: mô hình phát hiện spam

⚠ Mô hình nền
   ⚠ dữ liệu KHỔNG LỒ, ĐA DẠNG
   ⚠ MỘT mô hình làm NHIỀU việc
   ⚠ thích ứng bằng prompt hoặc
     tinh chỉnh nhẹ

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14164 (lô 151) — cùng câu hỏi, cùng bốn phương án.

⚠ Lần này đáp án VẪN ở chữ C, nhưng ⚠ ba phương án SAI đã đổi chỗ cho nhau:

Lô	Vị trí đáp án	Ba phương án sai
#14164 (lô 151)	⚠ chữ C	⚠ thứ tự A–B–D khác
#14251 (lô này)	⚠ chữ C	⚠ đã xáo lại

⚠ Lưu ý quan trọng: việc đáp án trùng vị trí ở hai lô là NGẪU NHIÊN. Bốn câu khác trong chính lô này đã đổi chữ cái. ⚠ Không được suy ra quy luật nào.

Vì sao các phương án khác sai

A — ⚠ đảo ngược hoàn toàn: gán đặc điểm mô hình truyền thống cho mô hình nền và ngược lại. ⚠ Dạng bẫy "đúng nội dung, sai vị trí".
B (mô hình nền KHÔNG thích ứng được với nhiệm vụ mới) — ⚠ ngược hẳn: khả năng thích ứng là điểm mạnh nhất của mô hình nền.
D (mô hình nền chỉ huấn luyện trên dữ liệu văn bản) — ⚠ sai sự thật: có mô hình nền đa phương thức.

Ghi nhớ

⚠ Hai thế hệ — bảng phải thuộc: | Tiêu chí | Truyền thống | ⚠ Mô hình nền | |---|---|---| | Dữ liệu | ⚠ riêng cho một việc | ⚠ khổng lồ, đa dạng | | Số nhiệm vụ | ⚠ một | ⚠ nhiều | | ⚠ Thích ứng | ⚠ huấn luyện mô hình mới | ⚠ prompt hoặc tinh chỉnh | | Chi phí | ⚠ thấp mỗi mô hình | ⚠ rất cao để huấn luyện, rẻ để DÙNG |

Từ khoá nhận diện:

"đa dạng, nhiều nhiệm vụ, thích ứng" → ⚠ mô hình nền "một nhiệm vụ, dữ liệu chuyên biệt" → ⚠ mô hình truyền thống "không thích ứng được" → ⚠ luôn SAI với mô hình nền

⚠ Khi nào mô hình truyền thống VẪN tốt hơn	Khi nào
⚠ Nhiệm vụ hẹp, khối lượng rất lớn
⚠ Cần độ trễ cực thấp, chi phí cực rẻ
⚠ Cần giải thích được quyết định
Có nhiều dữ liệu gán nhãn
⚠ Kết luận	⚠ mô hình nền KHÔNG thay thế mọi thứ

⚠ Bẫy "đúng nội dung, sai vị trí"	Bẫy
⚠ Hai vế đúng nhưng gán ngược nhau
⚠ Đọc lướt rất dễ chọn nhầm
⚠ Phải đọc kỹ VẾ NÀO nói về CÁI GÌ
Cách tránh	⚠ đọc chậm phần "while..." ở giữa câu

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Việc này có cần mô hình nền không | ⚠ phân loại đơn giản thì mô hình nhỏ rẻ hơn | | Chi phí mỗi lượt gọi | ⚠ nhân với khối lượng | | Có ràng buộc giải thích không | ⚠ nhiều ngành yêu cầu |

Và điều đáng nhớ nhất sau khi gặp cùng một câu ở hai lô: đọc lại toàn bộ phương án dù câu đã quen. Bộ đề xáo thứ tự có hệ thống, và lần này ba phương án sai đã đổi chỗ dù đáp án đúng thì không.

Câu 397 2 Google Cloud’s gen AI offerings

*Which of the following is a benefit of using Google Cloud for gen AI development?

A
A. It focuses primarily on individual developer tools without robust governance or scalability features.
B
B. It requires extensive upfront hardware investments for running complex AI workloads.
C
C. It provides comprehensive services, including scalable infrastructure, enterprise-grade governance and security.
D
D. It offers a limited set of pre-trained AI models for specific industry use cases.

Xem giải thích

Đáp án

C — Cung cấp các dịch vụ toàn diện, bao gồm hạ tầng co giãn, quản trị và bảo mật cấp doanh nghiệp.

Vì sao đúng

Phương án C nêu đúng ba thứ mà doanh nghiệp cần khi phát triển gen AI:

⚠ Ba yếu tố:

⚠ Hạ tầng CO GIÃN
   → ⚠ tăng giảm theo nhu cầu
   → ⚠ không đầu tư trước

⚠ QUẢN TRỊ cấp doanh nghiệp
   → ⚠ IAM, audit log, chính sách

⚠ BẢO MẬT
   → ⚠ mã hoá, VPC-SC, SAIF

Vì sao các phương án khác sai

Cả ba đều mô tả điều ngược với thực tế:

B (đòi hỏi đầu tư phần cứng lớn trước để chạy khối lượng AI phức tạp) — ⚠ ngược hoàn toàn: điện toán đám mây chính là để tránh đầu tư phần cứng trước.
A (chủ yếu tập trung vào công cụ cho lập trình viên cá nhân, KHÔNG có quản trị hay khả năng mở rộng vững chắc) — ⚠ sai: quản trị doanh nghiệp là điểm mạnh chính.
D (chỉ có một tập hạn chế mô hình đã huấn luyện sẵn cho vài ca sử dụng ngành) — ⚠ sai: danh mục rộng, gồm cả mô hình bên thứ ba và mô hình mở.

⚠ Mẹo chấm: ba phương án sai đều mang giọng hạn chế hoặc tiêu cực — với câu hỏi "lợi ích là gì", đáp án gần như luôn là phương án mô tả năng lực toàn diện.

Ghi nhớ

⚠ Ba trụ khi chọn nền tảng cho gen AI doanh nghiệp — bảng phải thuộc: | Trụ | Nội dung | |---|---| | ⚠ Hạ tầng co giãn | ⚠ trả theo mức dùng, mở rộng khi cần | | ⚠ Quản trị | ⚠ IAM, audit, chính sách tổ chức | | ⚠ Bảo mật | ⚠ mã hoá, VPC-SC, cam kết dữ liệu | | Thêm | ⚠ mô hình đa dạng, công cụ MLOps, tuân thủ |

Từ khoá nhận diện:

"toàn diện, co giãn, quản trị, bảo mật" → ⚠ lợi ích nền tảng doanh nghiệp "đầu tư phần cứng trước" → ⚠ ngược với đám mây "chỉ cho lập trình viên cá nhân" → ⚠ sai "tập mô hình hạn chế" → ⚠ sai

⚠ Vì sao quản trị quan trọng ngang năng lực	Lý do
⚠ Không có quản trị → shadow AI	⚠ nhân viên tự dùng công cụ ngoài
⚠ Không biết ai truy cập dữ liệu nào
⚠ Không chứng minh được tuân thủ khi kiểm toán
Không thu hồi quyền khi nhân viên nghỉ
⚠ Nhiều dự án chết ở khâu này	⚠ không phải vì mô hình kém

⚠ Điều nền tảng KHÔNG giải hộ	Điều
⚠ Chất lượng dữ liệu nội bộ	⚠ rào cản lớn nhất còn lại
⚠ Chọn đúng bài toán
⚠ Quản lý thay đổi
Đánh giá kết quả
Kết luận	⚠ nền tảng rút ngắn phần KỸ THUẬT, không rút ngắn phần NGHIỆP VỤ

⚠ Câu hỏi nên đặt cho nhà cung cấp	Câu hỏi
⚠ Dữ liệu của tôi có bị dùng huấn luyện không
⚠ Dữ liệu lưu và xử lý ở vùng nào
⚠ Có audit log đầy đủ không
Xuất dữ liệu ra mất bao lâu	⚠ chi phí thoát
⚠ Chứng nhận tuân thủ nào

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Điều khoản dữ liệu của đúng dịch vụ đang dùng | ⚠ đừng suy từ sản phẩm khác | | Có bao nhiêu tài khoản quyền quá rộng | ⚠ rà IAM | | Nhân viên có dùng công cụ ngoài luồng không | ⚠ dấu hiệu thiếu quản trị |

Và tiêu chí thường bị đánh giá thấp khi chọn nền tảng AI: quản trị. Đội kỹ thuật so sánh năng lực mô hình, nhưng thứ khiến dự án dừng lại trước cửa phòng pháp chế lại luôn là câu hỏi ai truy cập được dữ liệu nào và ai chứng minh được điều đó.

Câu 398 2 Google Cloud’s gen AI offerings

*Why is it important for mid-level managers and individual contributors to be involved in gen AI adoption?

A
A. They have limited understanding of daily operations and user needs.
B
B. They should avoid any involvement in gen AI experimentation.
C
C. Their proximity to workflows allows them to identify impactful gen AI solutions.
D
D. Their focus should be solely on technical implementation details.

Xem giải thích

Đáp án

C — Vì họ ở gần quy trình làm việc nên nhận ra được những giải pháp gen AI có tác động thật.

Vì sao đúng

Người làm việc hằng ngày với một quy trình biết chỗ nào thật sự tốn thời gian — thứ lãnh đạo nhìn từ trên không thấy.

⚠ Họ biết gì mà người khác không biết:

⚠ Việc nào lặp lại và tốn giờ
⚠ Chỗ nào hay sai
⚠ Bước nào ai cũng ghét làm
⚠ Vì sao giải pháp trước thất bại

⚠ Vai trò kép:

⚠ Nguồn Ý TƯỞNG
   → biết bài toán đáng giải

⚠ Người ỦNG HỘ
   → ⚠ đồng nghiệp tin họ hơn tin
     thông báo từ trên

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14189 (lô 151) — cùng câu hỏi, cùng bốn phương án.

⚠ Bộ đề ĐÃ ĐỔI CHỮ CÁI:

Lô	Vị trí đáp án	Nội dung
#14189 (lô 151)	⚠ chữ B	⚠ "gần quy trình nên nhận ra giải pháp có tác động"
#14253 (lô này)	⚠ chữ C	⚠ CÙNG nội dung

⚠ Đây là câu thứ NĂM trong lô này bị xáo chữ cái — sau #14243, #14245, #14246, #14250. ⚠ Tổng kết rõ ràng: học theo nội dung, không học theo vị trí.

Vì sao các phương án khác sai

A (họ hiểu biết HẠN CHẾ về vận hành hằng ngày) — ⚠ sai ngược: chính họ hiểu rõ nhất.
B (họ nên tránh tham gia thử nghiệm gen AI) — ⚠ ngược với mọi khuyến nghị áp dụng công nghệ.
D (họ chỉ nên tập trung vào chi tiết kỹ thuật) — ⚠ sai vai: đóng góp của họ là hiểu biết nghiệp vụ.

Ghi nhớ

⚠ Ai đóng góp gì — bảng phải thuộc: | Vai | Đóng góp | |---|---| | Lãnh đạo | ⚠ tầm nhìn, ngân sách, quản trị | | ⚠ Quản lý cấp trung | ⚠ kết nối chiến lược với thực địa | | ⚠ Nhân viên trực tiếp | ⚠ biết điểm đau thật — đề này | | Kỹ thuật | ⚠ đánh giá khả thi, xây dựng |

Từ khoá nhận diện:

"gần quy trình, biết điểm đau" → ⚠ giá trị chiều dưới lên "chỉ lãnh đạo quyết" → ⚠ thiếu thực địa "tránh tham gia" → ⚠ luôn sai

⚠ Vì sao dự án AI thất bại dù công nghệ tốt	Lý do
⚠ Giải bài toán không ai có	⚠ nguyên nhân số một
⚠ Người dùng không đổi thói quen
⚠ Không đo được giá trị
Không tích hợp vào luồng làm việc
⚠ Cả bốn	⚠ là vấn đề CON NGƯỜI, không phải mô hình

⚠ Cách khai thác chiều dưới lên	Cách
⚠ Hỏi "việc nào bạn ghét làm nhất"	⚠ câu hỏi hiệu quả bất ngờ
⚠ Cho thử nghiệm trong khuôn khổ an toàn
⚠ Có kênh đề xuất ca sử dụng
Ghi nhận người đề xuất
⚠ Đào tạo prompt cơ bản

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Đã hỏi người làm việc đó chưa | ⚠ trước khi chọn ca sử dụng | | Có kênh đề xuất không | | | Ai đang tự dùng công cụ ngoài | ⚠ tín hiệu nhu cầu thật |

Và chỉ dấu đáng tin nhất về nơi AI tạo giá trị: những chỗ nhân viên đã tự tìm cách dùng nó mà chưa ai bảo họ. Đó là nhu cầu thật, còn danh sách ưu tiên vẽ trong phòng họp thì chưa chắc.

Câu 399 2 Google Cloud’s gen AI offerings

What is a key advantage of using Google Cloud's gen AI ecosystem for businesses?

A
A. It forces each and every business to become an AI-first company.
B
B. It assures businesses that they will achieve immediate and widespread success in all of their generative AI endeavors.
C
C. It eliminates the need for companies to cultivate internal gen AI knowledge and experimentation across their organizations.
D
D. It allows businesses to leverage Google's AI advancements without starting from scratch.

Xem giải thích

Đáp án

D — Cho phép doanh nghiệp tận dụng những tiến bộ AI của Google mà không phải bắt đầu từ con số không.

Vì sao đúng

Đây là giá trị cốt lõi của việc dùng nền tảng AI của một nhà cung cấp lớn: kế thừa thay vì tự xây.

⚠ Doanh nghiệp kế thừa được gì:

⚠ Mô hình nền đã huấn luyện
   → ⚠ không cần dữ liệu khổng lồ
   → ⚠ không cần GPU để huấn luyện

⚠ Công cụ MLOps đã có sẵn
⚠ Hạ tầng đã tối ưu
⚠ Nghiên cứu nhiều năm
        ↓
⚠ Bắt đầu từ vạch giữa, không
  phải vạch xuất phát

Vì sao các phương án khác sai

Cả ba đều là phát biểu tuyệt đối hoặc phi thực tế:

B (bảo đảm doanh nghiệp sẽ thành công NGAY LẬP TỨC và RỘNG KHẮP trong MỌI nỗ lực gen AI) — ⚠ hứa hẹn không có thật: từ "assures", "immediate", "all" đều là dấu hiệu phương án sai.
C (loại bỏ nhu cầu doanh nghiệp phải xây dựng tri thức nội bộ và thử nghiệm) — ⚠ sai và nguy hiểm: nền tảng tốt tới đâu vẫn cần đội hiểu bài toán, biết đánh giá kết quả, biết khi nào mô hình sai.
A (BUỘC mọi doanh nghiệp phải trở thành công ty AI-first) — ⚠ sai: không ai bị buộc; doanh nghiệp dùng AI ở mức phù hợp với mình.

Ghi nhớ

⚠ Kế thừa được gì và vẫn phải tự làm gì — bảng phải thuộc: | Kế thừa được | ⚠ Vẫn phải tự làm | |---|---| | ⚠ Mô hình nền | ⚠ chất lượng dữ liệu nội bộ | | ⚠ Hạ tầng, MLOps | ⚠ chọn đúng bài toán | | Công cụ bảo mật, quản trị | ⚠ đánh giá kết quả | | Nghiên cứu, cải tiến mô hình | ⚠ quản lý thay đổi | | | ⚠ xây năng lực nội bộ |

Từ khoá nhận diện:

"tận dụng, không phải bắt đầu từ đầu" → ⚠ giá trị kế thừa "assures, immediate, all, eliminates the need" → ⚠ dấu hiệu phương án SAI "buộc phải trở thành..." → ⚠ luôn sai

⚠ Vì sao vẫn cần tri thức nội bộ	Lý do
⚠ Chỉ người trong công ty biết bài toán nào đáng giải
⚠ Chỉ họ đánh giá được câu trả lời có đúng không
⚠ Chỉ họ hiểu dữ liệu của mình
⚠ Chỉ họ chịu trách nhiệm kết quả
Kết luận	⚠ nền tảng cho công cụ, không cho phán đoán

⚠ Ba từ cảnh báo trong đề thi	Từ
⚠ "guarantees / assures"	⚠ không nền tảng nào bảo đảm thành công
⚠ "eliminates the need for"	⚠ thường bỏ qua thứ vẫn cần
⚠ "all / every / immediate"	⚠ tuyệt đối hoá
Mẹo	⚠ thấy ba từ này là nghi ngờ ngay

⚠ Lộ trình thực tế của doanh nghiệp	Bước
⚠ Dùng mô hình sẵn qua API	⚠ bắt đầu nhanh
⚠ Thêm dữ liệu riêng bằng RAG	⚠ tạo khác biệt
⚠ Fine-tune khi cần
Xây năng lực nội bộ song song	⚠ quan trọng nhất về dài hạn

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Đội có ai đánh giá được kết quả AI không | ⚠ không có thì không biết khi nào sai | | Có đang phụ thuộc hoàn toàn vào nhà cung cấp không | ⚠ kiểm chi phí thoát | | Dữ liệu riêng đã dùng để tạo khác biệt chưa | ⚠ mô hình chung ai cũng có |

Và điều quyết định lợi thế cạnh tranh về dài hạn: mô hình nền ai cũng dùng được như nhau, dữ liệu và hiểu biết nghiệp vụ của bạn thì không. Kế thừa công nghệ là điểm khởi đầu, không phải điểm khác biệt.

Câu 400 2 Google Cloud’s gen AI offerings

*What is the recommended approach for businesses to effectively implement gen AI?

A
A. Focus on a bottom-up approach with no overarching plan.
B
B. Focus on a top-down strategy driven by executives.
C
C. Adopt the latest gen AI trends.
D
D. Combine a top-down strategic vision with bottom-up input from teams.

Xem giải thích

Đáp án

D — Kết hợp tầm nhìn chiến lược từ trên xuống với ý kiến từ dưới lên của các đội.

Vì sao đúng

Hai chiều tiếp cận giải hai vấn đề khác nhau, thiếu chiều nào cũng hỏng.

⚠ Mỗi chiều đóng góp gì:

⚠ TỪ TRÊN XUỐNG
   → ⚠ tầm nhìn, ưu tiên, ngân sách
   → ⚠ quản trị, chuẩn an toàn
   → ⚠ gỡ vướng liên phòng ban

⚠ TỪ DƯỚI LÊN
   → ⚠ biết ĐIỂM ĐAU THẬT ở đâu
   → ⚠ tạo người ủng hộ trong đội
   → ⚠ ý tưởng thực tế, dùng được

⚠ Thiếu một chiều thì sao:

⚠ Chỉ trên xuống → giải bài toán
  không ai có, đội không dùng
⚠ Chỉ dưới lên → thử nghiệm rời rạc,
  trùng lặp, không lên quy mô được

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #14179 (lô 151) — cùng câu hỏi, cùng bốn phương án.

⚠ Đáp án vẫn ở chữ D, nhưng ⚠ hai phương án sai đã đổi chỗ (A và B hoán vị). ⚠ Việc trùng vị trí là ngẫu nhiên — lô 152 đã có năm câu đổi chữ cái.

⚠ Nguyên tắc bất biến: nhớ theo NỘI DUNG, không theo CHỮ CÁI.

Vì sao các phương án khác sai

B (chỉ từ trên xuống do lãnh đạo dẫn dắt) — ⚠ bảo trợ điều hành quan trọng thật, nhưng thiếu hiểu biết thực địa thì chọn sai bài toán.
A (chỉ từ dưới lên, không có kế hoạch tổng thể) — ⚠ đề tự nói "no overarching plan" — không lên quy mô và không quản trị được.
C (chạy theo xu hướng mới nhất) — ⚠ không phải chiến lược: công nghệ đi trước bài toán là cách tốn tiền nhanh nhất.

Ghi nhớ

⚠ Hai chiều và vai trò — bảng phải thuộc: | Chiều | Đóng góp | |---|---| | ⚠ Từ trên xuống | ⚠ ưu tiên, ngân sách, quản trị | | ⚠ Từ dưới lên | ⚠ bài toán thật, người ủng hộ | | ⚠ Kết hợp | ⚠ đáp án — đề này | | Chạy theo xu hướng | ⚠ luôn sai |

Từ khoá nhận diện:

"kết hợp cả hai" → ⚠ thường là đáp án cho câu chiến lược "chỉ… mà không…" → ⚠ dấu hiệu phương án phiến diện "theo xu hướng mới nhất" → ⚠ luôn sai

⚠ Sai lầm hay gặp khi triển khai	Sai lầm
⚠ Bắt đầu từ công nghệ, không từ bài toán
⚠ Chọn ca sử dụng quá tham vọng ngay đầu
⚠ Không đo được kết quả
Bỏ qua quản lý thay đổi
⚠ Không có nền tảng chung	⚠ mỗi đội xây lại từ đầu

⚠ Tiêu chí chọn ca sử dụng đầu tiên	Tiêu chí
⚠ Điểm đau rõ ràng, đo được
⚠ Rủi ro thấp	⚠ nội bộ trước, khách hàng sau
⚠ Có dữ liệu sẵn
Có người ủng hộ trong đội
⚠ Thấy kết quả trong vài tuần	⚠ để giữ đà

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Ca sử dụng có từ bài toán thật không | ⚠ hỏi người làm việc đó hằng ngày | | Có ai đang tự dùng AI ngoài luồng không | ⚠ tín hiệu nhu cầu thật | | Đo thành công bằng chỉ số gì | ⚠ thống nhất trước khi bắt đầu |

Và điều quyết định thành bại của chương trình AI thường không phải mô hình nào, mà là có chọn đúng bài toán đáng giải hay không. Câu trả lời nằm ở những người làm việc đó mỗi ngày.

Ngân hàng đề — Google Cloud Generative AI Leader

Đáp án

Vì sao đúng

Ghi nhớ về chất lượng câu hỏi

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Ghi nhớ về dạng câu hỏi

Vì sao đúng

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Ghi nhớ về chất lượng câu hỏi

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Ghi nhớ về chất lượng câu hỏi

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Ghi nhớ về chất lượng câu hỏi

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Vì sao các phương án khác sai

Ghi nhớ

Đáp án

Vì sao đúng

Ghi nhớ về chất lượng câu hỏi

Vì sao các phương án khác sai

Ghi nhớ