Bài 3 / 06

Tổng quan về trí tuệ nhân tạo

Nhiệm vụ: Viết Prompt hiệu quả cho các tác vụ học tập (mục 3.4)

Báo cáo thực hành: Tối ưu hoá kỹ năng viết Prompt trong học tập — thử nghiệm 3 cấp prompt (Cơ bản → Cải tiến → Nâng cao) trên 3 tác vụ học tập phổ biến.

Xem & tải file dự án trên Google Drive
Mục tiêu

Khai thác hiệu quả các mô hình ngôn ngữ lớn (LLMs) trong học tập thông qua việc thiết kế và so sánh có hệ thống các phiên bản prompt ở 3 cấp độ khác nhau, từ đó rút ra bộ nguyên tắc viết prompt áp dụng được vào học tập hàng ngày.

3 tác vụ học tập được lựa chọn

  1. Tóm tắt một bài đọc/tài liệu học thuật.
    Mục tiêu: rút trích nhanh các ý chính, phương pháp nghiên cứu và kết luận từ một văn bản dài mà không làm mất thông tin cốt lõi.
    Thách thức: nếu prompt thiếu định hướng, AI dễ bỏ sót chi tiết quan trọng, tóm tắt chung chung, hoặc làm sai lệch ý nghĩa thuật ngữ chuyên ngành.
  2. Giải thích một khái niệm phức tạp.
    Mục tiêu: phân rã một khái niệm trừu tượng, khó hiểu thành các phần nhỏ dễ tiếp thu bằng ngôn ngữ phổ thông.
    Thách thức: AI có xu hướng "dùng từ ngữ hàn lâm để giải thích từ ngữ hàn lâm", dẫn đến người học đọc xong vẫn không hiểu. Cần kỹ thuật ép AI sử dụng ẩn dụ hoặc ví dụ thực tiễn.
  3. Tạo bộ câu hỏi ôn tập cho một chủ đề.
    Mục tiêu: tạo công cụ tự đánh giá kiến thức bao phủ nhiều mức độ nhận thức (ghi nhớ → hiểu → phân tích → suy luận).
    Thách thức: thiếu cấu trúc, AI thường đưa ra câu hỏi quá hời hợt, dễ đoán, thiếu phân hoá độ khó hoặc cung cấp sai kiến thức.
Quá trình thực hiện

Với mỗi tác vụ, xây dựng 3 phiên bản prompt theo độ phức tạp tăng dần: Cơ bản (chỉ nêu yêu cầu trần) → Cải tiến (thêm cấu trúc đầu ra) → Nâng cao (áp dụng kỹ thuật Prompt Engineering). Sau đó chạy từng prompt trên ChatGPT và đối chiếu kết quả.

Tác vụ 1 — Tóm tắt bài đọc/tài liệu học thuật

Chủ đề thử nghiệm: Newton's Laws of Motion (Wikipedia)
Cơ bản
Tóm tắt bài viết sau: https://en.wikipedia.org/wiki/Newton%27s_laws_of_motion
AI trả về một đoạn văn bản dài, không có trọng tâm rõ ràng, khó nắm bắt ý chính.
Cải tiến
Hãy tóm tắt bài viết sau thành 5 ý chính. Nêu rõ vấn đề, nguyên nhân và giải pháp. Văn bản: https://en.wikipedia.org/wiki/Newton%27s_laws_of_motion
Kết quả đã được chia bullet point gọn gàng hơn, tuy nhiên ngôn từ vẫn chưa thực sự mang tính học thuật cao.
Nâng cao
Đóng vai một giáo sư chuyên ngành. Hãy đọc kỹ tài liệu dưới đây và tóm tắt lại theo cấu trúc sau một cách khách quan và học thuật: 1. Giới thiệu vấn đề trọng tâm (2–3 câu). 2. Các luận điểm hoặc phát hiện chính (sử dụng bullet point). 3. Kết luận rút ra từ bài. Tài liệu: https://en.wikipedia.org/wiki/Newton%27s_laws_of_motion
Hiệu quả vượt trội: AI áp dụng đúng giọng văn của Giáo sư (Role-prompting). Cấu trúc thông tin được phân chia xuất sắc (mở – thân – kết), giúp người đọc quét thông tin trong tích tắc.
Xem kết quả trên ChatGPT

Tác vụ 2 — Giải thích khái niệm phức tạp

Chủ đề thử nghiệm: Điện toán lượng tử (Quantum Computing)
Cơ bản
Hãy giải thích khái niệm điện toán lượng tử.
AI liệt kê hàng loạt định nghĩa vật lý lượng tử khô khan, gây quá tải thông tin cho người mới bắt đầu.
Cải tiến
Giải thích khái niệm điện toán lượng tử là gì? Nó khác gì với máy tính thông thường? Cho một ví dụ minh họa.
Đã có sự so sánh, nhưng ví dụ AI tự đưa ra thường mang tính kỹ thuật cao (như cổng logic), vẫn khó tiếp cận.
Nâng cao
Bạn là một chuyên gia truyền thông khoa học, chuyên giải thích các khái niệm phức tạp cho học sinh cấp 3. Hãy giải thích "Điện toán lượng tử". Yêu cầu cấu trúc: 1. Định nghĩa đơn giản. 2. Sử dụng một phép ẩn dụ gần gũi (như đồng xu đang quay). 3. Chỉ ra sự khác biệt cốt lõi nhất so với máy tính cổ điển.
Hiệu quả vượt trội: Sử dụng kỹ thuật Persona (chuyên gia truyền thông) và Few-shot/Analogy (gợi ý ẩn dụ đồng xu). AI tạo ra một bài giải thích cực kỳ trực quan, dễ hiểu và thú vị.
Xem kết quả trên ChatGPT

Tác vụ 3 — Tạo bộ câu hỏi ôn tập

Chủ đề thử nghiệm: Chiến tranh thế giới thứ 2
Cơ bản
Tạo một số câu hỏi trắc nghiệm về Thế chiến thứ 2.
AI cho ra 3–5 câu hỏi ngẫu nhiên, chủ yếu là hỏi ngày tháng năm, hoàn toàn vắng bóng các câu hỏi tư duy sâu.
Cải tiến
Tạo 5 câu hỏi trắc nghiệm về Thế chiến thứ 2. Mỗi câu có 4 đáp án A, B, C, D và chỉ ra đáp án đúng ở cuối.
Format trình bày tốt hơn, rõ ràng hơn. Tuy nhiên độ khó của các câu hỏi vẫn ngang bằng nhau, không có sự phân hóa học lực.
Nâng cao
Bạn là chuyên gia khảo thí Lịch sử. Hãy tạo bộ 3 câu trắc nghiệm phân hóa về Thế chiến 2: - Câu 1: Mức độ ghi nhớ. - Câu 2: Mức độ phân tích. - Câu 3: Mức độ đánh giá. Quy trình tư duy (Chain-of-thought): Trước khi ra mỗi câu hỏi, hãy viết 1 câu giải thích lý do tại sao câu đó phù hợp với mức độ nhận thức. Sau đó mới trình bày câu hỏi và đáp án chi tiết.
Hiệu quả vượt trội: Kỹ thuật Chain-of-thought ép AI phải "suy nghĩ" lý do lập đề trước khi sinh văn bản. Kết quả trả về một bộ đề cực kỳ logic, đúng ma trận đề thi chuẩn mực.
Xem kết quả trên ChatGPT
Sản phẩm / Minh chứng

Vì sao Prompt Nâng cao hiệu quả?

Sự khác biệt về chất lượng đầu ra giữa prompt cơ bản và nâng cao đến từ 3 yếu tố cốt lõi của Prompt Engineering:

  1. Thiết lập vai trò (Role-prompting). Khi yêu cầu AI đóng vai "giáo sư", "chuyên gia khảo thí" hay "nhà truyền thông khoa học", người dùng cung cấp một ngữ cảnh cụ thể. LLMs tự động điều chỉnh từ vựng, văn phong, giọng điệu phù hợp với bối cảnh chuyên môn đó, thay vì đưa ra câu trả lời trung tính, chung chung.
  2. Ép buộc cấu trúc thông tin (Structure constraints). Prompt nâng cao không để AI tự quyết định cách trình bày. Việc yêu cầu định dạng rõ ràng (bullet point, chia 3 phần, đánh số 1-2-3) giúp bảo vệ đầu ra khỏi tình trạng lan man, đảm bảo người học nhận được thông tin có tính hệ thống cao.
  3. Kích hoạt quy trình tư duy (Chain-of-Thought). Rõ nhất ở Tác vụ 3. Yêu cầu "hãy giải thích lý do trước khi đưa ra câu hỏi" buộc AI thực hiện quá trình suy luận từng bước, triệt tiêu hiện tượng "ảo giác" (hallucination) và nâng cao đáng kể chất lượng nội dung học thuật.

4 nguyên tắc vàng đúc kết

  1. Nguyên tắc "Định danh" (Persona Adoption). Luôn bắt đầu prompt bằng việc cấp cho AI một vai trò (vd "Hãy đóng vai một gia sư IELTS kiên nhẫn…"). Vai trò càng chi tiết, kết quả càng sắc nét.
  2. Nguyên tắc "Rõ ràng đầu ra" (Format Specification). Tránh các động từ chung chung như "hãy viết về…". Thay vào đó, chỉ định hình thức cụ thể: "hãy lập bảng so sánh", "hãy tóm tắt thành 5 gạch đầu dòng", "hãy tạo sơ đồ tư duy bằng text".
  3. Nguyên tắc "Khoanh vùng đối tượng" (Audience Targeting). AI cần biết nó đang nói chuyện với ai. Cụm "Giải thích cho học sinh lớp 5" sẽ cho kết quả hoàn toàn khác biệt so với "Giải thích cho sinh viên đại học năm 3".
  4. Nguyên tắc "Tư duy từng bước" (Step-by-step Execution). Với bài toán khó, logic phức tạp hoặc cần đánh giá đa chiều, hãy thêm câu lệnh thần chú: "Hãy suy nghĩ từng bước một trước khi đưa ra đáp án cuối cùng". AI sẽ xử lý chậm lại nhưng chính xác hơn rất nhiều.