Xác suất là môn mà AI trả lời trôi chảy nhất nhưng lại sai kiểu khó thấy nhất, vì lỗi thường nằm ở cách hiểu đề chứ không phải ở phép tính. Một chữ "ít nhất", một chi tiết "không hoàn lại" hay "phân biệt thứ tự" bị hiểu lệch là đáp số sai mà lời giải vẫn đọc rất thuyết phục. Cách dùng AI an toàn là tự viết lại đề cho rõ trước khi hỏi, buộc AI liệt kê không gian mẫu với trường hợp nhỏ, và kiểm mọi kết quả bằng phần bù hoặc phép đếm trực tiếp.
Bài này dành cho sinh viên học Xác suất thống kê ở năm đầu hoặc năm hai, khối kinh tế, kỹ thuật lẫn khoa học xã hội. Bạn sẽ có danh sách điểm cần làm rõ trong đề, ba bẫy chữ thường gặp kèm ví dụ đã kiểm tay, câu lệnh mẫu, bảng phép kiểm, và phần riêng cho thống kê suy diễn, nơi lỗi của AI thường nằm ở diễn giải hơn là con số.
Vì sao xác suất là môn AI dễ trả lời trôi mà sai
Phần lớn bài xác suất đại cương được mô tả bằng lời đời thường: rút bi, tung xúc xắc, chọn người, kiểm sản phẩm. Cùng một câu chữ có thể dẫn đến hai mô hình khác nhau tuỳ cách hiểu: rút hai bi "lần lượt" có hoàn lại hay không, chọn ba người "vào một nhóm" hay "vào ba vị trí khác nhau". Người ra đề thường cố ý đặt những chi tiết này để kiểm tra khả năng đọc đề, và đó cũng chính là chỗ AI hay đoán theo cách hiểu phổ biến nhất.
Thêm vào đó, lời giải xác suất thường ngắn: vài phép nhân, chia, tổ hợp. Một lời giải ngắn, gọn, có công thức tổ hợp nhìn rất chắc chắn. Bạn khó phát hiện lỗi bằng cách đọc lại, vì lỗi không nằm ở phép tính mà ở lựa chọn mô hình ngay dòng đầu. Đây là lý do môn này cần phép kiểm độc lập hơn mọi môn khác.
Cuối cùng, trực giác về xác suất của con người vốn hay sai, và văn bản mà AI học được cũng chứa đầy những lập luận sai phổ biến. Ví dụ quen thuộc là ngộ nhận của người chơi: tung đồng xu ra ngửa năm lần liên tiếp thì lần sau "dễ ra sấp hơn". Với đồng xu cân đối và các lần tung độc lập, xác suất lần sau vẫn là một nửa. AI thường trả lời đúng câu hỏi trực tiếp này, nhưng có thể trượt khi cùng ý tưởng ẩn trong một bài phức tạp hơn.
Viết lại đề cho rõ trước khi hỏi
Trước khi gửi đề cho AI, hãy tự trả lời các câu dưới đây và ghi câu trả lời kèm theo đề. Nếu không trả lời được, đó chính là câu bạn nên hỏi đầu tiên.
- Có hoàn lại hay không? Rút xong có bỏ lại vào hộp trước lần rút sau không. Đề viết "lấy ngẫu nhiên đồng thời hai bi" thường tương đương không hoàn lại.
- Thứ tự có quan trọng không? Chọn ba bạn làm lớp trưởng, lớp phó, thủ quỹ khác với chọn ba bạn vào một nhóm. Một bên dùng chỉnh hợp, một bên dùng tổ hợp.
- Các lần thử có độc lập không? Tung xúc xắc nhiều lần thì độc lập; rút bài không hoàn lại thì không.
- Đề hỏi "đúng", "ít nhất" hay "nhiều nhất"? "Đúng hai sản phẩm lỗi" khác hẳn "ít nhất hai sản phẩm lỗi".
- Biến cố điều kiện nằm ở đâu? Câu "biết rằng..." hay "nếu đã..." báo hiệu xác suất có điều kiện, cần xác định rõ cái gì đã xảy ra.
- Phân phối nào? Nếu đề cho số lần thử cố định, mỗi lần chỉ thành công hoặc thất bại với cùng xác suất, đó là dấu hiệu của phân phối nhị thức. Hỏi AI vì sao một bài thuộc phân phối này mà không phải phân phối khác là câu hỏi đáng giá.
Làm bước này vài lần, bạn sẽ thấy đôi khi tự giải được luôn mà không cần hỏi, vì phần khó nhất của nhiều bài xác suất chính là xác định đúng mô hình.
Ví dụ giả định: ba bẫy chữ thường gặp trong đề xác suất
Bẫy thứ nhất là chữ "ít nhất". Tung hai đồng xu cân đối, tính xác suất được ít nhất một mặt ngửa. Một lập luận sai rất hay gặp: kết quả có thể là không ngửa, một ngửa hoặc hai ngửa, có ba khả năng, hai khả năng thoả, vậy xác suất là hai phần ba. Sai vì ba khả năng đó không đồng khả năng. Không gian mẫu đúng gồm bốn kết quả đồng khả năng: ngửa ngửa, ngửa sấp, sấp ngửa, sấp sấp. Dùng biến cố đối: xác suất không có mặt ngửa nào là một phần tư, nên xác suất ít nhất một ngửa là ba phần tư.
Bẫy thứ hai là hoàn lại hay không. Hộp có 3 bi đỏ và 2 bi xanh, rút lần lượt 2 bi. Nếu không hoàn lại, xác suất cả hai đều đỏ là ba phần năm nhân hai phần tư, bằng sáu phần hai mươi, tức ba phần mười. Nếu có hoàn lại, xác suất là ba phần năm nhân ba phần năm, bằng chín phần hai mươi lăm. Hai đáp số khác nhau rõ, và đề chỉ khác nhau một cụm từ.
Bẫy thứ ba là xác suất có điều kiện bị đảo chiều. Câu "xác suất một sản phẩm bị lỗi biết rằng nó bị máy kiểm tra loại ra" khác với "xác suất máy kiểm tra loại ra biết rằng sản phẩm bị lỗi". Đổi chiều điều kiện là lỗi mà cả sinh viên lẫn AI đều mắc, nhất là trong bài dùng công thức Bayes. Khi đọc lời giải, hãy dò xem P của cái gì với điều kiện cái gì, và so với câu hỏi của đề.
Ở cả ba ví dụ, lời giải sai đều trình bày gọn, có phép tính đúng. Thứ làm sai là bước chọn mô hình. Vì thế khi hỏi AI, câu lệnh nên bắt nó nói rõ mô hình trước, và bạn duyệt mô hình trước khi cho tính.
Câu lệnh mẫu: buộc AI nói rõ mô hình và liệt kê không gian mẫu
Trình tự sau giúp lỗi mô hình lộ ra sớm, trước khi bạn bị cuốn vào phép tính:
- "Mình gửi một bài xác suất. Trước khi giải, hãy trả lời: có hoàn lại không, thứ tự có quan trọng không, các lần thử có độc lập không, và đề hỏi đúng hay ít nhất. Giải thích dựa vào câu chữ nào trong đề."
- So câu trả lời với phần bạn tự viết ở mục trên. Chỗ nào khác nhau, hỏi tiếp: "Vì sao bạn hiểu là có hoàn lại? Câu nào trong đề cho thấy điều đó?"
- "Với trường hợp nhỏ hơn (ví dụ chỉ 2 bi thay vì 5), hãy liệt kê toàn bộ không gian mẫu và đếm số kết quả thuận lợi." Liệt kê được thì mô hình rõ.
- Tự làm bài gốc bằng công thức, rồi so với cách đếm ở trường hợp nhỏ: thay số nhỏ vào công thức của bạn xem có ra đúng kết quả đếm không.
- Chỉ khi đã có đáp số riêng, mới gửi để AI soát: "Đây là lời giải của mình. Chỉ ra dòng đầu tiên sai nếu có, không giải lại."
Bước 3 là bước đáng giá nhất. Công thức tổ hợp đúng thì phải đúng với mọi kích thước, kể cả kích thước nhỏ đến mức đếm tay được. Nếu công thức cho ra số khác với phép đếm tay ở trường hợp nhỏ, công thức sai.
Bảng phép kiểm cho bài xác suất
Những phép kiểm dưới đây không cần phần mềm, chỉ cần giấy bút và vài phút.
| Phép kiểm | Cách làm | Bắt được lỗi gì |
|---|---|---|
| Miền giá trị | Mọi xác suất phải nằm trong đoạn từ 0 đến 1 | Cộng trùng, quên chia cho tổng số khả năng |
| Tổng bằng 1 | Với một biến ngẫu nhiên rời rạc, cộng xác suất của mọi giá trị phải ra 1 | Thiếu một giá trị, đếm sai một trường hợp |
| Phần bù | Tính lại theo biến cố đối, ví dụ "ít nhất một" bằng 1 trừ "không có cái nào" | Bỏ sót hoặc đếm trùng trường hợp |
| Trường hợp nhỏ | Thu nhỏ đề đến mức liệt kê được toàn bộ, so với công thức | Chọn nhầm tổ hợp, chỉnh hợp, có hoặc không hoàn lại |
| Thử thật | Tung đồng xu, rút giấy thăm vài chục lần, xem tần suất có gần kết quả không | Lỗi trực giác lớn, như ra một nửa thay vì ba phần tư |
| Trực giác chiều | Thêm điều kiện thuận lợi thì xác suất phải tăng, thêm ràng buộc thì phải giảm | Đảo chiều xác suất có điều kiện |
Phép thử thật chỉ cho kết quả gần đúng và cần nhiều lần thử mới đáng tin, nên dùng để bắt lỗi lớn chứ không để phân biệt hai đáp số gần nhau.
Phần thống kê: những chỗ AI hay nhầm ở khoảng tin cậy và kiểm định
Dùng phân phối chuẩn thay vì phân phối Student. Khi mẫu nhỏ và chưa biết phương sai tổng thể, nhiều giáo trình yêu cầu dùng phân phối Student với n trừ 1 bậc tự do. AI có lúc dùng thẳng giá trị tới hạn của phân phối chuẩn, làm khoảng tin cậy hẹp hơn thực tế.
Nhầm độ lệch chuẩn mẫu và tổng thể. Phương sai mẫu hiệu chỉnh chia cho n trừ 1, phương sai tổng thể chia cho n. Mỗi giáo trình ký hiệu một kiểu, hãy nói rõ với AI ký hiệu lớp bạn dùng.
Diễn giải sai giá trị p. Giá trị p không phải xác suất để giả thuyết không là đúng. Nó là xác suất thu được dữ liệu ít nhất cực đoan như vậy nếu giả thuyết không đúng. AI đôi khi diễn đạt lỏng, và bài tự luận chấm kỹ đúng chỗ này.
Nhầm kiểm định một phía và hai phía. Đề hỏi "có lớn hơn không" khác với "có khác không". Chọn nhầm làm sai giá trị tới hạn và có thể đảo ngược kết luận.
Diễn giải sai khoảng tin cậy. Khoảng tin cậy 95 phần trăm không có nghĩa là tham số có 95 phần trăm khả năng nằm trong khoảng vừa tính. Theo cách hiểu tần suất mà phần lớn giáo trình dùng, ý nghĩa là phương pháp tạo khoảng này sẽ chứa tham số thật trong khoảng 95 phần trăm số lần lặp lại.
Khi dùng phần mềm thống kê cùng AI
Nhiều môn xác suất thống kê có phần thực hành với bảng tính hoặc phần mềm thống kê. Phần mềm cho con số đúng, nhưng bảng kết quả dày đặc và dễ hoa mắt. AI giúp tốt ở việc giải thích từng dòng của bảng kết quả: cột nào là thống kê kiểm định, cột nào là giá trị p, vì sao có hai dòng cho trường hợp phương sai bằng nhau và không bằng nhau. Câu lệnh gợi ý: "Đây là các cột trong bảng kết quả kiểm định t hai mẫu độc lập. Giải thích ý nghĩa từng cột, chưa kết luận."
Chỗ cần cẩn thận là dữ liệu. Nếu bài tập dùng dữ liệu khảo sát có tên, mã số, số điện thoại hay câu trả lời nhạy cảm của người tham gia, không dán bảng dữ liệu đó vào chatbot. Chỉ dán bảng kết quả tổng hợp, hoặc thay bằng dữ liệu mẫu tự tạo có cùng cấu trúc. Dữ liệu do giảng viên cung cấp cũng nên hỏi trước xem có được đưa lên công cụ bên ngoài không.
Phần kết luận của bài thực hành nên tự viết: từ giá trị p và mức ý nghĩa, bạn bác bỏ hay chưa đủ cơ sở bác bỏ giả thuyết không, và điều đó nói gì về câu hỏi ban đầu. Sau khi viết xong, có thể nhờ AI đọc soát: "Kết luận này có diễn giải giá trị p đúng không? Có chỗ nào mình nói quá mức dữ liệu cho phép không?" Câu hỏi thứ hai đặc biệt có ích, vì sinh viên hay viết "chứng minh được" trong khi kiểm định chỉ cho phép nói "có bằng chứng".
Câu hỏi thường gặp
AI tính xác suất ra số lẻ rất dài, mình có nên làm tròn không?
Nên giữ dạng phân số hoặc nhiều chữ số ở bước giữa, chỉ làm tròn ở kết quả cuối theo yêu cầu của đề hoặc của giảng viên. Làm tròn sớm có thể khiến tổng các xác suất không còn bằng 1 và gây khó khi tự kiểm.
Bài Bayes nhiều bước, nhờ AI thế nào để không bị rối?
Yêu cầu AI vẽ bằng lời một cây xác suất: nhánh đầu là các nguyên nhân, nhánh sau là kết quả quan sát, ghi xác suất trên từng nhánh. Bạn tự kiểm xác suất mỗi nhánh từ đề, rồi tự tính. Cây giúp thấy rõ đâu là điều kiện, đâu là cái cần tìm.
Tra bảng phân phối hay dùng giá trị AI đưa ra?
Nên tự tra bảng trong giáo trình hoặc dùng hàm của phần mềm, vì AI có thể nhớ nhầm giá trị tới hạn, nhất là với bậc tự do lạ. Bài kiểm tra thường cho bảng tra kèm, nên tập tra bảng cũng là luyện cho giờ thi.
Đề dùng ký hiệu khác với AI, ví dụ dùng S thay cho s, có sao không?
Có thể gây nhầm giữa độ lệch chuẩn mẫu và tổng thể. Hãy ghi rõ trong câu lệnh: "Trong lớp mình, S là độ lệch chuẩn mẫu có hiệu chỉnh chia n trừ 1", và yêu cầu AI dùng đúng ký hiệu đó.
Có nên nhờ AI giải thích định lý giới hạn trung tâm không?
Có, đây là khái niệm AI giải thích khá tốt bằng nhiều ví dụ. Bạn có thể tự kiểm trực giác bằng cách tung xúc xắc nhiều lượt, mỗi lượt vài lần, lấy trung bình mỗi lượt và vẽ tần suất các trung bình đó. Hình dạng sẽ dần gần đường chuông khi số lần mỗi lượt tăng.
Lời giải của AI và đáp án của giảng viên khác nhau ở cách diễn giải kết luận, theo bên nào?
Theo cách diễn đạt mà giảng viên dạy, vì đó là chuẩn chấm của môn. Nếu thấy hai cách có vẻ mâu thuẫn về nội dung chứ không chỉ về câu chữ, hãy mang câu hỏi lên lớp hoặc giờ tiếp sinh viên để được giải thích.