Giải đề Cambridge IELTS 21 – Test 2, passage 3: Artificial Intelligence

Cơn sốt về trí tuệ nhân tạo (AI) đang bao trùm khắp các phương tiện truyền thông toàn cầu, từ những lời hứa hẹn chữa lành mọi bệnh tật cho đến kỳ vọng thúc đẩy đột phá sáng tạo của nhân loại. Tuy nhiên, đằng sau làn sóng tung hô đó là sự xuất hiện của một tư duy nguy hiểm: “AI solutionism” — niềm tin mù quáng rằng chỉ cần đủ dữ liệu và thuật toán, máy học có thể giải quyết mọi vấn đề của con người. Bài đọc Artificial Intelligence (Cambridge IELTS 21 – Test 2, Passage 3) mang đến một góc nhìn phản biện sắc bén: từ những rào cản hạ tầng dữ liệu và nhân lực trong khu vực công, nguy cơ bị tấn công đối kháng (adversarial attacks), cho đến các bài học thất bại thực tế từ hệ thống chẩn đoán ung thư IBM Watson hay thuật toán định tội trong ngành tư pháp Mỹ.

Thuộc chủ đề công nghệ học & Đạo đức AI (Technology & AI Ethics), Passage 3 này mang độ phức tạp cao về mặt lập luận phản biện. Bài thi đánh giá thí sinh qua 4 dạng câu hỏi then chốt: Trắc nghiệm đơn (Multiple Choice), hoàn thành tóm tắt có danh sách từ cho sẵn (Summary Completion with a Box), Đúng/Sai/Không xác định theo quan điểm tác giả (Yes/No/Not Given) và chọn tiêu đề phụ cho toàn bài (Global Multiple Choice). Bài viết của trung tâm ngoại ngữ ECE sẽ giúp bạn giải mã trọn vẹn đề thi này.

Nội dung bài đọc (Reading Passage)

Artificial Intelligence

[Paragraph 1] In many countries in the West, hysteria about the future of artificial intelligence (AI) is everywhere. There seems to be no shortage of sensationalist news about how AI could cure diseases, accelerate human innovation and improve human creativity. Just looking at the media headlines, you might think that we are already living in a future where AI has infiltrated every aspect of society.

[Paragraph 2] While it is undeniable that AI has opened up a wealth of promising opportunities, it has also led to the emergence of a mindset that can be best described as ‘AI solutionism’. This is the philosophy that, given enough data, machine learning algorithms can solve all of humanity’s problems. But, in fact, instead of supporting AI progress, this mindset actually jeopardises the value of machine intelligence by disregarding important AI safety principles and setting unrealistic expectations about what AI can really do for humanity.

[Paragraph 3] In only a few years, AI solutionism has made its way from the technology evangelists’ mouths in Silicon Valley in California to the minds of government officials and policymakers around the world. The pendulum has swung from the dystopian notion that AI will destroy humanity to the utopian belief that our algorithmic saviour is here.

[Paragraph 4] We are now seeing governments pledge support to national AI initiatives and compete in a technological race to dominate the burgeoning machine-learning sector. While many politicians proclaim the transformative effects of the coming ‘AI revolution’, they fail to realise the complexity around deploying advanced machine learning systems in the real world.

[Paragraph 5] One of the most promising varieties of AI technologies are neural networks. This form of machine learning is loosely modelled on the neuronal structure of the human brain, but on a much smaller scale. But what many politicians do not understand is that simply adding a neural network to a problem will not automatically mean that you’ll find a solution. Similarly, adding a neural network to a system of government does not mean it will be instantaneously more inclusive or fair.

[Paragraph 6] AI systems need a lot of data to function, but the public sector typically does not have the appropriate data infrastructure to support advanced machine learning. Most of the data remains stored in offline archives. The few digitised sources of data that exist tend to be buried in bureaucracy. More often than not, data is spread across different government departments that each require special permissions to be accessed. Above all, the public sector typically lacks the human talent with the right technological capabilities to fully reap the benefits of machine intelligence.

[Paragraph 7] For these reasons, the sensationalism over AI has attracted many critics. Stuart Russell, a professor of computer science at the University of California, Berkeley, has long advocated a more sensible and realistic approach that focuses on simple everyday applications of AI instead of the hypothetical takeover by super-intelligent robots. Similarly, Rodney Brooks, professor of robotics at Massachusetts Institute of Technology, writes that ‘almost all innovations in robotics and AI take far, far, longer to be really widely deployed than people in the field and outside the field imagine’.

[Paragraph 8] One of the many difficulties in deploying machine learning systems is that AI is extremely susceptible to adversarial attacks. This means that a malicious AI can target another AI to make it behave in a certain way, such as forcing it to make wrong predictions. Many researchers have warned against the rolling out of AI without appropriate security standards and defence mechanisms. Still, AI security remains an often overlooked topic when machine learning systems are installed.

[Paragraph 9] If we are to reap the benefits and minimise the potential harms of AI, we must start thinking about how machine learning can be meaningfully applied to specific areas of government, business and society. This means we need to have a discussion about AI ethics and the distrust that many people have towards machine learning. Most importantly, we need to be aware of the limitations of AI and where people still need to take the lead. Instead of painting an unrealistic picture of the power of AI, it is important to take a step back and separate the actual technological capabilities of AI from fantasy.

[Paragraph 10] The medical profession has also recognised the drawbacks to AI. The IBM Watson for Oncology programme was a piece of AI that was meant to help doctors treat cancer. Even though it was developed to deliver the best recommendations, human experts found it hard to trust the machine. As a result, the AI programme was abandoned in most hospitals where it was trialled.

[Paragraph 11] Similar difficulties arose in the legal domain when algorithms were used in courts in the US to sentence criminals. An algorithm calculated risk assessment scores and advised judges on the sentencing. The system was found to amplify structural racial discrimination and was later abandoned.

[Paragraph 12] There are some crucial lessons here for everyone aiming to boost investments in national AI programmes. These examples demonstrate that there is no AI solution for everything. Using AI simply for the sake of AI may not always be productive or useful, and not every issue is best addressed by applying machine intelligence to it. All solutions come with a cost and not everything that can be automated should be.

Questions

Questions 27–29

Choose the correct letter, A, B, C or D.

Write the correct letter in boxes 27–29 on your answer sheet.

27. What is the writer doing in the first paragraph?

A. predicting the future impact of AI

B. describing a public perception of AI

C. outlining some possible benefits of AI

D. highlighting the breadth of the influence of AI

28. When discussing AI solutionism in the second paragraph, the writer

A. points out a risk involved.

B. specifies its probable origins.

C. mentions its chief supporters.

D. weighs up some pros and cons.

29. In the fourth paragraph, the writer suggests that many politicians may

A. have failed to appreciate the true potential of AI initiatives.

B. have misunderstood the function of the machine-learning sector.

C. be unaware of the challenges of implementing national AI initiatives.

D. be too keen to enter the race to dominate the machine-learning sector.

Questions 30–35

Complete the summary using the list of words, A–I, below.

Write the correct letter, A–I, in boxes 30–35 on your answer sheet.

AI in government, medicine and the law

Neural networks are a promising area of AI technology for governments. However, many politicians overestimate their capabilities, believing that the mere addition of a neural network will produce solutions and promote 30. _______________.

Most public sector organisations have not set up the necessary 31. _______________ to manage the huge amount of data required to enable AI to function. Complex bureaucracy is another issue, as each person involved needs 32. _______________ to access the relevant data, which is often spread across different departments. But the main problem is that few public sector employees have the 33. _______________ to take full advantage of machine intelligence.

The medical profession experimented with an AI programme, but their experts had little faith in its 34. _______________, and the programme was abandoned. US courts also abandoned the use of algorithms when it was found that these reflected and magnified the existing 35. _______________ within the legal profession.

A reliability	B funding	C skills
D prejudices	E computers	F equality
G framework	H confidentiality	I approval

Questions 36–39

Do the following statements agree with the claims of the writer in Reading Passage 3?

In boxes 36–39 on your answer sheet, write:

• YES — if the statement agrees with the claims of the writer

• NO — if the statement contradicts the claims of the writer

• NOT GIVEN — if it is impossible to say what the writer thinks about this

36. Stuart Russell’s proposals regarding the use of AI are impractical.

37. Rodney Brooks’ view has attracted unfair criticism from supporters of AI.

38. Nowadays, the need to protect AI systems is always taken into account when they are set up.

39. In order to benefit from AI and minimise the harms, we have to explore people’s concerns about its use.

Question 40

Choose the correct letter, A, B, C or D.

Write the correct letter in box 40 on your answer sheet.

40. What would be a suitable subtitle for Reading Passage 3?

A. How to make the most of what AI has to offer

B. Why AI may not be the answer to our problems

C. Why governments should not invest in AI systems

D. How AI could improve the efficiency of the public sector

Dịch nghĩa bài đọc hoàn chỉnh

[Đoạn 1] Tại nhiều quốc gia phương Tây, sự cuồng loạn xung quanh tương lai của trí tuệ nhân tạo (AI) đang hiện diện ở khắp mọi nơi. Dường như không bao giờ thiếu những tin tức giật gân về việc AI có thể chữa khỏi bệnh tật, thúc đẩy sự đổi mới và nâng cao năng lực sáng tạo của con người như thế nào. Chỉ cần nhìn vào các tiêu đề truyền thông, bạn có thể nghĩ rằng chúng ta đã sống trong một thế giới tương lai nơi AI đã thâm nhập vào mọi khía cạnh của xã hội.

[Đoạn 2] Mặc dù không thể phủ nhận rằng AI đã mở ra vô vàn cơ hội đầy hứa hẹn, nó cũng dẫn đến sự xuất hiện của một lối tư duy có thể được mô tả chính xác nhất là “thuyết giải pháp AI” (AI solutionism). Đây là triết lý cho rằng, chỉ cần được cung cấp đủ dữ liệu, các thuật toán máy học có thể giải quyết mọi vấn đề của nhân loại. Nhưng trên thực tế, thay vì hỗ trợ sự tiến bộ của AI, lối tư duy này thực chất lại đang đe dọa giá trị của trí tuệ máy móc bằng cách phớt lờ các nguyên tắc an toàn AI quan trọng và đặt ra những kỳ vọng phi thực tế về những gì AI thực sự có thể làm cho con người.

[Đoạn 3] Chỉ trong vài năm ngắn ngủi, thuyết giải pháp AI đã lan truyền từ miệng của các nhà truyền bá công nghệ ở Thung lũng Silicon (California) vào tâm trí của các quan chức chính phủ và nhà hoạch định chính sách trên toàn thế giới. Con lắc nhận thức đã chuyển dịch từ quan niệm đen tối rằng AI sẽ hủy diệt nhân loại sang niềm tin không tưởng rằng vị cứu tinh thuật toán của chúng ta đã xuất hiện.

[Đoạn 4] Giờ đây, chúng ta đang chứng kiến các chính phủ cam kết hỗ trợ cho các sáng kiến AI quốc gia và cạnh tranh trong một cuộc chạy đua công nghệ nhằm thống trị lĩnh vực máy học đang bùng nổ. Trong khi nhiều chính trị gia tuyên bố về những tác động mang tính biến đổi của “cuộc cách mạng AI” sắp tới, họ lại không nhận ra sự phức tạp xung quanh việc triển khai các hệ thống máy học tiên tiến trong thế giới thực.

[Đoạn 5] Một trong những nhánh công nghệ AI hứa hẹn nhất là mạng nơ-ron nhân tạo. Hình thức máy học này được mô phỏng lỏng lẻo theo cấu trúc nơ-ron của não người, nhưng ở quy mô nhỏ hơn nhiều. Thế nhưng, điều mà nhiều chính trị gia không hiểu là việc chỉ đơn giản áp dụng một mạng nơ-ron vào một vấn đề không tự động đồng nghĩa với việc bạn sẽ tìm ra giải pháp. Tương tự, việc đưa mạng nơ-ron vào hệ thống chính quyền không có nghĩa là hệ thống đó sẽ ngay lập tức trở nên công bằng hoặc dung nạp hơn.

[Đoạn 6] Các hệ thống AI cần rất nhiều dữ liệu để vận hành, nhưng khu vực công thường không có cơ sở hạ tầng dữ liệu phù hợp để hỗ trợ máy học tiên tiến. Phần lớn dữ liệu vẫn được lưu trữ trong các kho lưu trữ ngoại tuyến. Số ít nguồn dữ liệu được số hóa hiện có lại có xu hướng bị chôn vùi trong thủ tục hành chính rườm rà. Thông thường, dữ liệu bị phân tán rải rác ở các cơ quan chính phủ khác nhau và mỗi nơi đều yêu cầu quyền phê duyệt đặc biệt mới có thể truy cập. Trên hết, khu vực công thường thiếu hụt nhân tài có năng lực công nghệ phù hợp để khai thác tối đa lợi ích của trí thông minh nhân tạo.

[Đoạn 7] Vì những lý do này, sự giật gân hóa đối với AI đã thu hút nhiều nhà phê bình. Stuart Russell, giáo sư khoa học máy tính tại Đại học California, Berkeley, từ lâu đã ủng hộ một cách tiếp cận hợp lý và thực tế hơn — tập trung vào các ứng dụng thường ngày đơn giản của AI thay vì viễn cảnh giả định về sự thống trị của các robot siêu thông minh. Tương tự, Rodney Brooks, giáo sư về robot học tại Học viện Công nghệ Massachusetts (MIT), viết rằng “hầu như tất cả các cải tiến trong lĩnh vực robot và AI đều mất thời gian triển khai rộng rãi thực tế lâu hơn rất nhiều so với những gì những người trong và ngoài ngành hình dung”.

[Đoạn 8] Một trong nhiều khó khăn khi triển khai các hệ thống máy học là AI cực kỳ dễ bị tổn thương trước các cuộc tấn công đối kháng (adversarial attacks). Điều này có nghĩa là một AI độc hại có thể nhắm mục tiêu vào một AI khác để khiến nó hành xử theo một cách nhất định, chẳng hạn như buộc nó đưa ra các dự đoán sai lệch. Nhiều nhà nghiên cứu đã cảnh báo về việc tung ra AI mà không có các tiêu chuẩn an ninh và cơ chế phòng thủ phù hợp. Dẫu vậy, an ninh AI vẫn là một chủ đề thường bị xem nhẹ khi lắp đặt các hệ thống máy học.

[Đoạn 9] Nếu muốn gặt hái những lợi ích và giảm thiểu các tác hại tiềm tàng của AI, chúng ta phải bắt đầu suy nghĩ về cách áp dụng máy học một cách có ý nghĩa vào các lĩnh vực cụ thể của chính phủ, doanh nghiệp và xã hội. Điều này đồng nghĩa với việc chúng ta cần thảo luận về đạo đức AI và sự ngờ vực của nhiều người đối với máy học. Quan trọng nhất, chúng ta cần nhận thức rõ về các giới hạn của AI và những lĩnh vực con người vẫn cần giữ vai trò dẫn dắt. Thay vì vẽ nên một bức tranh phi thực tế về sức mạnh của AI, điều quan trọng là phải lùi lại một bước để phân định ranh giới giữa năng lực công nghệ thực tế và sự tưởng tượng viển vông.

[Đoạn 10] Ngành y tế cũng đã nhận thấy những hạn chế của AI. Chương trình IBM Watson for Oncology là một phần mềm AI từng được kỳ vọng sẽ giúp các bác sĩ điều trị ung thư. Mặc dù được phát triển để đưa ra những khuyến nghị tốt nhất, các chuyên gia là con người nhận thấy rất khó để tin tưởng cỗ máy này. Kết quả là chương trình AI này đã bị hủy bỏ tại hầu hết các bệnh viện nơi nó được đưa vào thử nghiệm.

[Đoạn 11] Những khó khăn tương tự cũng nảy sinh trong lĩnh vực pháp lý khi các thuật toán được sử dụng tại các tòa án ở Mỹ để tuyên án tội phạm. Thuật toán này tính toán điểm đánh giá rủi ro và đưa ra lời khuyên cho các thẩm phán về mức án. Tuy nhiên, hệ thống này bị phát hiện là đã khuếch đại sự phân biệt chủng tộc mang tính cấu trúc và sau đó cũng bị hủy bỏ.

[Đoạn 12] Có những bài học sống còn ở đây cho bất kỳ ai đang nhắm đến việc thúc đẩy đầu tư vào các chương trình AI quốc gia. Những ví dụ này chứng minh rằng không có giải pháp AI nào có thể giải quyết được tất cả mọi thứ. Việc sử dụng AI chỉ vì mục đích “chạy theo phong trào AI” không phải lúc nào cũng hiệu quả hay hữu ích, và không phải mọi vấn đề đều được giải quyết tốt nhất bằng cách áp dụng trí tuệ máy móc. Mọi giải pháp đều phải trả giá và không phải mọi thứ có thể tự động hóa đều nên được tự động hóa.

Tổng hợp từ vựng học thuật quan trọng của bài đọc

Từ vựng / Cụm từ	Phân loại	Nghĩa trong bài đọc
Sensationalist news	Cụm danh từ	Tin tức giật gân, phóng đại thái quá
AI solutionism	Thuật ngữ triết học	Thuyết giải pháp AI (ảo tưởng AI giải quyết được mọi việc)
Jeopardise the value	Cụm động từ	Gây nguy hại / làm tổn hại giá trị
Burgeoning sector	Cụm danh từ	Lĩnh vực đang bùng nổ, tăng trưởng nhanh
Data infrastructure	Cụm danh từ	Cơ sở hạ tầng dữ liệu
Adversarial attacks	Cụm danh từ	Các cuộc tấn công đối kháng (mã độc đánh lừa thuật toán AI)
Reap the benefits	Cụm động từ	Gặt hái lợi ích / hưởng thành quả
Amplify structural discrimination	Cụm động từ	Khuếch đại sự phân biệt đối xử mang tính cấu trúc

Gợi ý đáp án bài đọc Artificial Intelligence

Questions 27–29: Multiple Choice

27. What is the writer doing in the first paragraph? -> Đáp án: B (describing a public perception of AI)

Dẫn chứng đoạn 1: “In many countries in the West, hysteria about the future of artificial intelligence (AI) is everywhere… you might think that we are already living in a future where AI has infiltrated every aspect of society.”

Phân tích: Đoạn 1 mô tả làn sóng tâm lý hoang mang, hào hứng giật gân của truyền thông và công chúng về việc AI có thể làm được mọi thứ (hysteria, sensationalist news, you might think…). Đây chính là miêu tả nhận thức của công chúng về AI (public perception of AI).

Loại trừ: A sai vì tác giả không tự đưa ra dự đoán; C sai vì các lợi ích chỉ được dẫn như lời đồn thổi trên truyền thông; D sai vì tác giả dùng từ “you might think” để ám chỉ tầm ảnh hưởng này chưa hẳn đã xảy ra trên thực tế.

28. When discussing AI solutionism in the second paragraph, the writer -> Đáp án: A (points out a risk involved.)

Dẫn chứng đoạn 2: “…instead of supporting AI progress, this mindset actually jeopardises the value of machine intelligence by disregarding important AI safety principles and setting unrealistic expectations…”

Phân tích: Tác giả chỉ ra rằng tư duy này đang gây nguy hiểm (jeopardises) cho giá trị của AI khi xem nhẹ an toàn và đặt kỳ vọng ảo. Hành động cảnh báo này chính là chỉ ra rủi ro liên quan (points out a risk involved).

Loại trừ: B, C sai vì đoạn 2 chưa nêu nguồn gốc hay người ủng hộ; D sai vì đoạn 2 chỉ tập trung vạch trần tác hại chứ không cân đo lợi hại (weighs up pros and cons).

29. In the fourth paragraph, the writer suggests that many politicians may -> Đáp án: C (be unaware of the challenges of implementing national AI initiatives.)

Dẫn chứng đoạn 4: “While many politicians proclaim the transformative effects… they fail to realise the complexity around deploying advanced machine learning systems in the real world.”

Phân tích: Cụm fail to realise the complexity around deploying (không nhận ra sự phức tạp khi triển khai trên thực tế) tương đương với be unaware of the challenges of implementing (không nhận thức được các thách thức trong triển khai).

Loại trừ: A, B sai lệch ý; D sai vì việc họ muốn đua công nghệ chỉ là dữ kiện thực tế, không phải thông điệp chính mà tác giả phê phán.

Questions 30–35: Summary Completion with a Box

30. Đáp án: F (equality)

Dẫn chứng đoạn 5: “…adding a neural network to a system of government does not mean it will be instantaneously more inclusive or fair.”

Phân tích: Từ fair (công bằng) và inclusive (bao hàm, dung nạp) được tóm tắt bằng từ đồng nghĩa trong danh sách là equality (sự bình đẳng/công bằng).

31. Đáp án: G (framework)

Dẫn chứng đoạn 6: “AI systems need a lot of data to function, but the public sector typically does not have the appropriate data infrastructure…”

Phân tích: Cần một danh từ thay thế cho cơ sở hạ tầng dữ liệu (data infrastructure). Từ tương thích nhất trong bảng là framework (khuôn khổ/hạ tầng cấu trúc).

32. Đáp án: I (approval)

Dẫn chứng đoạn 6: “…data is spread across different government departments that each require special permissions to be accessed.”

Phân tích: Từ permissions (sự cho phép/cấp quyền truy cập) đồng nghĩa hoàn toàn với approval (sự phê duyệt/chấp thuận).

33. Đáp án: C (skills)

Dẫn chứng đoạn 6: “…the public sector typically lacks the human talent with the right technological capabilities…”

Phân tích: Năng lực công nghệ phù hợp (technological capabilities) của nhân lực tương ứng với kỹ năng chuyên môn (skills).

34. Đáp án: A (reliability)

Dẫn chứng đoạn 10: “Even though it was developed to deliver the best recommendations, human experts found it hard to trust the machine.”

Phân tích: Các chuyên gia cảm thấy khó tin tưởng vào cỗ máy (hard to trust the machine), tức là họ có rất ít niềm tin vào độ tin cậy của các khuyến nghị này (little faith in its reliability).

35. Đáp án: D (prejudices)

Dẫn chứng đoạn 11: “The system was found to amplify structural racial discrimination and was later abandoned.”

Phân tích: Sự phân biệt đối xử mang tính chủng tộc (racial discrimination) tương ứng với định kiến/thành kiến trong hệ thống (prejudices).

Questions 36–39: Yes / No / Not Given

36. Stuart Russell’s proposals regarding the use of AI are impractical. -> Đáp án: NO

Dẫn chứng đoạn 7: “Stuart Russell… has long advocated a more sensible and realistic approach that focuses on simple everyday applications of AI…”

Phân tích: Tác giả miêu tả đề xuất của Stuart Russell là hợp lý và thực tế (sensible and realistic). Điều này trái ngược trực tiếp với nhận định rằng đề xuất của ông phi thực tế/không thực tiễn (impractical) -> NO.

37. Rodney Brooks’ view has attracted unfair criticism from supporters of AI. -> Đáp án: NOT GIVEN

Dẫn chứng đoạn 7: Tác giả trích dẫn quan điểm của Rodney Brooks về việc triển khai AI tốn nhiều thời gian hơn người ta tưởng, nhưng hoàn toàn không đề cập đến việc quan điểm này có bị người ủng hộ AI chỉ trích bất công (unfair criticism) hay không -> NOT GIVEN.

38. Nowadays, the need to protect AI systems is always taken into account when they are set up. -> Đáp án: NO

Dẫn chứng đoạn 8: “Still, AI security remains an often overlooked topic when machine learning systems are installed.”

Phân tích: Bài đọc khẳng định an ninh AI là chủ đề thường xuyên bị xem nhẹ/bỏ qua (often overlooked), mâu thuẫn hoàn toàn với khẳng định trong đề bài là “luôn luôn được cân nhắc” (always taken into account) -> NO.

39. In order to benefit from AI and minimise the harms, we have to explore people’s concerns about its use. -> Đáp án: YES

Dẫn chứng đoạn 9: “If we are to reap the benefits and minimise the potential harms of AI… This means we need to have a discussion about AI ethics and the distrust that many people have towards machine learning.”

Phân tích: Khẳng định của đề bài trùng khớp hoàn toàn với luận điểm tác giả đưa ra (để tối đa lợi ích và giảm thiểu tác hại, cần bàn luận về đạo đức và sự ngờ vực/lo ngại của con người) -> YES.

Question 40: Multiple Choice (Global)

40. What would be a suitable subtitle for Reading Passage 3? -> Đáp án: B (Why AI may not be the answer to our problems)

Phân tích toàn bài: Xuyên suốt bài viết, tác giả phản biện “thuyết giải pháp AI” (AI solutionism), vạch trần các giới hạn kỹ thuật, hạ tầng dữ liệu và bài học thất bại thực tế (IBM Watson, tòa án Mỹ), để đi đến kết luận ở đoạn 12: “These examples demonstrate that there is no AI solution for everything.” (AI không phải là giải pháp cho mọi vấn đề). Do đó, phụ đề chính xác nhất là B.

Loại trừ: A sai vì bài không phải cẩm nang hướng dẫn cách tận dụng AI; C sai vì tác giả không khuyên chính phủ ngừng đầu tư hoàn toàn mà khuyên đầu tư thực tế; D sai vì bài chỉ ra hàng loạt khó khăn của khu vực công chứ không chứng minh AI nâng cao hiệu suất ra sao.

Bài đọc Artificial Intelligence đưa ra một lời cảnh tỉnh cần thiết giữa làn sóng tung hô công nghệ: AI là một công cụ mạnh mẽ nhưng không phải là chiếc đũa thần vạn năng. Thành công của việc ứng dụng máy học phụ thuộc vào năng lực phân định ranh giới giữa tiềm năng kỹ thuật thực tế và ảo tưởng viển vông, đồng thời luôn đặt yếu tố con người và chuẩn mực an toàn đạo đức lên hàng đầu.

Về phương pháp làm bài IELTS Reading, dạng bài Passage 3 học thuật này đòi hỏi thí sinh phải nắm vững tư duy phản biện của tác giả để giải quyết dạng bài Multiple Choice bao quát và dạng Yes/No/Not Given, kết hợp kỹ năng bóc tách từ loại để chọn đúng từ tương thích trong khung từ vựng tóm tắt. Chúc bạn làm chủ chiến thuật và tự tin chinh phục band điểm mục tiêu trong trọn bộ Cambridge IELTS 21!