iPAS AI應用規劃師 L11101 AI的定義與分類

#1

★★★★★

根據《公部門人工智慧應用參考手冊》及普遍認知，人工智慧 (AI, Artificial Intelligence) 最核心的定義是指什麼？

A

創造有自我意識的機器人。

B

完全取代人類所有工作的技術。

C

模擬人類智慧的系統或機器，使其能夠執行通常需要人類智能的任務。

D

僅限於處理大數據分析的演算法。

答案解析

根據《公部門人工智慧應用參考手冊》第一章 1.1 的定義，AI 指的是模擬人類智慧的系統或機器，這些系統能夠在給定複雜目標的情況下，通過規則推理 (Rule-based Reasoning) 或從資料中學習 (Learning from Data)，進一步做出達成目標的最佳決策。AI 的目標是讓機器展現出類似人類的智能行為，如學習、推理、解決問題、感知、語言理解等。目前的 AI 主要是弱人工智慧 (Weak AI or Narrow AI)，專注於特定任務，而非具有通用智能或自我意識的強人工智慧 (Strong AI or General AI)。

#2

★★★★★

機器學習 (ML, Machine Learning) 與 人工智慧 (AI) 的關係是什麼？

A

AI 是 ML 的一個分支。

B

ML 是實現 AI 的一種主要方法。

C

AI 和 ML 是完全相同的概念。

D

ML 與 AI 毫無關聯。

答案解析

人工智慧 (AI) 是一個廣泛的概念，指的是讓機器模仿人類智能。而機器學習 (ML) 是AI 領域中的一個重要子集，專注於讓系統能夠從數據中自動學習和改進，而不需要明確的程式設計。可以說，ML 是達成 AI 的一種途徑或技術。

#3

★★★★★

深度學習 (DL, Deep Learning) 與機器學習 (ML) 的關係為何？

A

ML 是 DL 的一個分支。

B

DL 是 ML 的一種特定技術或方法。

C

DL 和 ML 是互斥的概念。

D

DL 完全取代了傳統 ML。

答案解析

深度學習 (DL) 是機器學習 (ML) 的一個子領域，它特別使用了具有多層（深度）結構的人工神經網路 (ANN, Artificial Neural Network) 來學習數據中的複雜模式。因此，DL 是 ML 的一種實現方式，擅長處理如圖像、語音等複雜的非結構化數據。

#4

★★★★★

根據《公部門人工智慧應用參考手冊》1.3 節的分類，哪種機器學習 (ML) 類型需要使用帶有標籤（正確答案）的資料來訓練模型？

A

監督式學習 (Supervised Learning)

B

非監督式學習 (Unsupervised Learning)

C

強化學習 (Reinforcement Learning)

D

半監督式學習 (Semi-supervised Learning)

答案解析

監督式學習 (Supervised Learning) 是最常見的機器學習類型，其訓練資料包含輸入特徵以及對應的正確輸出標籤。模型透過學習輸入與輸出之間的映射關係，來預測新的、未標籤數據的輸出。例如，利用標有「貓」或「狗」的圖片來訓練一個圖像分類器。

#5

★★★★★

哪種機器學習 (ML) 類型專注於從未標籤的資料中找出隱藏的模式或結構，例如將客戶分群？

A

監督式學習 (Supervised Learning)

B

非監督式學習 (Unsupervised Learning)

C

強化學習 (Reinforcement Learning)

D

自監督學習 (Self-supervised Learning)

答案解析

非監督式學習 (Unsupervised Learning) 的訓練資料沒有提供預先定義的標籤。演算法的目標是自行探索數據中的內在結構，常見的應用包括分群 (Clustering)（將相似的數據點分組）和降維 (Dimensionality Reduction)（減少數據的複雜性）。例如，根據客戶的購買行為將他們分成不同的群體。

#6

★★★★

讓代理人 (Agent) 在特定環境 (Environment) 中透過試錯 (Trial and Error) 來學習，並根據獲得的獎勵 (Reward) 或懲罰 (Penalty) 來調整其行為策略 (Policy)，這是哪種學習方式？

A

監督式學習 (Supervised Learning)

B

非監督式學習 (Unsupervised Learning)

C

強化學習 (Reinforcement Learning)

D

半監督式學習 (Semi-supervised Learning)

答案解析

強化學習 (Reinforcement Learning) 的核心概念是讓代理人 (Agent) 與環境互動，透過執行動作 (Action) 並觀察結果（狀態轉移 (State Transition) 和獲得的獎勵/懲罰）來學習最佳的行為策略，目標是最大化長期累積獎勵。常用於遊戲 AI（如 AlphaGo）、機器人控制、資源管理等。

#7

★★★

當只有少量標籤資料和大量未標籤資料可用時，最適合採用哪種學習方法？

A

監督式學習 (Supervised Learning)

B

非監督式學習 (Unsupervised Learning)

C

強化學習 (Reinforcement Learning)

D

半監督式學習 (Semi-supervised Learning)

答案解析

半監督式學習 (Semi-supervised Learning) 結合了監督式和非監督式學習的特點，利用少量的標籤資料來指導模型，同時利用大量的未標籤資料來探索數據的內在結構，通常能在標籤資料成本高昂或難以獲取的情況下，提升模型性能。

#8

★★★★

能夠執行特定任務，例如下棋或語音辨識，但不具備通用智能或自我意識的 AI 系統，通常被歸類為？

A

弱人工智慧 (Weak AI / Narrow AI)

B

強人工智慧 (Strong AI / General AI)

C

超級智慧 (Superintelligence)

D

通用機器學習 (General Machine Learning)

答案解析

弱人工智慧 (Weak AI)，也稱為狹義人工智慧 (Narrow AI)，是指專注於執行單一或有限範圍任務的 AI 系統。目前我們看到的大多數 AI 應用，如語音助理、推薦系統、圖像識別等，都屬於弱 AI。它們在特定任務上可能表現出色，但不具備人類的通用認知能力。

#9

★★★★

理論上能夠理解、學習和應用知識於任何智力任務，且能力與人類相當的 AI 被稱為什麼？

A

弱人工智慧 (Weak AI / Narrow AI)

B

強人工智慧 (Strong AI / General AI)

C

反應式機器 (Reactive Machines)

D

有限記憶機器 (Limited Memory Machines)

答案解析

強人工智慧 (Strong AI)，也稱為通用人工智慧 (AGI, Artificial General Intelligence)，是指具備與人類同等智力水平，能夠執行任何人類能完成的智力任務的 AI。這種 AI 目前仍處於理論和科幻階段，尚未實現。反應式機器和有限記憶機器是 AI 能力的早期分類。

#10

★★★★★

生成式 AI (Generative AI) 的主要特點是什麼？

A

從現有資料中進行分類或預測。

B

能夠創造新的、原創的內容，如文字、圖像、音樂等。

C

只能處理結構化的表格數據。

D

主要用於控制機器人執行物理任務。

答案解析

根據《公部門人工智慧應用參考手冊》1.1 的描述，生成式 AI (Generative AI) 的核心能力在於「生成」新的內容。它學習訓練數據中的模式和結構，然後基於這些學習來創造出以前不存在的、類似於訓練數據風格或內容的新輸出。這與傳統的鑑別式 AI (Discriminative AI)（主要做分類或預測）不同。

#11

★★★★★

判斷一封電子郵件是否為垃圾郵件，這種任務通常由哪種類型的 AI 模型完成？

A

生成式 AI (Generative AI)

B

鑑別式 AI (Discriminative AI)

C

強化學習 AI (Reinforcement Learning AI)

D

通用 AI (General AI)

答案解析

鑑別式 AI (Discriminative AI) 的主要目標是學習不同類別之間的「區別」或「邊界」，以便對新的輸入數據進行分類 (Classification) 或回歸 (Regression)（預測數值）。判斷郵件是否為垃圾郵件是一個典型的二元分類問題，因此由鑑別式模型處理。生成式 AI 則專注於生成新數據。

#12

★★★★

下列哪個是生成式 AI (Generative AI) 的應用範例？

A

預測股票市場的走勢。

B

識別醫療影像中的腫瘤。

C

根據文字描述生成一幅圖像。

D

將客戶進行市場區隔分群。

答案解析

股票預測和腫瘤識別通常是鑑別式 (Discriminative) 任務（回歸或分類），市場區隔分群是非監督式學習 (Unsupervised Learning) 的分群任務。根據文字描述生成圖像（例如Stable Diffusion, Midjourney）是典型的生成式 (Generative) 任務，因為它創造了新的視覺內容。

#13

★★★★

根據《公部門人工智慧應用參考手冊》1.2 節，下列何者是 AI (包含生成式 AI) 目前普遍存在的限制？

A

無法處理大量數據。

B

可能產生不準確或帶有偏見的結果 (Bias)，且缺乏真正的理解和常識。

C

學習速度比人類慢。

D

無法應用於需要創造力的任務。

答案解析

雖然 AI 在許多方面能力強大，但其限制包括對訓練資料的依賴、可能繼承和放大資料中的偏見、缺乏真正的世界理解和常識推理能力、以及生成式 AI (Generative AI) 可能產生幻覺 (Hallucination)（看似真實但錯誤的資訊）。AI 能處理大數據，學習速度快，並已展現出一定的創造力（尤其生成式 AI）。

#14

★★★★

生成式 AI (Generative AI) 產生看似真實但實際上不正確或無意義的輸出現象，被稱為什麼？

A

過度擬合 (Overfitting)

B

欠擬合 (Underfitting)

C

偏見 (Bias)

D

幻覺 (Hallucination)

答案解析

在 AI 領域，幻覺 (Hallucination) 特指模型（尤其是大型語言模型）產生與輸入提示或已知事實不符、看似合理但實際上是虛假或捏造的資訊。這是生成式 AI (Generative AI) 目前面臨的主要挑戰之一。

#15

★★★

在金融領域，《金融業運用人工智慧(AI)指引》提到 AI 不適合直接應用於下列哪個場景，因為風險較高？

A

智能客服，回答常見問題。

B

提升內部行政作業效率。

C

完全取代人類進行最終的信用評分決策。

D

協助進行初步的洗錢防制模式識別。

答案解析

根據《金融業運用人工智慧(AI)指引》的風險評估考量，直接影響客戶權益且自主決策程度高的應用（如最終信用評分決策）風險性較高。指引強調以人為本 (Human-centric) 及人類可控 (Human Controllable) 原則，建議在高風險應用中保留人工審核或介入機制，而非完全由 AI 取代。智能客服、內部效率提升、輔助洗錢防制識別等風險相對較低或有人工監督。

#16

★★★

被譽為「人工智慧之父 (Father of AI)」之一，並在 1956 年達特茅斯會議 (Dartmouth Workshop) 上首次提出「人工智慧 (Artificial Intelligence)」一詞的是誰？

A

艾倫·圖靈 (Alan Turing)

B

約翰·麥卡錫 (John McCarthy)

C

馬文·閔斯基 (Marvin Minsky)

D

赫伯特·西蒙 (Herbert Simon)

答案解析

約翰·麥卡錫 (John McCarthy) 在 1955 年為籌備 1956 年的達特茅斯會議 (Dartmouth Workshop) 所撰寫的計畫書中，首次正式使用了「人工智慧 (Artificial Intelligence)」這個術語。這次會議被廣泛認為是 AI 作為一個獨立研究領域的開端。其他選項的人物也是 AI 領域的先驅，但麥卡錫是提出該術語的人。

#17

★★★

所謂的「AI 冬天 (AI Winter)」指的是 AI 發展史上的哪個時期？

A

AI 技術剛萌芽的初期。

B

AI 研究資金被削減、公眾興趣下降的時期。

C

AI 在特定應用（如下棋）取得突破的時期。

D

深度學習技術蓬勃發展的時期。

答案解析

「AI 冬天 (AI Winter)」用來描述 AI 發展史上幾段研究經費縮減、進展緩慢、公眾及產業界興趣降低的時期。通常發生在過度樂觀的預期未能實現之後，導致了對 AI 能力的失望。歷史上曾出現過數次 AI 冬天。

#18

★★★

在製造業 (Manufacturing) 中，利用 AI 分析感測器 (Sensor) 數據來預測設備何時可能發生故障，屬於哪種應用？

A

品質檢測 (Quality Inspection)

B

預測性維護 (Predictive Maintenance)

C

供應鏈優化 (Supply Chain Optimization)

D

客戶關係管理 (Customer Relationship Management)

答案解析

預測性維護 (Predictive Maintenance) 是利用從設備感測器收集的數據，通過 AI/ ML 模型分析，來預測設備未來可能發生故障的時間點，從而能夠在故障發生前安排維修，減少意外停機時間和維修成本。這是 AI 在工業/製造業的重要應用之一。

#19

★★★

利用自然語言處理 (NLP, Natural Language Processing) 技術來分析大量客戶評論，以了解客戶情緒和意見，屬於 AI 的哪方面應用？

A

文本分析 (Text Analytics) 與情感分析 (Sentiment Analysis)

B

圖像識別 (Image Recognition)

C

語音辨識 (Speech Recognition)

D

預測性維護 (Predictive Maintenance)

答案解析

自然語言處理 (NLP) 是 AI 的一個分支，專注於讓電腦能夠理解和處理人類語言。文本分析 (Text Analytics) 是從文本數據中提取有用信息，而情感分析 (Sentiment Analysis) 則是判斷文本中所表達的情緒（正面、負面或中性）。分析客戶評論以了解意見和情緒是這些技術的典型應用。

#20

★★★★

根據 OECD 對「AI 系統」的定義，AI 系統透過產製什麼來影響環境？

A

原始數據 (Raw Data)

B

演算法程式碼 (Algorithm Code)

C

輸出品 (Outputs)，例如預測 (Predictions)、建議 (Recommendations) 或決策 (Decisions)

D

硬體設備 (Hardware Devices)

答案解析

根據《金融業運用人工智慧(AI)之核心原則與相關推動政策》附錄中引用的 OECD 定義，AI 系統是一種以機器為基礎的系統，在給予一組設定目的下，能透過產製輸出品（例如預測、建議或決策）來影響環境。它使用機器或人類的數據和輸入品來感知環境、萃取感知並轉化為模型，再使用模型推理來形成結果選項。

#21

★★★

下列何者最不屬於 AI 系統模仿人類學習、思考及反應模式的能力？

A

感知 (Perception) - 如圖像識別

B

預測 (Prediction) - 如銷售預測

C

推理 (Reasoning) - 如基於規則的診斷

D

資料儲存 (Data Storage) - 如將數據存入資料庫

答案解析

根據《金融業運用人工智慧(AI)指引》總則中對 AI 系統的定義，AI 旨在模仿人類的學習、思考及反應模式，包括感知、預測、決策、規劃、推理、溝通等。資料儲存本身是一種基礎的資訊技術功能，雖然是 AI 運作所必需的，但不直接屬於 AI 模仿人類智能的核心能力範疇。

#22

★★★★

區分鑑別式 AI (Discriminative AI) 和生成式 AI (Generative AI) 的主要依據是？

A

使用的訓練數據量大小。

B

模型訓練所需的時間長短。

C

模型的主要功能是判斷/分類現有數據還是創造新數據。

D

模型是否使用深度學習技術。

答案解析

主要的區別在於它們的目標和輸出。鑑別式 AI (Discriminative AI) 學習數據點之間的界限，主要用於分類或預測任務（例如，這是貓還是狗？房價會是多少？）。生成式 AI (Generative AI) 學習數據的潛在分佈，主要用於生成新的、類似於訓練數據的內容（例如，生成一篇文章、一幅畫）。雖然兩者都可能使用深度學習且需要大量數據，但其核心功能不同。

#23

★★★

下列哪項是 AI 在執行語音辨識 (Speech Recognition) 任務時可能遇到的限制？

A

無法處理多種不同語言。

B

無法區分不同說話者的聲音。

C

在嘈雜環境或有口音時，辨識準確率可能下降。

D

只能將語音轉為文字，無法理解語意。

答案解析

儘管現代語音辨識技術已相當進步，但背景噪音、口音、語速過快、多人同時說話等因素仍然會對辨識的準確率造成挑戰，這是目前 AI 語音辨識常見的限制。許多系統已能處理多語言、區分說話者（聲紋辨識），並結合 NLP 技術理解語意。

#24

★★★

在《公部門人工智慧應用參考手冊》中提到，AI 進行決策時可能缺乏下列何種人類特有的能力？

A

快速計算能力。

B

處理大量數據的能力。

C

同理心 (Empathy)、道德判斷 (Moral Judgment) 與常識 (Common Sense)。

D

從經驗中學習的能力。

答案解析

目前的 AI (主要是弱 AI) 主要基於數據模式和演算法進行決策，缺乏真正的人類情感、同理心、複雜的道德推理能力以及廣泛的生活常識。雖然 AI 在計算、數據處理和模式學習上可能超越人類，但在這些涉及深層次理解和價值判斷的方面仍有顯著限制。

#25

★★★★

AI 的目標是讓機器展現智慧行為，這通常不包括下列哪個面向？

A

學習 (Learning)

B

解決問題 (Problem Solving)

C

感知 (Perception)

D

擁有生物情感 (Biological Emotion)

答案解析

AI 的目標是模擬或複製人類的智能「行為」，如學習、推理、感知、解決問題、語言理解等。然而，目前的 AI 並不追求擁有與人類一樣的生物基礎情感或主觀意識。雖然 AI 可以模擬或識別情感表達，但它本身不具備真實的情感體驗。

#26

★★★★

人工神經網路 (ANN, Artificial Neural Network) 的設計靈感主要來自於？

A

人類大腦的神經結構與運作方式。

B

傳統計算機的中央處理器 (CPU) 架構。

C

昆蟲的集體行為模式。

D

物理學中的量子力學原理。

答案解析

人工神經網路 (ANN) 是一種計算模型，其設計靈感來源於生物神經系統，特別是人類大腦。它由大量互相連接的處理單元（人工神經元 (Artificial Neurons)）組成，這些單元分層排列，透過調整連接的權重 (Weights) 來學習和處理資訊，模擬大腦神經元之間傳遞訊號的方式。

#27

★★★

根據《AI 應用規劃師能力鑑定簡章》，初級能力指標中，「能掌握人工智慧的基本概念與應用領域」屬於哪個科目的範疇？

A

人工智慧基礎概論

B

生成式 AI 應用與規劃

C

大數據處理分析與應用

D

機器學習技術與應用

答案解析

根據簡章 2.5 節「評鑑主題與評鑑內容」的初級部分，科目「L11 人工智慧基礎概論」下的評鑑主題「L111 人工智慧概念」包含了 AI 的定義、分類、治理概念等基本知識，符合題目描述的「掌握人工智慧的基本概念與應用領域」。

#28

★★★

「AI 導入模式」的規劃屬於 AI 專案生命週期的哪個階段？

A

AI 場景評估

B

AI 專案啟動

C

資料探索與模型建立

D

模型迭代與部署

答案解析

根據《公部門人工智慧應用參考手冊》2.1 節的 AI 導入生命週期流程圖，決定 AI 導入模式（如自行開發、委外、使用現成服務等）是在第 2 階段「AI 專案啟動」中進行的關鍵活動之一，此階段在完成初步的場景評估之後，需要確定專案的執行方式。

#29

★★★

在《公部門人工智慧應用參考手冊》1.4 節提到的「以圖搜圖商標檢索系統」案例中，主要應用了 AI 的哪項技術？

A

自然語言處理 (NLP)

B

影像辨識 (Image Recognition) / 電腦視覺 (Computer Vision)

C

語音辨識 (Speech Recognition)

D

強化學習 (Reinforcement Learning)

答案解析

「以圖搜圖」的核心功能是分析使用者上傳的圖像內容（商標圖案），並在資料庫中尋找與之相似的圖像。這需要電腦視覺 (Computer Vision) 和影像辨識 (Image Recognition) 技術來理解和比較圖像的特徵。

#30

★★★

《公部門人工智慧應用參考手冊》1.4 節提到的「法庭中文語音辨識系統」主要應用了 AI 的哪項技術來產生逐字稿？

A

自然語言生成 (NLG)

B

電腦視覺 (Computer Vision)

C

語音辨識 (Speech Recognition) / 語音轉文字 (Speech-to-Text)

D

情感分析 (Sentiment Analysis)

答案解析

該系統的目標是將法庭上的語音對話轉換成文字記錄（逐字稿），這正是語音辨識 (Speech Recognition) 或稱為語音轉文字 (Speech-to-Text, STT) 技術的核心功能。

#31

★★★★

AI 的研究最早可以追溯到哪個年代？

A

1980年代

B

1970年代

C

1950年代

D

2000年代

答案解析

普遍認為1956年的達特茅斯會議是 AI 作為一個學術領域的開端。在此之前，已有相關的理論基礎（如圖靈測試），但 1950 年代是 AI 正式被命名並開始系統性研究的時期。參見《製造業 AI 導入指引》第一章第一節。

iPAS AI應用規劃師 初級

iPAS AI應用規劃師初級