我整理了官方2025年3月公布的最新《AI應用規劃師的初級鑑定考試》30題樣題，加上簡單的解析，分享給也有興趣考這張證照或想了解AI基礎知識的朋友。
這些題目涵蓋AI概念、機器學習、生成式AI、No Code/Low Code平台等，很適合當作複習或入門的參考！
第1題 題目：關於 AI，下列敘述何者正確？ (A) AI 僅能處理結構化數據的分析 (B) AI 涵蓋多種專業領域與技術 (C) AI 系統只能在學術研究中應用 (D) AI 無法應用於金融領域 答案：B 解析：AI 涵蓋機器學習、自然語言處理、電腦視覺等技術，應用領域遍及醫療、金融、零售等產業。 第2題 題目：下列何者最適合訓練電腦下圍棋、自動駕駛等動態重複地互動的問題？ (A) 監督式學習（Supervised Learning）
(B) 非監督式學習（Unsupervised Learning） (C) 半監督式學習（Semi-supervised Learning） (D) 強化學習（Reinforcement Learning） 答案：D 解析：強化學習透過不斷試錯與獎勵學習最適策略，適合互動式問題如圍棋與自駕車。 第3題 題目：深度學習模型中，下列哪一項通常用來降低過擬合問題？ (A) 增加訓練數據量 (B) 增加模型的複雜度 (C) 增加學習率 (D) 增加正則化項 答案：D 解析：正則化（如L1/L2）能限制模型複雜度有助於降低過擬合。
第4題 題目：下列何者非大數據時代資料的特性？ (A) 資料量大 (B) 資料變動速度快 (C) 資料多樣性 (D) 資料存儲位置固定 答案：D 解析：大數據特性為4V（Volume, Velocity, Variety, Veracity），資料儲存位置不固定。 第5題 題目：關於 K 平均法（K-means），下列敘述何者「不」正確？ (A) 希望找出 k 個互不交集的群集 (B) 不同的起始群集中心，可能會造成不同的分群結果 (C) 容易受雜訊與離群值（Outlier）影響其群集中心
(D) 可以處理類別型資料 答案：D 解析：K-means 適用於連續數值資料，不適用類別型資料。 第6題 題目：在品質管理中，若一產品的生產過程中標準差顯著偏大，通常意味著什麼？ (A) 資料點高度集中，產品質量穩定 (B) 生產過程波動大，產品品質不穩定 (C) 資料無法反映產品實際狀況 (D) 中位數數值高，品質良率較高 答案：B 解析：標準差大表示變異大，代表生產穩定度差，品質易波動。 第7題 題目：銀行想建立聊天機器人，可透過下列哪一種領域技術來達成？
(A) 資料庫管理技術 (B) 機器學習與自然語言處理 (C) 網頁開發技術 (D) 網路安全技術 答案：B 解析：聊天機器人主要依賴自然語言處理與機器學習理解與回應對話。 第8題 題目：線性迴歸模型最適合解決哪種類型的問題？ (A) 圖像分類 (B) 銷售額預測 (C) 聚類分析 (D) 遊戲策略學習 答案：B 解析：線性迴歸是典型的數值預測模型，適合應用於銷售、價格等連續值預測。
第9題 題目：交叉驗證的主要目的是什麼？ (A) 提高模型的訓練速度 (B) 驗證數據是否線性可分 (C) 減少模型的過擬合風險 (D) 測試模型的容錯能力 答案：C 解析：交叉驗證可反覆用不同資料集驗證模型，避免因單一切分造成過擬合。 第10題 題目：神經網路與傳統機器學習模型的主要區別是什麼？ (A) 神經網路無法處理非線性數據 (B) 神經網路透過多層結構學習複雜特徵 (C) 神經網路只適用於迴歸問題 (D) 神經網路不需要大量數據支持 答案：B 解析：神經網路以多層架構（深度學習）自動學習特徵，能處理複雜非線性問題。
第11題 題目：下列關於生成對抗網路（GAN）的描述正確的是哪一項？ (A) GAN 由生成器和鑑別器組成 (B) GAN 僅用於分類問題 (C) GAN 的結果始終高度可解釋 (D) GAN 不能生成高品質的數據 答案：A 解析：GAN 的架構由生成器（Generator）與鑑別器（Discriminator）組成，透過對抗訓練產生高品質資料。 第12題 題目：在下列哪一種應用領域中，生成式 AI 最有可能被使用來創建新的圖像或影片內容？ (A) 產品品質檢測 (B) 醫學影像分析 (C) 監控系統 (D) 虛擬現實圖像 答案：D 解析：生成式 AI 可應用於虛擬角色、虛擬場景的圖像與影片創作，適合虛擬現實應用。 第13題 題目：關於目前生成式 AI 的主要應用，不包括下列哪一項？ (A) 創建合成數據樣本 (B) 模擬數據分佈 (C) 分類醫學影像 (D) 生成文本 答案：C 解析：醫學影像分類屬於鑑別式 AI 的任務，非生成式 AI 的應用重點。 第14題 題目：下列哪項是生成式 AI 支援鑑別式 AI 的典型案例？ (A) 模擬交通場景以訓練自動駕駛模型 (B) 使用 CNN 對腫瘤分類 (C) 使用 SVM 分析風險 (D) 創建更好的分類演算法 答案：A 解析：生成式 AI 可模擬訓練資料，如交通場景，協助鑑別式 AI 模型學習。 第15題 題目：在 AI 治理中，下列何者是國際合作的重要性？ (A) 統一 AI 發展標準 (B) 避免 AI 技術的濫用 (C) 促進 AI 技術的轉移 (D) 以上皆是 答案：D 解析：AI 治理須跨國協調，以制定標準、避免濫用、促進科技發展，共為國際合作目標。 第16題 題目：下列何者最能表達 No Code/Low Code 平台的主要特色？ (A) 需要撰寫大量程式碼 (B) 運用模板快速建立應用程式 (C) 僅供專業開發人員使用 (D) 只能製作靜態網站 答案：B 解析：No Code/Low Code 平台能透過圖形化介面與模組快速開發應用程式，降低開發門檻。 第17題 題目：關於 No-Code AI 工具，下列敘述何者最為準確？ (A) 已經完全取代傳統的 AI 開發模式 (B) 只適用於大型企業 (C) 是一種降低 AI 技術複雜性和開發成本的新興方法 (D) 工具都具有完全相同的功能和性能 答案：C 解析：No-Code 工具降低門檻，讓非技術人員也能開發 AI 應用，具備成本與時間優勢。 第18題 題目：在選擇 No Code / Low Code 平台時，下列何者為考慮功能與擴展性時最重要因素？ (A) 平台的購買成本 (B) 平台的技術整合能力和自訂性 (C) 使用者的程式設計能力 (D) 平台的市場評價 答案：B 解析：技術整合能力與自訂性決定平台是否能適應企業成長與多樣需求，是選擇關鍵。 第19題 題目：關於生成式 AI 與 No Code / Low Code 平台的應用，下列何者最不適合？ (A) 自動生成程式碼 (B) 自動化生成行銷文案 (C) 快速開發個人化 App (D) 自動化生成法律判決 答案：D 解析：法律判決涉及法律邏輯與倫理審查，生成式 AI 難以自動生成具法律效力的判決內容。 第20題 題目：關於 No Code / Low Code 平台，下列敘述何者較正確？ (A) 兩者完全相同 (B) Low Code 平台不需要任何程式設計知識 (C) Low Code 平台更適合開發靈活且可擴展的解決方案 (D) No Code 平台可以無限客製化 答案：C 解析：Low Code 雖仍需部分程式知識，但靈活性與擴展性高，適合複雜應用開發。
第21題 題目：下列哪一種技術方案適用於改善客戶體驗？ (A) 智慧排程系統 (B) 消費行為洞察模型 (C) 預測性維護工具 (D) 自然語言處理（NLP）和生成式回應模組 答案：D 解析：NLP 與生成式模型能即時理解與回應客戶問題，提升互動品質，是改善體驗的重要技術。 第22題 題目：下列哪一項技術是生成式 AI 的基礎？ (A) 決策樹模型 (B) 聚類演算法 (C) 生成對抗網路 (D) 隨機森林技術 答案：C 解析：生成對抗網路（GAN）是生成式 AI 的核心架構，廣泛用於圖像、文字等生成應用。 第23題 題目：使用生成式 AI 技術或工具生成內容時，應採取下列哪一項措施以確保內容品質？ (A) 使用內容直接進行學術報告 (B) 適當標注引用來源 (C) 減少人工參與的審查過程 (D) 排除所有生成的資料 答案：B 解析：生成內容應標註來源，確保透明度與可追溯性，尤其在教育與專業領域中更需謹慎。 第24題 題目：下列哪一項不是生成式 AI 工具在使用體驗方面的優化方向？ (A) 提供更直觀的操作設計 (B) 支援自然語言指令 (C) 提供智慧化的參數調整建議 (D) 限制使用者自訂生成內容 答案：D 解析：限制使用者自訂權限會降低靈活性，不利使用體驗優化，其他三項皆為常見優化方向。 第25題 題目：學校教師如何引導學生正確使用生成式 AI 工具？ (A) 不應使用 AI 工具於教學場域 (B) 無限制地使用 AI 工具 (C) 訂立清晰的使用規範並進行說明 (D) 僅鼓勵學生利用 AI 完成課堂作業 答案：C 解析：訂定規範能教導學生倫理與正確使用方式，避免濫用，也能培養資訊素養。 第26題 題目：企業若要有效支援生成式 AI 的運行，內部 IT 環境最需要具備下列何種條件？ (A) 提供更多的辦公設備，以提升員工生產 (B) 精簡企業內部流程，以加速決策效率 (C) 擁有高效能運算資源與彈性儲存空間，以支援 AI 模型訓練與推理 (D) 增加部門之間的交流機會，以促進跨部門合作 答案：C 解析：生成式 AI 需大量運算資源與資料儲存，IT 環境需具備高效能與彈性，方能有效支援。 第27題 題目：以下哪一項屬於企業在評估導入生成式 AI 時需識別的問題領域？ (A) 市場趨勢預測能力有限 (B) 設計更高效能的運算資源 (C) 增加銷售團隊人力 (D) 減少 AI 模型參數數量 答案：A 解析：企業需評估 AI 是否能解決目前無法預測市場變化的問題，這屬於應用動機的評估重點。 第28題 題目：在生成式 AI 導入過程中，資料安全與隱私保護的哪一方面是最重要的考量？ (A) 設定目標優先級 (B) 增強客服回饋（反饋）能力 (C) 資料視覺化能力 (D) 權限控管與合規要求 答案：D 解析：生成式 AI 可能處理敏感資料，必須落實權限管控與法規遵循，保障資訊安全。 第29題 題目：若企業將資料安全管理外包給第三方服務供應商，屬於哪種風險應對策略？ (A) 風險緩解 (B) 風險轉移 (C) 風險接受 (D) 風險規避 答案：B 解析：將風險交由外部廠商處理，即為風險轉移的做法，例如購買保險或委外管理。 第30題 題目：在生成式 AI 的風險管理中，下列哪一項屬於倫理風險？ (A) AI 生成的內容可能帶有偏見或歧視 (B) 系統運行中斷可能導致企業業務受到影響 (C) 因資料需求增加而引起的存儲成本上升 (D) 員工培訓成本增加 答案：A 解析：偏見與歧視是生成式 AI 常見的倫理爭議，若未妥善管理，可能造成社會與法規風險。
透過這些題目，可以對AI的輪廓更清晰。
如果你也準備參加這張證照，希望這份整理對你有幫助；如果只是單純好奇AI，也歡迎收藏起來，當作AI世界的入門小地圖！
