【L11人工智慧基礎概論】是AI應用規劃師能力鑑定(初級)的第一個考科，包含以下四個評鑑主題：
L111 人工智慧概念
L112 資料處理與分析概念L113 機器學習概念
L114 鑑別式 AI 與生成式 AI 概念
楊老師針對各評鑑主題下的評鑑內容命題，僅供考生參考，大家加油！
難度：★★☆☆☆
1. 在下列敘述中，何者最能反映人工智慧系統的核心能力？
A. 在固定流程中自動執行預先定義的運算
B. 根據歷史資料逐步調整策略以應對變化的環境
C. 僅依賴人工標註資料執行分類
D. 僅在結構化資料庫中執行查詢
答案：B
詳解：選項 B 所述的「根據歷史資料調整策略」屬於學習（Learning）與決策（Decision Making）的能力，才是 AI 的核心；其餘選項均屬於自動化或資料處理的範疇。
2. 關於「狹義 AI」（Narrow AI）與「通用 AI」（AGI），哪個比較貼近我們目前已有的系統？
A. Narrow AI，因為它在特定任務上勝過人類
B. AGI，因為它能處理所有人類智能任務
C. Narrow AI，因為它具備自我意識
D. AGI，因為它僅需少量資料即可學習
答案：A
詳解：現今大部分 AI 系統都專注於單一或有限任務（例如語音辨識或圍棋下棋），屬於狹義 AI；AGI 則尚屬理論。
3. 按「能力分層」分類，下列哪一層次的 AI 具備利用過去經驗改進當前決策的能力？
A. 反應機器（Reactive Machines）
B. 有限記憶（Limited Memory）
C. 理論心智（Theory of Mind）
D. 自我意識（Self-aware AI）
答案：B
詳解：有限記憶層次的 AI 能暫存並使用過去資料（如歷史交易記錄）來做出更好的決策；反應機器僅對當前輸入回應，理論心智和自我意識則更高階。
4. 在技術流派中，「符號 AI」與「連結主義 AI」的主要差異是？
A. 符號 AI 強調基於規則的推理，連結主義 AI 依賴類神經網路
B. 符號 AI 使用深度學習，連結主義 AI 使用決策樹
C. 符號 AI 用於生成任務，連結主義 AI 用於分類
D. 兩者無本質差異
答案：A
詳解：符號 AI（Symbolic AI）以符號與邏輯規則推理為主，連結主義 AI（Connectionist AI）則以類神經網路為核心演算法。
5. 若一個 AI 系統能自我檢測並調整內部參數來改進性能，這屬於哪種智能層級？
A. 反應機器
B. 有限記憶
C. 理論心智
D. 自我意識
答案：D
詳解：自我意識層級的 AI 理論上能自我監測並反思，包括自我校正機制；其他層級雖有學習或推理能力，卻不具備對自身進行反省的功能。
6. 在 AI 治理中，「問責制」（Accountability）最主要是為了解決什麼問題？
A. 強化模型運算效能
B. 明確當系統出錯時的責任歸屬與處理程序
C. 保障資料庫的備份頻率
D. 提升使用者介面的易用性
答案：B
詳解：問責制確保在 AI 決策產生錯誤或偏差時，可以追溯到人員或單位，並按照程序修正與懲處。
7. 下列哪一項原則不屬於典型的 AI 倫理與治理核心原則？
A. 公平性（Fairness）
B. 可用性（Usability）
C. 安全性（Safety）
D. 透明度（Transparency）
答案：B
詳解：公平性、安全性、透明度與隱私是治理核心；可用性屬系統設計考量，不一定列入倫理框架。
8. 關於 AI 合規性，下列哪一份文件最直接關涉 AI 相關法規要求？
A. 歐盟 AI 法案（EU AI Act）
B. ISO 9001 質量管理標準
C. W3C HTML5 規範
D. IEEE 802.11 無線網路標準
答案：A
詳解：EU AI Act 是歐盟專為規範 AI 系統安全、透明與責任而制定的法規，其他選項屬質量管理或技術標準。
9. 在 AI 治理流程中，哪一階段主要用於識別並評估 AI 帶來的風險？
A. 建置模型
B. 風險識別與評估
C. 部署到生產環境
D. 使用者培訓
答案：B
詳解：風險識別與評估是治理的關鍵步驟，需提前分析可能的倫理、隱私與安全風險，並制定緩解策略。
10. 下列哪一項最能體現 AI 治理中「可解釋性」的價值？
A. 縮短模型訓練時間
B. 讓非技術人員了解 AI 決策背後的邏輯與依據
C. 降低硬體成本
D. 強化網路加密
答案：B
詳解：可解釋性使決策過程透明化，讓政策制定者與最終使用者能信賴並監督 AI 系統。
11. 關於大數據三 V 特性，下列敘述何者錯誤？
A. Volume 指數據規模龐大
B. Velocity 指數據生成與傳輸速度快
C. Variety 指多種資料格式共存
D. Veracity 為最初提出的三大特性之一
答案：D
詳解：最初提出的三 V 為 Volume、Velocity、Variety；Veracity（資料真實性）是後來延伸加入的概念。
12. 下列哪一種資料類型最屬於「半結構化資料」？
A. CSV 表格
B. JSON 文檔
C. 影像檔（JPEG）
D. 關聯式資料庫表
答案：B
詳解：JSON 同時具有鍵值結構與靈活欄位，屬半結構化；CSV 和關聯表為結構化，影像屬非結構化。
13. 企業欲取得天氣資料以作預測分析，最合適的資料來源為？
A. 自行部署氣象站
B. 政府開放氣象 API
C. 內部 ERP 系統
D. 社交媒體貼文
答案：B
詳解：政府氣象 API 提供即時、可靠且格式化的天氣資料，便於直接整合；社交媒體與 ERP 都非專業氣象來源。
14. 在評估資料品質時，下列哪一指標最能反映數據的完整性？
A. 欄位缺失率
B. API 響應時間
C. 文檔行數
D. 圖表種類
答案：A
詳解：缺失率高會導致分析偏差，反映數據不完整；API 時效與文檔行數並非品質本身。
15. 如果想要追蹤一筆資料的來源與處理歷程，下列哪一概念最重要？
A. 元資料（Metadata）
B. 視覺化
C. 壓縮儲存
D. 並行運算
答案：A
詳解：Metadata 記錄資料的來源、時間、處理步驟與屬性，是實現可追溯性的關鍵。
16. 在典型的資料分析流程中，哪個步驟會在清理後、建模前執行？
A. 特徵工程
B. 結果報告
C. 部署模型
D. 資料收集
答案：A
詳解：特徵工程包括欄位篩選、轉換與編碼，位於資料清理（Data Cleaning）之後、建模（Modeling）之前。
17. 下列哪一項不屬於資料清理的常見操作？
A. 處理遺失值
B. 刪除重複記錄
C. 訓練深度神經網路
D. 檢測並處理異常值
答案：C
詳解：深度神經網路訓練屬建模階段，非資料清理；其餘選項都是清理步驟。
18. ETL 流程中的 T 代表哪個步驟？
A. Transmit（傳輸）
B. Transform（轉換）
C. Train（訓練）
D. Trigger（觸發）
答案：B
詳解：ETL 即 Extract（擷取）、Transform（轉換）與 Load（載入），Transform 指將資料整理為分析或存儲所需格式。
19. 在探索性資料分析（EDA）中，哪種圖表最適合顯示數值型資料的分布情況？
A. 長條圖（Bar Chart）
B. 直方圖（Histogram）
C. 散佈圖（Scatter Plot）
D. 折線圖（Line Chart）
答案：B
詳解：直方圖可將數值連續區間劃分桶（bins），顯示頻率分布；長條圖適用類別型資料。
20. 在成果呈現階段，若希望決策者能自行篩選與過濾數據，最合適的工具類型是？
A. 靜態報告 PDF
B. 互動式儀表板（如 Power BI、Tableau）
C. 電子表格（Excel）
D. 純文字電子郵件
答案：B
詳解：互動式儀表板提供過濾、切片與即時更新功能，比靜態報告或純表格更靈活。
21. GDPR 中的「可攜性」（Portability）權利指什麼？
A. 有權要求刪除個人資料
B. 有權將個人資料以通用格式取得並移轉至他處
C. 有權限制資料使用時間
D. 有權公開他人資料
答案：B
詳解：資料可攜性允許當事人以機器可讀格式取得個資並移轉至其他服務供應商。
22. 下列哪種技術最常用於靜態資料加密？
A. HTTPS/TLS
B. AES 對稱加密
C. SQL 注入
D. OAuth 認證
答案：B
詳解：AES（Advanced Encryption Standard）是常見的靜態資料加密演算法；HTTPS/TLS 屬傳輸加密。
23. 限制誰能存取敏感資料的機制最常用的是？
A. K-means 分群
B. 基於角色的存取控制（RBAC）
C. 隨機森林
D. 交叉驗證
答案：B
詳解：RBAC 通過角色與權限對應管理使用者存取，能靈活控制誰可執行哪種操作。
24. 資料去識別化（Anonymization）與資料脫敏（Masking）最大的差別是？
A. 去識別化可逆，脫敏不可逆
B. 脫敏保留部分可識別資訊，去識別化完全移除識別能力
C. 兩者都是同義詞
D. 去識別化只用於影像
答案：B
詳解：脫敏（Masking）可能隱藏部分資訊但仍保留結構，去識別化旨在完全移除任何可識別個體的資訊。
25. 發生個資外洩後，企業第一順位應採取的行動是？
A. 通知監管機關與受影響者
B. 增加硬體資源
C. 提高 token 數量
D. 訂閱更多雲端服務
答案：A
詳解：法規通常要求在限定時效內通知主管機關及受影響者，才能符合法律責任。
26. 下列何者屬於監督式學習？
A. K-means
B. 支持向量機（SVM）
C. 主成分分析（PCA）
D. Q-learning
答案：B
詳解：SVM 接受帶標籤資料進行分類或回歸，屬監督式；K-means、PCA 屬非監督，Q-learning 屬強化式。
27. 若模型在訓練集上表現優秀但在測試集上表現不佳，最可能的原因是？
A. 過度擬合（Overfitting）
B. 欄位正規化
C. 模型欠擬合（Underfitting）
D. 減少訓練資料
答案：A
詳解：過度擬合指模型記住訓練資料細節，導致泛化能力差，在新資料上效果不佳。
28. 用於迴歸模型的交叉驗證步驟不包括？
A. 將資料分成多折（fold）
B. 在各折上計算均方誤差（MSE）
C. 將所有折合併為訓練集
D. 隨機森林抽樣
答案：D
詳解：交叉驗證是資料切分與測試過程，與隨機森林演算法無關。
29. 在迴歸模型中，使用 L1 正則化的作用主要是？
A. 減小模型尺寸
B. 刪除無關特徵（特徵選擇）
C. 提高學習率
D. 增加隨機性
答案：B
詳解：L1 正則（Lasso）具有稀疏性，能將部分權重逼近零，達到特徵選擇效果。
30. 強化學習的核心要素不包括？
A. 狀態（State）
B. 動作（Action）
C. 獎勵（Reward）
D. 標籤（Label）
答案：D
詳解：強化學習通過與環境互動並根據獎勵調整策略，不依賴監督式標籤資料。
31. 哪種模型最適合用於高維稀疏文字分類？
A. K-means
B. 朴素貝氏（Naive Bayes）
C. 隨機森林
D. 自編碼器
答案：B
詳解：朴素貝氏在高維稀疏資料上表現穩定且計算快速，常用於文件分類。
32. 主成分分析（PCA）主要用來？
A. 分類
B. 降維與特徵提取
C. 分群
D. 回歸
答案：B
詳解：PCA 通過線性轉換保留最大變異，將高維資料映射到低維空間，便於可視化或後續分析。
33. 支持向量機（SVM）在分類時最關鍵的概念是？
A. 決策樹分裂
B. 最大化邊界（Margin）
C. 隨機抽樣
D. 生成樣本
答案：B
詳解：SVM 透過最大化分類邊界，使不同類別之間最遠離，提高泛化能力。
34. 隨機森林相較於單棵決策樹的優勢是？
A. 更簡單易解釋
B. 減少過度擬合風險並提升穩定性
C. 必須大量手動調參
D. 僅適用於回歸
答案：B
詳解：隨機森林透過多棵樹投票/平均，降低單樹過擬合的影響，提升模型穩定度。
35. 在何種情況下適合使用非監督式降維（如 PCA、t-SNE）？
A. 需要分類時使用
B. 想觀察資料分布與結構
C. 訓練監督式迴歸模型
D. 部署到生產環境
答案：B
詳解：非監督式降維有助於可視化與探索性分析，幫助理解資料內在結構與群聚情況。
36. 下列哪種算法屬於生成式模型？
A. 邏輯迴歸
B. 朴素貝氏（Naive Bayes）
C. 支持向量機
D. 隨機森林
答案：B
詳解：朴素貝氏估計聯合機率分布 P(x,y)，可用於生成樣本，屬生成式模型；其餘屬鑑別式。
37. 鑑別式模型的主要目標是？
A. 擬合資料的整體分布
B. 學習條件機率 P(y|x) 或分界
C. 生成新樣本
D. 自動標註資料
答案：B
詳解：鑑別式模型專注學習輸入與輸出之間的條件關係，直接對決策邊界建模。
38. 在生成對抗網路（GAN）中，生成器與鑑別器的互動方式是？
A. 互相比較權重大小
B. 對抗訓練，生成器試圖騙過鑑別器
C. 並行獨立訓練，互不影響
D. 鑑別器生成樣本，生成器判斷真假
答案：B
詳解：GAN 透過生成器產生假樣本，鑑別器判斷真偽，兩者在對抗過程中共同進步。
39. 下列哪項是鑑別式模型相對於生成式模型的優勢？
A. 更易獲取大量樣本
B. 分類或回歸性能通常更佳且收斂更快
C. 較易生成高品質圖像
D. 預訓練模型體積更大
答案：B
詳解：鑑別式模型直接優化決策邊界或條件概率，通常在分類/回歸任務中性能較好且訓練效率高。
40. 生成式 AI 的典型應用不包括？
A. 文本生成
B. 圖像合成
C. 監督式分類
D. 音頻生成
答案：C
詳解：監督式分類屬鑑別式任務，生成式 AI 則用於創建文字、影像、音頻等新內容。
41. 在 Retrieval-Augmented Generation 流程中，哪個環節負責提供外部知識？
A. 生成器（Generator）
B. 鑑別器（Discriminator）
C. 檢索器（Retriever）
D. 評估器（Evaluator）
答案：C
詳解：Retriever 從知識庫中檢索相關文件片段，為生成模型提供上下文，提升回答準確度。
42. 若要在影像生成後篩選品質最高的結果，可採用何種整合方式？
A. 直接用生成器輸出最後結果
B. 用鑑別式分類器評分並篩選生成結果
C. 只保留第一張生成圖
D. 只用隨機森林生成圖像
答案：B
詳解：先由生成器產生多個候選，再由分數或模型評估篩選出最符合品質標準的圖像。
43. 在語音對話系統中，ASR 跟 TTS 分別對應何種 AI 類型？
A. ASR 為生成式，TTS 為鑑別式
B. ASR 為鑑別式，TTS 為生成式
C. 兩者皆為生成式
D. 兩者皆為鑑別式
答案：B
詳解：ASR（語音辨識）將聲音轉文字，屬分類任務；TTS（語音合成）將文字生成人聲，屬生成任務。
44. 下列何者為 VAE（Variational Autoencoder）與分類模型結合的典型流程？
A. 先用分類器打標籤，再用 VAE 生成樣本
B. 用 VAE 提取潛在特徵，再使用鑑別式分類器做分類
C. 僅用 VAE 做分類
D. 僅用分類器做生成
答案：B
詳解：VAE 能學習隱含分布與降維，再將其潛在向量作為鑑別模型輸入，提高分類性能。
45. 為提升分類模型的泛化能力，可採用何種生成式輔助策略？
A. 隨機刪除訓練資料
B. 用 GAN 生成合成樣本做資料增強
C. 減少模型層數
D. 關閉所有正則化
答案：B
詳解：利用 GAN 生成與擴增稀缺類別的樣本，可平衡訓練集並降低過擬合風險，強化分類模型的穩定性。
