嗨 我是CCChen
iPAS AI應用規劃師-初級,考試樣題更新114年9月版本整理CCChen文章最後有 新舊樣題版本的分析說明
已從文件中整理出「iPAS AI 應用規劃師初級能力鑑定-考試樣題」的題目
iPAS AI 應用規劃師~初級能力鑑定-考試樣題 114年9月版
◆ 科目一：人工智慧基礎概論
1. 關於 AI，下列敘述何者正確？
選項 (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
正確答案 B 解析 文件未提供解析
2. 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？
選項 (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）
正確答案 D 解析 文件未提供解析
3. 深度學習模型中，下列哪一項通常用來降低過擬合（Overfitting）問題？
選項 (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
正確答案 D 解析 文件未提供解析
4. 下列哪一項敘述符合 AI 治理的核心原則？
選項 (A) AI 系統的風險等級應在設計階段預先評估，並於部署後持續監控； (B) 只要 AI 模型輸出結果準確，是否公平或透明並非治理重點； (C) AI 治理應聚焦在企業內部自行負責，不需外部規範參與； (D) 對於低風險 AI 系統皆可免除透明性與問責機制之要求
正確答案 A 解析 文件未提供解析
5. 若要設計一個能夠辨識並過濾垃圾郵件的系統，應該選擇下列哪一種機器學習演算法以實現最佳效果？
選項 (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) 強化式學習（Reinforcement Learning）
正確答案 A 解析 文件未提供解析
6. 假設某國正在考慮使用 AI 技術來進行社會信用評分，並根據年齡、缺陷、種族等特徵來評定個人的信用；同時，該國計劃在公眾場所使用遠程生物辨識系統進行執法，目的在於提高社會秩序和安全。上述 AI 應用可能會引發對隱私和個人權利的重大關注，根據歐盟《人工智慧法》（Artificial Intelligence Act, AIA）的風險分級，這類應用屬於哪一風險等級？
選項 (A) 不可接受風險 (B) 高風險 (C) 有限風險 (D) 小或低風險
正確答案 A 解析 文件未提供解析
7. 某生成式 AI 模型接收一段語音輸入：「一隻戴著太空帽的企鵝正在火星上跳舞」，並根據該語音內容產生一張圖像呈現相對應的場景。此類模型最符合下列哪一種生成任務分類？
選項 (A) 語音生成圖片 (B) 圖像生成語音 (C) 語音翻譯 (D) 圖像標註
正確答案 A 解析 文件未提供解析
8. 下列何者非大數據時代資料的特性？
選項 (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
正確答案 D 解析 文件未提供解析
9. 關於 K 平均法（K-means），下列敘述何者「不」正確？
選項 (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
正確答案 D 解析 文件未提供解析
10. 在公司財務資料中，發現某筆支出金額達 1,000,000 元，若希望合理判斷該筆資料是否為異常值，下列哪一種處理方式最為合適？
選項 (A) 以 Z-score 方法量化異常程度，判斷是否為極端值； (B) 以資料中的眾數作為參考基準，判斷其是否異常； (C) 先透過主成分分析（PCA）降低維度，再進行異常值判定； (D) 直接將該筆金額替換為資料中位數，以降低其對分析結果的影響
正確答案 A 解析 文件未提供解析
11. 下列哪一種資料類型不屬於非結構化資料？
選項 (A) X 光醫學影像 (B) 監控錄影畫面 (C) 客服電話錄音 (D) 組織內部的關係型資料庫記錄
正確答案 D 解析 文件未提供解析
12. 下列資料型態，何者最常用來儲存員工年齡、員工年資、貨品銷售量等資料？
選項 (A) 文字型（Text） (B) 數值型（Numeric） (C) 日期型（Date） (D) 布林型（Boolean）
正確答案 B 解析 文件未提供解析
13. 某行銷公司欲針對新客戶進行「行銷活動推播」，目前擁有資料包含：客戶基本資料（尚未有購買紀錄）、客戶過往點擊行為（未標記是否完成購買）、類似客戶是否曾購買過（已標記「有/無購買」標籤）。若該公司希望預測新的單一客戶是否可能完成購買行為，下列哪一種學習方式與資料搭配最合適？
選項 (A) 使用非監督式學習，分析所有客戶點擊路徑進行異常偵測 (B) 使用非監督式學習，將客戶分群後預測其轉換率 (C) 使用監督式學習，針對未標記資料直接預測轉換可能性 (D) 使用監督式學習，以已知購買結果作為標籤進行訓練
正確答案 D 解析 文件未提供解析
14. 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？
選項 (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
正確答案 B 解析 文件未提供解析
15. 某 AI 團隊在分析一組連續型數據時，發現部分紀錄的數值明顯高於其他資料點。若專案目標是識別高價值客戶的行為模式，下列哪一種處理方式最為合適？ 選項 (A) 立即刪除離群值，以避免模型訓練時出現偏差 (B) 視為錯誤值並全部替換為平均值 (C) 保留離群值並標註為高價值異常點，納入後續模型訓練考量 (D) 將離群值全數轉換為中位數，避免影響平均計算 正確答案 C 解析 文件未提供解析
16. 在檢視資料品質時，可參考資料的變異程度及資料的集中趨勢。下列何者不屬於資料集中趨勢衡量的方法？
選項 (A) 平均數（Mean） (B) 中位數（Median） (C) 眾數（Mode） (D) 標準差（Standard Deviation）
正確答案 D 解析 文件未提供解析
17. 某醫院研究特定心血管疾病的成因，收集了 50 名病患與 150 名正常人的年齡、血壓、血型等三項屬性變數。此研究適合使用下列哪一種機器學習模型來建立？
選項 (A) 決策樹（Decision Tree） (B) 線性廻歸（Linear Regression） (C) 基於密度之含噪空間聚類法（Density-Based Spatial Clustering of Application with Noise, DBSCAN） (D) K-means 聚類（K-means Clustering）
正確答案 A 解析 文件未提供解析
18. 公司在整合資料時，發現同一客戶的姓名在不同系統中拼寫不一致（例如「陳大文」與「陳大文先生」），導致資料無法正確對應。請問此類資料品質問題應該在 ETL 哪一個流程步驟中進行處理？
選項 (A) 資料轉換（Data Transformation） (B) 資料擷取（Data Extraction） (C) 資料載入（Data Loading） (D) 型態轉換（Type Conversion）
正確答案 A 解析 文件未提供解析
19. 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？
選項 (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
正確答案 B 解析 文件未提供解析
20. 線性迴歸模型最適合解決哪種類型的問題？
選項 (A) 圖像分類 (B) 銷售額預測 (C) 聚類分析 (D) 遊戲策略學習
正確答案 B 解析 文件未提供解析
21. 某金融機構已部署的 AI 模型遭客戶抱怨有不公平情形，經數據分析發現不同族群之間的模型預測結果存在顯著差異。根據金融監督管理委員會發布之《金融業運用人工智慧（AI）指引》，此情形下最適當的處置方式為何？
選項 (A) 重新訓練新的模型，並重新部署以修正結果 (B) 啟動人工覆核與調整機制，並持續監控族群間預測效果 (C) 記錄模型預測結果並提交備查，待未來法規修正後再行處理 (D) 若模型偏誤屬於高風險用途，可由風控或合規單位先行審視其公平性影響，再決定是否啟動調整機制
正確答案 B 解析 文件未提供解析
22. 請問下列何者不是常見的特徵選取技術或方法？
選項 (A) 皮爾森積差相關分析（Pearson Correlation） (B) 主成分分析（Principal Components Analysis, PCA） (C) 迴歸分析（Regression Analysis） (D) 隨機森林（Random Forest）
正確答案 C 解析 文件未提供解析
23. 交叉驗證的主要目的是什麼？
選項 (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
正確答案 C 解析 文件未提供解析
24. 一家智慧工廠使用機器學習分類模型預測關鍵設備是否會異常停機。完成模型訓練後，團隊希望全面評估模型在不同面向的表現。請問下列哪項指標最適合用來衡量模型在偵測異常停機時的「漏報率」（即未能正確偵測出異常事件的比例）？
選項 (A) 準確率（Accuracy），即模型整體預測正確的比例 (B) 召回率（Recall），即模型能正確找出異常停機的比例 (C) F1 分數（F1 Score），準確率與召回率的調和平均數 (D) 假陽性率（False Positive Rate），即將正常事件誤判為異常的比例
正確答案 B 解析 文件未提供解析
25. 神經網路與傳統機器學習模型的主要區別是什麼？
選項 (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
正確答案 B 解析 文件未提供解析
26. 下列關於生成對抗網路（GAN）的描述正確的是哪一項？
選項 (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
正確答案 A 解析 文件未提供解析
27. 一位資料分析師希望減少輸入特徵的維度，以提升模型運算效率，並觀察變數間潛在的整體結構關係。若欲保留最大資訊量、同時減少特徵數量，下列哪一項方法最適合？
選項 (A) 套用主成分分析（PCA）以擷取主要變異方向並轉換新變數； (B) 利用離散化方法將連續變數轉為分類型欄位； (C) 使用標準化方法將所有特徵縮放至相同數值區間； (D) 以 ETL 技術移除空值欄位並改儲為 JSON 格式
正確答案 A 解析 文件未提供解析
28. 關於目前生成式 AI 的主要應用，不包括下列哪一項？
選項 (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
正確答案 C 解析 文件未提供解析
29. 下列哪項是生成式 AI 支援鑑別式 AI 的典型案例？
選項 (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
正確答案 A 解析 文件未提供解析
30. 關於自然語言處理（NLP）核心技術，下列敘述何者不正確？
選項 (A) 語音識別技術將語音轉換為文本，並用於語音助理和語音輸入 (B) 自然語言生成技術可以生成自然流暢的文本，用於聊天機器人和自動文案生成 (C) 語意分析技術理解文本的語意，並主要用於語音識別和機器翻譯 (D) 機器翻譯技術自動翻譯文本，促進多語言支援和全球溝通
正確答案 C 解析 文件未提供解析
31. 關於「負責任的 AI」，下列敘述何者較為正確？
選項 (A) AI 系統的開發者對 AI 系統的行為負責 (B) AI 系統的使用者對 AI 系統的結果負責 (C) AI 系統本身對其行為負責 (D) 政府對 AI 系統的發展負責
正確答案 A 解析 文件未提供解析
32. 關於生成式 AI 的基本原理，下列敘述何者較正確？
選項 (A) 生成式 AI 通過分析大量數據來生成新數據，模擬數據分佈以創造與訓練數據相似的結果 (B) 生成式 AI 主要通過預定義的規則來進行數據處理和分類 (C) 生成式 AI 專注於數據分類和迴歸預測，幫助識別已知數據中的模式 (D) 生成式 AI 通過自動化的方式清洗數據，提升數據分析的準確性
正確答案 A 解析 文件未提供解析
33. 關於下列模型在生成式人工智慧（Generative AI）中的角色，何者並非以「產生新資料」為主要設計目的？
選項 (A) 支援向量機（Support Vector Machine） (B) 變分自編碼器（Variational Autoencoder） (C) 自迴歸模型（Autoregressive Model） (D) 擴散模型（Diffusion Model）
正確答案 A 解析 文件未提供解析
34. 某份資料中出現多個欄位（如 score1、score2、score3）儲存相同的成績資訊，造成資料結構重複與使用混淆，此種情形屬於下列哪一種資料品質問題？
選項 (A) 重複資料（Duplicate Data） (B) 冗餘資料（Redundant Data） (C) 格式錯誤資料（Malformed Data） (D) 缺失資料（Missing Data）
正確答案 B 解析 文件未提供解析
35. 某電商平台希望預測商品的退貨機率，以協助降低營運風險。若模型使用的輸入資料包含「商品售價」、「顧客年齡」、「運送天數」，而模型的輸出為是否退貨（是/否）。請問在此模型中，「是否退貨」應歸類為下列哪一類變數？
選項 (A) 特徵（Feature） (B) 標籤（Label / Target） (C) 超參數（Hyperparameter） (D) 正則化係數（Regularization Coefficient）
正確答案 B 解析 文件未提供解析
◆ 科目二：生成式 AI 應用與規劃
1. 下列何者最能表達 No Code / Low Code 平台的主要特色？
選項 (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
正確答案 B 解析 文件未提供解析
2. 下列何者不是推理模型（Reasoning Model）的主要特點？
選項 (A) 具備多步驟邏輯推理能力 (B) 具備良好的可解釋性與邏輯一致性 (C) 採用強化式學習的訓練方式 (D) 回應內容結構清晰、推理脈絡完整
正確答案 C 解析 文件未提供解析
3. 下列哪種情況，選擇 Low Code 平台可能比 No Code 平台更為適合？
選項 (A) 需要非技術人員快速進行開發與應用 (B) 應用需求簡單，無需自訂功能 (C) 需要較複雜的業務邏輯並使用自訂整合功能 (D) 預算和時間極度有限
正確答案 C 解析 文件未提供解析
4. 關於生成式 AI 與 No Code / Low Code 平台的應用，下列何者最不適合？
選項 (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
正確答案 D 解析 文件未提供解析
5. 關於 No Code / Low Code 平台，下列敘述何者較正確？
選項 (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
正確答案 C 解析 文件未提供解析
6. 在使用生成式 AI 模型解決數學或邏輯問題時，若希望引導模型逐步推理以提升答案的準確性與可解釋性，應設計具備思維鏈（Chain-of-Thought）推理特性的提示語。下列哪一組提示語最能有效啟用模型的 Chain-of-Thought 推理能力？
選項 (A) 請回答這個數學問題，並直接給出答案 (B) 幫我算出 125 × 12 是多少？ (C) 請詳細列出每一個思考步驟，最後再給出答案 (D) 請用一句話簡要回答問題
正確答案 C 解析 文件未提供解析
7. 使用 Low-Code 平台進行開發時，企業應特別留意下列哪一項潛在風險？
選項 (A) 可能造成企業內部敏感資料的洩露 (B) 難以進行大規模的應用擴展和維護 (C) 開發成本將大幅增加 (D) 可能有未經 IT 部門管理的應用程式擴散
正確答案 D 解析 文件未提供解析
8. 下列哪一種技術方案適用於改善客戶體驗？
選項 (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
正確答案 D 解析 文件未提供解析
9. 某公司擬將客戶個人資料傳輸至國外進行雲端儲存，依據《個人資料保護法》規定，下列哪一種情況下，中央目的事業主管機關有權對該國際資料傳輸行為進行限制？
選項 (A) 公司規模未達主管機關要求標準，管理能力存疑 (B) 公司曾發生個人資料外洩事件紀錄，造成用戶信任流失 (C) 傳輸資料包含當事人已公開資訊，但仍涉及隱私風險 (D) 接收國家之個人資料保護法規尚未完善，可能損害當事人權益
正確答案 D 解析 文件未提供解析
10. 下列哪一項技術是生成式 AI 的基礎？
選項 (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
正確答案 C 解析 文件未提供解析
11. 能使用 DALL·E-2 生成各式逼真的圖片，最關鍵的應用技術為何？
選項 (A) 卷積神經網絡（CNN） (B) 生成對抗網絡（GAN） (C) 擴散模型（Diffusion Model） (D) 自然語言處理（NLP）
正確答案 C 解析 文件未提供解析
12. 在企業級數據管道（ETL）中，No Code / Low Code 平台的主要角色為何？
選項 (A) 可作為前端數據可視化工具，協助展示與分析結果 (B) 取代部分傳統 ETL 解決方案，但可能無法處理過於客製化的邏輯 (C) 僅適用於小型數據應用，對大型數據處理的效率較低 (D) 無法應用於任何數據處理場景，因整合難度過高
正確答案 B 解析 文件未提供解析
13. 下列何者不是生成式 AI 核心技術？ 選項 (A) Variational Autoencoders（VAE） (B) Generative Adversarial Networks（GAN） (C) Visual Geometry Group（VGG） (D) Autoregressive Models（AR Model）
正確答案 C 解析 文件未提供解析
14. 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？
選項 (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
正確答案 B 解析 文件未提供解析
15. 小莉老師準備使用生成式 AI 製作個人化學習系統，以下為她設計系統時可能採取的操作步驟，請依其邏輯順序排列：a.根據學生學習歷程與成績，輸入學生特徵 b.根據教材主題，指示 AI 生成適合的練習題與即時回饋 c.生成適應性學習計畫，讓每位學生依進度與弱點調整練習方式 d.匯入課綱與教學單元內容，建立知識結構圖
選項 (A) d → a → c → b (B) a → d → b → c (C) d → a → b → c (D) a → b → c → d
正確答案 C 解析 文件未提供解析
16. 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？
選項 (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
正確答案 D 解析 文件未提供解析
17. 學校教師如何引導學生正確使用生成式 AI 工具？ 選項 (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
正確答案 C 解析 文件未提供解析
18. 若企業使用第三方 AI API（如 OpenAI、Claude、Gemini 等），協助處理內部資料，為避免敏感資訊遭模型記憶或進一步分析，應優先採取下列哪一種作法？
選項 (A) 啟用 Zero-Retention 模式或採用具企業資安保障的 API 服務 (B) 使用虛擬機建立隔離環境，以模擬匿名資料操作流程 (C) 將原始數據進行視覺化轉換，以避免直接暴露文本內容 (D) 將輸入資料轉換為向量嵌入後，再傳輸至語言模型進行處理
正確答案 A 解析 文件未提供解析
19. 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？
選項 (A) 提供更多的辦公設備，以提升員工生產力 (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
正確答案 C 解析 文件未提供解析
20. A 企業想要實現客服自動化，希望透過 AI 理解客戶發送的文本訊息，並根據文本內容調用相對應的圖片和影片進行回覆，A 企業應該選擇哪一種模型？
選項 (A) 強化學習模型 (B) 多模態模型 (C) 圖像分類模型 (D) 單模態大語言模型
正確答案 B 解析 文件未提供解析
21. 下列哪一種情境最能展現提示工程（Prompt Engineering）的價值？
選項 (A) 使用者輸入一個模糊的問題，AI 給出一個非常確定的答案 (B) 使用者輸入一個非常具體的問題，AI 給出一個相關但不完全符合的答案 (C) 使用者輸入一個精準有架構的問題，AI 生成符合架構的答案 (D) 使用者輸入一個簡單的問題，AI 給出一個非常複雜的答案
正確答案 C 解析 文件未提供解析
22. 下列敘述何者最能反映生成式 AI 在圖像生成領域的發展趨勢？
選項 (A) 生成式 AI 目前僅能生成基於簡單算法的低解析度圖像，且無法應用於高解析度或細節豐富的圖像創建 (B) 隨著生成式 AI 技術的進步，圖像不僅風格多樣，且逼真度顯著提升，並可處理更複雜的圖像生成任務 (C) 生成式 AI 技術目的為加快生成速度，可生成靜態圖像，無法生成動態圖像 (D) 生成式 AI 在圖像生成方面的發展主要集中於圖像風格轉換，無涉及其他類型的視覺內容生成
正確答案 B 解析 文件未提供解析
23. 關於生成式 AI，下列 A~E 敘述哪些正確？ A. 生成的內容不會帶有偏見 B. 具有高度準確性，不會有虛假信息 C. 生成內容的準確性，建議需要經過人類審核 D. 每次生成的內容都可能不同 E. 生成式 AI 具有高度安全性，不會導致數據外流
選項 (A) C、D (B) A、C、D (C) A、B、D、E (D) A、C、D、E
正確答案 A 解析 文件未提供解析
24. 一家跨國企業計劃在財務部門導入生成式 AI，並結合自動化系統進行報告產出。導入此系統後，最有可能實現的效益為何？
選項 (A) 增加財務收益 (B) 顯著提升報告準確性並減少人工錯誤 (C) 加速市場推廣活動並提高銷售業績 (D) 提高品牌曝光度並增強客戶關係管理
正確答案 B 解析 文件未提供解析
25. 某製造業團隊建立瑕疵偵測模型時，使用單張約 20MB 的高解析度工業影像作為訓練資料，並將所有影像儲存於 NAS（Network Attached Storage）中。訓練時透過 PyTorch 搭配 CNN 模型於 GPU 上進行，工程師觀察到 GPU 使用率僅約 20%至 30%，整體訓練時間耗費數日。根據上述情境，造成 GPU 利用率偏低的最可能原因為何？
選項 (A) 模型架構過於複雜，導致反向傳播時間過長 (B) 訓練資料品質不穩定，造成模型難以收斂 (C) 高解析影像從 NAS 載入產生 I/O（Input/Output）瓶頸，導致 GPU 等待 (D) 批次大小（Batch Size）設定不當，導致 GPU 長時間閒置
正確答案 C 解析 文件未提供解析
26. 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？
選項 (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
正確答案 D 解析 文件未提供解析
27. 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？
選項 (A) 風險緩解 (B) 風險轉移 (C) 風險接受 (D) 風險規避
正確答案 B 解析 文件未提供解析
28. 在生成式 AI 的風險管理中，下列哪一項屬於倫理風險？
選項 (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
正確答案 A 解析 文件未提供解析
29. 在企業導入 AI 的實施/營運階段，為持續發揮導入 AI 的價值，下列步驟的正確排序應為何？ A. AI 價值擴散 B.上線部署 C.模型監控與優化
選項 (A) ACB (B) ABC (C) BAC (D) BCA
正確答案 D 解析 文件未提供解析
30. 使用生成式 AI 協助撰寫一份有關產業碳排政策的分析報告，AI 提供的內容看起來語句通順且用詞專業，但經查證發現其中提到的法規條文與企業名稱並不存在。請問造成此現象最可能的原因為下列何者？
選項 (A) 模型語料涵蓋不足，導致資料無法完整反映現實 (B) 提示語過度簡略，導致生成內容缺乏真實依據 (C) 模型缺乏檢索能力，無法即時查詢正確資訊 (D) 模型產生幻覺內容，虛構與真實資訊混雜出現
正確答案 D 解析 文件未提供解析
31. 在管理生成式 AI 系統的隱私風險時，下列哪一種技術最能確保數據使用的安全性？
選項 (A) 強化學習（Reinforcement Learning） (B) 深度學習（Deep Learning） (C) 零信任架構（Zero Trust Architecture） (D) 注意力機制（Attention Mechanism）
正確答案 C 解析 文件未提供解析
32. 在驗證生成式 AI 應用的概念驗證（Proof of Concept, POC）時，若企業希望確保模型生成的公平性，最適合採用哪種評估策略？
選項 (A) 壓力測試（Stress Testing） (B) 對抗性測試（Adversarial Testing） (C) 偏差檢測（Bias Detection） (D) 延遲測試（Latency Testing）
正確答案 C 解析 文件未提供解析
33. 使用生成式 AI 產出需要邏輯清晰、高度準確性與一致性的文本時，下列哪一種溫度（Temperature）設定最能有助於降低回答的不確定性並提升一致性？
選項 (A) 將溫度設定在 0.1 至 0.3，使輸出結果趨於穩定可預測 (B) 將溫度設定在 0.5 至 0.7，以取得適度創意與合理性平衡 (C) 將溫度設定在 1.0 至 1.2，提高語句的多樣性與發散性 (D) 維持預設溫度不變，讓模型依照原始設定自由生成
正確答案 A 解析 文件未提供解析
34. 下列何者為專門用於評估大型語言模型（LLM）在「台灣本土特有知識」方面表現的基準測試資料集？
選項 (A) HumanEval (B) Table Understanding (C) MBPP (D) TTQA
正確答案 D 解析 文件未提供解析
35. 某中型零售企業打算導入 AI 客服系統來提升顧客諮詢效率。根據 AI 導入的一般流程規劃，下列哪一個步驟最適合作為接下來的第一階段任務？
選項 (A) 設計符合品牌風格的 AI 回應邏輯與對話範本，強化用戶體驗 (B) 選擇合適的 AI 技術供應商或開源方案，確定技術方向與架構 (C) 蒐集過往客服對話記錄，進行資料清洗與前處理 (D) 明確定義導入目標與關鍵績效指標，作為後續設計依據
正確答案 D 解析 文件未提供解析
這是一份針對 iPAS AI 應用規劃師初級能力鑑定樣題不同版本（主要對比 114.04 版與 114.09 版）的專業分析報告。
iPAS AI 應用規劃師初級鑑定樣題版本差異專業分析報告
核心結論
114.09 版樣題相較於 114.04 版，呈現出**「數量增加、難度提升、實務應用及合規細節深化」**的明確趨勢。
新版考試要求考生將基礎 AI 知識與最新的生成式 AI 技術、企業級風險管理及法規治理進行更緊密的結合。
一、 初級樣題版本差異分析與比較結果
本分析依據文件提供的兩個初級樣題版本（114.04 版 與 114.09 版）進行比對：
1. 數量與比例層面
比較項目114.04 版 (舊版)114.09 版 (新版)比較結果與差異
總題數
舊版50 題 (科目一 25 題，科目二 25 題)
新版70 題 (科目一 35 題，科目二 35 題)
總題量增加 40%。
科目比例各佔 50%各佔 50%科目間比例維持不變，平均強調基礎與應用。
2. 題型與難度層面
比較項目114.04 版 (舊版)114.09 版 (新版)比較結果與差異
基本題型標準單選題。標準單選題。基本題型不變。
新增題型無。
新增邏輯順序排序題 (例如：生成式 AI 系統設計步驟排序 Q15)。增加要求考生理解應用流程與邏輯先後順序的題目。
難度評估偏重基礎概念定義和簡單應用場景的判斷 (如：GAN 組成，監督式學習適用性)。
難度提升，大量納入實務情境判斷、技術調校細節與部署瓶頸診斷 (如：I/O 瓶頸造成 GPU 利用率低 Q25；Z-score 判斷異常值 Q10)。
難度提升，要求知識應用性更高。
3. 範圍與方向層面
A. 科目一：人工智慧基礎概論
知識方向114.04 版 (舊版) 範圍114.09 版 (新版) 新增/強化
範圍趨勢方向AI 治理與法規僅提及 AI 治理概念與負責任 AI 的基礎責任 (L11102, L12303 備註)。
明確要求掌握 歐盟《人工智慧法》（AIA）風險分級 (Q6)，以及國內 《金融業運用人工智慧（AI）指引》 下的不公平性處置方式 (Q21)。
合規知識深化， 強調風險評估與法規應用。數據品質與工程基礎資料型態與大數據特性。
強化數據預處理應用，如 Z-score 異常值處理 (Q10)；釐清 ETL 流程中「資料轉換」 階段的實務應用 (Q18)；區分冗餘資料與重複資料 (Q34)。
從描述性知識轉向實務操作與品質管理。
模型評估聚焦於過擬合處理 (正則化) 與交叉驗證目的。
強化分類模型指標的實務理解，要求理解召回率 (Recall) 在偵測「漏報率」中的作用 (Q24)。著重於模型部署後的表現評估。
生成式 AI 基礎鑑別式 AI 與生成式 AI 的基本原理與特性 (L11401)。
納入非生成式模型 (如：SVM) 與生成式模型 (如：VAE、Diffusion Model) 的區分 (Q33)，以及多模態生成任務 (如：語音生成圖片 Q7)。
擴展至生成式技術的邊界與新應用。
B. 科目二：生成式 AI 應用與規劃
知識方向114.04 版 (舊版) 範圍114.09 版 (新版) 新增/強化
範圍趨勢方向提示工程與調校僅涵蓋提示工程的基礎價值。
引入模型調校的關鍵參數，如利用 思維鏈（Chain-of-Thought） 提高邏輯性 (Q6)；設定低 溫度（Temperature） 來提升穩定性 (Q33)；識別模型幻覺 (Q30)。
從使用工具轉向高效操作與模型控制。
導入策略與流程提及導入規劃、目標設置 (L12302)。
強調 AI 導入流程的第一步 應是定義目標與 KPI (Q35)；驗證階段需執行偏差檢測以確保公平性 (Q32)；導入營運的正確順序 (BCA) (Q29)。
強化專案管理與商業目標設定能力。
系統架構與性能提及高效能運算資源需求 (Q14)。
納入部署實務問題，如高解析影像造成的 I/O 瓶頸對 GPU 利用率的影響 (Q25)；針對本土知識的 LLM 評估基準（TTQA） (Q34)。
增加部署與營運階段的技術判斷。
資安與隱私合規包含風險轉移 和倫理風險。
納入企業 API 使用的安全機制，如 Zero-Retention 模式 (Q18)；強化**《個人資料保護法》對國際傳輸的限制 (Q9)；提及零信任架構** (Q31)。
全面覆蓋雲端和 API 介面下的安全與法律遵循。
二、 新版樣題（114.09 版）學習準備建議 (5 點)
新版樣題對應了 AI 應用規劃師在當前生成式 AI 浪潮下所需具備的最新知識和實戰能力。建議準備應聚焦於以下五點：
- 專攻 AI 治理與合規的實際應用情境： 深入理解國內外法規（如歐盟 AIA 和金融業指引）中高風險應用的具體案例和風險緩解措施。特別準備在模型出現偏見時，應啟動人工覆核與調整機制等處置方式。
- 精進生成式 AI 的調校與風險識別： 不僅限於了解 GAN 或 Diffusion Model 的名稱，更要學習提示工程中的進階技術，例如使用 Chain-of-Thought 來引導模型進行邏輯推理，以及如何通過調整 Temperature 參數來控制輸出的發散性或穩定性。同時，必須能夠識別**幻覺（Hallucination）**現象。
- 掌握數據工程與品質管理的細節： 準備實務中常見的資料問題處理方法，例如使用 Z-score 判斷異常值、區分冗餘資料與重複資料，並理解 ETL 流程中**資料轉換（Data Transformation）**階段的關鍵作用，確保數據品質符合模型需求。
- 熟悉 AI 專案導入與系統部署流程： 了解 AI 專案導入的起始點必須是明確定義導入目標與關鍵績效指標（KPI）。在部署環節，需要掌握實務 IT 瓶頸的診斷（如 I/O 瓶頸）以及模型營運後的持續監控與優化步驟。
- 強化雲端環境下的資安與隱私保護： 針對企業在雲端使用第三方 API 處理敏感資料時，應採取 Zero-Retention 模式 或類似的企業資安保障服務。此外，務必理解零信任架構在現代 AI 系統隱私風險管理中的核心作用，並關注《個人資料保護法》對資料跨境傳輸的限制。
