L111 人工智慧概念
完成後你能：分辨弱 AI、強 AI 與超 AI，說出 EU AI Act 的禁止、高風險與低風險各包含哪些應用，也知道台灣與 AI 相關的規範有哪些。
這個單元約 15 分鐘：讀重點，練 2 題，再用 3 題沒做過的題目驗證。
- 讀重點
下方的白話重點與例子 - 練 2 題
- 驗證 3 題
步驟 1・讀重點
先看懂這些
L11101 AI 的定義與分類
AI 三個能力等級
| 等級 | 定義 | 例子 |
|---|---|---|
| 弱 AI | 特定任務 | ChatGPT、圍棋 |
| 強 AI | 人類水準的通用智慧 | 尚未實現 |
| 超 AI | 超越人類智慧 | 假設性 |
AI 三波發展史
- 符號推理時代：規則-based，專家系統
- 機器學習時代：從資料學習規則
- 深度學習時代：大量資料 + GPU + 神經網路
L11102 AI 治理概念 ［115 年超重點］
EU AI Act 三層風險架構（最常考）
| 類型 | 定義 | 例子 |
|---|---|---|
| 禁止 | 不可接受的風險 | 職場 / 學校情緒辨識、社會評分、即時遠端生物辨識（警察除外） |
| 高風險 | 需嚴格監管 | 醫療診斷、教育評分、就業篩選、信用評分、司法判決輔助 |
| 低風險 | 透明性要求 | 聊天機器人（需說明是 AI）、DeepFake（需標示） |
陷阱：「禁止」≠「高風險」，情緒辨識在職場是「禁止」，不是「高風險」。
台灣法規（115 年新增）
- 金管會生成式 AI 使用指引：金融業導入 AI 的規範
- PDPA 個人資料保護法：資料蒐集、使用、處理的合規要求
- Regulatory Sandbox：測試新技術的法規豁免沙盒
- 數位發展部《AI 基本法》草案概念
AI 責任歸屬（情境題常考）
- AI 造成損害 → 開發者 / 部署者 / 使用者各有責任
- 高風險 AI → 需進行事前合規評估
- 可解釋性需求 → 高風險決策不能是黑箱