iPAS 考題解析
在使用生成對抗網路（GAN）進行人臉影像生成時，若出現「模式崩潰」（Mode Collapse）現象，下列哪一種方法最常被用來有效解決此問題？
中級 人工智慧技術應用與規劃
難度：基礎 ☆☆☆ 114 年考題
題目與選項
在使用生成對抗網路（GAN）進行人臉影像生成時，若出現「模式崩潰」（Mode Collapse）現象，下列哪一種方法最常被用來有效解決此問題？
- A. 在鑑別器中加入梯度懲罰（Gradient Penalty）以穩定訓練過程
- B. 採用 Wasserstein 距離（WGAN 損失）替代原始的 GAN 損失函數 ✓ 正確答案
- C. 對生成器輸入的潛在向量加入隨機擾動
- D. 使用多尺度鑑別器架構以提高對多樣性的判別能力
詳細解析
正確答案：B. 採用 Wasserstein 距離（WGAN 損失）替代原始的 GAN 損失函數
解決 GAN Mode Collapse 最常用的方法：用 Wasserstein 距離（WGAN 損失）取代原始 GAN 的損失函數，讓訓練信號更穩定，生成器不再有「只生成一種臉就能騙過鑑別器」的動機。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
在多模態 AI 模型訓練或推論過程中，遇到某一模態資料缺失（例如僅有影像資料但缺少文字說明），下列哪一種策略最有效維持模型效能？
中級 人工智慧技術應用與規劃 難度 ☆☆☆ 114 年
進行影像分類任務時，研究團隊嘗試利用主成分分析（Principal Component Analysis，PCA）將輸入特徵從 1024 維降至 100 維，並將降維後的資料輸入支持向量機（Support Vector Machine，SVM）模型進行訓練。關於此作法，下列哪一項描述最為合理？
中級 人工智慧技術應用與規劃 難度 ☆☆☆ 114 年
當 Transformer 模型發生「注意力分布過於平均（Attention Collapse）」的情形時，導致模型無法有效聚焦於關鍵資訊，下列哪一項策略可有效改善此問題？
中級 人工智慧技術應用與規劃 難度 ☆☆☆ 114 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師中級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。