iPAS 考題解析
關於生成式AI的基本原理，下列敘述何者較正確？
初級 人工智慧基礎概論
難度：中等 ★★☆
考試範圍定位
- 考試等級
- 初級能力鑑定
- 考試科目
- 人工智慧基礎概論
- 知識主題
- 鑑別式 AI 與生成式 AI 概念
- 能力指標
- 鑑別式 AI 與生成式 AI 的基本原理（L11401）
本題屬於 iPAS AI 應用規劃師初級能力鑑定「人工智慧基礎概論」科目中的「鑑別式 AI 與生成式 AI 概念」範疇， 對應的能力指標為「鑑別式 AI 與生成式 AI 的基本原理」，涵蓋模型部署與效能管理、技術測試與驗證等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
關於生成式AI的基本原理，下列敘述何者較正確？
- 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 ✓ 正確答案
- 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
詳細解析
正確答案：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
生成式 AI（Generative AI）的基本原理是分析大量數據並學習其機率分佈（Probability Distribution），以生成與訓練數據相似的新數據。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
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 （正確）
生成式 AI 的核心原理是學習訓練數據的底層機率分佈，然後利用這個學到的分佈來生成新的、未曾見過的但具有相似特徵的數據。
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 （不正確）
透過預定義規則進行數據處理和分類是傳統專家系統或基於規則的系統，而非生成式 AI 的基本原理。生成式 AI 是從數據中學習。
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 （不正確）
數據分類和迴歸預測是鑑別式 AI 的主要任務，它們旨在區分或預測現有數據的標籤或數值，而不是生成新數據。
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 （不正確）
自動化清洗數據是資料前處理（Data Preprocessing）的一部分，旨在提升數據品質，與生成式 AI 創造新數據的原理不同。
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。
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。 本題來自初級考試範圍，適合正在準備初級認證的考生練習。
開始準備 iPAS 考試
本題來自 iPAS AI 應用規劃師初級考試。 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。