iPAS 考題解析
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？
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？
- A. 支援向量機（Support Vector Machine） ✓ 正確答案
- B. 變分自編碼器（Variational Autoencoder）
- C. 自迴歸模型（Autoregressive Model）
- D. 擴散模型（Diffusion Model）
詳細解析
正確答案：A. 支援向量機（Support Vector Machine）
支援向量機（Support Vector Machine, SVM）是鑑別式模型（Discriminative Model），用於分類和迴歸，不是以產生新資料為目的的生成式模型。
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. 支援向量機（Support Vector Machine） （正確）
支援向量機（SVM）是一種鑑別式模型，主要用於分類和迴歸任務，其目的是找到最佳的決策邊界來區分數據，而不是生成新的數據。
B. 變分自編碼器（Variational Autoencoder） （不正確）
變分自編碼器（VAE）是一種生成式模型，它學習數據的潛在分佈，並能從這個分佈中採樣來生成與訓練數據相似的新數據。
C. 自迴歸模型（Autoregressive Model） （不正確）
自迴歸模型（如 GPT 系列）透過預測序列中的下一個元素來生成新的序列數據，例如文本或時間序列，是典型的生成式模型。
D. 擴散模型（Diffusion Model） （不正確）
擴散模型（如 Stable Diffusion）是近年來非常流行的生成式模型，它透過逐步去噪的過程來生成高品質的圖像、音訊等數據。
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。