iPAS 考題解析
Transformer 架構能改善翻譯準確度的主要原因為何？
中級 人工智慧技術應用與規劃
難度：進階 ★★★
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- AI 技術應用與規劃
- 知識主題
- AI 相關技術應用
- 能力指標
- 自然語言處理技術與應用（L21101）
本題屬於 iPAS AI 應用規劃師中級能力鑑定「AI 技術應用與規劃」科目中的「AI 相關技術應用」範疇， 對應的能力指標為「自然語言處理技術與應用」，涵蓋NLP、文本分類、情感分析、NER、機器翻譯等核心知識點。 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
Transformer 架構能改善翻譯準確度的主要原因為何？
- A. Self-Attention 機制能捕捉長距離語境依賴 ✓ 正確答案
- B. 使用卷積運算加速處理
- C. 採用強化學習進行翻譯優化
- D. 透過資料增強提升翻譯品質
詳細解析
正確答案：A. Self-Attention 機制能捕捉長距離語境依賴
Transformer 的核心是 Self-Attention 機制，它能讓模型在處理每個詞時「看到」整個句子的所有詞，不管距離多遠，因此能捕捉長距離的語意關係。
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. Self-Attention 機制能捕捉長距離語境依賴 （正確）
Correct: Transformer 的核心是 Self-Attention，它讓模型在處理序列中每個詞時，能同時考慮到序列中所有其他詞的關聯性，無論距離遠近，有效解決了傳統 RNN 處理長距離依賴的困難，大幅提升翻譯準確度。
B. 使用卷積運算加速處理 （不正確）
Incorrect: Transformer 架構的創新之處在於它完全放棄了卷積（Convolutional）和循環（Recurrent）網路，而是純粹依賴注意力機制來處理序列資料。
C. 採用強化學習進行翻譯優化 （不正確）
Incorrect: Transformer 模型主要透過監督式學習（Supervised Learning）進行訓練，利用大量的平行語料來學習翻譯。強化學習在某些進階應用中可能輔助，但不是其架構本身改善翻譯準確度的主要原因。
D. 透過資料增強提升翻譯品質 （不正確）
Incorrect: 資料增強（Data Augmentation）是一種通用的資料處理技術，可以幫助提升許多模型的性能，但它不是 Transformer 架構本身特有的優勢或改善翻譯準確度的主要原因。
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。
進階題備考建議
- ▶ 本題屬於進階難度，涉及技術原理的深入理解或跨領域整合應用，需要紮實的基礎。
- ▶ 進階題通常需要你綜合多個知識點才能判斷，建議建立知識圖譜，把相關概念串聯起來。
- ▶ 如果這題答錯了，建議回頭複習相關的基礎概念，確保每一層知識都沒有漏洞。
- ▶ 中級考試的進階題佔比較高，建議先把初級範圍的基礎打穩，再挑戰中級進階題。
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。
某企業即將部署 AI 模型至現有營運系統，進入系統整合測試階段。測試工程師需確認所有模組在實際環境中能正確協同運作。下列哪項驗證最應優先執行？
中級 人工智慧技術應用與規劃 難度 ★★☆ 114 年
在訓練模型時，若數據中出現特徵尺度差異極大（例如：年齡為 0–100、收入為 0–1,000,000），容易導致模型偏向特定特徵。為提升模型效能與穩定性，以下哪一種預處理方式最能有效解決此問題？
中級 人工智慧技術應用與規劃 難度 ★★☆ 114 年
某線上音樂平台希望根據用戶的聽歌與查詢行為，將用戶劃分為不同的類型。若事前沒有定義用戶類型，下列哪一種模型最適合用於此任務？
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 iPAS 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。