iPAS 考題解析
一家工廠要用歷年瑕疵照片判斷產品是否有刮痕，資料包含數萬張已標註影像，且刮痕形狀與位置差異很大。下列哪種做法最符合需求？
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
- 機器學習概念
- 能力指標
- 常見的機器學習模型（L11302）
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「機器學習概念」範疇， 對應的能力指標為「常見的機器學習模型」，涵蓋監督式、非監督式、半監督式、強化式、多模態、深度學習等核心知識點。 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
一家工廠要用歷年瑕疵照片判斷產品是否有刮痕，資料包含數萬張已標註影像，且刮痕形狀與位置差異很大。下列哪種做法最符合需求？
- A. 把每張影像的檔名長度當作主要特徵，再用線性迴歸預測
- B. 使用能從影像自動學習空間特徵的卷積神經網路進行分類 ✓ 正確答案
- C. 只依產品編號的奇偶數判斷是否瑕疵
- D. 將所有影像轉成同一個平均顏色後再比較
詳細解析
正確答案：B. 使用能從影像自動學習空間特徵的卷積神經網路進行分類
刮痕的位置、形狀與紋理屬於影像中的複雜空間特徵。卷積神經網路能從大量已標註影像自動學習這些特徵，再判斷新影像是否有瑕疵。檔名、產品編號奇偶或平均顏色都沒有保留辨識刮痕所需的局部視覺資訊。
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. 把每張影像的檔名長度當作主要特徵，再用線性迴歸預測 （不正確）
檔名長度與刮痕外觀沒有合理的因果關係。
B. 使用能從影像自動學習空間特徵的卷積神經網路進行分類 （正確）
卷積神經網路適合從影像中學習邊緣、紋理與位置等特徵。
C. 只依產品編號的奇偶數判斷是否瑕疵 （不正確）
產品編號的奇偶數不是瑕疵成因，容易形成無效規則。
D. 將所有影像轉成同一個平均顏色後再比較 （不正確）
平均顏色會抹去刮痕所在的局部細節。
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。
客服中心希望讓系統同時理解客戶的語音描述與上傳的產品損壞照片，再判斷該轉給哪個維修流程。下列哪種能力組合最符合需求？
初級 人工智慧基礎概論 難度 ★★☆
一家跨國醫療研究機構希望利用各地醫院的病患資料，建立一個能夠預測疾病早期風險的機器學習模型。由於各國法規限制，病患的原始資料無法集中到單一伺服器。在此情境下，下列哪一種方法最能同時滿足「各醫院保留資料不外流」與「模型仍能跨院學習」的需求？
初級 人工智慧基礎概論 難度 ★★☆ 114 年
某電子製造公司建置 AI 視覺檢測系統，用於辨識 PCB 電路板製程缺陷。系統在影像判讀任務上表現穩定，但其模型設計與訓練目標皆侷限於特定應用範圍，無法直接遷移至其他營運決策任務。依人工智慧能力範疇分類，下列何者最符合該系統特性？
初級 人工智慧基礎概論 難度 ★★☆ 115 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。