iPAS 考題解析
在醫療診斷決策支援系統等高風險領域中，「可解釋人工智慧（Explainable AI, XAI）」的核心價值最主要呈現在哪個面向？
初級 人工智慧基礎概論
難度：中等 ★★☆ 114 年考題
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
- 人工智慧概念
- 能力指標
- AI 的定義與分類（L11101）
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「人工智慧概念」範疇， 對應的能力指標為「AI 的定義與分類」，涵蓋AI 定義、弱 AI vs 強 AI vs 超 AI 分類、三大 AI 浪潮等核心知識點。 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
在醫療診斷決策支援系統等高風險領域中，「可解釋人工智慧（Explainable AI, XAI）」的核心價值最主要呈現在哪個面向？
- A. 透過提供可理解的決策依據，促進患者與醫療專業人員對系統診斷結果的信任與接受度； ✓ 正確答案
- B. 以可解釋性方法優化臨床資料蒐集與管理流程，從而降低整體醫療作業成本；
- C. 利用解釋機制增強模型預測的統計顯著性與準確度，使其在研究及實務應用中更具科學性；
- D. 透過提供透明化的運作過程，進而減輕臨床人員負擔，並提升醫療服務的整體效率
詳細解析
正確答案：A. 透過提供可理解的決策依據，促進患者與醫療專業人員對系統診斷結果的信任與接受度；
XAI 在高風險醫療領域的核心價值是透過透明、可理解的決策解釋，讓醫療人員和患者能夠理解 AI 的診斷依據，從而建立對系統的信任和接受度。這對於攸關生命安全的醫療決策尤為重要。
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. 透過提供可理解的決策依據，促進患者與醫療專業人員對系統診斷結果的信任與接受度； （正確）
提供可理解的決策依據以建立信任，是 XAI 在醫療領域最核心的價值。
B. 以可解釋性方法優化臨床資料蒐集與管理流程，從而降低整體醫療作業成本； （不正確）
可解釋性不直接優化資料蒐集流程或降低作業成本，這不是 XAI 的主要價值。
C. 利用解釋機制增強模型預測的統計顯著性與準確度，使其在研究及實務應用中更具科學性； （不正確）
XAI 不會增強模型的統計顯著性或準確度，它的目的是解釋而非提升效能。
D. 透過提供透明化的運作過程，進而減輕臨床人員負擔，並提升醫療服務的整體效率 （不正確）
減輕臨床人員負擔是 AI 自動化的效益，不是可解釋性的核心價值。
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。
在金融科技公司的信貸決策系統中，導入反事實解釋（Counterfactual Explanation）時，實際部署往往伴隨技術與監管挑戰。下列哪一項最符合該情境下的核心挑戰？
初級 人工智慧基礎概論 難度 ★★☆ 114 年
在 AI 推論服務架構設計中，「批次推論（Batch Inference）」與「即時推論（Real-time Inference）」常依任務特性選擇不同機制。下列關於兩者特性的敘述何者最正確？
初級 人工智慧基礎概論 難度 ★★☆ 115 年
公司在整合資料時，發現同一客戶的姓名在不同系統中拼寫不一致（例如「陳大文」與「陳大文先生」），導致資料無法正確對應。請問此類資料品質問題應該在ETL哪一個流程步驟中進行處理？
初級 人工智慧基礎概論 難度 ★★☆
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 114 年 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。