iPAS 考題解析
某跨國電商企業導入生成式 AI,協助處理顧客服務請求,並根據顧客歷史訂單提供個人化建議。資安與法遵部門擔心 AI 在回覆時可能洩漏顧客個資,若要在導入初期優先避免觸法風險,下列哪一項措施最符合要求?
考試範圍定位
- 考試等級
- 初級能力鑑定
- 考試科目
- 生成式 AI 應用與規劃
- 知識主題
- No code / Low code 概念
- 能力指標
- No Code / Low Code 的基本概念(L12101)
本題屬於 iPAS AI 應用規劃師初級能力鑑定「生成式 AI 應用與規劃」科目中的「No code / Low code 概念」範疇, 對應的能力指標為「No Code / Low Code 的基本概念」,涵蓋工具本身的基本認知與基礎概念等核心知識點。 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
某跨國電商企業導入生成式 AI,協助處理顧客服務請求,並根據顧客歷史訂單提供個人化建議。資安與法遵部門擔心 AI 在回覆時可能洩漏顧客個資,若要在導入初期優先避免觸法風險,下列哪一項措施最符合要求?
- A. 在加密環境下導入完整的顧客訂單與行為資料,並透過嚴格存取控管降低洩漏風險
- B. 實施資料最小化與去識別化,確保 AI 在訓練與生成過程中不直接處理或暴露敏感個資 ✓ 正確答案
- C. 強化模型的回覆審查流程,透過自動過濾與人工抽查結合,降低個資外洩的機率
- D. 設定 AI 的角色與回覆範圍,讓其專注於客服相關內容,避免回答其他敏感議題
詳細解析
正確答案:B. 實施資料最小化與去識別化,確保 AI 在訓練與生成過程中不直接處理或暴露敏感個資
在導入初期優先避免觸法風險,最有效的措施是從源頭控制:實施資料最小化與去識別化,確保 AI 在訓練和生成過程中不直接接觸敏感個資。這是資料保護法規(如 GDPR)推薦的核心原則。
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. 在加密環境下導入完整的顧客訂單與行為資料,並透過嚴格存取控管降低洩漏風險 (不正確)
即使加密與嚴格存取控管,AI 仍可能在生成回覆中無意洩漏訓練資料中的個資。
B. 實施資料最小化與去識別化,確保 AI 在訓練與生成過程中不直接處理或暴露敏感個資 (正確)
正確:資料最小化與去識別化從源頭防止 AI 接觸敏感個資,是最符合法規要求的做法。
C. 強化模型的回覆審查流程,透過自動過濾與人工抽查結合,降低個資外洩的機率 (不正確)
回覆審查是事後防線,無法從根本防止 AI 學習到敏感個資。
D. 設定 AI 的角色與回覆範圍,讓其專注於客服相關內容,避免回答其他敏感議題 (不正確)
限制回覆範圍有助於降低風險,但無法解決模型訓練階段已接觸個資的問題。
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。
在企業導入 MLOps(Machine Learning Operations)的過程中,除了模型部署與維運挑戰外,仍可能面臨其他推動上的困難。下列何者為 No Code 平台最能有效解決的挑戰?
某企業導入 No-Code/Low-Code 平台開放各部門自行開發應用。半年後發現:出現多個功能相近系統、資料欄位定義不一致,且部分應用未經審核即上線,並伴隨權限與維運管理混亂。下列何者最可能為根本問題?
下列哪一項不是生成式AI工具在使用體驗方面的優化方向?
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。