iPAS 考題解析
某設計公司導入生成式 AI（Generative AI）工具，用於自動產生產品概念圖與風格草圖。為了讓系統能依據既有圖像資料產生具有變化且風格一致的新圖像，模型必須具備學習資料特性並生成新樣本的能力。下列哪一種模型技術或方法最符合上述需求？
初級 人工智慧基礎概論
難度：中等 ★★☆ 115 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
- 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
某設計公司導入生成式 AI（Generative AI）工具，用於自動產生產品概念圖與風格草圖。為了讓系統能依據既有圖像資料產生具有變化且風格一致的新圖像，模型必須具備學習資料特性並生成新樣本的能力。下列哪一種模型技術或方法最符合上述需求？
- A. 隱變量自編碼器（Variational Autoencoder, VAE） ✓ 正確答案
- B. 隨機森林（Random Forest）
- C. K-近鄰演算法（K-Nearest Neighbors, KNN）
- D. 貝氏網路（Bayesian Network）
詳細解析
正確答案：A. 隱變量自編碼器（Variational Autoencoder, VAE）
VAE 是一種生成式模型，能學習資料的潛在分佈，並從中生成具有變化但風格一致的新樣本。它特別適合圖像生成任務，能在學習到的潛在空間中採樣產生新圖像。
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. 隱變量自編碼器（Variational Autoencoder, VAE） （正確）
VAE 能學習資料潛在分佈並生成新樣本，最適合生成風格一致的新圖像（正確答案）。
B. 隨機森林（Random Forest） （不正確）
隨機森林是集成學習分類/迴歸模型，不具備圖像生成能力。
C. K-近鄰演算法（K-Nearest Neighbors, KNN） （不正確）
KNN 是基於距離的分類演算法，不能生成新樣本。
D. 貝氏網路（Bayesian Network） （不正確）
貝氏網路用於機率推理，不擅長高維圖像生成。
本題涉及的 AI 術語
深入理解以下術語，有助於掌握本題背後的核心概念，也能幫助你在遇到相似題目時更快判斷正確答案。
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 115 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。