iPAS 考題解析
在深度學習模型的分析與驗證過程中，研究人員有時會利用「顯著性圖（Saliency Map）」來輔助理解模型行為。下列何者最符合此技術的主要用途？
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
- 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
在深度學習模型的分析與驗證過程中，研究人員有時會利用「顯著性圖（Saliency Map）」來輔助理解模型行為。下列何者最符合此技術的主要用途？
- A. 量化各輸入特徵對模型整體預測準確度的平均影響程度
- B. 標示輸入資料中對單一預測結果影響較大的區域或部分 ✓ 正確答案
- C. 評估在不同模型參數設定下，預測結果的穩定性變化
- D. 比較不同模型架構在測試資料上的泛化能力差異
詳細解析
正確答案：B. 標示輸入資料中對單一預測結果影響較大的區域或部分
顯著性圖（Saliency Map）透過計算模型輸出對輸入的梯度，標示出輸入資料中對特定預測結果影響最大的區域。在影像任務中，它能視覺化顯示模型「關注」了圖像的哪些部分。
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. 量化各輸入特徵對模型整體預測準確度的平均影響程度 （不正確）
顯著性圖關注的是單一預測，不是量化整體平均影響。
B. 標示輸入資料中對單一預測結果影響較大的區域或部分 （正確）
標示輸入中對單一預測影響較大的區域，正是顯著性圖的主要用途（正確答案）。
C. 評估在不同模型參數設定下，預測結果的穩定性變化 （不正確）
評估參數設定對穩定性的影響不是顯著性圖的功能。
D. 比較不同模型架構在測試資料上的泛化能力差異 （不正確）
比較模型架構的泛化能力需要其他評估方法，不是顯著性圖的用途。
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。
某商業銀行想建立洗錢行為檢測系統，擁有過去 5 年的交易記錄，其中包含已確認的洗錢案例（標記為「異常」）和正常交易（標記為「正常」）。銀行希望系統能自動識別新交易是否為洗錢行為，請問使用下列哪一種機器學習方法最為適合？
初級 人工智慧基礎概論 難度 ★★☆ 115 年
某醫院研究特定心血管疾病的成因，收集了50名病患與150名正常人的年齡、血壓、血型等三項屬性變數。此研究適合使用下列哪一種機器學習模型來建立？
初級 人工智慧基礎概論 難度 ★★☆
對非常長的輸入序列進行推理（Inference），Transformer 模型推理的主要計算瓶頸通常是什麼？
初級 人工智慧基礎概論 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。