iPAS 考題解析
某 AI 科技公司在工業缺陷檢測領域已有成熟的辨識產品經驗。現欲與新客戶合作開發一項類似產品的表面瑕疵檢測系統，但因新產品量產不久，標註樣本極為稀少且專家標註成本高昂。在不大幅增加標註預算的前提下，利用該公司既有的技術優勢來提升模型表現？
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
- 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
某 AI 科技公司在工業缺陷檢測領域已有成熟的辨識產品經驗。現欲與新客戶合作開發一項類似產品的表面瑕疵檢測系統，但因新產品量產不久，標註樣本極為稀少且專家標註成本高昂。在不大幅增加標註預算的前提下，利用該公司既有的技術優勢來提升模型表現？
- A. 增加模型參數規模，使模型具備更強表達能力
- B. 透過資料增強（Data Augmentation）擴展影像變化，以提升模型穩定性
- C. 重新蒐集大量影像並進行完整人工標註
- D. 採用遷移學習（Transfer Learning），利用既有預訓練模型進行調整 ✓ 正確答案
詳細解析
正確答案：D. 採用遷移學習（Transfer Learning），利用既有預訓練模型進行調整
公司在工業缺陷檢測領域有成熟經驗，可利用既有的預訓練模型透過遷移學習（Transfer Learning）轉移到新產品的瑕疵檢測任務。這樣只需少量標註資料就能獲得良好效果，不需大幅增加標註預算。
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. 增加模型參數規模，使模型具備更強表達能力 （不正確）
增加參數規模在樣本稀少時容易過擬合，且不利用既有經驗。
B. 透過資料增強（Data Augmentation）擴展影像變化，以提升模型穩定性 （不正確）
資料增強可輔助但不能根本解決樣本稀少問題，且未利用公司既有技術優勢。
C. 重新蒐集大量影像並進行完整人工標註 （不正確）
大量人工標註違反不增加標註預算的前提。
D. 採用遷移學習（Transfer Learning），利用既有預訓練模型進行調整 （正確）
遷移學習利用既有預訓練模型，少量樣本即可調整，最適合此場景（正確答案）。
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。