iPAS 考題解析
關於生成式 AI 的基本原理，下列敘述何者較正確？
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
- 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
關於生成式 AI 的基本原理，下列敘述何者較正確？
- A. 生成式 AI 通過分析大量數據來生成新數據，模擬數據分佈以創造與訓練數據相似的結果 ✓ 正確答案
- B. 生成式 AI 主要通過預定義的規則來進行數據處理和分類
- C. 生成式 AI 專注於數據分類和迴歸預測，幫助識別已知數據中的模式
- D. 生成式 AI 通過自動化的方式清洗數據，提升數據分析的準確性
詳細解析
正確答案：A. 生成式 AI 通過分析大量數據來生成新數據，模擬數據分佈以創造與訓練數據相似的結果
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. 生成式 AI 通過分析大量數據來生成新數據，模擬數據分佈以創造與訓練數據相似的結果 （正確）
生成式AI的核心就是學習大量數據的潛在分佈和模式，然後利用這些學到的知識來創造出全新的、但與訓練數據風格相似的內容，例如圖片、文字或音訊。
B. 生成式 AI 主要通過預定義的規則來進行數據處理和分類 （不正確）
生成式AI並非依賴預設規則，而是透過從大量數據中學習複雜模式來運作。預定義規則是傳統AI或專家系統的特點，與生成式AI透過學習生成新內容的原理不同。
C. 生成式 AI 專注於數據分類和迴歸預測，幫助識別已知數據中的模式 （不正確）
數據分類和迴歸預測是判別式AI（Discriminative AI）的主要任務，用於預測或識別現有數據的模式。生成式AI的重點是「生成」新數據，而非單純的分類或預測。
D. 生成式 AI 通過自動化的方式清洗數據，提升數據分析的準確性 （不正確）
數據清洗是數據預處理的重要環節，適用於所有AI模型，但它並非生成式AI的核心原理或主要功能。生成式AI的目標是創造新內容，而非清洗數據或提升分析準確性。
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。
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。