iPAS 考題解析
能使用 DALL-E-2 生成各式逼真的圖片，最關鍵的應用技術為何？
初級 生成式AI應用與規劃
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
- 生成式 AI 應用與規劃
- 知識主題
- 生成式 AI 應用領域與工具使用
- 能力指標
- 生成式 AI 應用領域與常見工具（L12201）
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「生成式 AI 應用領域與工具使用」範疇， 對應的能力指標為「生成式 AI 應用領域與常見工具」，涵蓋文本、圖像、聲音；OpenAI API、ChatGPT、Midjourney、Copilot Studio、GitHub Copilot、Cursor、Gemini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
能使用 DALL-E-2 生成各式逼真的圖片，最關鍵的應用技術為何？
- A. 卷積神經網絡（CNN）
- B. 生成對抗網絡（GAN）
- C. 擴散模型（Diffusion Model） ✓ 正確答案
- D. 自然語言處理（NLP）
詳細解析
正確答案：C. 擴散模型（Diffusion Model）
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. 卷積神經網絡（CNN） （不正確）
A. 卷積神經網絡（CNN）: CNN是圖像處理的基礎，用於特徵提取和分類，但DALL-E-2生成圖片的關鍵技術是擴散模型，CNN只是其中可能用到的組件。
B. 生成對抗網絡（GAN） （不正確）
B. 生成對抗網絡（GAN）: GAN雖然也能生成圖片，但DALL-E-2等先進的文生圖模型主要採用的是擴散模型，而非GAN架構。
C. 擴散模型（Diffusion Model） （正確）
C. 擴散模型（Diffusion Model）: 這是正確的。DALL-E-2、Stable Diffusion等領先的文生圖模型，其核心技術都是擴散模型，它能逐步將雜訊轉化為清晰、逼真的圖像。
D. 自然語言處理（NLP） （不正確）
D. 自然語言處理（NLP）: NLP用於理解文字提示，是DALL-E-2的輸入端，但生成圖片的技術本身是圖像生成模型，而非NLP。
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 AI 應用設計中，Model Context Protocol（MCP）與檢索增強生成（RAG）都能擴展模型的能力，但兩者的核心差異主要為下列何者？
初級 生成式AI應用與規劃 難度 ★★☆ 114 年
某金融機構導入檢索增強生成（Retrieval-Augmented Generation, RAG）模型，用於客服文件查詢與自動回覆。由於大型模型運算成本過高，若考慮引入知識蒸餾（Knowledge Distillation, KD）技術，下列何者為帶來的主要效益？
初級 生成式AI應用與規劃 難度 ★★☆ 114 年
在少樣本提示（Few-shot Prompting）僅能提供 1 - 2 個範例的情況下，若遇到領域偏移（Domain Shift），下列何者為模型最可能面臨的核心挑戰？
初級 生成式AI應用與規劃 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 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。