AB（演算法偏見）是什麼？
演算法偏見是指 AI 模型因訓練資料或設計缺陷而產生對特定族群不公平的預測結果，是 AI 治理與負責任 AI 的核心議題
完整說明
演算法偏見（Algorithmic Bias）源自多個環節：歷史偏見（訓練資料本身的社會偏見）、表示偏見（特定族群資料不足）、測量偏見（特徵定義不公平）。識別方法：公平性指標（Fairness Metrics）如 Equal Opportunity、Demographic Parity。緩解策略：資料重新平衡、對抗性去偏訓練、後處理校正。iPAS 考試重點：了解演算法偏見的來源、識別方式與調整策略，與 AI 倫理、負責任 AI 密切相關。
iPAS 考試出題分析
根據歷年 iPAS AI 應用規劃師考古題統計，演算法偏見 相關題目 屬於高頻考範圍。
延伸學習
立即測驗
想測試你對 演算法偏見 的掌握程度？ 開始模擬考
資料來源與參考依據
- iPAS AI 應用規劃師評鑑內容範圍參考（115.02 更新） — 經濟部產業人才能力鑑定
- AI 應用規劃師中級程式題型比重說明（114 年第二梯次起） — iPAS 官方公告
本頁考試相關資訊依官方文件整理，實際考試內容以官方公告為準。