NEW
Font size
S
M
L
XL
WorksheetsGen AI-3-54
Total questions: 54
Worksheet time: 27mins
Name
Class
Date
1.
關於生成式 AI 的敘述，下列哪一項錯誤?
a)
生成式 AI 是通過學習大量數據來生成新數據的技術
b)
生成式 AI 常用的技術包括生成對抗網路(GAN)、長短期記憶網路(LSTM)和 Transformer 模型
c)
生成式 AI 僅能用於生成圖像數據,無法生成文本或音頻數據
d)
Transformer 模型是一種在生成式 AI 中常用的深度學習架構
2.
在生成對抗網路(GAN)的訓練過程中,生成器和判別器之間關係如何影響模型的學習效果,下列哪一項描述正確?
a)
生成器和判別器相互獨立工作,不會相互影響
b)
生成器和判別器協同工作,共同提高模型的準確性
c)
生成器和判別器相互對抗,生成器試圖欺騙判別器,而判別器試圖識別生成數據的真偽
d)
生成器負責訓練判別器,判別器則負責生成新數據
3.
關於池化層的敘述,下列哪一項錯誤?
a)
抓取重要特徵,去掉不重要的部分
b)
提升運作效能
c)
多採用最小池化
d)
控制過擬合(Overfitting)
4.
下列哪一項不是分群演算法?
a)
K-means 聚類
b)
Hierarchical
c)
Regress
d)
Density-Based
5.
關於長短期記憶網路(LSTM)的敘述,下列哪一項錯誤?
a)
具有長短期記憶
b)
藉由輸入閘、輸出閘、遺忘閘控制資料是否輸入或輸出
c)
解決遞迴神經網路(RNN)沒有長期記憶的問題
d)
無法處理連續性資料
6.
下列哪一項為生成式 AI 在訓練過程中學習數據分佈?
a)
訓練生成模型逼近數據分佈
b)
利用特徵提取
c)
運用資料增強技術
d)
透過卷積運算提高效率
7.
下列哪一項關於生成式 AI 的敘述正確?
a)
生成式 AI 強調預測準確率(Accuracy)
b)
Transformer 是常見生成式 AI 模型的一種
c)
生成式 AI 只能從已看過的資料中選擇輸出
d)
著名的圍棋 Al AlphaGo 使用生成式 AI 來生成候選棋步
8.
下列哪一項不是生成式 AI 的相關技術?
a)
長短期記憶網路(LSTM)
b)
生成對抗網路(GAN)
c)
自然語言處理(NLP)
d)
一次性密碼(OTP)
9.
在 CLIP 模型中,下列哪一項是生成式 AI 的目的?
a)
將影像轉換為文本描述並進行檢索
b)
從文本生成相應的影像
c)
生成與輸入影像無關的虛擬數據
d)
生成高分辨率影像並進行放大
10.
下列哪一項描述說明生成式 AI 與傳統 AI 方法有何區別?
a)
傳統 AI 更關注生成新數據,而生成式 AI 更關注數據分類
b)
生成式 AI 能夠生成新的數據樣本,而傳統AI 主要用於數據分類或迴歸
c)
傳統 AI 主要用於無監督學習(Unsupervised Learning),而生成式 AI 主要用於監督學習(Supervised Learning)
d)
生成式 AI 只適用於處理結構化數據,而傳統AI 適用於處理非結構化數據
11.
在生成對抗網路(GAN)中,生成器(Generator)的主要功能是下列哪一項?
a)
判斷輸入數據是否為真實數據
b)
儲存並處理訓練數據
c)
生成類似於真實數據的假數據
d)
減少模型的損失函數值
12.
下列哪一項是常用的生成式 AI 架構?
a)
卷積神經網路(CNN)
b)
長短期記憶網路(LSTM)
c)
前饋神經網路(FF)
d)
生成對抗網路(GAN)
13.
下列哪一項是生成對抗網路(GAN)的基本構成?
a)
生成器與判別器
b)
編碼器與解碼器
c)
變分自編碼器(VAE)
d)
自迴歸模型
14.
下列哪一項方法可以用來穩定生成對抗網路(GAN)的訓練?
a)
使用較少的訓練數據
b)
減少判別器的層數
c)
使用批量正則化和調整學習率
d)
將生成器和判別器分開訓練
15.
在處理影像生成任務時,下列哪一個模型結構通常更適合捕捉影像中的局部特徵?
a)
Transformer
b)
卷積神經網路(CNN)
c)
圖形卷積網路(GCN)
d)
遞迴神經網路(RNN)
16.
請問自迴歸模型(AR)在生成數據時,是依照下列哪一項來生成?
a)
隨機變量
b)
外部輸入
c)
前面的數據
d)
固定參數
17.
請問自迴歸模型(AR)在生成式 AI 中的作用是下列哪一項?
a)
用於生成序列數據
b)
用於圖像分類
c)
用於數據壓縮
d)
用於數據聚類
18.
下列哪一項不是生成對抗網路(GAN)的變體?
a)
DCGAN
b)
CycleGAN
c)
StyleGAN
d)
DecisionGAN
19.
請問BERT 屬於 Transformer 的下列哪一項部分?
a)
Encoder - 提取輸入文字特徵,並將其表示成向量形式輸出
b)
Decoder - 依輸入內容語意,生成適當的回應內容
c)
Self-attention - 一種輸入內容資訊提取機制,擅長完整提取上下文資訊
d)
Convolution - 一種圖片特徵提取機制,透過層層此種運算,可完整提取圖片由小至大的特徵
20.
下列哪一種生成式 AI 模型使用編碼器-解碼器架構來學習數據集的潛在機率分佈?
a)
生成對抗網路(GAN)
b)
大型語言模型(Large language models)
c)
變分自編碼器(VAE)
d)
Diffusion models
21.
下列哪一個是變分自編碼器(VAE)的核心特徵?
a)
使用對抗性損失來訓練
b)
將輸入數據映射到隱變量空間
c)
直接生成圖像標籤
d)
使用決策樹(Decision Tree)進行分類
22.
下列哪一層在生成式 AI 架構中負責收集、準備和處理信息,並進行特徵提取?
a)
Data processing layer
b)
Generative model layer
c)
Feedback and improvement layer
d)
Deployment and integration layer
23.
下列哪一種算法常用於生成圖片?
a)
K-means 聚類
b)
線性回歸
c)
深度森林
d)
自動編碼器
24.
在多模態技術中,下列哪一項不是實現跨模態內容理解與生成的關鍵要素?
a)
融合來自不同模態的特徵表示
b)
利用深度學習模型處理單一模態數據
c)
通過注意力機制增強模型對關鍵資訊的聚焦
d)
建立不同模態之間的語意關聯
25.
請問在 Diffusion Model 的訓練過程中,模型主要學習的是下列哪一項?
a)
如何優化損失函數以減少噪聲
b)
添加噪聲的過程以及去噪的反向過程
c)
分類不同類型的數據
d)
減少生成過程中的偏差
26.
F1-Score 是一種評估分類模型性能的衡量指標,請問下列哪一項對於 F1-Score 的描述是正確的?
a)
它是真實率與召回率的算術平均值
b)
它是真實率與召回率的幾何平均值
c)
它是精確率與召回率的加權平均值
d)
它是精確率與召回率的調和平均值
27.
下列哪一項描述梯度消失(Vanishing Gradient)問題對生成模型的影響?
a)
使生成器難以學習有用的特徵
b)
減少模型的計算時間
c)
增加生成模型的精度
d)
增強判別器的能力
28.
下列哪一項技術是用於提高生成式 AI 模型的訓練效率?
a)
使用更深的神經網路結構
b)
使用小批量隨機梯度下降(Mini-batch SGD)
c)
減少訓練數據的多樣性
d)
停止模型的權重更新
29.
下列哪一項不是用於訓練生成式 AI 的常見技術?
a)
自迴歸模型(Autoregressive Models)
b)
變分自編碼器(VAE)
c)
卷積神經網路(CNN)
d)
生成對抗網路(GAN)
30.
下列哪一項不是提升生成對抗網路(GAN)訓練穩定性的常見技術?
a)
使用小批量歧視(Mini-batch Discrimination)
b)
應用 WGAN 的 Earth Mover 距離
c)
採用梯度懲罰(Gradient Penalty)
d)
使用大批量樣本訓練(Large-batch Training)
31.
下列哪一項不是訓練生成對抗網路(GAN)時會遇到的問題?
a)
數據數量不足或品質不一
b)
生成器和鑑別器之間的訓練不平衡，一方過強或過弱
c)
鑑別器對生成器的回饋信號過於微弱，導致梯度消失
d)
新的輸入讓模型對舊資料產生偏差，導致災難性遺忘
32.
當生成式 AI 模型的複雜度過高時,下列哪一種情況最有可能發生?
a)
模型過擬合(Overfitting)訓練資料
b)
模型無法擬合訓練資料
c)
模型將更容易泛化至未見過的資料
d)
模型計算效率顯著提高
33.
在語言模型的訓練中,通常使用下列哪一種技術來防止過擬合(Overfitting)?
a)
過濾
b)
正則化
c)
特徵擴展
d)
資料增強
34.
下列哪一項關於生成式 AI 中模式崩潰(Mode Collapse)的敘述是正確的?
a)
模式崩潰是指生成器產生出各種多樣化且符合真實分佈的樣本
b)
模式崩潰是由於生成器生成了非常真實的樣本，導致鑑別器無法區分真實與生成的數據
c)
模式崩潰會導致生成器集中生成一小部分特定類型的樣本，而忽略了其他潛在樣本的類型
d)
模式崩潰通常表示生成器和鑑別器達到了訓練的平衡狀態，這是生成對抗網路(GAN)模型穩定訓練的結果
35.
請問變分自編碼器(VAE)的損失函數通常包含下列哪一項?
a)
梯度損失和重構損失
b)
交叉熵損失和正則化項
c)
重構損失和 KL 散度
d)
均方誤差(MSE)和對比損失
36.
在多模態生成模型中,下列哪一項不是實現多模態數據融合的主要策略?
a)
將不同模態的特徵映射到共同的嵌入空間
b)
單獨訓練每個模態的模型，然後將結果融合
c)
使用多模態編碼器對多種模態數據進行聯合處理
d)
利用多模態數據進行端到端訓練
37.
關於生成式 AI 的應用敘述,下列哪一項是錯誤的?
a)
生成式 AI 可以應用於程式碼產生、工程、行銷、客戶服務、金融和銷售等多個業務範圍
b)
生成式 AI 可以用於改善客戶體驗，例如通過聊天機器人、虛擬助理和智慧聯絡中心等功能
c)
生成式 AI 僅能在程式碼產生方面取得成效，其他應用場景如內容建立和文字摘要無法實現
d)
生成式 AI 可以加速藝術和音樂中的創意內容製作，如文字、動畫、影片和影像等
38.
在法律行業中,生成式 AI 可以應用於多個方面,但下列哪一項不是生成式 AI目前能夠實現的?
a)
自動生成法律檔草稿，如合同和訴狀
b)
預測案件結果，基於歷史案件數據
c)
生成法律意見書，提供定制化法律諮詢
d)
完全替代人類律師進行法庭辯論和交叉審問
39.
生成式 AI 在影視後製中,主要用於下列哪一項技術?
a)
自動生成特效
b)
提高影片壓縮效率
c)
深度偽造技術
d)
智能剪輯場景
40.
下列哪一個領域常使用生成式 AI?
a)
航空工程
b)
水利工程
c)
電機工程
d)
合成圖像
41.
生成式 AI 雖然在多個領域取得了顯著進展,但仍存在一些限制和挑戰,下列哪一項不是 現在生成式 AI 能夠實現的
a)
大量文本的語法糾錯
b)
流行語言的準確翻譯
c)
複雜情節的文本創作
d)
簡單文本的歸納總結
42.
下列哪一項是生成式 AI 在圖像生成中的典型應用?
a)
圖片壓縮
b)
圖像風格轉換
c)
圖片分類
d)
邊緣檢測
43.
下列哪一項是生成式 AI 在道德和法律上的一大挑戰?
a)
圖像壓縮
b)
影片切割
c)
硬體容量
d)
侵犯隱私
44.
在使用生成式 AI時,下列哪一種行為可能涉及侵犯智慧財產權?
a)
用AI生成新的藝術作品並宣稱是自己的創作
b)
用 AI 生成隨機數據集進行訓練
c)
使用 AI 來生成數學公式
d)
用 AI 生成個人筆記作為學習輔助工具
45.
下列哪一項並非使用生成式 AI 的正確方法?
a)
生成式 AI 的答案不一定正確,需多方參考
b)
保持謹慎的心態再次檢查
c)
完全信任生成式 AI 的答案
d)
生成式 AI 只是輔助工具,仍須人工的再次確認
46.
下列哪一項關於 AI 的隱私權挑戰的敘述是錯誤的?
a)
AI 系統缺乏控制和透明度,讓用戶不清楚其資料是否已被蒐集
b)
重複使用資料可能導致 AI 的分析超出用戶同意的資料使用範圍
c)
AI 無法針對不同數據集進行組合或重新演算,因此不可能推測出特定人的身分
d)
資料的推斷及重新識別可能嚴重侵犯個人隱私
47.
下列哪一項最適合用來防範生成式 AI 生成的深偽(Deepfake)技術?
a)
增強數據隱私保護
b)
開發更強的反深偽技術
c)
禁止所有生成式 AI 的研究
d)
創建更多生成式 AI 應用
48.
在使用生成式 AI 進行內容創作時,下列哪一項措施對於維護輸出內容的品質和合規性最為 關鍵?
a)
依賴預訓練模型的默認設置,不進行任何調整
b)
在訓練數據中包含多樣化的樣本,以減少偏差
c)
忽略用戶回饋,只依據模型的自我學習
d)
定期對生成內容進行法律和倫理審查
49.
下列哪一項不屬於生成式 AI?
a)
ChatGPT
b)
Google Gemini
c)
DALL-E
d)
PowerPoint
50.
使用者可以透過下列哪一項控制 ChatGPT、Midjourney 生成適當的內容?
a)
Prompt
b)
Temperature
c)
Message
d)
Content
51.
在GPT 系列模型中,對於生成長文本來說,下列哪一項技術最不可能帶來顯著改善?
a)
增加模型的參數數量
b)
增加訓練語料的多樣性
c)
提高輸入文本的上下文窗口大小
d)
降低模型的層數
52.
請問 OpenAI CLIP 的功能可以做到下列哪一項?
a)
依文字生成圖片
b)
為輸入圖片分類
c)
讀取聲音的資料
d)
將圖像轉成影片
53.
關於常見的生成式 AI 技術與生成種類對應,下列哪一項錯誤?
a)
StyleGAN - 提供多種生成工具,用於創建影片、動畫、影像效果等
b)
LLaMA - 可用於生成自然語言文本,包括文章撰寫、對話系統、翻譯、問答系統等
c)
DALL-E - 將文本描述轉換為圖像,可生成各種類型的圖像
d)
MuseNet - 用於生成多種風格和樂器的音樂作品
54.
在使用生成對抗網路(GAN)進行圖像生成時,下列哪一個工具或框架最適合用來快速搭 建和訓練生成對抗網路(GAN)模型,並且提供了豐富的高階 API 支持?
a)
PyTorch
b)
TensorFlow
c)
Keras
d)
Scikit-learn
Reset
