NEW
Font size
S
M
L
XL
WorksheetsL12人工智慧基礎概論
Total questions: 20
Worksheet time: 10mins
Name
Class
Date
1.
監督式學習（Supervised Learning）的核心特性為何？
a)
從無標註的數據中發現規則
b)
使用標籤化訓練資料，建立預測模型
c)
透過獎勵和懲罰機制學習
d)
不需要任何輸入資料
2.
下列哪一個情境最可能引起AI治理方面的擔憂？
a)
一個用於天氣預報的AI模型
b)
一個用於自動過濾垃圾郵件的AI系統
c)
一個用於貸款審批並可能帶有性別或種族偏見的AI模型
d)
一個用於推薦商品給消費者的AI系統
3.
關於「小型語言模型（SLM）」的敘述，何者正確？
a)
參數數量比LLM多
b)
只能在雲端超級電腦運行
c)
較小規模使其更易在本地設備部署且微調更快
d)
完全無法生成自然語言
4.
「可靠性和安全性」準則要求AI系統應具備什麼特質？
a)
永遠不會更新
b)
在預期條件下穩定運作並反抗有害操作
c)
只能由專業工程師操作
d)
不需要進行錯誤測試
5.
數據收集的挑戰中，「雜訊影響」指的是？
a)
儲存空間不足
b)
模糊圖像、背景噪音等干擾品質的因素
c)
網路斷線
d)
電腦硬體故障
6.
深度學習模型中的「節點（Node）」代表什麼？
a)
網路線接點
b)
處理資料的軟體模組（人工神經元）
c)
資料庫伺服器
d)
儲存裝置
7.
根據「單元三 負責任的AI應用.pdf」，「責任原則」的目標是確保：
a)
AI系統能夠完全獨立地做出決策
b)
在AI系統的整個生命週期中，都有明確的責任歸屬和追究機制
c)
AI系統的錯誤完全由硬體供應商承擔
d)
使用者必須對AI系統的任何輸出負責
8.
深度學習中，神經網路每個連接點之間的函數計算方式通常為？
a)
weight*input+bias
b)
input / weight
c)
weight + input
d)
weight^input
9.
評估AI技術是否能作為有效解決方案屬於哪個步驟的作法？
a)
檢視AI方案
b)
檢視企業資源
c)
掌握企業課題
d)
確定應用領域優先順序
10.
非監督式學習最常見的應用類型是？
a)
分群（Clustering）
b)
迴歸分析
c)
語音合成
d)
情感分析
11.
強化式學習（Reinforcement Learning）的核心原理是？
a)
從標註數據中學習規則
b)
通過試錯過程與獎勵機制學習最佳策略
c)
從歷史資料中發現自然群組
d)
模仿人類翻譯語言
12.
在強化式學習中，機器是根據什麼來改進效能的？
a)
靜態的資料庫
b)
獎勵（Reward）和懲罰機制
c)
標籤的正確率
d)
特徵的數量
13.
以下哪一個例子最能體現弱人工智慧（Weak AI）的特性？
a)
一個擁有自我意識並能獨立思考的機器人
b)
一個能在所有棋類遊戲中擊敗人類的通用型AI
c)
一個專門用於醫學影像分析以輔助診斷的系統
d)
一個能理解並流利地使用所有人類語言的AI
14.
專利資料、技術文件等在來源中被視為哪一種資料類型？
a)
結構化數據-表格
b)
非結構化數據-文件
c)
數值型資料
d)
圖像資料
15.
資料集分割時，應遵循哪項原則以確保評估的一致性？
a)
取樣隨機化
b)
手動挑選資料
c)
訓練集與測試集分布應完全不同
d)
僅使用異常值
16.
深度學習（Deep Learning）的基本靈感來源是？
a)
數學統計公式
b)
人類大腦的神經網路
c)
物理學定律
d)
行銷策略
17.
深度學習常用於將通常需要人類智慧的任務自動化，例如？
a)
將聲音轉錄為文字
b)
備份檔案
c)
打印文件
d)
掃描病毒
18.
在模型效能評估中，「精確度（Accuracy）」是指？
a)
模型正確預測的比例
b)
模型運行的速度
c)
模型的大小
d)
模型的開發成本
19.
監督式學習中的「標籤化」是指？
a)
資料配對了期望的輸出答案
b)
資料被隨機分組
c)
資料被壓縮
d)
資料被加密
20.
根據來源 AI影像辨識技術主要處理哪一種資料類型？
a)
數值型資料
b)
非結構化數據-圖像
c)
結構化數據-表格
d)
文字資料
Reset
