D.5 iPAS 模擬試題解析:雙科 30 題與商管情境題解

⚠️ 使用說明 本節 30 題全部為作者自編模擬題,非官方試題,題目難度與出題方式也不代表官方標準。題型仿照 iPAS 初級的四選一單選題,用來檢查你對 D.2–D.4 觀念的理解。考前請另外閱讀 iPAS 官網公布的學習指引與樣題。

使用方式:

  1. 先遮住答案作答,每題限時 1.5 分鐘(官方每科 50 題、75 分鐘的平均速度)。
  2. 對答案後,錯的題目回到括號標示的小節複習。
  3. 第 1–15 題對應科目一,第 16–30 題對應科目二。

第一部分:科目一【人工智慧基礎概論】15 題

第 1 題【AI 定義與分類】(本題為作者自編模擬題,非官方試題)

關於人工智慧的定義與分類,下列敘述何者最正確? (A) 目前的 ChatGPT、AlphaGo 等系統都已達到具備自主意識的強人工智慧 (B) 弱人工智慧是指在特定領域或任務中展現解題能力的 AI 系統 (C) 符號主義的核心理念是模擬大腦神經元的連結權重 (D) 行為主義主要依賴大量已標註資料一次訓練完成,不與環境互動

答案:(B) 解析:目前所有商用 AI(包含大型語言模型)都屬於弱 AI;強 AI(AGI)尚未實現。(C) 描述的是連結主義;(D) 錯在行為主義的核心正是與環境互動、依回饋學習(如強化學習)。(D.2 貳)


第 2 題【AI 治理】(本題為作者自編模擬題,非官方試題)

銀行導入 AI 審核貸款。為提升系統的透明性與可解釋性,下列哪種做法最適當? (A) 為保護營業秘密,對主管機關與客戶都不揭露任何判斷依據 (B) 提供影響決策的主要因素說明,並告知客戶審核過程有使用 AI (C) 只要模型準確率夠高,就不需要提供任何解釋 (D) 在合約中聲明 AI 的判斷與銀行無關,銀行不負任何責任

答案:(B) 解析:可解釋性要求能說明決策的主要依據;透明性要求揭露 AI 的使用。(C) 準確率高不等於可以不解釋;(D) 違反問責性。例如歐盟《人工智慧法案》把信用評估列為高風險用途,要求透明與人為監督;加航聊天機器人案也顯示企業不能把責任推給 AI(第 30、23 題)。(D.2 貳)


第 3 題【集中趨勢】(本題為作者自編模擬題,非官方試題)

某公司統計海外經銷商年度採購額,資料嚴重右偏:兩家大客戶各採購數億美元,其餘數百家只有數萬美元。要描述「典型經銷商」的採購規模,下列何者最適合? (A) 算術平均數 (B) 中位數 (C) 全距 (D) 標準差

答案:(B) 解析:平均數會被極端值大幅拉高;中位數是排序後中間的值,不受少數極端值影響。(C)(D) 是離散程度指標,不是集中趨勢指標。(D.2 參)


第 4 題【離散程度】(本題為作者自編模擬題,非官方試題)

某生產線的鏡片直徑「標準差」明顯變大,最可能代表什麼? (A) 產品平均尺寸高於客戶規格 (B) 產品尺寸的變異變大,製程穩定度下降,不良品風險提高 (C) 良率提高,接近零缺陷 (D) 機器運轉速度變快

答案:(B) 解析:標準差衡量資料離平均數的分散程度,與平均數高低無關(所以 (A) 錯)。標準差變大表示品質變異變大。(D.2 參)


第 5 題【EDA 與 CDA】(本題為作者自編模擬題,非官方試題)

關於探索性資料分析(EDA)與驗證性資料分析(CDA),下列敘述何者正確? (A) EDA 必須先設定虛無假設與顯著水準才能進行 (B) CDA 的主要目的是用圖表自由探索未預期的規律 (C) EDA 在沒有預設假設下用摘要統計與圖表探索資料;CDA 針對明確假設進行統計檢定 (D) 資料量大時應省略 EDA,直接做 CDA

答案:(C) 解析:(A)(B) 把兩者的描述對調了。實務上通常先 EDA 找線索,再 CDA 驗證,兩者互補,所以 (D) 錯。(D.2 參)


第 6 題【IQR】(本題為作者自編模擬題,非官方試題)

箱形圖中的四分位距(IQR)定義與用途為何? (A) 最大值減最小值,用來看整體跨度 (B) 第 75 百分位數(Q3)減第 25 百分位數(Q1),用來衡量中間 50% 資料的分散程度,並輔助判斷離群值 (C) 平均數加兩個標準差,用來計算信賴區間 (D) 眾數與中位數的差,用來判斷偏態方向

答案:(B) 解析:IQR = Q3 − Q1。常見規則是小於 Q1 − 1.5 × IQR 或大於 Q3 + 1.5 × IQR 的值視為離群值。(A) 是全距。(D.2 參)


第 7 題【機器學習要素】(本題為作者自編模擬題,非官方試題)

建構機器學習系統時,下列哪一組最能代表其核心要素? (A) 資料、模型、學習演算法(最小化損失函數) (B) 伺服器、網路、網頁介面 (C) 工程師、專案經理、行銷人員 (D) 自然語言、關聯式資料庫、雲端主機

答案:(A) 解析:機器學習是用演算法在資料上調整模型參數,使損失函數變小。(B)(C)(D) 是開發系統可能需要的資源,不是機器學習本身的要素。(D.2 肆)


第 8 題【學習方式】(本題為作者自編模擬題,非官方試題)

銀行用過去 5 年的刷卡紀錄,以及每筆交易已標註的「是否為盜刷(0=正常,1=盜刷)」,訓練自動攔截模型。這屬於哪種學習方式? (A) 監督式學習 (B) 非監督式學習 (C) 強化學習 (D) 自我監督學習

答案:(A) 解析:資料同時有輸入特徵與標籤(是否盜刷),目標是學會預測標籤,屬監督式分類。若沒有標籤、只找「與眾不同」的交易,才是非監督式。(D.2 肆)


第 9 題【K-Means】(本題為作者自編模擬題,非官方試題)

客戶分群常用的 K-Means 演算法,名稱中的「K」代表什麼? (A) 最多迭代次數 (B) 特徵變數的個數 (C) 事先指定的分群數量 (D) 評估分群品質的統計量

答案:(C) 解析:K 是使用者事先設定的群數,例如 K=3 把客戶分成三群。K-Means 屬非監督式學習。(D.2 肆)


第 10 題【過擬合】(本題為作者自編模擬題,非官方試題)

模型在訓練集準確率 99.5%,在測試集只有 62%。這是什麼現象?較適當的處理方式為何? (A) 欠擬合;增加神經網路層數 (B) 梯度消失;提高學習率 (C) 過擬合;使用正則化、簡化模型或增加資料,並以交叉驗證檢查與挑選模型 (D) 維度災難;刪除測試集

答案:(C) 解析:訓練好、測試差是過擬合的典型症狀,代表模型記住了訓練資料的雜訊。正則化、簡化模型、增加資料、提早停止是降低過擬合的方法;交叉驗證主要用來更可靠地評估模型、及早發現過擬合。(A) 加層數會讓模型更複雜,通常使過擬合更嚴重。(D.2 肆)


第 11 題【梯度下降】(本題為作者自編模擬題,非官方試題)

梯度下降法在模型訓練中的主要角色是什麼? (A) 把非結構化文字整理成表格 (B) 計算損失函數對參數的梯度,往損失下降的方向更新參數 (C) 計算分類模型的精確率與召回率 (D) 產生合成圖片

答案:(B) 解析:梯度下降是最常見的參數最佳化方法。(C) 是模型評估指標,與訓練時的參數更新是不同的工作。(D.2 肆)


第 12 題【鑑別式 AI】(本題為作者自編模擬題,非官方試題)

關於鑑別式 AI,下列敘述何者最精確? (A) 學習聯合機率分布 P(X, Y),並產生新樣本 (B) 主要用於把長文壓縮成摘要 (C) 學習條件機率 P(Y|X),在特徵空間中劃出決策邊界,進行分類或預測 (D) 透過逐步去除雜訊產生清晰影像

答案:(C) 解析:鑑別式模型回答「給定 X,它屬於哪個 Y」。(A) 描述生成式模型;(D) 描述擴散模型。(D.2 伍)


第 13 題【生成式架構】(本題為作者自編模擬題,非官方試題)

下列哪一項不屬於常見的生成式 AI 模型架構? (A) 生成對抗網路(GAN) (B) 變分自編碼器(VAE) (C) 擴散模型(Diffusion Model) (D) 支援向量機(SVM)

答案:(D) 解析:SVM 是典型的鑑別式分類模型。GAN、VAE、擴散模型都是生成式架構。另外要注意,Transformer 是一種通用架構,大型語言模型用它來生成文字,但 BERT 等模型也用 Transformer 做分類。(D.2 伍)


第 14 題【GAN】(本題為作者自編模擬題,非官方試題)

生成對抗網路(GAN)的核心機制是哪兩個元件的互相對抗? (A) 編碼器與解碼器 (B) 生成器與鑑別器 (C) 卷積層與池化層 (D) 代理人與環境

答案:(B) 解析:生成器產生假樣本、鑑別器分辨真假,兩者在對抗中一起進步。(A) 是 VAE 等自編碼器的結構;(D) 是強化學習的術語。(D.2 伍)


第 15 題【差分隱私】(本題為作者自編模擬題,非官方試題)

企業分析大量用戶資料時引入「差分隱私」技術,其原理為何? (A) 將資料庫加密,沒有金鑰的人無法開啟 (B) 在統計查詢結果中加入經數學設計的雜訊,使外界無法從結果反推出特定個人的資料 (C) 把所有姓名換成星號 (D) 禁止任何跨境網路連線

答案:(B) 解析:差分隱私讓「資料中有沒有某個人」對查詢結果的影響小到無法分辨,同時保留整體統計的用途。(A) 是加密,(C) 是遮蔽,都不是差分隱私。(D.2 參)


第二部分:科目二【生成式 AI 應用與規劃】15 題

第 16 題【No code 與 Low code】(本題為作者自編模擬題,非官方試題)

關於 No code 與 Low code 平台,下列敘述何者最正確? (A) No code 平台主要供資深工程師撰寫底層驅動程式 (B) Low code 平台完全禁止撰寫任何程式碼 (C) No code 以視覺化操作降低門檻,讓非技術人員快速建置;Low code 在視覺化基礎上保留撰寫程式碼的彈性,以處理較複雜的邏輯與整合 (D) 兩者都沒有資安風險,導入時不需權限審查

答案:(C) 解析:No code 的主要使用者是非技術人員(常稱為公民開發者);Low code 允許加入程式碼擴充。兩者都有資安與權限管理的問題,所以 (D) 錯。(D.3 貳)


第 17 題【No code / Low code 的限制】(本題為作者自編模擬題,非官方試題)

企業把大量流程建在單一第三方 No code / Low code 雲端平台上,最主要的策略風險是什麼? (A) 開發速度太快 (B) 降低了開發人力成本 (C) 廠商鎖定:平台漲價或停止服務時,搬遷與重建成本很高 (D) 只能用命令列操作

答案:(C) 解析:(A)(B) 是優勢不是風險;(D) 與 No code 的特性相反。降低廠商鎖定的做法包括:確認資料可匯出、優先選支援標準 API 的平台。(D.3 貳)


第 18 題【應用領域的合理期待】(本題為作者自編模擬題,非官方試題)

金融業結合生成式 AI 與低程式碼工具,下列哪一項是不合理的期待? (A) 依新公布的法規草擬合規檢查清單,再由合規人員確認 (B) 產生市場極端情境的描述,作為壓力測試討論的素材 (C) 保證每筆交易都獲利,消除市場波動 (D) 協助理專草擬客戶溝通郵件,再由理專審閱後寄出

答案:(C) 解析:市場風險無法被任何工具消除。另外注意 (A)(B)(D) 都保留了人工確認的步驟,這是金融業使用生成式 AI 的合理做法。(D.3 參)


第 19 題【平台評估】(本題為作者自編模擬題,非官方試題)

營運長評估是否採購某套 Low code 流程自動化平台。下列哪一項最不適合作為主要評估面向? (A) 能否透過 API、Webhook 與現有 ERP 串接,資料能否匯出 (B) 資料存放位置、權限控管與相關法規要求 (C) 平台介面的配色是否符合公司品牌色 (D) 計費方式是按帳號數還是按執行次數,業務量成長時費用如何變化

答案:(C) 解析:(A)(B)(D) 分別對應整合能力、安全合規、成本模式,都是常見的評估面向。介面配色不影響系統能否支撐業務。(D.3 貳)


第 20 題【少樣本提示】(本題為作者自編模擬題,非官方試題)

「少樣本提示(Few-shot Prompting)」的核心做法是什麼? (A) 提示詞越短越好,不提供背景 (B) 在提示詞中提供少量「輸入 → 期望輸出」範例,讓模型依範例的格式與風格產出 (C) 要求模型在短時間內回覆 (D) 一次問很多個不相關的問題

答案:(B) 解析:大型語言模型能從提示中的範例學習格式與風格(稱為情境學習)。「少樣本」指的是範例數量少,不是字數少,所以 (A) 錯。(D.3 參)


第 21 題【思維鏈】(本題為作者自編模擬題,非官方試題)

計算多步驟的到岸成本時,在提示詞加入「請一步一步思考並列出計算過程」。這種技巧稱為什麼?主要效益為何? (A) 角色提示;讓模型更有自信 (B) 思維鏈(Chain-of-Thought);讓模型先展開中間推理步驟,通常能降低多步驟推理的錯誤 (C) 提示注入;繞過安全限制 (D) 零樣本提示;減少 Token 用量

答案:(B) 解析:思維鏈讓模型把推理過程寫出來,在數學與邏輯任務上通常有幫助,也方便人檢查哪一步出錯。但它不保證正確,金額計算仍需驗算。展開推理通常會增加而不是減少 Token 用量。(D.3 參)


第 22 題【幻覺】(本題為作者自編模擬題,非官方試題)

企業客服 AI 有時會給出錯誤的退換貨規定,甚至編造不存在的條文。下列何者是常見且成本較合理的改善做法? (A) 每天重新訓練整個大型模型 (B) 採用檢索增強生成(RAG),讓模型先從公司核可的最新規定中檢索,再依檢索結果回答 (C) 在提示詞中加上「絕對不可以說謊」 (D) 停用所有 AI,全面改回紙本作業

答案:(B) 解析:RAG 讓模型依據指定文件回答,是降低幻覺的常見做法,成本遠低於重新訓練。但 RAG 只能降低幻覺,知識庫過時或檢索錯誤時仍會出錯,重要回覆仍需檢查機制。(C) 單靠語氣要求效果有限。(D.3 參)


第 23 題【加航聊天機器人案】(本題為作者自編模擬題,非官方試題)

2024 年 2 月,加拿大卑詩省民事糾紛審裁處(Civil Resolution Tribunal)在 Moffatt v. Air Canada 案中,判加航須賠償因官網聊天機器人提供錯誤喪親票價資訊而受損的乘客。此案對企業最重要的啟示是什麼? (A) 聊天機器人是獨立的法律主體,企業不必為它的回答負責 (B) 只要網站其他頁面有正確條款,聊天機器人說錯就可以免責 (C) 企業須為其官網上提供的資訊負責,包括聊天機器人的回答 (D) 消費者有義務自行驗證聊天機器人的程式邏輯

答案:(C) 解析:加航曾主張聊天機器人是「獨立的法律實體」,審裁處不接受,認定加航應對官網上所有資訊負責,並以「過失不實陳述」判加航賠償(賠償與相關費用合計約 812 加幣)。審裁處也認為,不能期待消費者把聊天機器人的回答拿去和網站其他頁面交叉比對,所以 (B) 錯。(第 13.3 節)


第 24 題【導入的第一步】(本題為作者自編模擬題,非官方試題)

企業要導入生成式 AI,專案的第一步應該是什麼? (A) 先採購 GPU 算力設備 (B) 釐清業務流程中的痛點,確定商業目標與預期效益 (C) 要求每位員工每週使用 AI 達一定時數 (D) 組成研發團隊從零開發自有大型模型

答案:(B) 解析:先有要解決的問題與衡量成功的標準,才能判斷要用什麼工具、值不值得投資。(A)(C)(D) 都是「先有技術,再找用途」。(D.4 貳)


第 25 題【概念驗證 PoC】(本題為作者自編模擬題,非官方試題)

全面上線前先做「概念驗證(PoC)」,主要目的是什麼? (A) 延後專案進度 (B) 在隔離環境以小規模、低成本驗證技術可行性與商業假設,及早發現問題 (C) 取得專利保護 (D) 直接在正式環境用全部客戶資料測試

答案:(B) 解析:PoC 的重點是小規模、隔離、事先訂好通過標準,用有限成本驗證關鍵假設,失敗也能及早止損。(D) 正好違反 PoC 的原則。(D.4 肆)


第 26 題【TCO】(本題為作者自編模擬題,非官方試題)

評估生成式 AI 的總擁有成本(TCO)時,下列哪一項最常被忽略、卻可能佔相當比重? (A) 模型 API 的每月帳單 (B) 內部資料整理、系統整合,以及員工訓練與流程調整所需的人力工時 (C) 廠商報價單上列出的授權費 (D) 雲端主機的月租費

答案:(B) 解析:(A)(C)(D) 都會出現在帳單或報價單上,容易被看見;資料整理、整合與訓練多半以內部工時形式存在,不會出現在報價單上,所以最容易被低估。(C)(D) 同樣屬於 TCO 的一部分,只是很少被忽略。(D.4 參)


第 27 題【關鍵成功因素】(本題為作者自編模擬題,非官方試題)

下列何者不是企業導入生成式 AI 時常被提及的成功因素? (A) 高階主管的支持與承諾 (B) 由業務、法務合規、IT 共同組成的跨職能團隊 (C) 變革管理與員工教育訓練 (D) 取消所有人工覆核,讓 AI 完全自動決策

答案:(D) 解析:高風險決策取消人工覆核會讓錯誤無人攔截。較穩健的設計是例外管理:規則明確的案件自動處理,異常或高風險案件交給人判斷。(D.4 伍)


第 28 題【上線後表現下降】(本題為作者自編模擬題,非官方試題)

某公司的生成式 AI 合規查詢系統上線半年後,同仁反映「稅率與規定的回答錯誤變多了」。最可能的原因與對策為何? (A) 伺服器硬碟老化;更換硬碟 (B) 外部法規與資料已改變(如稅則修訂),系統引用的知識未同步更新;應建立定期檢測並更新知識庫與測試集 (C) 使用人數增加導致模型變笨;限制使用人數 (D) 刪除客戶投訴紀錄,讓錯誤率指標回到正常

答案:(B) 解析:外在環境改變、系統沒有跟著更新,正確率就會下降,常稱為漂移(drift)。對策是用固定測試集定期檢查,並在法規變動時更新知識庫。(D) 是竄改指標,屬於內控問題。(D.4 肆;第 14.3 節)


第 29 題【資料外洩防護】(本題為作者自編模擬題,非官方試題)

某出口製造商允許業務用生成式 AI 起草詢價回信。為防止機密外洩,資訊長應優先採取哪項措施? (A) 讓員工自由使用任何免費的公開聊天工具 (B) 採用有資料保護條款(例如輸入不用於訓練)的企業版服務,並規範與遮蔽可輸入的機密與個資 (C) 禁止所有員工使用電腦 (D) 只要與客戶簽了保密條款,資料外洩也沒關係

答案:(B) 解析:免費消費版服務的資料使用條款可能允許用輸入內容改善模型,企業應改用有明確資料保護條款的方案,並訂定「哪些資料不能輸入」的規範、對敏感資料先遮蔽。(D.3 參)


第 30 題【歐盟 AI 法案】(本題為作者自編模擬題,非官方試題)

歐盟《人工智慧法案》(EU AI Act)於 2024 年 8 月生效、並分階段適用,採取依風險分級的監管方式。下列哪一項應用屬於高風險 AI 系統? (A) 電商網站的垃圾郵件過濾 (B) 手機遊戲中隨機產生地圖的演算法 (C) 用於招募篩選、員工績效評估,或評估個人信用的自動化系統 (D) 視訊會議的虛擬背景功能

答案:(C) 解析:法案把就業與人事管理、個人信用評估等影響基本權利的用途列為高風險,要求風險管理、資料治理、透明與人為監督等義務。(A)(B)(D) 一般屬於風險很低的應用。(第 13.4 節)


對答案之後

錯題落在 回去複習
第 1–2 題 D.2 貳(AI 概念與治理)
第 3–6、15 題 D.2 參(資料處理與統計)
第 7–11 題 D.2 肆(機器學習)
第 12–14 題 D.2 伍(鑑別式與生成式)
第 16–19 題 D.3 貳(No code / Low code)
第 20–23、29 題 D.3 參(工具使用與風險)
第 24–28 題 D.4(導入評估規劃)
第 30 題 第 13.4 節(AI 監管)

💡 自編題的限制:本節許多題目的錯誤選項明顯不合理,比正式考試容易。真正的考題常常是兩個看起來都對的選項之間做選擇。做完本節後,試著把每題的錯誤選項改寫成「看起來合理但有一個關鍵錯誤」的版本,這是檢驗自己是否真的理解的好方法。

國立臺中科技大學 國際貿易系 / 企業管理系 專用教材

《現代軟體工程:商學院的 AI 系統思維與 Agent 實踐》

作者:陳俊智 博士 Dr. Chun-Chih Chen

本書章節架構改編自陳鍾誠教授(金門大學)開源課程《現代軟體工程》(github.com/ccc115a/se,MIT 授權),內容針對商學院全面改寫與擴充。