所屬科目：iPAS◆AI應用規劃師◆初級
51. 一家新聞機構希望利用 AI 來判斷新聞的真偽，應該使用哪種技術？ (A) 計算機視覺 (B) 自然語言處理 (C) 生成對抗網路 (GAN) (D) AI 聊天機器人
52. 企業希望透過 AI 技術來進行語音詐騙辨識，應該使用哪種技術？ (A) 語音辨識 (B) 機器學習與語音辨識 (C) 3D 擴增 AI (D) 遊戲 AI
53. 企業希望建構 AI 聊天機器人來提升客服效率，應該使用哪種工具？ (A) Power Virtual Agents (B) DataRobot (C) Midjourney (D) H2O.ai
54. 如果企業希望開發 AI 繪圖應用，應該選擇哪種工具？ (A) Midjourney (B) Zapier (C) Shopify (D) Webflow
55. Google DeepMind 的 GraphCast 主要應用在哪個領域？ (A) 氣象預測 (B) 財務報表生成 (C) 自動駕駛 (D) 音樂創作
56. 企業希望透過 AI 來自動生成影片，應該選擇哪種工具？ (A) Stable Video Diffusion (B) Webflow (C) Power Virtual Agents (D) DataRobot
57. Microsoft Copilot 的主要目標是什麼？ (A) 取代所有員工 (B) 提升工作智慧、效率和創造力 (C) 用於娛樂應用 (D) 限制用戶對 AI 的使用
58. Copilot 與 Microsoft 必應 (Bing) 結合的優勢是？ (A) 提供上下文相關答案 (B) 限制搜索結果 (C) 只提供固定的回答 (D) 只適用於技術人員
59. 提示工程 (Prompt Engineering) 的主要作用是？ (A) 處理模糊問題 (B) 優化提示來提升 AI 輸出 品質 (C) 限制 AI 的創造力 (D) 讓 AI 自行學習無限制的內容
60. 系統提示 (System Message) 在 AI 交互中的作用是？ (A) 限制 AI 只能回答特定問題 (B) 為 AI 提供上下文和回應風格 (C) 讓 AI 自行決定回答者如何提問 (D) 讓 AI 變得無法使用
61. 為何在提示中提供具體上下文資訊很重要？ (A) 避免 AI 產生錯誤答案 (B) 限制 AI 的回答選項 (C) 減少 AI 模型的回應速度 (D) 無需使用訓練數據
62. LLM (大型語言模型) 如何進行學習？ (A) 透過大量文本數據訓練 (B) 只能透過人工標註 (C) 只能依賴單一來源 (D) 無法進行學習
63. Azure OpenAI 與 Azure AI 服務的主要區別是？ (A) Azure OpenAI 主要用於複雜的制定化AI應用 (B) Azure AI 服務無法用於翻譯 (C) Azure AI 只能用於個人用途 (D) 兩者無任何區別
64. 選擇機器學習模型時應考慮哪些因素？ (A) 訓練時間與資源需求 (B) 只考慮演算法名稱 (C) 忽略資料清理過程 (D) 選擇最便宜的模型
65. 如何透過示例提升 AI 的回應準確性？ (A) 提供範例以進行一次性學習 (B) 限制 AI 只能回答固定問題 (C) 讓 AI 自行選擇回應範圍 (D) 讓 AI 依賴預設回答
66. 語言模型的主要功能是？ (A) 分析和生成自然語言 (B) 識別物體圖像 (C) 控制機器手臂 (D) 處理 DNA 序列
67. LLM (大型語言模型) 相較於一般語言模型的差異是什麼？ (A) 更小的數據集與參數 (B) 更強的語言理解和生成能力 (C) 只能處理結構化數據 (D) 只能翻譯語言
68. 哪一種技術是語言模型發展的關鍵？ (A) 傳統規則式編程 (B) 神經網路與深度學習 (C) 機械工程 (D) 硬體晶片設計
69. LLM 可以應用於哪些自然語言處理 (NLP) 任務？ (A) 文字分類、摘要、文本比較、內容創作 (B) 設計電子電路 (C) 計算數學公式 (D) 分析基因序列
70. 語彙基元化 (Tokenization) 在 Transformer 訓練中的主要目的是什麼？ (A) 將文本拆分為最小單位，讓模型更好理解語言 (B) 讓模型只學習單字詞 (C) 讓模型只處理完整的句子 (D) 讓模型只處理單個字母
71. Tokenization 如何幫助 Transformer 模型處理複雜語義？ (A) 透過將文本轉標記，讓模型更靈活處理語言 (B) 讓模型忽略淺層的語法結構 (C) 讓 Transformer 模型只能處理固定長度的文本 (D) 讓 Transformer 只能用於單一語言
72. 語彙基元化 (Tokenization) 在 Transformer 訓練中的作用是什麼？ (A) 幫助模型理解語言結構和生成自然語言 (B) 讓模型無需學習詞性標註 (C) 使模型只能處理固定長度的文本 (D) 讓 Transformer 忽略標點符號
73. 語彙基元化 (Tokenization) 為何對自然語言處理 (NLP) 重要？ (A) 允許模型識別和處理不同 的詞語 (B) 只對英語有效 (C) 讓模型完全不需要訓練數據 (D) 只影響字母排序
74. Transformer 模型的核心組件是什麼？ (A) 池化層與捲積層 (CNN) (B) 循環神經網路 (RNN) (C) 統計模型 (D) 編碼器與解碼器
75. Transformer 模型如何理解輸入的文字？ (A) 透過手工標註 (B) 透過將文本拆分成標記， 並透過注意力機制判關聯性 (C) 依賴詞頻統計 (D) 逐字對照詞典
76. 在 Transformer 模型中，哪個部份負責學習單詞與句子之間的關聯？ (A) 池化層 (Pooling) (B) 自注意力機制 (Self- Attention) (C) 接續層 (Feed-Forward) (D) 隱藏層 (Hidden Layer)
77. Transformer 如何判斷句子中單詞的相對重要性？ (A) 只考慮詞語出現次數 (B) 透過注意力機制判斷詞語的關聯性 (C) 只考慮詞語詞性 (D) 隨機排列單詞
78. Transformer 的編碼器 (Encoder) 主要負責什麼？ (A) 轉換輸入文本為語義表示 (B) 生成最終輸出 (C) 記憶數據庫內容 (D) 產生新的語言序列
79. 內嵌向量 (Embedding) 在自然語言處理 (NLP) 中的主要作用是什麼？ (A) 將詞彙轉換為向量，以捕捉語意關聯性 (B) 捕捉語意的順序 (C) 讓模型記憶每個單詞的拼寫 (D) 限制模型只能處理固定長度的文本
80. 內嵌向量如何幫助模型理解單詞之間的關聯性？ (A) 透過多維空間得向量表示 (B) 透過詞彙的字母順序 (C) 只考慮詞彙在字典中的定義 (D) 只考慮詞彙的長度
81. 內嵌向量在 NLP 任務中如何影響模型的性能？ (A) 提高模型理解和生成語言的準確性 (B) 影響模型的訓練速度 (C) 限制模型只能處理固定數量的詞彙 (D) 限制模型的上下文理解
82. 內嵌向量 (Embedding) 的主要目的是？ (A) 將單詞轉換為數值向量，以捕捉語意關聯性 (B) 讓模型只學習母語的文字 (C) 使模型只能處理固定長度的文本 (D) Transformer 忽略標點符號
83. 自注意力機制 (Self-Attention) 的作用是什麼？ (A) 評估序列中標記之間的關聯性 (B) 處理文本的固定部分 (C) 讓模型忽略單詞順序 (D) 使模型僅學習詞頻統計
84. 位置編碼 (Positional Encoding) 在 Transformer 模型中的作用是？ (A) 提供序列中標記的順序資訊 (B) 限制模型只能處理固定長度的文本 (C) 記錄每個單字在文本中出現的次數 (D) 完全忽略上下文含義
85. Transformer 模型解碼器Decoder如何區確定生成的單詞？ (A) 利用注意力機制計算關鍵標記的影響力 (B) 只考慮詞頻統計 (C) 隨機選擇詞彙 (D) 忽略上下文,僅基於輸入單詞選擇
86. LLM 推動了 AI 助理的發展，這些助理的主要作用是什麼？ (A) 取代所有人類工作 (B) 提供任務輔助，提升效率和創意 (C) 只用於娛樂用途 (D) 使應用程序無需人類干預即可運行
87. 開發者如何利用 LLM 來構建 AI 助手？ (A) 只能使用開源模型，無法自訂 (B) 需要手動標註所有數據 (C) 可通過聊天室窗進行交互，並根據需求進行定制 (D) 只能使用固定的功能，無法修改
88. 使用 Azure OpenAI 等服務的主要優勢是什麼？ (A) 可獲取預訓練模型，直接使用或進行微調 (B) 必須從零開始訓練所有 AI 模型 (C) 只能用於個人用途，無法商業化 (D) 需要購買昂貴的硬體設備來運行模型
89. AI 助手如何影響商業用戶的工作方式？ (A) 讓員工無需參與決策 (B) 主要用於娛樂和遊戲產業 (C) 提高效率，幫助撰寫初 稿、資訊蒐集、策略規劃等 (D) 使所有人都可能創建自己的 AI 助手，無需學習技術
90. 部署AI 助手後，開發者可以如何與其交互？ (A) 透過聊天室窗發送查詢,並獲取回應 (B) 只能透過 API 調用，無法直接進行語音或視覺輸入 並獲取回應 (C) 應用程序無需指令，無法主動提供建議 (D) AI 助手只能依賴額外購買 專門的硬體設備來進行交互
91. 生成式 AI 的核心能力是什麼？ (A) 僅能執行程式碼 (B) 只能進行數據分析 (C) 自主互動與內容生成 (D) 需要人工輸入大量數據才能運行
92. 生成式 AI 不適用於哪種應用場景？ (A) 內容生成 (B) 語音搜尋 (C) 影像辨識 (D) 程式碼生成
93. 下列哪一種 AI 模型可用於程式碼生成？ (A) GPT Model (B) DALL-E (C) Codex Model (D) Stable Diffusion
94. 生成式 AI 可透過何種技術進行語意搜尋？ (A) DALL-E (B) Embedding Model 嵌入式模型 (C) GAN (D) Adversarial Networks (對抗網路)
95. 生成式 AI (如 ChatGPT) 能夠生成哪些內 容？ (A) 只能進行數據分析 (B) 只能執行命令，無法生成內容 (C) 詩歌與程式碼 (D) 只能分析圖片
96. 生成式 AI 的技術基礎是什麼？ (A) 純手工編碼 (B) 統計學、資料科學和機器學習 (C) 物理模型 (D) 傳統規則式設計
97. ChatGPT 屬於哪一種 AI 技術？ (A) 強人工智慧 (B) 生成式 AI (C) 視覺辨識 AI (D) 嵌入式 AI
98. 生成式 AI 的工作原理主要基於哪些技術？ (A) 電腦視覺 (B) 硬體運算優化 (C) 自然語言處理與機器學習 (D) 傳統規則式編程
99. 下列哪一項是生成式 AI 的典型應用？ (A) 硬體工程設計 (B) 網路安全監控 (C) 聊天機器人與虛擬助理 (D) 生物醫學實驗
100. 生成式 AI 可以創造哪些類型的內容？ (A) 建築結構 (B) 生物醫學實驗 (C) 文字、圖像、程式碼 (D) 傳統硬體設計
阿摩線上測驗
登入
阿摩線上測驗
登入