| (1) | 1.物聯網、大數據和人工智慧三者之間存在著密切的共生關係，下列何者最能描述此關係？ (221) |
| (1) | 物聯網負責產生大數據，這些數據成為人工智慧學習與運作的「燃料」 |
| (2) | 三者是獨立的技術，沒有直接關聯 |
| (3) | 人工智慧負責為物聯網設備提供運算能力 |
| (4) | 大數據是儲存人工智慧模型的地方，供物聯網設備下載 |
| | |
| (4) | 2.關於邊緣運算（Edge Computing） 的敘述，下列何者錯誤？ (222) |
| (1) | 對於自動駕駛、工業自動化等需要即時反應的應用場景至關重要 |
| (2) | 它是一種分散式運算架構，將運算工作從雲端中心分散到網路邊緣 |
| (3) | 它能減少資料傳輸到雲端的頻寬需求，並有助於提升資料的安全性 |
| (4) | 主要目的是為了取代雲端運算，未來將不再需要大型雲端資料中心 |
| | |
| (3) | 3.被譽為「電腦科學之父」，並設計了著名思想實驗來測試機器是否具有智慧的科學家是誰？ (223) |
| (1) | 亞瑟．塞繆爾（Arthur Samuel） |
| (2) | 蓋瑞．卡斯巴羅夫（Garry Kasparov） |
| (3) | 艾倫．圖靈（Alan Turing） |
| (4) | 凱文．艾希頓（Kevin Ashton） |
| | |
| (1) | 4.一家軟體公司提供一個平台，讓開發者可以透過簡單的API，調用不同廠商（如 OpenAI，Anthropic）的大語言模型來快速建構自己的AI應用，而無需自行訓練模型。這家公司在AI產業鏈中提供的服務被稱為什麼？ (224) |
| (1) | 模型即服務（Model-as-a-Service, MaaS） |
| (2) | AI價值對齊（AI Alignment） |
| (3) | 基礎模型（Foundation Models） |
| (4) | 原生AI應用（AI-Native Applications） |
| | |
| (1) | 5.在機器學習模型建構流程中，「驗證集（Validation Set）」最主要的功能是什麼？ (225) |
| (1) | 在訓練過程中，用來調校模型的超參數（如學習率）並監控是否發生過擬合 |
| (2) | 用於模型的初始學習與訓練 |
| (3) | 用於資料清理與特徵工程 |
| (4) | 作為最終的正式考試，客觀評估模型的最終性能 |
| | |
| (1) | 6.大型語言模型（LLM）如ChatGPT，其運作方式的核心可以被理解為： (226) |
| (1) | 根據使用者輸入的提示（Prompt），基於其學到的龐大文本機率分布，逐字預測最可能出現的下一個詞彙，最終生成一段完整的回答 |
| (2) | 在龐大的資料庫中搜尋完全匹配的答案並直接回傳 |
| (3) | 將使用者的問題翻譯成程式碼，執行後再將結果翻譯回人類語言 |
| (4) | 透過光學字元辨識（OCR）讀取網路上的所有資料來回答問題 |
| | |
| (1) | 7.下列何者是物聯網在「智慧家庭」中的典型應用案例？ (227) |
| (1) | 透過手機App遠端控制家中的燈光與冷氣 |
| (2) | 智慧垃圾桶在裝滿時自動通知清潔隊 |
| (3) | 穿戴式裝置持續監測心率與血氧 |
| (4) | 土壤感測器監測濕度以進行自動灌溉 |
| | |
| (4) | 8.在智慧工廠中，利用視覺技術高速檢測產品表面的瑕疵，這屬於下列哪個領域的應用？ (228) |
| (1) | 智慧城市 |
| (2) | 智慧家居 |
| (3) | 智慧商業 |
| (4) | 智慧工廠製造 |
| | |
| (2) | 9.下列何者是透過網際網路連線到雲端運算中心，並使用其所提供的服務為硬體資源類型？ (229) |
| (1) | 平台即服務（Platform as a Service, PaaS） |
| (2) | 基礎架構即服務（Infrastructure as a Service, IaaS） |
| (3) | 設備即服務（Equipment as a Service, EaaS） |
| (4) | 軟體即服務（Software as a Service, SaaS） |
| | |
| (2) | 10.下列關於物聯網（IoT, Internet of Things）的說明何者有誤？ (230) |
| (1) | 透過智慧型手機，即可控制物聯網裝置 |
| (2) | 物聯網設備使用有線網路較為方便 |
| (3) | 智慧家庭也是屬於物聯網的應用 |
| (4) | 物聯網裝置通常具備至少一項感測元件 |
| | |
| (4) | 11.在一個關於電學的知識圖譜中，已知<歐姆定律, 組成, 電壓>、<歐姆定律, 組成, 電流>、<電壓, 影響, 電流>。根據這些關係，系統可以推斷出「電壓」和「電流」之間存在間接關聯。這種能力被稱為什麼？ (231) |
| (1) | 知識獲取（Knowledge Acquisition） |
| (2) | 具名實體識別（Named Entity Recognition） |
| (3) | 關係提取（Relation Extraction） |
| (4) | 推理（Reasoning） |
| | |
| (4) | 12.在AI的技術堆疊架構中，負責讓AI具備「看」和「聽」的基本能力，例如影像辨識和語音辨識，是屬於哪一個層級？ (232) |
| (1) | 基礎設施層 |
| (2) | 學習引擎層 |
| (3) | 數據層 |
| (4) | 感知層 |
| | |
| (2) | 13.下列何者不是雲端運算的布署模式？ (233) |
| (1) | 社群雲 |
| (2) | 政策雲 |
| (3) | 私有雲 |
| (4) | 公有雲 |
| | |
| (2) | 14.在影像辨識的進階任務中，「語意分割」和「實例分割」都能夠做到像素級別的分類，但兩者最主要的區別是什麼？ (234) |
| (1) | 語意分割處理彩色圖片，實例分割處理黑白圖片 |
| (2) | 語意分割不區分同類別的不同個體，而實例分割會區分開來 |
| (3) | 語意分割速度快但不精確，實例分割精確但速度極慢 |
| (4) | 語意分割只能分割物體，實例分割只能分割背景 |
| | |
| (3) | 15.在自然語言處理（NLP）的過程中，將一個句子（例如：「我愛AI」）拆解成一系列最小的詞彙單元（例如：[" 我", " 愛", "AI"]），這個步驟稱為什麼？ (235) |
| (1) | 情緒分析（Sentiment Analysis） |
| (2) | 詞形還原（Lemmatization） |
| (3) | 斷詞/標記化（Tokenization） |
| (4) | 句子生成（Sentence Generation） |
| | |
| (1) | 16.「運用辨識攝影機所拍攝視訊影像畫面中特定2D、3D物體或位置資訊，同時看到視訊影像畫面中的真實世界與虛擬物件內容，並讓視訊影像畫面中特定物件與虛擬物件彼此互動」此段文字是關於下列何者的敘述？ (236) |
| (1) | 擴增實境（Augmented Reality, AR） |
| (2) | 延展實境（Extended Reality, XR） |
| (3) | 虛擬實境（Virtual Reality, VR） |
| (4) | 混合實境（Mixed Reality, MR） |
| | |
| (2) | 17.結合物聯網（IoT）與區塊鏈，一部電動車可以自動與充電樁溝通，並在充電完成後自動支付費用，全程無需人類介入。這主要依賴區塊鏈的哪項技術來實現「設備間的自動化交易」？ (237) |
| (1) | 非同質化代幣（NFT） |
| (2) | 智慧合約（Smart Contract） |
| (3) | 公開透明的帳本 |
| (4) | 去中心化金融（DeFi） |
| | |
| (1) | 18.下列何者「不是」區塊鏈帳本的三個至關重要特性之一？ (238) |
| (1) | 中心化管理（Centralized Management） |
| (2) | 不可竄改（Immutability） |
| (3) | 公開透明（Transparency） |
| (4) | 去中心化（Decentralization） |
| | |
| (1) | 19.在評估二元分類模型時，ROC曲線下的面積（AUC）是一個重要指標。如果一個模型的AUC值為0.5，這代表什麼？ (239) |
| (1) | 模型的性能與隨機猜測一樣，沒有區分能力 |
| (2) | 模型的性能比隨機猜測還差，需要反向預測 |
| (3) | 模型達到了50%的準確率 |
| (4) | 這是一個完美的分類器，能百分之百區分所有正負樣本 |
| | |
| (2) | 20.一個機器學習模型在「訓練集」上表現近乎完美（損失很低），但在從未見過的「驗證集」或「測試集」上表現卻很差（損失很高）。這種現象稱為什麼？ (240) |
| (1) | 泛化能力強（Good Generalization） |
| (2) | 過擬合（Overfitting） |
| (3) | K-均值分群（K-Means Clustering） |
| (4) | 欠擬合（Underfitting） |
| | |
