人工智慧基礎-與政府轉型的新契機 解答

下列關於數位轉型之描述，何者正確？

• 因應疫情發展之無接觸新常態，對於數位轉型並無正面影響
• 目前國內大多數機構之重大決策與日常業務，已加入數據維度，並運用資料科學方法/人工智慧實現自動化
• 機構之數位轉型程度取決於最弱的一環
• 數位啟蒙程度 (能在工作中運用生活中就能接觸到的工具) 之轉型，即可達到新常態下之領先族群均標

下列何者為我國個人資料保護法規定之「特種」個人資料？

• 姓名
• 出生年月日
• 健康檢查
• 財務狀況

下列何者為資料清理可能需要面對之議題？

• 大量缺值
• 資料格式中途改變 (未正規化)
• 同一項資料有不同的紀錄方式
• 以上皆非

運用去識別化技術與資料價值可用性，有呈現 正比現象

• ○
• ╳

下列何者「非」歐盟用以宣示加強個人資料保護，或人工智慧相關發展規管力度之文件？

• 人工智慧白皮書 (White Paper on Artificial Intelligence)
• 安全港原則 (International Safe Harbor Privacy Principles
• 歐洲數據戰略 (European Data Strategy)
• 一般資料保護規範 (General Data Protection Regulation, GDPR)

「信任」是 AI 產業化的基礎

• ○
• ╳

下列有關於機器倫理 (Robot Ethics) 之敘述，何者「錯誤」？

• 只與工程人員有關
• 為適用於機器之倫理學
• 其重要性會隨著科技演進逐漸增加
• 在自動駕駛領域已經開始引起探討

下列關於對於人工智慧系統解決方案之期待與規劃，何者「錯誤」？

• 可預期初代人工智慧系統即為完美解決方案
• 上線後應使用大量資料反饋，重新訓練並快速疊代
• 資料循環應在一開始規劃運作模式時就納入考?
• 配套措施亦為真實系統之重要元素

下列何者為構成深度學習之基本要件？

• 神經網路
• 大數據
• 神經網路與大數據
• 以上皆非

關於個人資料保護與數據價值可用性之關聯，下列何者正確？

• 如何界定「個人資料已去識別化」，非屬事實認定，且不具有變動性
• 與其他資料的對照、組合、連結等操作，可能使被認為已去識別化的資料被重新識別
• 運用去識別化技術與資料價值可用性，有呈現正比現象
• 資料持續累積、資訊技術的發展演進與資料儲存成本下降等因素，對於去識別化之難度與不確定性並無影響

構成深度學習之基本要件是神經網路與大數據

• ○
• ╳

下列何者「非」人工智慧白皮書 (White Paper on Artificial Intelligence) 對於未來技術發展路徑之規管宣示？

• 需佐證使用的數據足夠完備，以確保結果有足夠的普適性
• 需確保人工智慧系統運無人為監督，能達到全自動化運作
• 需明確釐清人工智慧系統的能力與極限，以避免結果應用的範圍損害人權
• 需保證人工智慧系統的穩健性和結果重現性以供驗證

下列何者為人工智慧有機會應用之公部門領域？

• 便民服務
• 警政消防
• 社會文化
• 以上皆是

下列何者為一般資料保護規範 (General Data Protection Regulation, GDPR) 賦予當事人的權利？

• 拒絕權 (包含個人資料自動化決策反對權)
• 資料可攜權
• 被遺忘權
• 以上皆是

以下何者為落實系統解決方案過程中，人工智慧主要能發揮優勢的項目？

• 決定專案目標
• 資料盤點/資料蒐集
• 分析/建模
• 資料清理

圖像識別中最成熟的領域：自動駕駛

• ○
• ╳

下列何者為人工智慧技術已經相當成熟之領域？

• 自動駕駛
• 人臉識別
• 語音辨識
• 以上皆是

下列何者「非」區塊鏈信用機制之特性？

• 去中心化
• 單一機構 (如銀行、清算所) 持有帳目系統
• 每個節點皆有一份帳目透明
• 共享的帳目系統

下列何者「非」人工智慧相較於人類較占優之工作內容？

• 需要大量思考及創造的工作
• 重複性高的工作
• 高度依賴記憶與穩定度的工作
• 需處理大量細節的工作