iPAS AI 應用規劃師科目一考試重點｜5 組最容易搞混的觀念
準備 iPAS AI 應用規劃師的時候，你有沒有遇過這種狀況：題目四個選項擺在一起，每一個都有印象，但又似懂非懂。
我自己刷考古題的時候最怕這種題目。常常等到對完答案才發現「啊～我本來知道的」，結果下次遇到類似的題目又再錯一次XD
這次我把 114-4、115-1、115-2 考古題，共 150 題整理過一遍，認真看清楚：哪些長得很像的觀念，常常被放在一起考。
iPAS 科目一最容易搞混的觀念 Top 5
1. 監督式、半監督式、自監督式、非監督式、強化式
每份考古題至少出現 4 次，這幾個名詞雖然蠻好懂的，但只要遇到情境題就會讓人開始猶豫。
1.1. 判斷方式：資料上有沒有貼標籤
先確認拿去訓練的資料，需不需要有先把正確答案準備好，答案的量需要多少～
| 學習類型 | 資料上的標籤 | 題幹會這樣寫 |
|---|---|---|
| 監督式 | 完整標籤 | 已確認案例、歷史標籤 |
| 半監督式 | 少量標籤 ＋ 大量未標籤 | 僅有少部分已標註、其餘均未標註 |
| 自監督式 | 人不標，機器拿資料自己生出答案 | 利用資料本身產生訓練目標、預訓練、CLIP、DINO |
| 非監督式 | 完全沒有標籤 | 未使用任何標註、自動分群 |
| 強化式 | 沒有標籤，只有回饋分數 | 獎勵或懲罰訊號、依回饋調整策略 |
自監督式是這兩梯次才比較常出現的，115-1 跟 115-2 各考了一題。它最容易被搞混的地方，就是誤以為它跟監督式一樣要人工標。
115-1 第 43 題的錯誤敘述提到：「自監督式學習的訓練方式與監督式學習相同，皆需人工逐筆提供標註資料」。實際上它是拿資料本身生出訓練目標，人不用一筆一筆標～
我自己覺得最容易誤判的是強化式跟非監督式，兩個都是「沒有標籤」，差別在強化式有獎勵回饋。114-4 第 17 題，題幹寫「不依賴標記資料」，很多人直覺就跳到非監督式，答案其實是強化式。
1.2. 三份考卷都用同一個誘答：把半監督式的情境標成監督式
科目一有一種題型很常見，會給你四組「情境加學習類型」的配對，問哪一組是對的或錯的。這種題三份考卷都有：114-4 第 13 題、115-1 第 39 題、115-2 第 22 題。
我把三題的 (A) 選項排在一起看，結果是這樣：
114-4 第 13 題 (A)：在醫療影像資料中，僅有少部分影像有專家標註診斷，其餘大多數影像未標註，研究者結合已標註與未標註資料來建立模型 — 監督式學習（Supervised Learning）
115-1 第 39 題 (A)：在醫療影像分析中，同時運用少量已標註資料與大量未標註影像進行模型訓練—監督式學習（Supervised Learning）
115-2 第 22 題 (A)：客服對話分析中，同時使用少量標註資料與大量未標註資料進行訓練，屬於監督式學習
三份考卷、同一個位置、同一個誘答，連寫法都幾乎一樣，全部都是把「半監督式的情境」寫成「監督式」。記得當看到「少量標註加上大量未標註」，答案要選半監督。
2. LIME、SHAP、顯著性圖、PDP、反事實
每份考古題至少會考 3 題，115-2 考到 6 題，比重還蠻高的，其中 LIME 考過 4 題、顯著性圖 3 題、SHAP 2 題、反事實解釋 2 題、部分依賴圖 1 題，另外還有一題問的是 XAI 的核心價值。
2.1. 先分成「看一筆」跟「看整體」兩堆，再記名詞
這五個名詞如果分開背，考場上一定會混，比較有效的方式是先把它們分成兩類：
1. 局部解釋：「這一筆為什麼被判成這樣」，例如：LIME、SHAP、顯著性圖、反事實解釋。
2. 全域解釋：「整體看下來是什麼趨勢」，例如：部分依賴圖 PDP 跟特徵重要性。
只要題目問到「能不能解釋單獨這一筆」，那看整體的那一堆就一律答不出來。
2.2. 題幹的關鍵字會直接對到方法
分完兩堆之後，剩下的就是看題幹要的是什麼。
| 題幹在要什麼 | 該選 |
|---|---|
| 解釋單獨一筆，用一個簡單模型去模仿黑箱在那附近的反應 | LIME |
| 單獨一筆裡，每個條件各推了多少，有正有負、可以加總 | SHAP |
| 標示影像或文字中，哪一塊區域影響最大 | 顯著性圖 Saliency Map |
| 要改變什麼，結果才會翻盤，例如貸款才過得了 | 反事實解釋 |
| 某一個條件對結果的整體趨勢 | 部分依賴圖 PDP |
115-2 第 37 題是很典型的一題：
醫院評估委員會要求系統必須能夠標示「影像中哪些區域對本次診斷判斷影響最大」，以供放射科醫師進行審核確認。下列哪一種可解釋 AI 技術最能直接滿足此一需求？
(A) LIME (B) SHAP (C) 部分依賴圖（PDP） (D) 顯著性圖（Saliency Map）
答案是 (D)。這題的 (A)(B) 勉強套在影像上也做得到，所以很容易讓人猶豫。但題目寫的是「最能直接滿足」，你要挑的是「最符合」這個需求的選項，其他「勉強也行」的都不算。
2.3. LIME 的選項最愛「前半句對、後半句錯」
LIME 的誘答方式很固定，會故意把前半句寫對、後半句寫錯，看到 LIME 的選項，一定要讀完整句再判斷，不要只看到前半句就誤以為是正確的。
像 115-1 第 26 題的 (D) 寫「代理模型技術：訓練另一個簡單模型來完全取代原黑盒模型進行推論」，前半句對，錯在後半句的「完全取代」，因為 LIME 從頭到尾沒有取代原模型，原模型還是照常做預測。
3. 資料不平衡的時候，該看哪個評估指標？
每梯次平均會考 3 題，考你在同一個情境底下，哪個做法是題目要的。
3.1. 先看題目要模型預測什麼，再挑指標
大致上可以分成兩個步驟：
看題目要模型輸出什麼。
- 要模型回答「是不是瑕疵品、會不會違約」，屬於「分類」，看指標：準確率、精確率、召回率、F1
- 要模型回答「房價多少、溫度幾度」，屬於「迴歸」，看指標：RMSE、MSE、R²
115-2 第 23 題是反過來考，題目問房價預測該用哪個指標，選項是均方誤差、精確率、F1、召回率，房價要的是一個數字不是一個類別，所以答案是均方誤差。
看哪一種錯誤代價比較高。
- 漏掉的代價高，例如疾病篩檢、害蟲防治、詐欺偵測、設備故障，就看「召回率」
- 誤報的代價高，例如垃圾郵件過濾、精準推播，就看「精確率」
- 兩者差不多，就看 F1
115-2 第 19 題給了一堆數字：正確識別 80 隻害蟲、誤判 20 張正常葉片、漏檢 10 隻害蟲，看起來像計算題，其實完全不用算，只要判斷「漏掉比較痛」就好，答案是召回率～
4. 自編碼器只會還原，VAE 才會生成
自編碼器跟 VAE 長得很像，一個編碼一個解碼，這是我覺得這一組最容易混的地方。差別在於自編碼器 AE 學的是「把東西壓小、再還原回去」，所以它擅長的是抓異常、去雜訊跟把資料變精簡。
VAE 學的是「這批資料整體長什麼樣子」，學會之後就能照著那個樣子，生出一筆從來沒出現過的新東西。
5. 類別欄位該用哪種編碼？數值欄位要不要縮放？
先看欄位是分類還是數值。每次梯次大概會考兩題，因為編碼蠻常出現在錯誤選項，加上分辨的方法還算簡單的，學起來可以用在刪去法～
| 這一欄長什麼樣 | 該用 |
|---|---|
| 是分類，而且沒有大小之分（交通方式、職業、顏色） | One-hot 獨熱編碼 |
| 是分類，但有高低順序（會員等級、學歷） | Ordinal 序數編碼 |
| 是數字，而且各欄的大小差很多 | 標準化或正規化 |
| 是數字，但大部分擠在一邊、少數極端值飆很高 | 對數轉換 |
114-4 第 41 題故意在資料清單裡同時放了「主要交通方式（火車/飛機/自駕/公車）」跟「會員等級（普通/進階/白金）」，一個無序一個有序，就是要測你會不會看錯欄位，題目問的是交通方式，所以答案是 One-hot。
同一份考卷的第 43 題換成數值欄位問尺度差異，答案是標準化，選項組合卻跟第 41 題很像。作答前先確認題目問的是哪一欄，這一步比記編碼方法還重要。
6. 結論
觀念看懂之後一定要多練習題目，才能避免「單看解釋都會覺得自己懂了」，換成四個選項擺在一起就開始猶豫。
考古題詳解庫可以按章節找到這幾組的題目，每一題都寫了為什麼對、為什麼錯。
如果你想要一份把觀念、速查表跟對應考古題整理在一起的東西，我自己整理的科目一與科目二學習筆記也在這個網站上，祝考試順利！