是非題
這裡為您準備了 20 題關於生成式 AI 與預測式 AI 的是非題，內容涵蓋技術原理、商業應用及風險管理，並附上詳細解析與來源引用。
生成式 AI 與預測式 AI 知識檢測（是非題）
- （ ）生成式 AI 的核心目標是學習歷史數據模式，以對未來事件做出精確預測。
- （ ）預測式 AI 的輸出通常是結構化且特定的結果，例如信用評分或流失機率。
- （ ）生成式 AI 學習的是資料中的「條件機率分布」 ($P(Y|X)$)。
- （ ）AI 幻覺是指模型生成的內容看似合理，但實際上是錯誤或無根據的資訊。
- （ ）生成式 AI 產生幻覺的主因在於它理解內容的真實性，但故意編造答案。
- （ ）現有的生成式 AI 模型在面對不知道的問題時，通常會主動承認自己「不知道」。
- （ ）檢索增強生成 (RAG) 技術是將生成式 AI 結合外部知識庫，以提升回答的真實性。
- （ ）使用 RAG 技術可以解決 AI 模型訓練數據存在「截止日期」的問題。
- （ ）在商業應用中，即時詐騙偵測通常是預測式 AI 的典型應用案例。
- （ ）生成式 AI 的決策過程通常非常透明，且可解釋性比預測式 AI 高。
- （ ）預測式 AI 的架構通常比生成式 AI 更輕量，可以在一般硬體上執行。
- （ ）「代理式 AI」(Agentic AI) 的趨勢是將生成式與預測式 AI 戰略性地結合使用。
- （ ）只要導入了 RAG 技術，企業就不再需要人類審核 AI 生成的內容。
- （ ）LLMOps（大型語言模型維運）包含監控模型性能及識別「模型漂移」現象。
- （ ）AI 運算產生的龐大電力需求與碳足跡，是技術普及帶來的環境衝擊之一。
- （ ）在醫療診斷等高風險場景，AI 生成的建議應由具備專業素養的人員進行審核。