1. 某製造工廠計劃導入 AI 預測產線設備的故障風險。維護團隊整理了過去五年的設備運作資料，並由資深工程師逐一完成人工標註，將每筆資料標示為「正常運作」或「發生故障」。若要利用這批已完成標註的歷史資料訓練分類模型，下列哪一種機器學習方法最適合？ (A)監督式學習(Supervised Learning)； (B)非監督式學習(Unsupervised Learning)； (C)強化學習(Reinforcement Learning)； (D)半監督式學習(Semi-supervised Learning)

6. 某壽險公司 AI 客服助理上線後進行測試。顧客與 AI 助理對話時，全程未察覺對方並非真人，回應自然且能適當安撫顧客情緒。然而，當顧客詢問「我同時符合兩項理賠條件，應優先申請哪一項？」時，AI 助理前後提供不同建議；進一步詢問原因時，也無法說明判斷依據，只能持續提供語意通順但未能回答問題的內容。技術主管認為，既然 AI 已具備足以讓人誤認為真人的對話能力，就代表其判斷結果值得信賴。依據圖靈測試(Turing Test)的設計理念，下列何者最適合評估上述技術主管的觀點？ (A)圖靈測試主要用於評估 AI 是否具有可解釋性，因此無法說明判斷依據即代表未通過圖靈測試； (B)圖靈測試通過後，即可合理推論 AI 在專業領域的判斷能力已達人類水準； (C)圖靈測試的目的在驗證 AI 是否能針對各類問題提供正確且一致的答案，因此回答內容是否正確是主要評估重點； (D)圖靈測試主要評估 AI 是否能展現近似人類的對話表現，並不能據此推論其具備可靠的專業判斷與決策能力

相關試題

相關試卷