第十五集：終極科目一總複習（人工智慧技術應用與規劃）
我是你的 iPAS 陪跑師 Stan，準備好迎接挑戰了嗎？今天我們要直接切入重點，幫大家統整終極科目一最常混淆的技術、導入、風險、資料還有部署考點。今天的解析單元，我會用最高效、最測驗導向的方式，幫你把所有模糊的觀念一次釐清。那我們就直接開始吧！
進入正題前，大家要先建立一個核心觀念喔。終極科目一絕對不是要你死背那些硬梆梆的技術名詞，它的核心哲學是什麼？是你要會「選對的技術、會規劃導入流程，還要懂得控制風險」。也就是說呢，你要把自己當成一個真正的 AI 專案經理，用大局觀來看待每一道題目，這樣在考場上才不會慌。
那今天呢，我們特別安排了四個回合的特訓，依序幫大家破解 AI 技術，接著是導入規劃、風險管理、還有系統部署。最後我們再來個 15 題的考前快篩，幫你做最後的記憶鎖定。準備好了嗎？我們直接進入第一回合。
第一回合，我們要來聚焦人工智慧技術應用的考點。這裡真的是大家最容易被一堆英文縮寫搞混的地方囉。
先來看這個考試情境：如果題目問你，某個特定的商業情境到底該用哪一種 AI 技術，你要怎麼快速判斷呢？來，大家先在心裡想個三秒鐘，給自己一個答案。好，心裡有答案了嗎？
答案揭曉，其實有一個超級實用的破解法，也就是我們的解題口訣：考試只要看到「技術選擇」類的關鍵字，不用懷疑，直接往「資料形態」的方向去判斷。也就是說，千萬不要被題目裡面落落長的情境故事給騙了，你要抓的重點是：它到底在處理什麼樣的資料。
我們來看看這個完美的分類表：如果題目提到要處理文字，或者是分析語意，那就是選 NLP，也就是自然語言處理技術。那如果是辨識影像或監控影片呢？很簡單，選 CV，電腦視覺技術。那如果題目說要創造新內容，或是自動寫文案，這時候就是生成式 AI 出場的時候了。最後，如果題目說它同時要處理聲音、影像和文字，那就是多模態 AI，就是一種能融合多種資料來源的進階技術。總之，看到資料、抓技術，這題的分數你就穩穩拿下了。
順利拿下技術題之後，我們推進到第二回合，AI 導入的評估與規劃。這可是另一個陷阱重重的考區喔。
來看看這個超級經典的測驗情境：當公司決定要導入 AI 的時候，你覺得是該先安排開發時程跟資源呢？還是應該先評估技術到底可不可行？大家回想一下平常做專案的邏輯，先想個幾秒鐘，這邊真的很容易踩坑。
所以請務必記住這個破解法：考試只要看到「導入」這種關鍵字，就立刻往「流程階段」的方向去判斷。你要知道，評估跟規劃在考題裡面是完全不同的兩個階段，絕對不能搞混。
這個流程圖非常關鍵：第一步跟第二步屬於導入評估，你必須先看清楚需求、確認商業價值，接著再去盤點資料、技術可行性還有風險，確認這個案子真的能做，甚至做完 POC 概念驗證之後，我們才會進入到導入規劃，也就是第三步跟第四步，去安排 Sprint 衝刺式的開發時程、分配資源，還有規劃跨部門協作的角色跟模式。記住，一定是先評估再規劃。
OK，接著讓我們繼續推進到第三回合。這裡我們要來對付的是風險管理與機器學習模型的生命週期。
考題真的最愛出這種迷思題了：千辛萬苦把模型訓練好，也上線部署了，請問工程師是不是就可以放假，專案就算大功告成了呢？你想想看，這在現實世界中可能嗎？當然不可能嘛。
這就再次提醒了我們一個重要的口訣：考試只要看到「風險」或者是「上線後」這種關鍵字，請你毫不猶豫的往「生命週期」的方向去判斷。模型上線絕對不是終點，反而是一個全新考驗的起點。這就完美說明了 MLOps 的概念。
簡單來說，MLOps 就是用來管理模型從開發到上線後整個生命週期的機制。部署前，我們在風險管理上必須考量法規遵循跟模型偏見；而部署之後呢，則要持續的監控。為什麼？因為外在環境的資料是會改變的，這會產生所謂的模型飄移。一旦你發現預測不準了，就要趕快進行再訓練跟持續優化。所以只要題目問到「上線後的風險控制」，找 MLOps 或監控相關的選項就對了。
請接著，我們來到最後一個主題回合，第四回合：資料準備與系統部署整合。這是一個非常具備鑑別度的考題喔。
模型能不能變得很聰明，跟模型能不能真正幫公司賺錢，其實是取決於兩個完全不同的環節。大家覺得這分別是哪兩個環節呢？最關鍵的地方就在這裡。
這個對比圖非常精闢：左邊的資料準備與模型選擇，決定了模型的上限。俗話說 garbage in, garbage out，你的資料品質越好、選對了模型，能達到的準確率上限自然就越高。但是右邊的系統部署與維運，包含你怎麼利用容器化技術，或者是邊緣 AI 設備，跟現有系統順利整合，這才是決定了模型能不能真正為業務流程產生實際價值的關鍵。這兩個對應關係，考試的時候千萬別選反囉。
經過這四個回合的特訓，相信大家的觀念已經清晰很多了。現在我們要進行最後的衝刺，這是我特別幫大家整理的 15 題考前快篩，目的就是要幫你把剛剛吸收的精華轉化為直覺式的反射動作。跟著我的節奏，我們快速閃過這些關鍵字對應喔。
前五題來囉：看到「文字語意」對應 NLP；看到「創造新內容」對應生成式 AI；看到「概念驗證」馬上想到 POC。導入專案的第一步是什麼？先評估需求與價值；確認可行之後呢，接著才是規劃跨部門協作模式。
節奏加快，我們繼續：看到「生命週期管理」立刻選 MLOps；看到「部署前風險考量」立刻想到法規與偏見。遇到技術選擇題怎麼辦？先找資料型態；遇到導入評估題，確認它在哪個流程階段；那遇到風險關鍵字題呢？用生命週期的角度去選答案。
最後五題，撐住喔：什麼決定了模型效能的上限？資料準備與模型選擇。那什麼決定了能不能產生實際的商業價值？系統整合與部署。什麼是上線後必須持續監控的？模型飄移。處理人類客服對話記錄要選什麼？選 NLP。分析工廠的瑕疵檢測畫面呢？選 CV。太棒了！
只要這 15 個反射動作建立起來，終極科目一的易混題絕對難不倒你。
在今天解析的最後，留給大家一個思考點：在這個 AI 時代，真正缺的往往不是會寫程式碼的工程師，而是能問對問題、控管風險的專案經理。你準備好成為後者了嗎？
留言