Alex 是一位跨境電商創辦人，他正試圖導入多種生成式 AI(Generative AI)工具以優化營運流程。關於他所接觸到的工具特性、分類與技術風險，下列哪些敘述是正確的？
(A)當 Alex 需要撰寫多國語言商品描述、產出客服對話劇本或進行長篇市場報告摘要時，可採用 ChatGPT、Claude 或 Gemini 等文字生成工具。
(B)Midjourney 與 DALL-E 屬於圖像生成工具，其核心技術在於將抽象的文字描述轉化為具體的視覺影像，在技術分類上屬於文字轉圖像(Text to Image)應用。
(C)若 Alex 的開發團隊使用 GitHub Copilot，該工具能透過分析上下文自動補全程式碼、撰寫註解或修正邏輯錯誤，這在分類上屬於程式碼生成，能有效提升軟體開發效率。
(D)生成式 AI 若產出看似合理但與事實不符的資訊，稱為幻覺(Hallucination)，這主要是因為輸入提示詞(Prompt)長度不足導致的運算溢位或硬體存取錯誤，通常只要增加指令字數即可完全消除此現象。

答案：登入後查看
統計： A(12), B(1), C(3), D(0), E(0) #3886886

詳解 (共 1 筆)

#7370076

你好！我是教甄pro。這題考的是目前資訊科技教育界最熱門的議題——生成式 AI (Generative AI) 的應用分類與技術限制。

在教甄命題中，AI 的「幻覺 (Hallucination)」成因以及各類工具的應用場景是當前的新興考點。這題考驗你是否能區分 AI 的技術本質與常見風險。

這題的正確答案是 (A)、(B)、(C)。

答案解析與詳細說明

(A) 文字生成工具 (Text Generation)：正確

  • 核心技術：基於大型語言模型 (LLM)，如 OpenAI 的 GPT 系列、Anthropic 的 Claude 以及 Google 的 Gemini。

  • 功能：擅長翻譯、摘要、創意寫作、對話生成及邏輯推理。

  • 範例：Alex 使用這些工具來處理多國語言翻譯與市場報告，完全符合這類工具的設計初衷。

(B) 圖像生成工具 (Image Generation)：正確

  • 核心技術：主要是擴散模型 (Diffusion Models)。

  • 流程：透過「文字轉圖像 (Text-to-Image)」技術，將使用者的 Prompt（提示詞）解碼為視覺特徵並去噪生成影像。

  • 範例：Midjourney 以藝術風格見長，DALL-E 與 ChatGPT 整合度高，皆為此類代表。

(C) 程式碼生成 (Code Generation)：正確

  • 工具角色：GitHub Copilot 被稱為「AI 結對程式設計師」。

  • 運作原理：它學習了 GitHub 上的大量公開程式碼，能根據開發者目前輸入的上下文，自動補全下一段邏輯、撰寫註解，甚至建議單元測試程式。

  • 價值：極大化開發效率，減少重複性編碼工作。

(D) 幻覺 (Hallucination) 與技術風險：錯誤

  • 錯誤原因：

    1. 成因錯誤：幻覺的產生並非「運算溢位」或「硬體存取錯誤」。它的本質是 「機率性預測」。LLM 是在預測「下一個字出現機率最高的機率分布」，當訓練資料不足、過時或遇到未知的知識領域時，它會為了維持對話流暢度而「一本正經地胡說八道」。

    2. 解決方法錯誤：增加指令字數（Prompt Engineering）雖然可以減少幻覺機率，但由於其底層架構的機率特性，目前無法完全消除此現象。

  • 正確觀念：對付幻覺的最佳方法是結合 RAG (檢索增強生成)，即讓 AI 先去查閱外部可信文件，再根據文件回答。

生成式 AI 關鍵考點總結表

身為資訊教師，這張表是目前最夯的課程與考試重點：

類別 代表工具 核心模型架構 教甄常見考點
文字生成 ChatGPT, Claude, Gemini Transformer (Decoder-only) 幻覺問題、脈絡長度 (Context Window)
圖像生成 Midjourney, DALL-E, Stable Diffusion Diffusion Model (擴散模型) 版權爭議、Deepfake (深偽) 風險
程式碼生成 GitHub Copilot, Cursor LLM (Fine-tuned for Code) 程式碼品質檢查、技術債疑慮
影片生成 Sora, Kling, Veo Video Diffusion / Transformer 時空連續性 (Temporal Consistency)

教甄解題心法：幻覺 (Hallucination) 的本質

在考場上，只要看到敘述說「AI 產生的錯誤是硬體損壞」或是「增加指令可以 100% 消除 錯誤」，這類過於絕對的選項通常都是錯誤的。

教甄pro 點評：

這一題反映了現代資訊科技考卷的趨勢：科技與生活實務結合。身為教師，不僅要懂技術，還要能向學生解釋為什麼 AI 會出錯。對於這類「提示工程 (Prompt Engineering)」中的 CO-STAR 或 Few-Shot Prompting 等技巧，你是否也需要我提供範例說明呢？

0
0