(01)
AI 偏見：垃圾進，垃圾出
AI 偏見（Algorithmic Bias）的根源是訓練資料。當訓練資料本身帶有偏見（如種族、性別的歷史不平等），模型就會學到這些偏見並放大輸出。
訓練資料偏見
使用有偏見的資料訓練的模型，其輸出必然帶有偏見。這就是「垃圾進，垃圾出（GIGO）」原則。
範例：若訓練資料中「醫生」圖片多為男性，AI 生成醫生圖像時可能預設為男性。
範例：若訓練資料中「醫生」圖片多為男性，AI 生成醫生圖像時可能預設為男性。
考點：Q62-1 ✓ O（正確）
沒有模型能完全消除偏見
目前沒有任何 AI 工具能保證「完全中立」。ChatGPT、Gemini 等都有各自的偏見傾向。
因此，AI 生成的內容必須經過人工審查（Human-in-the-loop）。
因此，AI 生成的內容必須經過人工審查（Human-in-the-loop）。
考點：Q62-2 ✗ X（錯誤：ChatGPT 不能最可靠地消除偏見）
偏見提示詞的識別
「引導式提示」（Leading Prompt）會讓 AI 得出預設的結論，而非客觀分析。
範例：「強調可再生能源比化石燃料更可靠」→ 有偏見；「分析各種能源的優缺點」→ 無偏見。
範例：「強調可再生能源比化石燃料更可靠」→ 有偏見；「分析各種能源的優缺點」→ 無偏見。
考點：Q42、Q73
人工審核是標準程序
AI 治理的黃金標準：所有 AI 生成的內容都應該由人工進行偏見審查，特別是涉及人事決策的場景。
考點：Q62-3 ✓ O（正確）
(02)
隱私保護：個資是紅線
使用 AI 時的隱私風險遠比大多數人想像的高。以下是三個必須記住的核心原則：
高風險警示：Q10-1 考點——「你可以假定輸入到任何 GPT 或 Copilot Prompt 中的機密資料將不會被用於訓練」→ 答案是 X（錯誤）。除非你使用的是企業版（Enterprise），否則輸入的資料可能被用於模型訓練。
PII（個人識別資訊）的邊界
應避免輸入 AI 的個人資訊：姓名、身分證號碼、精確位置、電話號碼、社交媒體帳號、健康資訊。
去識別化（De-identification）是最基本的保護措施。
去識別化（De-identification）是最基本的保護措施。
考點：Q66
洩漏的三種後果
若企業將客戶個資餵給 AI 訓練：
1. 客戶身份被盜用（A）
2. 面臨個資法訴訟（B）
3. 客戶信任崩潰（C）
1. 客戶身份被盜用（A）
2. 面臨個資法訴訟（B）
3. 客戶信任崩潰（C）
考點：Q76（答案 A+B+C）
Q77 考點（ChatGPT 記憶範圍）：ChatGPT 在預設情況下，資訊只存在於「當前對話中」（答案 A）。後續對話無法關聯 IP 與歷史敏感資料（答案 A）。但若在對話中發生資安事故，法律責任在使用者，而非 ChatGPT。
(03)
智慧財產權：版權、商標、專利
Q75 直接考「三種智財侵權類型」的配對。記住這三個類型的核心保護對象：
版權
Copyright
Copyright
保護創意表達
文字、音樂、圖像、程式碼等「原創表達方式」
考試範例：AI 生成的樂譜與作曲家的樂譜雷同 → 版權侵權
考試範例：AI 生成的樂譜與作曲家的樂譜雷同 → 版權侵權
商標
Trademark
Trademark
保護品牌識別
品牌名稱、Logo、標語等「商業識別符號」
考試範例：AI 生成的 Logo 與某運動品牌的商標相同 → 商標侵權
考試範例：AI 生成的 Logo 與某運動品牌的商標相同 → 商標侵權
專利
Patent
Patent
保護技術方案
工程設計、技術方法、發明等「功能性解決方案」
考試範例：AI 生成的相機工程圖與已備案的設計相似 → 專利侵權
考試範例：AI 生成的相機工程圖與已備案的設計相似 → 專利侵權
Q65 考點（AI 與專利申請）：英國最高法院裁定 AI 不能是「唯一發明者」。若要用 AI 申請專利，AI 的角色必須是「輔助工具」（如更正現有設計），而非主導發明。人類的具體貢獻必須清楚記錄。
(04)
使用者責任：按下發送鍵的人負責
一個最容易混淆的觀念：AI 生成了有問題的內容，責任在誰？答案始終是：使用者。
Q67 考點：
A. 你對使用生成式 AI 建立的內容負責 ✓
B. 使用生成式 AI 建立有害內容可引起民事或刑事訴訟 ✓
C. AI 可以輕鬆識別和阻止有害內容（沒有人為干預）✗
D. AI 可以很好地運行，無需人為監督 ✗
A. 你對使用生成式 AI 建立的內容負責 ✓
B. 使用生成式 AI 建立有害內容可引起民事或刑事訴訟 ✓
C. AI 可以輕鬆識別和阻止有害內容（沒有人為干預）✗
D. AI 可以很好地運行，無需人為監督 ✗
Q74 考點（Deepfake 誹謗）：甲使用 AI 生成乙從事非法活動的圖片並分享 → 這是「誹謗罪」，不合法。理由：即便圖片是 AI 生成的，甲具有主觀傳播不實資訊的意圖，且足以損害乙的名譽。法律責任不因「是 AI 生成的」就轉移。
(05)
AI 的社會影響：積極 vs 消極
✓ 積極影響（考試答 O）
讓員工節省時間並提高工作效率（Q70-A）
支援發散性思考與創意發想（Q70-B）
訪問海量資料進行醫學研究（Q80-A）
促進高效農業耕作（Q80-A）
加深對世界文化的理解（Q80-A）
補充課程內容，促進個人化學習（Q79-3）
✗ 消極影響（考試答 X）
深度偽造（Deepfake）用於政治操弄（Q69-2）
學生提交 AI 代寫的非原創作品（Q79-1）
促進個資外洩與身份盜用
強化算法偏見，加劇社會歧視
關於「AI 取代教師」：Q79-2 的答案是 X（錯誤）——目前並無證據顯示有效的教師職位因 AI 大量被取消。教育涉及情感聯結與價值觀引導，AI 是輔助工具，不是替代品。這是一個常見的混淆點。