以下為「AI時代台灣產業的機會與挑戰」e等公務園+測驗解答，共 20 題，供公務人員學習參考。
若要快速出海，哪個策略更符合「借力?使力」？
- 只做在地語言化不改產品
- 結合台灣供應鏈與國際據點，鏈結品牌與通路
- 只靠單一通路
- 僅做學術展示不商轉
針對 AI 同事的落地成效，哪個衡量方式更聚焦？
- 流程週期與品質變化
- 粉絲按讚總數
- 官網瀏覽字數
- 本課程投影片頁數
企業採用內部模型時，哪個治理重點更到位？
- 僅簽保密條款即可
- 資料治理、權限管理與評測流程
- 完全交給供應商決定
- 僅憑口頭規範
「邊緣變核心」的產業方向，哪個選擇更合理？
- 只擴容資料中心不碰終端
- 僅提供雲 API 不管裝置
- 強化軟硬整合，佈局 AI Phone/PC 與機器人
- 避開終端市場以降低風險
導入任務型 AI 代理時，最需要先面對的現實問題是？
- 不需治理即可上線
- 不需連資料庫即可運作
- 成本與資料整合都很輕鬆
- 運算成本與跨系統整合的複雜度
在跨境協作中降低語言障礙，哪個作法更契合本課程？
- 統一改用英文文件
- 只靠人工逐字翻譯
- 導入多語對話與即時翻譯並嵌入流程
- 停止視訊會議改用郵件往返
在 AI 輔助開發情境下，工程師角色的合理轉變是？
- 改為只寫規格不看程式
- 專注做硬體驅動不涉應用
- 完全讓模型自動上線
- 從大量手寫轉為審閱、整合與測試模型輸出
關於通用 AI 的能力構成，哪個組合更完整？
- 翻譯、裁剪、壓縮
- 搜尋、排序、緩存
- 渲染、編碼、測試
- 對話、推理、代理、創作、管理
關於學習與算力的演進，哪個觀點更貼近本課程？
- 資料量永遠比其他都重要
- 僅靠人類語料即可推進
- 回到傳統規則即可解推理
- 強調經驗與推演，並重視推論期的算力
企業選擇自建任務模型時，哪個理由最合理？
- 只為品牌話題
- 可管控資料與成本，並順利與內部系統整合
- 避免任何系統整合
- 必須服從雲端強制要求
關於 Edge AI 的敘述，哪一項最貼近本課程精神？
- 僅能在雲端執行
- 只處理語言不涉實體
- 邊緣投資逐年下降
- 小模型落地終端，延遲與隱私更可控
關於「內嵌式 AI 」的趨勢，下列哪個產品策略更到位？
- 僅提供外掛不改流程
- 把 AI 能力融入核心功能與體驗
- 只在說明文件提到 AI
- 以單一聊天視窗取代所有功能
在「TW+n」的海外生產與遠距管理情境中，較可行的技術對策是？
- 結合即時翻譯、資料收集與合成，支援跨文化協作
- 僅靠人工口譯與紙本
- 僅用單一 ERP 取代所有流程
- 只強化機台不強化人機協作
在新模型趨勢下，技術焦點的合理轉移是？
- 由訓練側逐步轉向推論側
- 全面回到規則庫
- 只做影像生成
- 只做資料標註
評估即時對話導購的成效，哪個指標最能直接反映商業影響？
- 轉換率
- 粉絲數
- 回覆字數
- 平均等待秒數
導入「AI 同事」要真正產生效果，哪個做法最貼近本課程方向？
- 維持既有流程避免干擾
- 先買硬體之後再看
- 調整流程並把 AI 服務嵌入日常工作|
- 全部外包以降低內部負擔
企業培養未來人才時，本課程強調的「軟實力」組合最接近哪個選項？
- 雲架構與網路協定
- 提問表達、同理與思辨、跨域協作
- GPU 調校與模板技巧
- 影像渲染與剪輯
談到 Vertical AI，哪個敘述更符合本課程？
- 等同基礎模型，不需情境化
- 僅做展示不進流程
- 結合領域模型與企業工作流產生實際價值
- 只做單步推理不接系統
面對「知用落差」，管理上較實際的作法是？
- 員工 AI 賦能並從小場景試點
- 全部預算押在單一模型
- 完全觀望不投入
- 只做品牌公關不落地
學生使用 AI 家教複習課程，哪組功能更能提升學習效果？
- 單純全文翻譯
- 隨機題庫不記錄
- 只讀逐字稿不問答
- 摘要與問答、個人化練習與追蹤