科目一到底難在哪？
iPAS AI 應用規劃師初級科目一「人工智慧基礎概論」是整個考試中及格率最低的科目。2025 年第一場考試，科目一的及格率僅 37%，遠低於科目二。
很多考生都跌在這一科。讓我們來拆解它的考點分布和難度。
科目一的考試範圍
根據官方學習指引，科目一涵蓋以下領域：
1. AI 基礎概念（約 15～20%）
- AI 的定義與發展歷史
- AI 的分類（弱 AI / 強 AI / 超級 AI）
- AI 的應用領域
難度：低。這部分偏記憶性質，只要讀過就能答對。
2. 機器學習（約 25～30%）
- 監督式、非監督式、強化學習的區別
- 常見演算法：線性迴歸、邏輯迴歸、決策樹、隨機森林、SVM、KNN、K-means
- 模型評估指標：Accuracy、Precision、Recall、F1-Score
- 過擬合與欠擬合
- 交叉驗證、訓練集 / 驗證集 / 測試集
難度：中。需要理解每個演算法的適用場景和特性，不能只背名字。
3. 深度學習（約 20～25%）
- 神經網路基礎（輸入層、隱藏層、輸出層）
- 激活函數（ReLU、Sigmoid、Softmax）
- CNN 的原理與應用（影像處理）
- RNN / LSTM 的原理與應用（序列資料）
- Transformer 架構與 Attention 機制
難度：中高。這是很多考生失分的重點區域。題目會考架構的選用時機和各層的功能。
4. 自然語言處理（約 10～15%）
- NLP 的基本任務：分詞、詞性標註、命名實體辨識
- 詞嵌入（Word2Vec、GloVe）
- 語言模型的演進（RNN → LSTM → Transformer → GPT/BERT）
難度：中。這部分跟深度學習有重疊，理解 Transformer 的脈絡很重要。
5. AI 應用與產業（約 10～15%）
- 電腦視覺應用：物件偵測、人臉辨識、影像分割
- 推薦系統
- 自動駕駛
- 醫療 AI
難度：低到中。偏應用場景的判斷，多看案例就能掌握。
考生踩過的坑
1. 考題超出官方教材
多位考生反映，有些題目在官方提供的簡報和學習指引中找不到。這表示你不能只讀官方教材，需要額外補充。
2. 題目考得比想像中細
例如，不只考「CNN 用在影像處理」，還會考「CNN 中 Pooling 層的具體功能是什麼」。需要理解到元件層級。
3. 容易混淆的概念
- Precision vs Recall：方向性不同，但名字容易搞混
- Overfitting vs Underfitting：症狀和解法要能區分
- Batch Normalization vs Dropout：都是正則化技巧，但原理不同
高效準備策略
分配更多時間給科目一
既然科目一是及格率最低的科目，建議分配 60% 的準備時間給科目一，40% 給科目二。
重點攻略：深度學習 + 機器學習
這兩個領域加起來佔了考試的 50% 以上，而且是最容易出「理解型」題目的地方。建議：
- 先理解三大架構（CNN、RNN、Transformer）的適用場景
- 再理解各架構的核心機制（卷積、循環、Attention）
- 最後理解訓練過程（損失函數、反向傳播、梯度下降）
用考古題找弱點
做完一輪考古題後，統計你在哪些領域的錯誤率最高，然後針對性補強。不要平均分配時間，要把時間花在最弱的環節。
製作自己的速記表
把容易混淆的概念整理成對照表，考前快速複習。例如：
| 概念 | 適用場景 | 記憶要點 |
|---|---|---|
| CNN | 影像 | 卷積提取空間特徵 |
| RNN | 序列 | 有記憶，考慮前文 |
| Transformer | 通用 | Attention，可平行運算 |
70 分不難，但要對症下藥
科目一的 70 分不是要你成為 AI 專家，而是要你對 AI 有全面性的基礎理解。找出你的弱點，集中火力補強，比漫無目的地讀書有效得多。