針對人工智慧機器訓練與預測中，有關「建模」之相關說明，下列敘述何者錯誤？
A設計可能的模型後，利用各個模型來建立規則正確答案
B機器學習中，不同變數之間存在數學上的規則
C機器學習裡的模型類似人類大腦經由學習而來的經驗
D機器學習中，不同變數之間存在機率上的規則
答案與詳解
A
正確答案
機器學習建模是讓機器從資料中自動學習規則，而非由人為設計模型後再去建立規則，後者屬於傳統專家系統。
為什麼答案是 A
機器學習是讓演演算法從資料中自動學習出規則與模式，而非由人類設計模型後再去手動建立規則，這是傳統專家系統的做法。
考點：機器學習本質考點：數學規則考點：經驗學習考點：機率規則
載入中…
完整詳解
Pro · 無限重點 機器學習建模是讓機器從資料中自動學習規則，而非由人為設計模型後再去建立規則，後者屬於傳統專家系統。
秒殺技巧
機器學習的核心是「資料驅動」找規律，看到「人為建立規則」或「專家系統」的敘述即為錯誤選項。逐選項分析
A機器學習本質✓ 正確
機器學習是讓演演算法從資料中自動學習出規則與模式，而非由人類設計模型後再去手動建立規則，這是傳統專家系統的做法。
B數學規則✕
機器學習模型本質上是透過數學函式來擬合資料，尋找不同變數之間的數學對映與關聯規則，例如神經網路的權重計算。
C經驗學習✕
訓練完成的模型引數，就如同人類大腦透過過往經驗學習後所累積的知識與直覺，可用來對未知的新資料進行預測。
D機率規則✕
許多機器學習演演算法（如貝氏分類器、邏輯斯迴歸）是基於機率統計理論，尋找變數間在機率分佈上的關聯與規則。
機器學習 vs 傳統專家系統
| 比較專案 | 機器學習 (Machine Learning) | 傳統專家系統 (Expert System) |
|---|---|---|
| 規則來源 | 從資料中自動學習 | 由人類專家手動建立 |
| 驅動核心 | 資料驅動 (Data-driven) | 知識/規則驅動 (Rule-driven) |
| 適應能力 | 高，能隨新資料更新模型 | 低，需人工修改規則庫 |
陷阱提醒
本題將「機器學習」與「傳統專家系統」的概念顛倒。機器學習的核心是讓演演算法從資料中「自動學習」出規則，而不是由人類設計模型後再去「建立」規則。看到人為建立規則即為錯誤敘述。