北大 112 年資管所 計算機概論 參考答案

1. 聲學回授：遠端的聲音由研討室喇叭播出，又被筆電麥克風收進去傳回遠端。
2. 回音消除失效：聲音經無線投放、投影機、擴大機才由喇叭播出，延遲大且不固定，筆電上的回音消除（AEC）參考訊號對不上，扣不掉回音。
3. 無線投放延遲：投影機只支援 802.11 n，投放需編碼、傳輸、解碼與緩衝，加上網路延遲，回音約晚 1 秒。
4. 室內其他已加入會議的裝置沒關麥克風與喇叭，同樣把遠端聲音收進去再送出。

(1) 重要性：從分類預測延伸到直接產生影像、文字與音訊；一個預訓練模型可用於多種任務；跨模態讓一般人也能製作內容。

(2) 定義：學習訓練資料的機率分布，並取樣產生相似但非複製之新內容的 AI 模型。

(3) 企業應用：客服與知識管理（檢索增強生成 RAG）、行銷文案與素材、程式碼產生、文件摘要與翻譯、研發設計。

(4) 運作與關鍵技術：文字以 Transformer 逐一預測下一個 token；影像以擴散模型逐步去噪或生成對抗網路（GAN）對抗訓練；音訊以語音合成或音訊擴散模型。

(5) 開發階段：資料收集與清理 → 預訓練（自監督）→ 微調與對齊（監督式微調 SFT、人類回饋強化學習 RLHF）→ 評估 → 部署與監控。

(1) 重要性：維護資訊環境與民主決策、學術誠信、創作者權益，防範深偽詐騙；對應聯合國永續發展目標（SDG）4 與 16。

(2) 方法：

1. 統計特徵：AI 文字的困惑度（perplexity）低、句間變化程度（burstiness）小。
2. 監督式分類器：以人類與 AI 樣本訓練分類模型。
3. 浮水印：生成時嵌入訊號，以金鑰偵測。
4. 內容來源證明：以 C2PA（Coalition for Content Provenance and Authenticity）標準附上簽章的來源與編輯紀錄。
5. 影像與音訊鑑識：偵測生成痕跡。

(3) 提高準確度：結合多種方法、依領域校正、隨新模型持續更新、以機率呈現並保留人工審查。

(1) 相同：都以可衡量的指標追蹤績效、與組織策略一致並定期檢視。

(2) 相異：