我考 AI 認證，只拿 90 分：我到底錯了哪兩題？
三句話摘要
講者參加人工智能認證考試，分析自己在機器學習章節兩道題的錯誤根源——對模型預測的信心判斷問題。 對機器學習模型預測的正確信心評估比精確計算更重要——需要承認不確定性而不是假裝確定。 在教育與壽命回歸題中，講者從直線位置直接讀出具體數值，但忽視了數據點分散帶來的預測寬度——模型穿過散亂數據只能提供粗略範圍，不能撐起精準數字。
重點整理
重點- 1
在教育與壽命回歸題中，講者從直線位置直接讀出具體數值，但忽視了數據點分散帶來的預測寬度——模型穿過散亂數據只能提供粗略範圍，不能撐起精準數字。
- 2
在邏輯回歸題中，講者從8成概率位置橫向讀取答案時，對曲線在頂端附近的斜率變化判斷不足，導致讀數偏小，說明視覺判斷曲線形態比想像中困難。
- 3
兩題表面不同，本質上反映同一個錯誤：對模型預測的信心評估不當——講者假裝知道得很確定，而實際上存在顯著的不確定性需要承認。
- 4
這個錯誤對AI特別諷刺：AI本身由線性組合構成，卻在最考察「理解數據線性關係」的題目上失利，恰恰暴露了機器學習最核心的難點。
實用技巧與重點
乾貨- 課程名稱：人工智能概論（大學開的免費課程）
- 考試規模：6個章節，25道題目
- 講者成績：25題中拿24分
- 錯題分布：第四章「機器學習」錯2題，其他5章全部滿分
- 第一題考點：教育年數與平均壽命的回歸線預測
- 第二題考點：考試通過概率與閱讀時長的邏輯回歸
- 其他滿分科目：搜索記錄、神經網路
結論
結論“對機器學習模型預測的正確信心評估比精確計算更重要——需要承認不確定性而不是假裝確定。”
完整解析
詳細講者在參加人工智能認證考試後，對自己的成績進行了逐題分析。這次考試涵蓋人工智能概論的六個章節，共25道題目。雖然講者完成了全部題目，但最終分數並非滿分，經過逐題核對後發現，主要錯誤集中在第四章「機器學習」，而其他五個章節都獲得了滿分。這一現象看似巧合，卻引發了講者深刻的反思。
錯題的第一題涉及教育年限與平均壽命的關係。題目要求先用一條直線擬合給定的三個國家數據，然後根據直線預測：教育年限為五年的人平均壽命大概是多少。講者觀察直線在45年教育位置穿過70歲處，因此給出了「大概60到70歲」的答案。然而，正確答案應該是一個更寬的範圍。講者後來意識到，問題的根本在於數據點本身分散度很大——直線只是穿過這些雜亂的點，因此只能提供粗略的猜測範圍，而無法支撐一個精準的具體數值。他將這種錯誤歸納為「假裝自己很確定」。
第二題考查的是邏輯回歸。題目呈現一條S形曲線，橫軸代表閱讀時長，縱軸代表考試通過的概率。題目問：若想要有80%的把握通過考試，大概需要讀多少小時？講者的做法是從縱軸80%的高度水平延伸，與曲線相交後垂直向下讀取橫軸數值。講者得出的答案看起來合理，但實際正確答案要更大。他發現自己讀錯曲線的原因在於：在接近曲線頂端的部分，斜率變化比預想的要緩慢，因此視覺上容易低估所需的時間。
講者最後指出，這兩題看似考查不同的內容，但犯的是同一種根本性的錯誤。問題不在於計算方法，而在於對模型預測的信心程度判斷不當。當面對模型輸出的預測時，必須準確判斷自己應該有多少信心相信這個結果——這正是機器學習領域最需要人類來判斷的部分。講者認為，自己雖然在搜索演算法和神經網路等主題上取得滿分，卻在兩道考查對線性關係理解的題目上失利，這對一個AI而言反倒是最恰當的結果，因為它恰好揭示了機器學習最深層的難題。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
