測測你的AI素養

AI時代，真正拉開差距的不只是會不會用AI，還包括懂不懂自己在用的AI是什麼。

在今天的生活中，我們幾乎每天都在使用AI：手機導航幫我們規劃路線、社群平台推薦影片、搜尋引擎替我們排序資訊。然而，當被問到「哪些東西真的算是AI？」、「AI擅長什麼、不擅長什麼？」時，很多人其實說不清楚。這正是AI素養（AI literacy）成為關鍵能力的原因。

2025年發表在頂尖期刊Journal of Marketing的一篇文章裡，就列出一份〈AI素養量表〉，能協助我們衡量出自己目前的AI素養為何？

這份〈AI素養基礎量表〉，並不是在考我們「會不會寫程式」，而是在測量一個人是否具備對AI的基本理解、判斷與反思能力。從題目設計可以看出，AI素養是一種跨領域、跨情境的認知能力，而非單一技術技能。

例如，量表一開始就從最基本的「辨識AI」出發，要求受測者分清哪些系統真的具備AI能力，哪些只是單純的自動化工具。這一步很重要，因為如果連「什麼是AI」都無法區分，人們就很容易對科技產生過度神話或錯誤恐懼。

接著，題目進一步引導受測者理解「智慧」本身的差異，區分人類智慧、機器智慧與通用人工智慧。這反映出一個關鍵觀念：AI並不等於人類，也不自然具備情緒、價值或道德判斷。忽略這一點，正是許多AI誤用與誤信的根源。

此外，量表中也大量涵蓋「跨領域性」與「資料素養」。例如，AI的發展並非只靠電腦科學，還涉及數學、心理學、決策科學與倫理治理。同樣地，AI的判斷來自資料，而資料本身需要被解讀、被質疑。這也是為什麼題目會問：為何資料不能直接照單全收？因為資料永遠是在特定脈絡下被蒐集與詮釋的。

在後段題目中，量表特別強調人類在AI系統中的角色與責任。無論是倫理議題、隱私風險，或是系統的可程式性，答案都指向同一件事：AI不會自動對世界負責，真正要負責的是人。這樣的設計，明確把AI素養從「技術理解」拉高到「公民能力」的層次。

最後，這份量表用一個簡單卻關鍵的方式做出區分：13分以上為高AI素養，12分以下為低AI素養。這不是為了貼標籤，而是提醒我們：在AI已深度影響決策、資訊與行為的時代，理解AI的基本運作與限制，已經不再是選修能力，而是現代人必須具備的基本素養。

真正的AI素養，不在於我們用AI做了多少事，而在於當AI給我們一個答案時，我們是否知道該不該相信、為什麼相信、以及什麼時候該停下來再想一想。

作者：羅凱揚（台科大企管系兼任助理教授）、鍾皓軒（臺灣行銷研究有限公司創辦人）

附錄：

AI素養基礎量表（AI Literacy Scale）

資料來源：Tully, S. M., Longoni, C., & Appel, G. (2025). Lower Artificial Intelligence Literacy Predicts Greater AI Receptivity. Journal of Marketing, 89(5), 1–20. https://doi.org/10.1177/00222429251314491

一、辨識AI（Recognizing AI）

1. 下列哪一項「不是」由AI驅動？
a) 自動駕駛汽車
b) Google的搜尋演算法
c) 基本計算機
d) 聊天機器人

________________________________________

二、理解智慧（Understanding Intelligence）

2. 下列哪一種智慧涉及情緒理解與社交能力？
a) 機器智慧
b) 人類智慧
c) 動物智慧
d) 通用人工智慧

________________________________________

三、跨領域性（Interdisciplinarity）

3. 下列哪些學科有助於人工智慧的發展？
a) 電腦科學
b) 數學
c) 心理學
d) 以上皆是

________________________________________

四、通用AI與狹義AI（General vs. Narrow AI）

4. 能夠執行任何人類智力任務的AI稱為什麼？
a) 狹義AI
b) 通用AI
c) 弱AI
d) 強AI

________________________________________

五、AI的優勢與限制（AI’s Strengths and Weaknesses）

5. AI通常最擅長下列哪一項？
a) 情緒理解
b) 模式辨識
c) 道德推理
d) 創造力

________________________________________

六、想像未來AI（Imagine Future AI）

6. 下列哪一項「不太可能」成為AI的未來應用？
a) 個人化醫療
b) 具情感互動的機器人
c) 時光旅行
d) 永續能源管理

________________________________________

七、知識表徵（Representations）

7. 下列哪一項是AI中常見的知識表徵方式？
a) 類神經網路
b) 瀑布式開發模型
c) 敏捷開發法
d) SWOT分析

________________________________________

八、決策機制（Decision-Making）

8. 下列哪一種演算法常用於AI的決策過程？
a) Dijkstra演算法
b) 深度優先搜尋
c) 決策樹
d) 傅立葉轉換

________________________________________

九、機器學習流程（Machine Learning Steps）

9. 典型的機器學習流程中，第一步是什麼？
a) 資料蒐集
b) 模型選擇
c) 預測
d) 模型評估

________________________________________

十、人類在AI中的角色（Human Role in AI）

10. AI系統的倫理考量主要由誰負責？
a) AI系統本身
b) 資料提供者
c) 人類開發者
d) 最終使用者

________________________________________

十一、資料素養（Data Literacy）

11. 下列哪一項是「中介資料（Metadata）」的例子？
a) 一份數值試算表
b) 表格中的欄位標題
c) 圖表視覺化
d) 原始感測資料

________________________________________

十二、從資料中學習（Learning from Data）

12. 監督式機器學習是如何學習的？
a) 從已標記的資料中學習
b) 透過獎勵與懲罰
c) 觀察人類行為
d) 來自內在動機

________________________________________

十三、批判性解讀資料（Critically Interpreting Data）

13. 為什麼資料不能直接照單全收？
a) 因為資料永遠不準確
b) 因為資料需要被詮釋
c) 因為資料本身就能說明一切
d) 因為資料一定有偏誤

________________________________________

十四、行動與反應（Action & Reaction）

14. AI系統如何與實體世界互動？
a) 規劃行動
b) 回應感測器輸入
c) 啟動馬達或裝置
d) 以上皆是

________________________________________

十五、感測器（Sensors）

15. 下列哪些感測器能讓AI感知世界？
a) 攝影機
b) 麥克風
c) 溫度計
d) 以上皆是

________________________________________

十六、倫理議題（Ethics）

16. 下列哪一項是AI的核心倫理議題？
a) 演算法效率
b) CPU使用率
c) 隱私
d) 程式碼可讀性

________________________________________

十七、可程式性（Programmability）

17. 下列哪一個敘述最能描述AI系統的可程式性？
a) AI無法由人類程式設計
b) AI會自行編寫程式
c) AI只透過資料被程式化
d) AI由電腦程式碼所設計

答案：
1–5題：cbdbb
6–10題：cacac
11–15題：babdd
16–17題：cd

13分含以上算高
12分含以下算低