iPAS 備考專區 登入

iPAS AI 應用規劃師 初級 科目二 生成式 AI 應用與規劃・115 年第一次・L12・第 44 題

智慧工廠語音 AI 改善,要先修哪裡?

原題

某智慧製造廠導入語音互動 AI 助理,作業人員可透過語音查詢設備狀態與操作指引。系統流程包含語音轉文字、語言模型生成回覆,以及即時查詢內部系統資料。測試結果顯示:語音轉文字在專業設備術語上錯誤率偏高;語言模型回覆偶有內容不夠精準;系統整體回應速度略慢但仍在可接受範圍。若專案目標為優先確保正確執行指令,下列改善措施的執行順序何者最合理?

白話

智慧製造廠導入語音 AI 助理,讓作業人員用語音查詢設備狀態和操作指引。系統的流程是:語音轉文字 → 語言模型生成回覆 → 查詢內部系統資料。

測試發現三個問題:語音辨識在專業設備術語上錯誤率偏高、語言模型回覆偶有不夠精準、整體速度略慢但在可接受範圍。專案的最高目標是「優先確保正確執行指令」。

問你:針對這三個問題,依照「確保指令正確執行」的優先目標,改善措施的執行順序應該怎麼排?

一句話總結

系統流程是「語音→文字→語言模型→回覆」,確保指令正確的第一步是讓語音辨識聽對;正確的改善順序:先強化語音模型,再優化語言模型與知識補充,再調整生成參數,最後才做速度優化。

情境

先感受問題:工廠裡說錯一個詞,機器就動錯了

「精鑄工業」在 CNC 加工廠導入了語音 AI 助理「鑄聲」,讓機台操作員可以邊工作邊語音查詢:「查一下 5 號機的進給速率」「顯示目前主軸轉速設定」「這個錯誤碼 E-247 代表什麼」。

測試三週後,工程師陳建豐整理出三個問題:第一,語音辨識在專業術語上錯誤率達 18%,「進給速率」常被聽成「進退速率」、「主軸」常被聽成「主線」;第二,語言模型的回覆有時候對設備規格描述不夠準確;第三,系統有時候要 2-3 秒才回應,但操作員說這還可以接受。

管理層要求:「先確保指令執行正確,速度次之。」陳建豐必須決定改善的先後順序。他想了一下:如果語音辨識把「查進給速率」聽成「查進退速率」,後面的語言模型不管再精準,也會回答一個錯誤的問題。輸入錯了,輸出必然跟著錯。要從源頭修起。

舊方法

錯誤的改善順序會帶來什麼問題

如果不按正確優先順序處理,可能出現這些困境:

  1. 先修語言模型卻沒修語音辨識:語言模型回答更精準了,但語音辨識還是把「進給速率」聽成「進退速率」,結果是「精準地回答了錯誤的問題」,指令正確率完全沒有改善
  2. 先優化速度:把 2-3 秒的回應時間縮到 1 秒,但指令理解還是錯的,等於「更快地給出錯誤答案」,不符合目標
  3. 先調整生成參數:調整 temperature、top-p 等生成設定,改變的是回覆的風格和隨機性,根本不影響語音辨識錯誤率或知識準確性
  4. 改善沒有依賴鏈分析:系統是流水線(語音→文字→模型→回覆),上游的錯誤會傳播到所有下游環節,不從上游修起等於事倍功半
  5. 把「可接受」的問題排優先:速度「仍在可接受範圍」,題目已明示這不是主要瓶頸,卻誤判成優先項目

改善順序搞錯,不只浪費工程資源,還可能讓工廠誤以為問題已解決,繼續帶著錯誤的系統運作。

新方法

按照系統流水線和目標優先順序來排

陳建豐決定按照系統流水線的上游到下游,結合問題嚴重程度排定順序。

第一步:強化語音模型。語音辨識是整個流程的入口,術語錯誤率 18% 是明確的嚴重問題,而且是最上游的。優先收集工廠專業術語詞庫,對語音辨識模型進行領域微調(Fine-tuning),讓它認識「進給速率」「主軸轉速」「錯誤碼」這些製造業術語。

第二步:優化語言模型與知識補充。語音辨識修好後,接著處理語言模型回覆不夠精準的問題。補充設備手冊、操作規程等企業知識(可透過 RAG 導入),讓模型能準確回答設備相關問題。

第三步:調整生成參數。知識補充後,再微調 temperature 等參數,讓回覆的風格更適合工廠作業場景(例如更簡潔、更直接)。

第四步:優化系統效能。速度問題目前可接受,最後再優化。前三步反而可能因為模型更精準而略微增加延遲,確認前三步穩定後再統一優化效能。

這就是選項 B 講的:強化語音模型 → 優化語言模型與知識補充 → 調整生成參數 → 優化系統效能,從上游到下游,按照「最影響指令正確性」的順序處理。

錯選項

為什麼其他選項是錯的

A優化語言模型 → 強化語音模型 → 優化系統效能 → 調整生成參數

字面在說什麼

先讓語言模型更準,再修語音辨識,再改速度,最後調生成參數。

為什麼不對

把語言模型排在語音辨識前面,違反了依賴鏈邏輯。語音辨識是上游,錯誤率高的問題沒解決,語言模型做得再好,都是在「精準地回應錯誤的輸入」,無法達到「正確執行指令」的目標。

誰會選錯

直覺認為語言模型是 AI 系統的「大腦」、最重要所以先改的人。語言模型雖然是核心,但在流水線中它依賴語音辨識的輸出,源頭不修等於白費。

C優化系統效能 → 強化語音模型 → 優化語言模型與知識補充 → 調整生成參數

字面在說什麼

先把速度問題解決,再依序修語音辨識和語言模型。

為什麼不對

速度問題題目已明確說「仍在可接受範圍」,把它排第一完全不符合「優先確保正確執行指令」的目標。這是典型的「先修容易的而不是先修重要的」錯誤。

誰會選錯

把「使用者體驗問題(速度)」放在優先順序前面的人,或誤以為速度影響準確性的人。速度和準確性是兩個獨立維度,本題目標是準確性。

D強化語音模型 → 優化系統效能 → 優化語言模型與知識補充 → 調整生成參數

字面在說什麼

先修語音辨識,再修速度,再修語言模型,最後調生成參數。

為什麼不對

第一步對了(先修語音辨識),但第二步跑去優化系統效能,把「可接受的速度問題」插到「未解決的語言模型精準度問題」前面。語言模型回覆不夠精準仍直接影響指令正確性,應優先於速度優化。

誰會選錯

第一步選對了但後面順序猶豫的人,或把 D 和 B 搞混的人。兩個選項差在第二步:D 先速度、B 先語言模型,而語言模型精準度比速度更直接影響指令正確性。

變形題

同個考點下次怎麼變形

延伸

想再往下看,這 5 個

答案、題目或解析有問題?回報這題

出處:iPAS 經濟部產業人才能力鑑定 ・ 115 年第一次 iPAS AI 應用規劃師 初級 科目二 生成式 AI 應用與規劃 第 44 題

看官方原文 PDF

原題 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。