AI 技術與產業領域配對哪個正確？
下列哪一項「AI 技術應用與產業領域」的對應最為恰當？
四組「AI 做的事 ＋ 產業標籤」配對，其中有一組應用場景和產業標籤是對得上的，其他三組則對不上。
問你：哪一項「AI 技術應用與產業領域」的對應最為恰當？
一句話總結
設備故障預測與預防性維護對應智慧製造，這是工廠用 AI 守護機器設備健康的核心場景，其他三個選項都是應用場景跟產業標籤對不上。
先感受問題：工廠設備壞了很貴，AI 能事先預警嗎？
「台灣精密機械」的廠長林志遠最怕的就是：生產線上的 CNC 工具機突然停機，一停就是幾十萬損失，還要等備料和工程師。
他的工廠導入 AI 感測系統後，設備上的溫度、震動、電流感測器每秒回傳數據。AI 模型分析這些數據，提前 72 小時預測「3 號機台的軸承快要壞了」，讓工程師在週末排班換零件，不影響週一正常產線。
這就是「設備故障預測與預防性維護」，是 AI 在製造業最典型的應用場景。產業標籤：智慧製造。
沒有 AI 預測維護，工廠怎麼管設備？
傳統工廠的設備管理方式有幾種，但各有問題：
- 定期保養：每三個月換一次機油，不管機器狀況好不好，浪費材料也可能錯過突發故障
- 壞了再修（Reactive Maintenance）：等到機器停了才動手，損失最大，緊急備料又貴
- 人工巡線：工程師每天用耳朵聽、用手摸判斷異常，主觀且耗人力，還有夜班死角
- 經驗法則：老師傅憑經驗說「這台機器怪怪的」，但老師傅退休就失傳了
- 過度備料：怕斷料就囤大量零件，佔用庫存成本
這些方法要嘛反應太慢、要嘛成本太高，AI 預測維護才是根本解法。
智慧製造：AI 怎麼做設備故障預測
林志遠工廠的 AI 系統做的事分三層：
第一層：數據收集。在機台上裝上 IoT 感測器，持續收集溫度、震動頻率、電流消耗、加工精度等數據，形成每台機器的「健康紀錄」。
第二層：異常偵測。AI 模型學習「正常運作時的數據長什麼樣」，一旦偵測到偏離正常範圍的訊號，就標記為潛在故障前兆。
第三層：預測與排程。模型預測「這個偏差再繼續發展，X 天後會達到需要更換的臨界點」，自動產生維護工單，讓工程師在停機成本最低的時間排班處理。
這整套流程屬於「預防性維護（Predictive Maintenance）」，是 AI 在製造業最成熟、ROI 最明確的應用。
這就是選項 B 講的：使用 AI 進行設備故障預測與預防性維護，對應的正是智慧製造（Smart Manufacturing）產業。
技術版：AI 在四大產業的核心應用場景地圖
iPAS 常考「AI 應用場景跟產業配對」，以下是四個主要產業的 AI 核心應用，考試前背起來：
智慧製造（Smart Manufacturing）：設備預測維護、產品瑕疵檢測（電腦視覺）、生產排程優化、供應鏈預測、機器人自動化。核心數據：感測器時序數據、影像。
智慧醫療（Smart Healthcare）：醫學影像診斷（X 光、CT）、疾病風險預測、藥物研發、電子病歷分析、遠距診療輔助。核心數據：影像、結構化病歷、基因序列。
金融服務業（Financial Services）：信用評分、詐欺偵測、演算法交易、客戶風險分析、法規遵循自動化。核心數據：交易記錄、市場數據、客戶行為。
智慧交通（Smart Transportation）：自動駕駛、交通流量預測、路況異常偵測、公共運輸排班優化、停車場管理。核心數據：車輛感測、攝影機影像、GPS 軌跡。
為什麼出題者考配對題：AI 應用規劃師在提案時，必須能快速判斷客戶所在產業的 AI 應用成熟度和典型場景。說錯了會顯得不了解行業，直接失去客戶信任。
為什麼其他選項是錯的
A利用 AI 分析商場顧客購買紀錄以預測股票市場波動：智慧交通
用零售消費數據預測股市，標籤是「智慧交通」。
雙重錯誤：第一，消費數據預測股市是金融分析的應用，不是交通；第二，「智慧交通」的 AI 應用是交通流量、自動駕駛、號誌優化，跟購物記錄完全無關。
看到「購買紀錄」和「預測」就覺得合理、沒仔細看產業標籤的人。每個選項要同時對照「AI 應用」跟「產業標籤」兩個部分。
C以 AI 模型融合即時氣象資料與乘客消費行為特徵，推薦會員升級優惠方案：智慧醫療
用天氣加消費行為推薦優惠，標籤是「智慧醫療」。
氣象加消費推薦優惠，這是零售電商或航空旅遊業的行銷 AI 場景，完全不是醫療。智慧醫療的 AI 在做醫學影像診斷、疾病預測，不是推薦優惠方案。
只看到「推薦」和「AI 模型」就覺得是高科技、然後隨便配一個產業的人。
D利用 AI 分析社群媒體互動以提升臨床診斷準確度：金融服務業
用社群媒體數據輔助臨床診斷，標籤是「金融服務業」。
「臨床診斷」是醫療行為，這個應用場景屬於智慧醫療。金融服務業的 AI 在做信用評分、詐欺偵測，不是臨床診斷。應用和產業都貼錯了標籤。
考試壓力下來不及慢慢讀完每個選項的人，只看前半段「社群媒體分析」就以為是金融科技。
同個考點下次怎麼變形
預防性維護（Predictive Maintenance）和定期保養（Preventive Maintenance）有什麼不同？
兩個都是「維護」，感覺差不多？
定期保養是按時間表保養，不管設備狀況好不好（可能浪費，也可能錯過突發故障）。預測性維護是依設備實際狀況預測需求，AI 分析感測數據後在真正需要時才維護，精準又省成本。
「智慧醫療」和「精準醫療」的 AI 應用有何差異？
兩個都跟醫療有關，是同一件事嗎？
智慧醫療是廣義概念，涵蓋 AI 在醫療體系的各種應用（影像診斷、掛號排程、遠距照護）。精準醫療（Precision Medicine）特指依個人基因和生理數據客製化治療方案，是智慧醫療的一個子集，需要基因定序和生物資訊分析。
金融業的 AI 詐欺偵測（Fraud Detection）主要用什麼技術？
詐欺行為很難預測，AI 怎麼抓？
主要用異常偵測（Anomaly Detection）：AI 學習正常交易的模式，偵測偏離正常的行為（如異地刷卡、短時間大量消費）。常用技術包括隨機森林、神經網路和圖神經網路（分析詐欺集團的關係網絡）。即時性要求高，通常需要毫秒內判斷。
自動駕駛車屬於智慧交通，但它同時用了哪幾種 AI 技術？
自動駕駛是單一 AI 技術嗎？
自動駕駛是多種 AI 技術的整合：電腦視覺（識別行人、車輛、號誌）、感測器融合（整合攝影機、雷達、LiDAR）、路徑規劃（強化學習或搜尋演算法）、自然語言處理（語音指令）。是目前最複雜的 AI 應用系統之一。
某家醫院想用 AI 優化掛號排程和床位調度，這屬於智慧醫療的哪個子類？
排程和床位是行政管理，算智慧醫療嗎？
屬於醫院營運智慧化，是智慧醫療的一部分。不是所有智慧醫療都在做診斷，優化院內流程（減少候診、提高床位使用率、自動排班）也是重要應用。AI 用的技術：時序預測、資源排程優化（Operations Research + ML）。
想再往下看，這 5 個
- 異常偵測（Anomaly Detection）智慧製造的核心 AI 技術，學習設備正常運作模式後識別偏離狀態，是預測性維護的技術基礎
- 電腦視覺（Computer Vision）讓 AI 理解圖像與影片的技術，在製造業用於瑕疵檢測，在醫療業用於影像診斷，是跨產業通用能力
- 詐欺偵測（Fraud Detection）金融服務業的核心 AI 應用，透過異常偵測識別可疑交易，與製造業的設備監控同屬異常偵測賽道
- 預測性分析（Predictive Analytics）用 AI 從歷史數據預測未來結果，設備故障預測和金融風險評估均屬此類，是跨產業的共用 AI 能力
- 自動駕駛技術（Autonomous Driving）智慧交通的代表性 AI 應用，整合電腦視覺、感測器融合、強化學習，是智慧交通產業的旗艦場景