某製造業工廠規劃導入 AI 監控系統，持續分析設備感測數據（如溫度、震動與壓力）。系統需能在缺乏完整異常標註資料的情況下，辨識與一般運作型態顯著不同的狀態，並發出預警。在此需求下，下列何種技術較為適合？
答案 （C）
核心概念
工業異常偵測的最大困難是「異常樣本極少甚至沒有標註」。這時候最有效的策略是換個角度——不去學異常長什麼樣，改成只用正常資料訓練模型，讓它學會完整重建「正常」的樣態。上線後，正常資料重建誤差小、異常資料因為模型沒學過而重建誤差大，設個門檻就能發出預警。這種做法屬於單類別／半監督式異常偵測，完全不需要異常標註。
答題技巧
快速判斷技巧：看到「缺乏異常標註」「異常極稀少」，答案一律往「只學正常」的方法找——自編碼器／VAE 重建誤差、One-Class SVM、Isolation Forest。凡是需要兩類標籤的監督式方法先刪。
易錯陷阱：本題與 114-4 科目 1 第 33 題（工業物聯網預測性維護）是同一個考點的不同包裝，可以一起記。共同原則：異常偵測缺標籤時，建立「正常的樣貌」比追逐「異常的樣貌」更可行。