30. 在 AI 應用中，「可解釋性（Explainability）」的主要目的為何？ (A) 讓程式碼更容易編寫 (B) 降低硬體成本 (C) 讓人類理解模型做出決策的理由與依據 (D) 增加訓練資料量

35. 關於「訓練資料去識別化」與生成式 AI 的隱私風險，下列敘述何者較為正確？ (A) 只要移除姓名和身分證字號，就等同於完全匿名化，不再有隱私風險。 (B) 假名化（pseudonymization）與匿名化（anonymization）在法律與技術上效果相同 (C) 即使刪除直接識別資訊，若保留地址、職業、時間戳等多欄位特徵，仍可能被重識別並透過模型輸出洩露個資。 (D) 一旦資料用於訓練生成式模型，就無法再對個人造成隱私威脅。