一、經典人工智慧問題（搜尋與規劃）

這類題目適合想展示搜尋演算法與問題求解能力的學生。

初階

八數碼拼圖（8-Puzzle Solver）：使用 BFS、DFS、A* 搜尋最短步驟。

迷宮求解與生成：用 DFS/BFS/A* 找出最短路徑，並可視覺化動畫。

自動倉庫機器人路徑規劃：模擬多機器人避障與路線分配。

進階

3-SAT 問題求解器：用 DFS、Best-First Search、A* 比較效能。

旅行推銷員問題（TSP）：以 Hill Climbing、Simulated Annealing、Genetic Algorithm 求解。

數獨求解 AI：結合 Constraint Propagation + Backtracking。

二、機器學習與深度學習應用

若課程允許使用 ML/DL，可考慮下列主題。

初階

手寫數字辨識（MNIST）：用神經網路或 CNN。

垃圾郵件分類：使用 Naïve Bayes 或 SVM。

股票價格趨勢預測：簡單線性回歸或 LSTM。

進階

影像辨識 AI 助手：用 CNN 分類貓狗、食物或交通標誌。

語音情緒辨識：利用 MFCC + 深度神經網路。

GAN 圖像生成：用簡化版 GAN 生成人臉或動漫圖像。

三、強化學習與智能代理（Reinforcement Learning）

展示 AI 學習與策略的題目。

智能小車導航：用 Q-Learning 學會避障與到達目標。

Flappy Bird AI：用 Deep Q-Network (DQN) 玩遊戲。

迷宮強化學習代理：比較 Q-Learning 與 SARSA。

自動走迷宮老鼠：RL 學習最佳路徑（結合視覺化）。

四、自然語言處理（NLP）

若對語言或聊天機器人有興趣：

情感分析器：對中文/英文評論分類正面或負面。

簡易聊天機器人：基於意圖分類或規則回應。

自動摘要生成：抽取式或生成式摘要新聞。

文字糾錯系統：利用語言模型進行拼寫修正。

五、創意型/綜合應用題

適合展示創意與整合能力：

AI 畫家：用生成模型根據提示畫畫。

智慧校園導覽機器人：結合 NLP + Pathfinding。

AI 對戰遊戲（五子棋 / 井字棋 / 黑白棋）：用 Minimax + Alpha-Beta Pruning。

AI 音樂生成器：根據節奏與情感生成旋律。