Artificial Intelligence in Hindi: कृत्रिम बुद्धिमत्ता (AI), मशीन लर्निंग और बिग डेटा

Quick Answer: Artificial Intelligence in Hindi: आर्टिफिशियल इंटेलिजेंस (AI) computer science की वह शाखा है जो मशीनों को इंसानी बुद्धि की तरह सोचने, सीखने, निर्णय लेने और समस्या सुलझाने में सक्षम बनाती है। मशीन लर्निंग (ML) AI का एक उप-समूह है जो data से सीखकर बिना स्पष्ट programming के भविष्यवाणियां करता है। डीप लर्निंग (DL) मानव मस्तिष्क के न्यूरॉन्स से प्रेरित आर्टिफिशियल न्यूरल network (ANN) पर आधारित है। बिग data के 5 V (Volume, Velocity, Variety, Veracity, Value) विशाल डेटासेट के विश्लेषण को दर्शाते हैं। 7 मार्च 2024 को केंद्रीय मंत्रिमंडल ने 5 साल के लिए करीब 10,372 करोड़ रुपये (₹10,371.92 करोड़) के IndiaAI मिशन को मंजूरी दी।

1. AI, मशीन लर्निंग और डीप लर्निंग में मूल अंतर (Hierarchy of AI, ML & DL)

आधुनिक 4th इंडस्ट्रियल रिवोल्यूशन में कृत्रिम बुद्धिमत्ता (Artificial Intelligence - AI) सबसे प्रभावशाली तकनीक बनकर उभरी है। जॉन मैकार्थी को AI का जनक माना जाता है; उन्होंने 1955 के एक proposal में 'Artificial Intelligence' शब्द दिया और 1956 की डार्टमाउथ workshop से AI एक अलग field के रूप में शुरू हुआ। AI, ML और Deep Learning के बीच पदानुक्रमिक संबंध को एक के भीतर दूसरे संकेंद्रित वृत्तों (Concentric Circles) के रूप में समझा जा सकता है:

AI को क्षमता के आधार पर तीन चरणों में बांटा जाता है: Narrow AI (Weak AI) जो किसी एक विशिष्ट काम में माहिर होती है (आज का सारा AI इसी श्रेणी में है); General AI (Strong AI) जो इंसान के बराबर हर बौद्धिक काम कर सके; और Super AI जो मानव बुद्धिमत्ता से कहीं आगे निकल जाए।

2. मशीन लर्निंग के प्रमुख प्रकार और सीखने की पद्धतियां (Machine Learning Paradigms)

मशीनें data से किस तरह सीखती हैं, इसके आधार पर ML को मुख्य रूप से तीन प्रकारों में बांटा जाता है:

1. सुपरवाइज्ड लर्निंग (Supervised Learning): इसमें मॉडल को लेबल्ड data (Labeled Data) दिया जाता है, यानी इनपुट के साथ उसका सही उत्तर (ग्राउंड ट्रुथ) पहले से पता होता है। इसके दो मुख्य भाग हैं:
   • वर्गीकरण (Classification): श्रेणियों में बांटना (जैसे ईमेल स्पैम है या नहीं, ट्यूमर मैलिग्नेंट है या बिनाइन)। प्रमुख algorithm: Logistic Regression, Decision Tree, Random Forest, Support Vector Machine (SVM)।
   • प्रतिगमन (Regression): सतत संख्यात्मक मान का अनुमान लगाना (जैसे मकान की कीमत, तापमान या शेयर मूल्य का अनुमान)।
2. अनसुपरवाइज्ड लर्निंग (Unsupervised Learning): इसमें data लेबल्ड नहीं होता। मॉडल खुद data के भीतर छिपे पैटर्न और समानताओं को खोजता है।
   • क्लस्टरिंग (Clustering): समान विशेषताओं वाले ग्राहकों का समूह बनाना (K-Means Clustering)।
   • डायमेंशनलिटी रिडक्शन: बड़े डेटासेट से गैर-जरूरी चरों को हटाना (Principal Component Analysis - PCA)।
3. रीइंफोर्समेंट लर्निंग (Reinforcement Learning): इसमें कोई एजेंट वातावरण के साथ अंतःक्रिया करके गलतियों और सफलताओं (Trial and Error) से सीखता है। सही निर्णय पर उसे रिवॉर्ड (पुरस्कार) और गलत पर पेनल्टी (दंड) मिलता है। गूगल DeepMind का AlphaGo (जिसमें reinforcement learning का बड़ा हिस्सा है) और रोबोटिक navigation इसके उदाहरण हैं।

3. बिग data की अवधारणा और 5 V (Concept of Big Data & The 5 Vs)

आधुनिक समय में रोजाना सोशल मीडिया, सेंसर्स, सीसीटीवी, स्मार्ट मीटर और वित्तीय लेन-देन से भारी मात्रा में data उत्पन्न हो रहा है जिसे पारंपरिक डेटाबेस संभाल नहीं सकते। इसे बिग data कहा जाता है। बिग data की पहचान 5 V से होती है:

4. भारत सरकार का IndiaAI मिशन और राष्ट्रीय AI पहलें (IndiaAI Mission 2024)

7 मार्च 2024 को केंद्रीय मंत्रिमंडल ने 5 साल के लिए ₹10,371.92 करोड़ (करीब 10,372 करोड़) के IndiaAI मिशन को मंजूरी दी। इसे MeitY के तहत Digital India Corporation का 'IndiaAI Independent Business Division' चलाता है। मिशन के 7 pillar हैं: Compute Capacity, Innovation Centre, Datasets Platform, Application Development, FutureSkills, Startup Financing और Safe & Trusted AI। मुख्य बातें:

• Compute Capacity: मूल लक्ष्य PPP model से 10,000 या ज्यादा GPUs की साझा compute सुविधा था। मार्च 2026 में संसद में बताया गया कि 38,000 से ज्यादा GPUs (38,231) जोड़े जा चुके हैं, जो startups और researchers को सस्ती दर पर मिलते हैं। यह सबसे बड़ा हिस्सा है (करीब ₹4,563 करोड़)।
• IndiaAI इनोवेशन सेंटर: स्वदेशी लार्ज लैंग्वेज मॉडल (Foundational LLMs) और भारतीय संदर्भ के बहु-मॉडल AI का विकास करना।
• IndiaAI Datasets Platform (AIKosh): researchers और startups के लिए गैर-व्यक्तिगत सरकारी और research datasets का साझा भंडार।
• Safe & Trusted AI: AI के जोखिम (bias, deepfake) कम करने के tools और नियम।

IndiaAI मिशन से अलग, पर जुड़ी पहलें:

• भाषिणी (Bhashini): राष्ट्रीय भाषा अनुवाद मिशन, जुलाई 2022 में Digital India Week में शुरू; MeitY का Digital India Bhashini Division चलाता है। लक्ष्य: AI से 22 अनुसूचित भाषाओं में अनुवाद और voice सेवाएं।
• ऐरावत (AIRAWAT): C-DAC पुणे में लगा AI supercomputer, जो 2023 की 61वीं Top500 list में दुनिया में 75वें स्थान पर रहा था (बाद की lists में नीचे आया)।
• NITI आयोग की नीति: जून 2018 की 'National Strategy for Artificial Intelligence' (#AIForAll), जिसमें स्वास्थ्य, कृषि, शिक्षा, स्मार्ट शहर और mobility को प्राथमिक क्षेत्र माना गया।
• India AI Impact Summit 2026: 19-20 फरवरी 2026 को भारत मंडपम, नई दिल्ली में हुआ (expo 16 फरवरी से)।
• Deepfake नियम (2026): MeitY ने IT Rules में संशोधन 10 फरवरी 2026 को notify किया (20 फरवरी 2026 से लागू): AI से बनी (synthetically generated) audio/video पर label जरूरी, और सरकारी या अदालती आदेश पर गैरकानूनी content 3 घंटे में हटाना होगा।

AI models जिस compute पर चलते हैं, उसके लिए Cloud Computing और बड़े data से pattern निकालने के लिए Data Mining पढ़ें।

5. AI के बहुआयामी इस्तेमाल और नैतिक चुनौतियां (Applications & Ethical Dilemmas)

AI के सकारात्मक प्रभावों के साथ-साथ गंभीर नैतिक चिंताएं भी जुड़ी हैं:

• सकारात्मक उपयोग:
  • कृषि: राजस्थान जैसे शुष्क राज्यों में ड्रोन इमेजिंग से फसलों के रोगों का समय पूर्व पता लगाना, सॉइल हेल्थ सेंसर्स और मौसम आधारित सटीक बुवाई सलाह।
  • स्वास्थ्य: रेडियोलॉजी में एक्स-रे और सीटी-स्कैन से कैंसर ट्यूमर की शीघ्र पहचान, दवाओं की खोज (Drug Discovery)।
  • स्मार्ट शासन: चेहरे की पहचान से पेंशन सत्यापन, ट्रैफिक नियंत्रण और जन शिकायतों का स्वतः वर्गीकरण।
• नैतिक और सामाजिक चुनौतियां:
  • एल्गोरिथमिक बायस (Algorithmic Bias): यदि प्रशिक्षण data में ऐतिहासिक पूर्वाग्रह हैं, तो AI उसी भेदभाव (लिंग, जाति, नस्ल) को दोहराता है।
  • डीपफेक (Deepfakes): जनरेटिव एडवरसैरियल networks (GAN) के जरिए बनाए गए फर्जी वीडियो और ऑडियो, जो लोकतंत्र और सामाजिक शांति के लिए खतरा हैं।
  • ब्लैक बॉक्स समस्या: डीप लर्निंग निर्णय कैसे लेती है, इसे समझाना कठिन होता है; इसलिए आज Explainable AI (XAI) की मांग बढ़ रही है।

महत्वपूर्ण तथ्य (Quick Revision Facts)

• 'Artificial Intelligence' शब्द जॉन मैकार्थी ने 1955 के proposal में दिया; 1956 की डार्टमाउथ workshop AI की शुरुआत मानी जाती है।
• 7 मार्च 2024: IndiaAI मिशन मंजूर, ₹10,371.92 करोड़, 5 साल, 7 pillar।
• IndiaAI का GPU लक्ष्य 10,000+ था; मार्च 2026 तक 38,000 से ज्यादा GPUs जुड़ चुके।
• C-DAC पुणे का AI supercomputer 'ऐरावत' (AIRAWAT) 2023 की Top500 list में 75वें स्थान पर था।
• भाषिणी (जुलाई 2022): AI से 22 अनुसूचित भाषाओं में अनुवाद; यह IndiaAI मिशन का pillar नहीं, अलग पहल है।

RAS Prelims MCQ

1. 'आर्टिफिशियल इंटेलिजेंस' (AI) शब्द देने वाले और 1956 की डार्टमाउथ workshop के मुख्य आयोजक कौन थे?
   A) एलन ट्यूरिंग
   B) जॉन मैकार्थी
   C) मार्विन मिन्स्की
   D) जेफ्री हिंटन
   उत्तर: B) जॉन मैकार्थी
   कारण: जॉन मैकार्थी को AI का जनक माना जाता है; उन्होंने 1956 की डार्टमाउथ workshop के 1955 वाले proposal में यह शब्द दिया था।
2. नीचे दिए गए में से कौन सा युग्म सुपरवाइज्ड लर्निंग (Supervised Learning) के तहत आता है?
   A) क्लासिफिकेशन और रिग्रेशन
   B) क्लस्टरिंग और एसोसिएशन
   C) पीसीए और डायमेंशनलिटी रिडक्शन
   D) रिवॉर्ड और पेनल्टी मैकेनिज्म
   उत्तर: A) क्लासिफिकेशन और रिग्रेशन
   कारण: सुपरवाइज्ड लर्निंग में लेबल्ड data पर काम होता है, जिसके दो प्रमुख कार्य वर्गीकरण (Classification) और प्रतिगमन (Regression) हैं।
3. बिग data (Big Data) की विशेषताओं में '5 V' में नीचे दिए गए में से कौन सा शामिल नहीं है?
   A) Volume
   B) Velocity
   C) Vector
   D) Veracity
   उत्तर: C) Vector
   कारण: 5 V में Volume, Velocity, Variety, Veracity और Value शामिल हैं; Vector इसमें शामिल नहीं है।
4. मार्च 2024 में भारत सरकार से मंजूर 'IndiaAI मिशन' का कुल बजट लगभग कितना है?
   A) 5,000 करोड़ रुपये
   B) 10,372 करोड़ रुपये
   C) 15,500 करोड़ रुपये
   D) 25,000 करोड़ रुपये
   उत्तर: B) 10,372 करोड़ रुपये
   कारण: केंद्रीय मंत्रिमंडल ने 7 मार्च 2024 को ₹10,371.92 करोड़ (करीब 10,372 करोड़) के IndiaAI मिशन को 5 साल के लिए मंजूरी दी।
5. MeitY के National Program on AI के तहत C-DAC पुणे में लगाया गया AI supercomputer, जो 2023 की Top500 list में 75वें स्थान पर था, कौन सा है?
   A) परम सिद्धि
   B) ऐरावत (AIRAWAT)
   C) प्रत्यूष
   D) मिहिर
   उत्तर: B) ऐरावत (AIRAWAT)
   कारण: ऐरावत (AIRAWAT) C-DAC पुणे का AI supercomputer है, जो 2023 की 61वीं Top500 list में 75वें स्थान पर था। परम सिद्धि-AI भी C-DAC का है पर वह 2020 का system है; प्रत्यूष (IITM पुणे) और मिहिर (NCMRWF नोएडा) मौसम के supercomputer हैं।
6. भारत सरकार के किस मिशन का प्राथमिक लक्ष्य AI के माध्यम से 22 भारतीय भाषाओं में अनुवाद बाधा को दूर करना है?
   A) मिशन समर्थ
   B) भाषिणी (Bhashini)
   C) डिजिटल ज्ञान कोष
   D) ई-भाषा मिशन
   उत्तर: B) भाषिणी (Bhashini)
   कारण: भाषिणी (National Language Translation Mission, जुलाई 2022) AI की मदद से भारतीय भाषाओं के बीच अनुवाद और voice सेवाएं देता है।
7. मशीन लर्निंग का वह रूप जिसमें कोई एजेंट वातावरण से ट्रायल और एरर और रिवॉर्ड के जरिए सीखता है, कहलाता है:
   A) सुपरवाइज्ड लर्निंग
   B) अनसुपरवाइज्ड लर्निंग
   C) रीइंफोर्समेंट लर्निंग (Reinforcement Learning)
   D) डीप न्यूरल नेटवर्किंग
   उत्तर: C) रीइंफोर्समेंट लर्निंग (Reinforcement Learning)
   कारण: रीइंफोर्समेंट लर्निंग में एजेंट सही निर्णय पर सकारात्मक अंक और गलती पर नकारात्मक अंक पाकर नीति सुधारता है।
8. लार्ज लैंग्वेज मॉडल्स (LLMs) जैसे GPT और जेमिनी (Gemini) मूलतः किस architecture पर आधारित हैं?
   A) ट्रांसफॉर्मर (Transformer)
   B) सपोर्ट वेक्टर मशीन
   C) डिसीजन ट्री
   D) जेनेटिक algorithm
   उत्तर: A) ट्रांसफॉर्मर (Transformer)
   कारण: 2017 में पेश किया गया अटेंशन-आधारित 'ट्रांसफॉर्मर' architecture आधुनिक जनरेटिव AI और LLMs का मूल आधार है।
9. नीति आयोग की राष्ट्रीय AI रणनीति (2018) किस नाम से जारी की गई थी?
   A) #DigitalIndia
   B) #AIForAll
   C) #TechBharat
   D) #SmartIndia
   उत्तर: B) #AIForAll
   कारण: नीति आयोग ने जून 2018 में '#AIForAll' नाम से National Strategy for Artificial Intelligence जारी की थी।
10. डीप लर्निंग मॉडल के निर्णय लेने की पद्धति के अपारदर्शी होने की समस्या को क्या कहा जाता है?
    A) ब्लैक होल समस्या
    B) ब्लैक बॉक्स समस्या (Black Box Problem)
    C) ओवरफिटिंग
    D) बायस-वेरिएंस ट्रेडऑफ
    उत्तर: B) ब्लैक बॉक्स समस्या (Black Box Problem)
    कारण: न्यूरल networks की भीतरी जटिल परतों में निर्णय कैसे लिया गया यह समझना कठिन होने के कारण इसे ब्लैक बॉक्स कहा जाता है।

RAS Mains Questions

Exam के लिए Important Questions नीचे दिए गए हैं:

Short Questions (2–3 marks)

1. मशीन लर्निंग में सुपरवाइज्ड और अनसुपरवाइज्ड लर्निंग में मुख्य अंतर क्या है? (20 शब्द)
   उत्तर: सुपरवाइज्ड लर्निंग में पहले से लेबल्ड data पर मॉडल को प्रशिक्षित किया जाता है, जबकि अनसुपरवाइज्ड लर्निंग बिना लेबल्ड data में स्वतः छिपे क्लस्टर और पैटर्न खोजती है।
2. IndiaAI मिशन के तहत कंप्यूट इंफ्रास्ट्रक्चर का क्या लक्ष्य रखा गया है? (20 शब्द)
   उत्तर: researchers और startups को सस्ती दर पर AI compute देने के लिए PPP से 10,000 या ज्यादा GPUs की साझा सुविधा बनाना (मार्च 2026 तक 38,000+ GPUs जुड़ चुके)।
3. बिग data में 'Veracity' का क्या अर्थ है? (20 शब्द)
   उत्तर: वेरासिटी का तात्पर्य data की सत्यता, शुद्धता, विश्वसनीयता और त्रुटिहीनता से है, ताकि विश्लेषण पर आधारित निर्णय भ्रामक न हों।
4. Explainable AI (XAI) की आवश्यकता क्यों पड़ रही है? (20 शब्द)
   उत्तर: डीप लर्निंग के अपारदर्शी ब्लैक-बॉक्स निर्णयों को पारदर्शी, भरोसेमंद और कानूनी रूप से जवाबदेह बनाने के लिए XAI अनिवार्य हो रहा है।
5. प्राकृतिक भाषा प्रसंस्करण (NLP) क्या है? (20 शब्द)
   उत्तर: यह AI की वह विधा है जो computer को मानव भाषा (टेक्स्ट और स्पीच) को समझने, उसका विश्लेषण करने और स्वाभाविक रूप से उत्तर देने में सक्षम बनाती है।

Long Questions (5–10 marks)

1. बिग data के '5 V' की अवधारणा को स्पष्ट करते हुए आधुनिक प्रशासनिक निर्णय-पद्धति और जनकल्याण में इसके महत्व की विवेचना कीजिए। (100 शब्द)
   उत्तर: बिग data के 5 V हैं: Volume (विशाल आकार), Velocity (रियल-टाइम गति), Variety (विविध प्रारूप), Veracity (सत्यता) और Value (नीतिगत मूल्य)। जनकल्याण और प्रशासन में महत्व:
   1. लक्षित वितरण: सामाजिक सुरक्षा योजनाओं में अपात्र लाभार्थियों की छंटनी और वास्तविक जरूरतमंदों तक शत-प्रतिशत सहायता पहुंचाना।
   2. स्वास्थ्य निगरानी: संक्रामक रोगों के फैलाव का रियल-टाइम ट्रैकिंग और अस्पतालों में दवाओं की मांग का अग्रिम आकलन।
   3. राजस्व और कर सुधार: जीएसटी में कर चोरी और बोगस बिलिंग को पकड़ने के लिए बिग data एनालिटिक्स का इस्तेमाल।
   4. आपदा प्रबंधन: चक्रवात, बाढ़ या सूखे के दौरान उपग्रह data और मोबाइल network सिग्नलों के समन्वय से त्वरित राहत पहुंचाना।
2. कृत्रिम बुद्धिमत्ता (AI) के सामाजिक और नैतिक जोखिमों का आलोचनात्मक परीक्षण कीजिए और इनके समाधान के लिए राष्ट्रीय व वैश्विक स्तर पर उठाए जा रहे कदमों का उल्लेख कीजिए। (100 शब्द)
   उत्तर: AI की क्रांतिकारी क्षमताओं के साथ नीचे दिए गए नैतिक चिंताएं हैं:
   1. एल्गोरिथमिक पूर्वाग्रह: डेटासेट में मौजूद ऐतिहासिक भेदभाव को AI मॉडल स्थायी बना सकते हैं।
   2. डीपफेक और भ्रामक सूचनाएं: फर्जी वीडियो और ऑडियो के जरिए चुनावों और सामाजिक सौहार्द को चोट पहुंचाना।
   3. गोपनीयता और data सुरक्षा: व्यक्तिगत data का बिना सहमति व्यावसायिक या सर्विलांस उपयोग।
   4. रोजगार संकट: बीपीओ, data एंट्री और ग्राहक सेवा जैसे क्षेत्रों में ऑटोमेशन से नौकरियों पर खतरा।
   समाधान के कदम: भारत में DPDP Act 2023 (Rules नवंबर 2025), IndiaAI का 'Safe & Trusted AI' pillar, नवंबर 2025 की India AI Governance Guidelines और फरवरी 2026 का IT Rules संशोधन (AI content पर label, 3 घंटे में takedown); दुनिया में UNESCO की AI नैतिकता सिफारिश (2021) और यूरोपीय संघ का risk-based EU AI Act (2024)।

FAQs

प्रश्न: क्या मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस एक ही हैं?
उत्तर: नहीं, AI एक व्यापक विषय है जो बौद्धिक मशीनों की बात करता है, जबकि मशीन लर्निंग AI का एक हिस्सा है जो data से सीखने वाले algorithm पर केंद्रित है।

प्रश्न: भारत सरकार का भाषिणी प्लेटफॉर्म किस प्रकार काम करता है?
उत्तर: भाषिणी AI models और crowdsourcing (Bhasha Daan) से जुटाए text और voice data की मदद से 22 अनुसूचित भाषाओं में अनुवाद, speech-to-text जैसी सेवाएं देता है।

प्रश्न: Generative AI (जनरेटिव एआई) क्या है?
उत्तर: जनरेटिव AI वह तकनीक है जो सिर्फ data का विश्लेषण करने के बजाय नया मौलिक टेक्स्ट, चित्र, संगीत या कोड उत्पन्न कर सकती है (जैसे ChatGPT, Midjourney)।

प्रश्न: GPU (ग्राफिक्स प्रोसेसिंग यूनिट) AI के लिए CPU से बेहतर क्यों है?
उत्तर: GPU में हजारों छोटे core होते हैं जो एक साथ (parallel processing) calculations करते हैं; neural network में matrix गुणा इसी तरह का काम है, इसलिए GPU उसे CPU से बहुत तेज करता है।

प्रश्न: AI में 'Turing Test' क्या है?
उत्तर: 1950 में एलन ट्यूरिंग का सुझाया यह एक परीक्षण है जो यह जांचता है कि क्या कोई मशीन इंसान जैसी बुद्धिमत्ता और बातचीत प्रदर्शित कर सकती है।

परीक्षा के लिए याद रखें

• AI शब्द: जॉन मैकार्थी (1955 proposal), डार्टमाउथ workshop 1956; Turing Test 1950 (एलन ट्यूरिंग)।
• AI ⊃ Machine Learning ⊃ Deep Learning; LLMs (ChatGPT, Gemini) Transformer (2017) पर आधारित।
• ML के 3 प्रकार: Supervised (classification, regression), Unsupervised (clustering), Reinforcement (reward/penalty)।
• Big Data के 5 V: Volume, Velocity, Variety, Veracity, Value।
• IndiaAI मिशन: 7 मार्च 2024, ₹10,371.92 करोड़, 5 साल, 7 pillar; मार्च 2026 तक 38,000+ GPUs।
• NITI आयोग की AI रणनीति: #AIForAll (2018); भाषिणी: जुलाई 2022, 22 अनुसूचित भाषाएं।
• India AI Impact Summit: 19-20 फरवरी 2026, भारत मंडपम, नई दिल्ली।