Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है
A. सही समाधान के लिए दिशा तय करना/Defining the direction for an appropriate solution
Explanation
Simple Explanation
समस्या पहचान का उद्देश्य यह स्पष्ट करना है कि वास्तव में किस समस्या का समाधान चाहिए, किसके लिए चाहिए और अपेक्षित परिणाम क्या है। इससे उपयुक्त आँकड़े, AI मॉडल और समाधान-रणनीति चुनने की दिशा मिलती है। विकल्प B गलत है क्योंकि समस्या को समझे बिना मॉडल चुनना उचित AI प्रक्रिया नहीं है। परीक्षा टिप: AI परियोजना में समस्या पहचान को योजना बनाने का प्रारंभिक चरण याद रखें। / Problem identification clarifies what problem must be solved, for whom it must be solved, and what outcome is expected. It provides direction for selecting suitable data, an AI model, and a solution strategy. Option B is incorrect because choosing a model before understanding the problem is not a sound AI process. Exam tip: Remember problem identification as the first planning step in an AI project.
कृत्रिम बुद्धिमत्ता में मशीन को उदाहरण और आँकड़े दिए जाते हैं, जिनमें वह पैटर्न तथा संबंध पहचानकर सीखती है। इसलिए विकल्प B सही है। मशीन का रंग, कमरे की ऊँचाई या कुर्सी की बनावट सामान्यतः मशीन के सीखने का आधार नहीं होते। परीक्षा टिप: AI में सीखने का मुख्य आधार डेटा और उदाहरण होते हैं। / In Artificial Intelligence, a machine learns by analysing examples and data to identify patterns and relationships. Therefore, option B is correct. The colour of the machine, the height of a room, and the design of a chair are not normally the basis for machine learning. Exam tip: Remember that data and examples are the main inputs for AI learning.
A. जब समस्या स्पष्ट हो और आँकड़े सही हों/When the problem is clear and the data is accurate
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता सबसे उपयोगी तब होती है जब समस्या और लक्ष्य स्पष्ट हों तथा उसे सही, प्रासंगिक आँकड़े मिलें। इससे मॉडल को उचित पैटर्न सीखने और उपयोगी परिणाम देने में सहायता मिलती है। गलत या अधूरे आँकड़े गलत परिणाम दे सकते हैं, और परिणामों की जाँच न करना भी जोखिमपूर्ण है। परीक्षा टिप: AI के प्रभावी उपयोग के लिए स्पष्ट समस्या, गुणवत्तापूर्ण आँकड़े और परिणामों का सत्यापन याद रखें। / Artificial Intelligence is most useful when the problem and objective are clear and it is provided with accurate, relevant data. This helps the model learn appropriate patterns and produce useful results. Incorrect or incomplete data can lead to wrong outputs, and accepting outputs without checking them is risky. Exam tip: Remember the three essentials for effective AI use—clear problem, quality data, and output verification.
C. सीखे हुए पैटर्न के आधार पर नए इनपुट का अनुमान लगाना/Predict outcomes for new inputs based on learned patterns
Explanation
Simple Explanation
प्रशिक्षण के दौरान मशीन डेटा के उदाहरणों में मौजूद पैटर्न सीखती है। इन्हीं पैटर्नों का उपयोग करके वह नए इनपुट के परिणाम का अनुमान लगा सकती है, इसलिए विकल्प C सही है। प्रशिक्षण से मशीन के हर निर्णय का त्रुटिरहित होना सुनिश्चित नहीं होता, इसलिए विकल्प B गलत है। परीक्षा टिप: AI में training का मुख्य उद्देश्य डेटा से पैटर्न सीखकर prediction करना है। / During training, a machine learns patterns from data examples. It can then use those patterns to predict outcomes for new inputs, so option C is correct. Training does not guarantee error-free decisions in every situation, so option B is incorrect. Exam tip: In AI, training mainly helps a system learn patterns from data for prediction.
कृत्रिम बुद्धिमत्ता में परीक्षण का मुख्य उद्देश्य यह जाँचना है कि मॉडल या प्रणाली अपेक्षित परिस्थितियों में सही और विश्वसनीय परिणाम दे रही है या नहीं। परीक्षण से त्रुटियों, पक्षपात या कमजोर प्रदर्शन की पहचान की जा सकती है। केवल डेटा छिपाना परीक्षण नहीं है। परीक्षा टिप: testing को output की accuracy और reliability की जाँच से जोड़ें। / The main purpose of testing in AI is to check whether a model or system produces accurate and reliable results under expected conditions. Testing can reveal errors, bias, or weak performance. Simply hiding training data is not testing. Exam tip: associate testing with checking output accuracy and reliability.
A. चित्र में पेड़ की पहचान करना/Identifying a tree in an image
Explanation
Simple Explanation
चित्र में पेड़ की पहचान करने के लिए AI को पिक्सेलों में मौजूद आकार, रंग, किनारों और पैटर्न जैसी दृश्य विशेषताओं का विश्लेषण करना पड़ता है। इसलिए यह कंप्यूटर विज़न का उदाहरण है। कुर्सी उठाना रोबोट की भौतिक क्रिया है; इसमें अपने-आप दृश्य जानकारी को समझना आवश्यक नहीं है। परीक्षा टिप: चित्र, चेहरा या वस्तु पहचानने वाले कार्यों को कंप्यूटर विज़न से जोड़ें। / To identify a tree in an image, AI analyses visual features in pixels, such as shapes, colours, edges, and patterns. Therefore, this is an example of computer vision. Lifting a chair is a physical robotic action and does not necessarily involve understanding visual information. Exam tip: Link tasks such as recognising images, faces, or objects with computer vision.
A. लिखे संदेश का अर्थ समझना/Understanding the meaning of a written message
Explanation
Simple Explanation
भाषा समझने में AI लिखे या बोले गए शब्दों का अर्थ, संदर्भ और आशय पहचानती है। इसलिए लिखे संदेश का अर्थ समझना भाषा समझने का सही उदाहरण है। दीवार रंगना, पानी भरना और चाबी मोड़ना भौतिक कार्य हैं; इनमें भाषा के अर्थ का विश्लेषण आवश्यक नहीं होता। परीक्षा टिप: भाषा समझ से जुड़े प्रश्नों में अर्थ, संदर्भ, प्रश्न या उत्तर पहचानने वाले कार्य चुनें। / Language understanding enables AI to identify the meaning, context, and intent of written or spoken words. Therefore, understanding the meaning of a written message is the correct example. Painting a wall, filling water, and bending a key are physical tasks that do not require analysing language meaning. Exam tip: In questions on language understanding, look for tasks involving meaning, context, questions, or responses.
B. संदेशों की सामग्री पहचानकर उन्हें अपने आप उचित समूहों में वर्गीकृत करना/Automatically classifying messages into appropriate groups by identifying their content
Explanation
Simple Explanation
सही उत्तर B है। कृत्रिम बुद्धिमत्ता संदेश की सामग्री, शब्दों या पैटर्न को पहचानकर उसे स्पैम, कार्य, सामाजिक आदि उपयुक्त समूहों में अपने आप वर्गीकृत कर सकती है। विकल्प A में कार्य मनुष्य कर रहा है, इसलिए यह स्वचालन नहीं है। विकल्प C में सभी संदेशों को एक ही समूह में भेजना वर्गीकरण नहीं दर्शाता। परीक्षा टिप: AI-आधारित स्वचालन में प्रणाली डेटा या पैटर्न के आधार पर निर्णय लेकर काम करती है। / Option B is correct. Artificial Intelligence can identify a message’s content, words, or patterns and automatically classify it into suitable groups such as spam, work, or social. In option A, a person performs the task, so it is not automation. Option C does not show meaningful classification because every message is sent to one group. Exam tip: In AI-based automation, a system uses data or patterns to make a decision and perform a task.
A. डेटा को उसकी विशेषताओं के आधार पर पहले से निर्धारित श्रेणियों में रखना/Assigning data to predefined categories based on its features
Explanation
Simple Explanation
वर्गीकरण में एआई किसी वस्तु या डेटा की विशेषताओं के आधार पर उसे पहले से तय वर्गों में रखता है, जैसे ईमेल को ‘स्पैम’ या ‘स्पैम नहीं’ बताना। विकल्प B क्लस्टरिंग है, जिसमें पहले से लेबल किए गए वर्ग आवश्यक नहीं होते। विकल्प C संख्यात्मक मान का अनुमान लगाने वाला प्रतिगमन है। परीक्षा टिप: ‘पहले से निर्धारित श्रेणियाँ’ या ‘लेबल’ दिखें, तो वर्गीकरण पहचानें। / In classification, AI uses an item’s features to place it into predefined categories, such as identifying an email as “spam” or “not spam.” Option B describes clustering, where categories are not predefined. Option C is regression, which predicts a numerical value. Exam tip: Look for words such as “predefined categories” or “labels” to identify classification.
A. पहचान और निर्णय लेने में सहायता करना/Helping in recognition and decision-making
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता में विशेषता (feature) किसी वस्तु, व्यक्ति या डेटा की उपयोगी मापनीय विशेषता होती है, जैसे किसी चित्र का रंग या आकार। AI मॉडल इन विशेषताओं के आधार पर पैटर्न पहचानता है और निर्णय लेता है। मॉडल का प्रशिक्षण रोकना एक प्रक्रिया को रोकना है, विशेषता का उपयोग नहीं। परीक्षा टिप: feature को डेटा की ऐसी उपयोगी जानकारी समझें जो वर्गीकरण या पूर्वानुमान में मदद करे। / In Artificial Intelligence, a feature is a useful measurable property of an object, person, or data item, such as the colour or shape in an image. An AI model uses features to recognise patterns and make decisions. Stopping model training only halts a process; it is not a use of a feature. Exam tip: Remember that features are useful data inputs for classification or prediction.
A. परिणाम अधिक उपयोगी और भरोसेमंद हो सकते हैं/Results can become more useful and reliable
Explanation
Simple Explanation
अच्छे आँकड़े सटीक, प्रासंगिक और पर्याप्त होते हैं। ऐसे डेटा से AI मॉडल उपयोगी पैटर्न सीखता है, इसलिए उसके परिणाम अधिक भरोसेमंद हो सकते हैं। केवल अच्छा डेटा होने से पक्षपात अपने-आप समाप्त नहीं होता; डेटा को निष्पक्षता के लिए भी जाँचना पड़ता है। परीक्षा टिप: AI में डेटा की गुणवत्ता सीधे परिणामों की गुणवत्ता को प्रभावित करती है। / Good data is accurate, relevant, and sufficient. It helps an AI model learn useful patterns, so its results can be more useful and reliable. However, good data does not automatically remove bias; data must also be checked for fairness. Exam tip: In AI, the quality of data directly affects the quality of results.
C. जब प्रशिक्षण आँकड़े एकतरफा या असंतुलित हों/When the training data is one-sided or unbalanced
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता मॉडल अपने प्रशिक्षण आँकड़ों में मौजूद पैटर्न से सीखता है। यदि ये आँकड़े एकतरफा या असंतुलित हों, तो कुछ समूहों, परिस्थितियों या उदाहरणों का पर्याप्त प्रतिनिधित्व नहीं होता और मॉडल के निर्णयों में पूर्वाग्रह आ सकता है। विविध और प्रतिनिधिक आँकड़े (विकल्प A) पूर्वाग्रह की संभावना घटाते हैं, बढ़ाते नहीं। परीक्षा टिप: AI में निष्पक्षता के लिए डेटा की विविधता और प्रतिनिधित्व जाँचें। / An AI model learns patterns from its training data. If the data is one-sided or unbalanced, some groups, situations, or examples may be underrepresented, which can lead to biased decisions. Diverse and representative data (option A) reduces the likelihood of bias rather than increasing it. Exam tip: For AI fairness, check whether the data is diverse and representative.
B. विविध और संतुलित आँकड़ों का उपयोग करना/Using diverse and balanced data
Explanation
Simple Explanation
विविध और संतुलित आँकड़ों का उपयोग करने से अलग-अलग समूहों का उचित प्रतिनिधित्व होता है और AI प्रणाली में पक्षपात की संभावना घटती है। केवल एक समूह के आँकड़े लेने से मॉडल उस समूह के पक्ष में झुक सकता है। परीक्षा टिप: निष्पक्ष AI के लिए विविध डेटा, पक्षपात-जाँच और परिणामों की समीक्षा को याद रखें। / Using diverse and balanced data gives appropriate representation to different groups and reduces the chance of bias in an AI system. Using data from only one group can make the model biased towards that group. Exam tip: Associate fair AI with diverse data, bias checks, and review of results.
A. व्यक्तिगत जानकारी की सुरक्षा/Protection of personal information
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता में गोपनीयता का मुख्य अर्थ व्यक्ति की निजी जानकारी, जैसे नाम, पता, संपर्क विवरण या उपयोग संबंधी डेटा, की सुरक्षा और उचित उपयोग से है। इसलिए व्यक्तिगत जानकारी की सुरक्षा सही उत्तर है। डेटा तक अनधिकृत पहुँच रोकना गोपनीयता बनाए रखने का एक उपाय है, पर गोपनीयता की व्यापक अवधारणा नहीं है। परीक्षा टिप: गोपनीयता को व्यक्तिगत डेटा के सुरक्षित और जिम्मेदार उपयोग से जोड़ें। / In Artificial Intelligence, privacy primarily means protecting and using a person’s personal information appropriately, such as names, addresses, contact details, or usage data. Therefore, protection of personal information is correct. Preventing unauthorized access to data is one way to maintain privacy, but it is not the broader concept itself. Exam tip: Link privacy with the safe and responsible use of personal data.
B. निजी जानकारी को सुरक्षित रखना और केवल अनुमति मिलने पर साझा करना/Keeping private information secure and sharing it only with permission
Explanation
Simple Explanation
गोपनीयता का अर्थ व्यक्तिगत जानकारी, जैसे पासवर्ड, पता या संपर्क विवरण, को सुरक्षित रखना और संबंधित व्यक्ति की अनुमति के बिना साझा न करना है। इसलिए विकल्प B सही है। विकल्प A में बिना अनुमति जानकारी साझा की जाती है, जो गोपनीयता का उल्लंघन है। परीक्षा टिप: “अनुमति” और “सुरक्षित रखना” जैसे शब्द गोपनीयता के सही व्यवहार की पहचान कराते हैं। / Privacy means keeping personal information, such as passwords, addresses, or contact details, secure and not sharing it without the person’s permission. Therefore, option B is correct. Option A violates privacy because it involves sharing information without permission. Exam tip: Words such as “permission” and “secure” usually indicate correct privacy practice.
A. एआई के परिणामों की जाँच करना और निजी जानकारी की गोपनीयता बनाए रखना/Checking AI outputs and protecting the privacy of personal information
Explanation
Simple Explanation
विकल्प A सही है, क्योंकि एआई के परिणाम हमेशा पूरी तरह सही या निष्पक्ष नहीं होते; इसलिए उनका सत्यापन आवश्यक है। साथ ही, निजी जानकारी की गोपनीयता बनाए रखना जिम्मेदार एआई उपयोग का मुख्य सिद्धांत है। विकल्प D में मानवीय निगरानी हटाना जोखिम बढ़ा सकता है, विशेषकर महत्वपूर्ण निर्णयों में। परीक्षा टिप: जिम्मेदार एआई के प्रश्नों में सत्यापन, गोपनीयता, निष्पक्षता और मानवीय निगरानी जैसे शब्दों पर ध्यान दें। / Option A is correct because AI outputs may not always be fully accurate or unbiased, so they should be checked before use. Protecting personal information is also a core principle of responsible AI use. Option D is unsafe because removing human oversight can increase risks, especially in important decisions. Exam tip: In questions on responsible AI, look for ideas such as verification, privacy, fairness, and human oversight.
A. चिकित्सीय चित्रों में रोग के संकेतों की पहचान करना/Identifying signs of disease in medical images
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता एक्स-रे, सीटी स्कैन या अन्य चिकित्सीय चित्रों में असामान्य संकेतों को पहचानने में डॉक्टरों की सहायता कर सकती है। इसलिए विकल्प A स्वास्थ्य सेवा में AI के उपयोग का सही उदाहरण है। कुर्सी साफ करना या कील ठोकना सामान्य भौतिक कार्य हैं; इनमें AI का स्वास्थ्य-सेवा संबंधी उपयोग नहीं दिखता। परीक्षा टिप: AI के स्वास्थ्य उपयोगों में रोग-पहचान, रिपोर्ट विश्लेषण और उपचार-सहायता जैसे उदाहरण याद रखें। / Artificial Intelligence can assist doctors by identifying unusual patterns in X-rays, CT scans, or other medical images. Therefore, option A is an example of AI being used in healthcare. Cleaning a chair or hammering a nail are ordinary physical tasks and do not show a healthcare application of AI. Exam tip: Remember disease detection, report analysis, and treatment support as common healthcare uses of AI.
A. छात्र की सीखने की आवश्यकता के अनुसार व्यक्तिगत अभ्यास सुझाकर/By recommending personalised practice based on a student's learning needs
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता आधारित शिक्षा व्यवस्था छात्र के उत्तरों, प्रगति और कठिनाइयों का विश्लेषण करके उसकी आवश्यकता के अनुसार अभ्यास सुझा सकती है। इसलिए विकल्प A सही है। सभी छात्रों को एक जैसा अभ्यास देना व्यक्तिगत सीखने के उद्देश्य के विपरीत है। परीक्षा टिप: AI in education के प्रश्नों में अनुकूलित (personalised) सीखने और त्वरित फीडबैक को प्रमुख लाभ मानें। / An AI-based education system can analyse a student’s responses, progress, and areas of difficulty to recommend practice suited to that learner’s needs. Therefore, option A is correct. Giving identical practice to every student goes against the idea of personalised learning. Exam tip: In questions on AI in education, look for benefits such as personalised learning and timely feedback.
A. मौसम, मिट्टी और फसल से जुड़े आँकड़े/Data related to weather, soil, and crops
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता मौसम, मिट्टी की नमी व पोषक तत्वों तथा फसल की स्थिति जैसे आँकड़ों का विश्लेषण करके सिंचाई, उर्वरक या फसल-प्रबंधन के सुझाव दे सकती है। इसलिए विकल्प A सही है। कुर्सियों की संख्या, दीवारों का रंग या पुस्तिका का आकार फसल की कृषि-स्थिति बताने वाले उपयोगी आँकड़े नहीं हैं। परीक्षा टिप: AI के सुझाव सामान्यतः संबंधित डेटा में पाए गए पैटर्न पर आधारित होते हैं। / Artificial Intelligence can analyse data such as weather conditions, soil moisture and nutrients, and crop status to suggest irrigation, fertiliser use, or crop management. Therefore, option A is correct. The number of chairs, wall colour, and booklet size do not provide useful information about crop conditions. Exam tip: AI suggestions are generally based on patterns found in relevant data.
A. यातायात की स्थिति और दूरी की जानकारी/Traffic conditions and distance information
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता मार्ग सुझाने के लिए सड़क पर यातायात की स्थिति, दूरी और कभी-कभी यात्रा समय जैसे प्रासंगिक डेटा का विश्लेषण कर सकती है। इसलिए यातायात की स्थिति और दूरी की जानकारी सही विकल्प है। दीवार की मोटाई जैसे डेटा का मार्ग चुनने से कोई संबंध नहीं है। परीक्षा टिप: ऐसे प्रश्नों में उस डेटा को चुनें जो सीधे निर्णय से संबंधित हो। / Artificial Intelligence can analyse relevant data such as traffic conditions, distance, and sometimes travel time to suggest a route. Therefore, traffic conditions and distance information is the correct option. Data such as the thickness of a wall has no connection with choosing a traffic route. Exam tip: In such questions, select the data that is directly relevant to the decision.
A. उपयोगकर्ता की पसंद और रुचियाँ/User preferences and interests
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता आधारित सुझाव व्यवस्था उपयोगकर्ता की पसंद, रुचियों, खोजों, क्लिक या पिछले व्यवहार के पैटर्न को समझने का प्रयास करती है। इसी आधार पर यह फिल्में, उत्पाद, गीत या पाठ्यक्रम जैसी उपयुक्त चीजें सुझाती है। मशीन का वजन व्यवस्था के हार्डवेयर से जुड़ा हो सकता है, पर उपयोगकर्ता को व्यक्तिगत सुझाव देने का आधार नहीं है। परीक्षा टिप: ‘सुझाव’ या ‘recommendation’ शब्द दिखे तो उपयोगकर्ता की रुचि और व्यवहार पर ध्यान दें। / An AI-based recommendation system tries to understand patterns in a user’s preferences, interests, searches, clicks, or past behaviour. It uses these patterns to suggest relevant movies, products, songs, or courses. The weight of a machine may relate to hardware, but it does not help in making personalised recommendations. Exam tip: When you see ‘recommendation,’ think of user interests and behaviour.
A. पिछले मौसम आँकड़ों के आधार पर कल के मौसम का अनुमान लगाना/Predicting tomorrow's weather using past weather data
Explanation
Simple Explanation
अनुमान (prediction) में AI पिछले आँकड़ों और पैटर्नों का उपयोग करके किसी भविष्य की स्थिति का अनुमान लगाता है। इसलिए पिछले मौसम के आँकड़ों से कल के मौसम का अनुमान लगाना सही उदाहरण है। चित्र में बिल्ली पहचानना वर्गीकरण/पहचान का कार्य है, भविष्यवाणी नहीं। परीक्षा टिप: यदि प्रश्न में पुराने डेटा के आधार पर भविष्य की घटना पूछी जाए, तो वह prediction है। / In prediction, AI uses past data and patterns to estimate a future outcome. Therefore, forecasting tomorrow's weather from earlier weather data is a correct example. Identifying a cat in an image is a recognition or classification task, not a future prediction. Exam tip: When past data is used to estimate a future event, it is prediction.
A. यह लोगों को भ्रमित कर सकती है/It can mislead people
Explanation
Simple Explanation
AI से बनाई गई गलत जानकारी विश्वसनीय दिख सकती है, जिससे लोग भ्रमित होकर स्वास्थ्य, धन या सामाजिक मामलों में गलत निर्णय ले सकते हैं। इसलिए विकल्प A सही है। विकल्प B गलत है, क्योंकि AI किसी दावे को साझा करने से पहले अपने-आप सत्यापित नहीं करती। परीक्षा टिप: AI-जनित सामग्री में स्रोत और तथ्यों की जाँच करना आवश्यक है। / Misinformation created through AI can appear convincing and may mislead people into making wrong decisions about health, money, or social issues. Therefore, option A is correct. Option B is incorrect because AI does not automatically verify every claim before it is shared. Exam tip: Always check the source and facts in AI-generated content.
A. यह गलत या पक्षपाती आँकड़ों के आधार पर गलत परिणाम दे सकती है/It can produce incorrect results when trained on incorrect or biased data
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता अपने प्रशिक्षण आँकड़ों और दिए गए इनपुट से सीखती है। यदि आँकड़े गलत, अधूरे या पक्षपाती हों, तो उसके परिणाम भी गलत या अनुचित हो सकते हैं; इसलिए विकल्प A सही है। पर्याप्त आँकड़े होने पर भी AI हर परिस्थिति में सही निर्णय नहीं लेती, इसलिए विकल्प B गलत है। परीक्षा टिप: AI की सीमाओं में आँकड़ों की गुणवत्ता, पक्षपात और मानव जाँच की आवश्यकता को याद रखें। / Artificial Intelligence learns from training data and the input it receives. If the data is incorrect, incomplete, or biased, its output may also be incorrect or unfair; therefore, option A is correct. Even with sufficient data, AI cannot make correct decisions in every situation, so option B is incorrect. Exam tip: Remember data quality, bias, and the need for human review as key limitations of AI.
यह कथन गलत है, क्योंकि कृत्रिम बुद्धिमत्ता का उपयोग केवल रोबोटों में नहीं होता। इसका प्रयोग मोबाइल फोन के वॉइस असिस्टेंट, सुझाव देने वाले ऐप, ऑनलाइन शिक्षा, स्वास्थ्य सेवाओं और खेती जैसे क्षेत्रों में भी किया जाता है। “आंशिक रूप से सही” विकल्प भी सही नहीं है, क्योंकि कथन में “केवल” शब्द AI के अन्य सभी उपयोगों को नकार देता है। परीक्षा टिप: “केवल” और “हमेशा” जैसे शब्दों वाले कथनों को अन्य उदाहरणों से जाँचें। / The statement is false because Artificial Intelligence is not used only in robots. It is also used in mobile voice assistants, recommendation apps, online education, healthcare, and agriculture. “Partly true” is also not correct because the word “only” excludes all other AI applications. Exam tip: Check statements containing words such as “only” and “always” against known examples.
A. एआई का जिम्मेदार, सुरक्षित और निष्पक्ष उपयोग/Responsible, safe, and fair use of AI
Explanation
Simple Explanation
एआई में नैतिकता का अर्थ है तकनीक का जिम्मेदारी से उपयोग करना, ताकि लोगों को हानि न हो और निर्णय निष्पक्ष रहें। इसमें गोपनीयता, सुरक्षा, पारदर्शिता और पक्षपात से बचाव जैसे मुद्दे शामिल होते हैं। मशीन का आकार या कागज का चयन एआई नैतिकता के मुख्य विषय नहीं हैं। परीक्षा टिप: नैतिकता को हमेशा जिम्मेदार, सुरक्षित और निष्पक्ष एआई उपयोग से जोड़ें। / Ethics in AI means using the technology responsibly so that people are not harmed and decisions remain fair. It includes privacy, safety, transparency, and avoiding bias. The size of a machine or the choice of paper is not a central issue in AI ethics. Exam tip: Link AI ethics with responsible, safe, and fair use of AI.
A. परिणाम को समझना, उसकी जाँच करना और उसका जिम्मेदारी से उपयोग करना/Understanding the output, checking it, and using it responsibly
Explanation
Simple Explanation
एआई उपयोगकर्ता को उसके दिए गए परिणाम को अंतिम सत्य नहीं मानना चाहिए। उसे परिणाम को समझकर उसकी सटीकता और उपयुक्तता जाँचनी चाहिए तथा गोपनीयता और नैतिकता का ध्यान रखते हुए उसका उपयोग करना चाहिए। विकल्प B में सत्यापन नहीं किया जाता, इसलिए वह सही उपयोगकर्ता-भूमिका नहीं है। परीक्षा टिप: एआई के जिम्मेदार उपयोग में सत्यापन, गोपनीयता और नैतिक उपयोग प्रमुख शब्द हैं। / An AI user should not treat an output as automatically correct. The user should understand it, check its accuracy and suitability, and use it responsibly while respecting privacy and ethics. Option B is incorrect because it accepts output without verification. Exam tip: Remember verification, privacy, and ethical use as key features of responsible AI use.
A. उपयोगकर्ता की पसंद के आधार पर फिल्में सुझाना/Recommending movies based on a user's preferences
Explanation
Simple Explanation
फिल्म या संगीत मंच उपयोगकर्ता के देखने, सुनने और पसंद करने के पैटर्न का विश्लेषण करके समान सामग्री सुझा सकते हैं। इसलिए पसंद के आधार पर फिल्में सुझाना मनोरंजन में कृत्रिम बुद्धिमत्ता का उपयोग है। बत्ती को हाथ से चालू करना केवल एक सामान्य मानवीय क्रिया है, इसमें AI द्वारा निर्णय या सुझाव नहीं होता। परीक्षा टिप: व्यक्तिगत सुझाव (recommendations) AI के सामान्य अनुप्रयोग हैं। / Movie or music platforms can analyse a user's viewing, listening, and preference patterns to recommend similar content. Therefore, recommending movies based on preferences is an AI use in entertainment. Manually switching on a light is an ordinary human action and involves no AI-based decision or recommendation. Exam tip: personalised recommendations are common applications of AI.
A. उपयोगकर्ता से बातचीत करके सहायता देना/Helping the user through conversation
Explanation
Simple Explanation
संवाद सहायक का मुख्य कार्य उपयोगकर्ता के संदेश या प्रश्न को समझकर बातचीत के माध्यम से उत्तर, जानकारी, सुझाव या अन्य सहायता देना है। फाइलों को व्यवस्थित करना या इंटरनेट की गति बढ़ाना अलग-अलग कंप्यूटर कार्य हैं, संवाद सहायक का मुख्य उद्देश्य नहीं। परीक्षा टिप: “conversational” शब्द दिखे तो भाषा-आधारित बातचीत और उपयोगकर्ता-सहायता पर ध्यान दें। / A conversational assistant primarily understands a user’s message or question and provides answers, information, suggestions, or other help through dialogue. Organising files and increasing internet speed are separate computing functions, not the main purpose of such an assistant. Exam tip: When you see “conversational,” focus on language-based interaction and user support.
A. बोले गए प्रश्न का अर्थ समझकर उत्तर देना/Understanding the meaning of a spoken question and answering
Explanation
Simple Explanation
प्राकृतिक भाषा समझ (NLU) में AI मनुष्य द्वारा बोले या लिखे गए शब्दों का अर्थ समझता है। इसलिए बोले गए प्रश्न का अर्थ समझकर उचित उत्तर देना सही उदाहरण है। तस्वीर पहचानना कंप्यूटर विज़न का कार्य है, जबकि डिब्बा उठाना रोबोटिक्स से जुड़ा कार्य है। परीक्षा टिप: प्रश्न या वाक्य का अर्थ समझने वाली AI क्षमता को NLU से पहचानें। / Natural language understanding (NLU) enables an AI system to interpret the meaning of words spoken or written by people. Therefore, understanding a spoken question and giving an appropriate answer is the correct example. Identifying objects in an image is computer vision, while lifting a box is a robotics task. Exam tip: Link AI tasks that understand the meaning of sentences or questions with NLU.
A. गलत, अपूर्ण और असंबंधित जानकारी हटाने के लिए/To remove incorrect, incomplete, and irrelevant information
Explanation
Simple Explanation
आँकड़ों की सफाई में गलत, दोहराए गए, अपूर्ण और असंबंधित डेटा को पहचानकर ठीक या हटाया जाता है। इससे AI मॉडल को अधिक विश्वसनीय डेटा मिलता है और उसके परिणाम बेहतर हो सकते हैं। गोपनीयता की रक्षा करना महत्वपूर्ण है, लेकिन गोपनीयता भंग करना डेटा सफाई का उद्देश्य नहीं है। परीक्षा टिप: डेटा सफाई को डेटा की गुणवत्ता और मॉडल की विश्वसनीयता से जोड़कर याद रखें। / Data cleaning identifies and corrects or removes incorrect, duplicate, incomplete, and irrelevant data. This gives an AI model more reliable data and can improve its results. Protecting privacy is important, but violating privacy is not a purpose of data cleaning. Exam tip: associate data cleaning with data quality and reliable model performance.
A. सुरक्षित स्वास्थ्य सहायता और बेहतर सीखने में मदद/Safe healthcare support and improved learning
Explanation
Simple Explanation
सुरक्षित और जिम्मेदारी से उपयोग की गई कृत्रिम बुद्धिमत्ता स्वास्थ्य सेवाओं में सहायता दे सकती है तथा विद्यार्थियों के लिए सीखने को अधिक व्यक्तिगत और प्रभावी बना सकती है। इसलिए विकल्प A समाज पर सकारात्मक प्रभाव दिखाता है। गलत सूचना, निजी जानकारी की चोरी और पक्षपात बढ़ना AI के हानिकारक प्रभाव हैं। परीक्षा टिप: AI के प्रभाव वाले प्रश्नों में देखें कि विकल्प लोगों की भलाई, सुरक्षा और समान अवसर बढ़ाता है या नहीं। / When used safely and responsibly, AI can support healthcare services and make learning more personalised and effective for students. Therefore, option A shows a positive social impact. Spreading misinformation, stealing private data, and increasing bias are harmful effects of AI. Exam tip: In questions on AI impact, check whether the option improves people’s well-being, safety, or equal access to opportunities.
A. गलत या पक्षपाती डेटा के कारण गलत निर्णय/Incorrect or biased data causing wrong decisions
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता प्रणाली अपने प्रशिक्षण डेटा के आधार पर परिणाम देती है। यदि डेटा गलत, अधूरा या पक्षपाती हो, तो प्रणाली के निर्णय भी गलत या अनुचित हो सकते हैं; इसलिए विकल्प A एक जोखिम है। समय की बचत और अनुवाद जैसे विकल्प AI के उपयोगी अनुप्रयोग हैं, जोखिम नहीं। परीक्षा टिप: AI के जोखिमों में डेटा की गुणवत्ता, पक्षपात और गोपनीयता पर विशेष ध्यान दें। / An AI system produces outputs based on its training data. If the data are incorrect, incomplete, or biased, its decisions can also be wrong or unfair; therefore, option A is a risk. Saving time and translating languages are useful AI applications, not risks. Exam tip: For AI-risk questions, focus on data quality, bias, and privacy.
A. पारदर्शी प्रक्रिया और परिणामों की जाँच/Transparent process and output verification
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता व्यवस्था पर भरोसा तब बढ़ता है जब उसकी कार्यप्रणाली और उद्देश्य स्पष्ट हों तथा उसके परिणामों की जाँच की जा सके। परिणामों का सत्यापन गलत या पक्षपाती निर्णयों को पहचानने में मदद करता है। गलतियाँ छिपाना भरोसा बढ़ाने के बजाय उसे कम करता है। परीक्षा टिप: AI में भरोसे के प्रमुख आधार पारदर्शिता, जवाबदेही और सत्यापन हैं। / Trust in an AI system increases when its process and purpose are transparent and its outputs can be checked. Verifying results helps identify incorrect or biased decisions. Hiding errors reduces trust rather than building it. Exam tip: Transparency, accountability, and verification are key foundations of trustworthy AI.
A. क्योंकि एआई का ज्ञान विभिन्न क्षेत्रों में भविष्य की नौकरियों और कार्यों में उपयोगी हो सकता है/Because knowledge of AI can be useful in future jobs and tasks across different fields
Explanation
Simple Explanation
एआई का उपयोग स्वास्थ्य, कृषि, बैंकिंग, शिक्षा और अन्य क्षेत्रों में बढ़ रहा है। इसलिए एआई की मूल समझ विद्यार्थियों को बदलती कार्य-भूमिकाओं और भविष्य के करियर के लिए तैयार कर सकती है। विकल्प B गलत है, क्योंकि एआई का उपयोग केवल खेलों तक सीमित नहीं है। परीक्षा टिप: एआई को केवल एक विषय नहीं, बल्कि विभिन्न क्षेत्रों में उपयोग होने वाले उपयोगी करियर कौशल के रूप में समझें। / AI is increasingly used in healthcare, agriculture, banking, education, and other fields. Therefore, a basic understanding of AI can prepare students for changing work roles and future careers. Option B is incorrect because AI is not limited to games or entertainment. Exam tip: Understand AI as a useful career skill that can be applied across many fields, not just as a separate subject.
कृत्रिम बुद्धिमत्ता में किसी व्यक्ति का डेटा, चित्र, आवाज़ या अन्य निजी जानकारी उपयोग करने से पहले उसकी अनुमति लेना सम्मान और गोपनीयता से जुड़ा है। इससे व्यक्ति को अपने डेटा के उपयोग पर नियंत्रण मिलता है। मॉडल की सटीकता बढ़ाना उपयोगी हो सकता है, लेकिन वह अनुमति लेने का उद्देश्य नहीं है। परीक्षा टिप: व्यक्तिगत डेटा के साथ ‘अनुमति’ को गोपनीयता और सहमति से जोड़ें। / In Artificial Intelligence, taking permission before using a person's data, image, voice, or other personal information is related to respect and privacy. It gives people control over how their data is used. Improving model accuracy may be useful, but it is not the purpose of taking permission. Exam tip: Link permission for personal data with consent and privacy.
