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. मशीन द्वारा लिखे वाक्य का अर्थ समझना/A machine understanding the meaning of a written sentence
Explanation
Simple Explanation
प्राकृतिक भाषा समझ (Natural Language Understanding) में AI मानव भाषा के शब्दों, वाक्यों और उनके अर्थ को समझता है। इसलिए लिखे हुए वाक्य का अर्थ समझना सही उदाहरण है। मेज उठाना रोबोटिक्स का कार्य है, भाषा समझ का नहीं। परीक्षा टिप: यदि प्रश्न में पाठ, वाक्य, बातचीत या अर्थ समझने की बात हो, तो वह प्राकृतिक भाषा प्रसंस्करण/समझ से संबंधित होता है। / Natural Language Understanding (NLU) enables AI to interpret the words, sentences, and meaning of human language. Therefore, understanding the meaning of a written sentence is the correct example. Lifting a table is a robotics task, not a language-understanding task. Exam tip: Questions involving text, sentences, conversation, or meaning usually relate to natural language processing or understanding.
A. यह ऐसी तकनीक है जो मशीनों को डेटा से सीखने, पैटर्न पहचानने और निर्णय लेने में सहायता करती है/It is a technology that helps machines learn from data, recognise patterns, and support decision-making.
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता ऐसी तकनीक है जो डेटा से पैटर्न सीखकर वर्गीकरण, पूर्वानुमान या निर्णय-सहायता जैसे कार्य कर सकती है। इसलिए विकल्प A सबसे सही है। विकल्प C गलत है क्योंकि AI को डेटा, नियमों या प्रशिक्षण की आवश्यकता होती है और इसके परिणाम हमेशा त्रुटिरहित नहीं होते। परीक्षा टिप: AI को मानव बुद्धि का पूर्ण विकल्प नहीं, बल्कि मानव निर्णय में सहायक तकनीक के रूप में याद रखें। / Artificial Intelligence is a technology that can learn patterns from data and perform tasks such as classification, prediction, or decision support. Therefore, option A is the most correct. Option C is wrong because AI needs data, rules, or training, and its outputs are not always error-free. Exam tip: Remember AI as a technology that supports human decision-making, not as a complete replacement for human judgement.
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.
