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. 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. एक भर्ती एआई प्रणाली समान योग्यता वाले उम्मीदवारों में एक विशेष समूह के उम्मीदवारों को लगातार कम अंक देती है।/An AI recruitment system consistently gives lower scores to equally qualified candidates from a particular group.
Explanation
Simple Explanation
जब समान योग्यता के बावजूद किसी विशेष समूह को लगातार कम अंक मिलें, तो निर्णय निष्पक्ष नहीं रहता; यह एआई पक्षपात है। अधूरी जानकारी पर दस्तावेज़ माँगना सामान्य सत्यापन है। परीक्षा टिप: समान इनपुट पर समूह-आधारित अलग परिणाम बायस का संकेत है। / Giving lower scores to equally qualified people from one group is unfair, so it shows AI bias. Requesting missing documents is ordinary verification, not bias. Exam tip: different outcomes for similar inputs based on group identity indicate bias.
B. पिछली खोजों और खरीदारी के आधार पर उत्पाद सुझाना/Suggesting products based on previous searches and purchases
Explanation
Simple Explanation
AI उपयोगकर्ता की खोजों और खरीदारी के पैटर्न का विश्लेषण करके उपयुक्त उत्पाद सुझा सकता है, इसलिए विकल्प B सही है। एक ही सूची दिखाना व्यक्तिगतकरण नहीं है। परीक्षा टिप: सुझाव या पूर्वानुमान देने वाली सुविधा अक्सर AI का संकेत होती है। / AI can analyse patterns in a user’s searches and purchases to recommend suitable products, so B is correct. Showing one fixed list is not personalization. Exam tip: a feature that learns patterns to make recommendations often indicates AI use.
