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. परिवेश समझकर निर्णय लेने में सहायता करती है/Helps understand surroundings and make decisions
Explanation
Simple Explanation
स्वचालित वाहन कैमरा, रडार और अन्य सेंसरों से परिवेश की जानकारी प्राप्त करता है। कृत्रिम बुद्धिमत्ता इस जानकारी का विश्लेषण करके वस्तुओं की पहचान और निर्णय लेने में सहायता करती है, इसलिए विकल्प A सही है। विकल्प B भी AI के एक उपयोग का वर्णन करता है, लेकिन वह केवल सेंसर आँकड़ों के विश्लेषण और वाहन नियंत्रण तक सीमित है; प्रश्न AI की व्यापक भूमिका पूछता है। AI वाहन को बिना प्रोग्राम के नहीं चलाती और यातायात नियमों की आवश्यकता भी समाप्त नहीं करती। परीक्षा-टिप: स्वचालित वाहनों में AI की मुख्य भूमिकाएँ perception, decision-making और control से जुड़ी होती हैं। / An autonomous vehicle uses cameras, radar, and other sensors to gather information about its surroundings. AI analyzes this information to recognize objects and support decision-making, so option A is correct. Option B describes one specific use of AI—analyzing sensor data to assist vehicle control—but it is narrower than the broader role asked in the question. AI does not operate a vehicle without programs, nor does it eliminate the need for traffic rules. Exam tip: Remember that AI in autonomous vehicles is mainly used for perception, decision-making, and control.
A. ताकि प्रतिरूप अलग-अलग स्थितियों में वस्तुओं को पहचान सके/So the model can recognize objects in different situations
Explanation
Simple Explanation
प्रशिक्षण चित्रों में प्रकाश, आकार, कोण, पृष्ठभूमि और वस्तु की स्थिति जैसी विविधताएँ होने पर प्रतिरूप वास्तविक दुनिया के अलग-अलग उदाहरणों से सीखता है। इससे वह केवल किसी एक चित्र को याद करने के बजाय नए चित्रों पर बेहतर सामान्यीकरण कर पाता है। विकल्प B याद करने की समस्या बताता है, जो विविध और पर्याप्त प्रशिक्षण से कम की जाती है। परीक्षा-युक्ति: विविध प्रशिक्षण डेटा सामान्यीकरण क्षमता बढ़ाता है। / When training images vary in lighting, size, angle, background, and object position, the model learns from different real-world examples. This helps it generalize to new images instead of merely memorizing one image. Option B describes memorization, which varied and sufficient training data helps reduce. Exam tip: diverse training data generally improves a model’s generalization ability.
A. प्रशिक्षण के लिए चित्रों के विविध रूप बनाना/To create varied versions of images for training
Explanation
Simple Explanation
चित्र संवर्धन में मूल चित्रों पर छोटे परिवर्तन किए जाते हैं, जैसे घुमाना, पलटना, काटना या चमक बदलना। इससे प्रशिक्षण के लिए चित्रों के विविध रूप मिलते हैं और प्रतिरूप अलग-अलग परिस्थितियों में बेहतर सामान्यीकरण कर सकता है। इसलिए विकल्प A सही है। विकल्प C गलत है, क्योंकि संवर्धन का उद्देश्य आंकड़ों को हटाना नहीं, बल्कि प्रशिक्षण आंकड़ों की विविधता बढ़ाना है। परीक्षा टिप: Image augmentation को training data की विविधता बढ़ाने की तकनीक के रूप में याद रखें। / Image augmentation applies small changes to original images, such as rotation, flipping, cropping, or changing brightness. It creates varied training examples and can help a model generalize better to different conditions. Therefore, option A is correct. Option C is incorrect because augmentation does not remove data; it increases the diversity of training data. Exam tip: Remember image augmentation as a technique for increasing the variety of training data.
A. वस्तु पहचान वस्तु का स्थान भी बताती है/Object detection also tells the object's location
Explanation
Simple Explanation
चित्र वर्गीकरण सामान्यतः पूरे चित्र को एक या अधिक श्रेणियों में रखता है, जबकि वस्तु पहचान चित्र में मौजूद अलग-अलग वस्तुओं की पहचान के साथ उनके स्थान, प्रायः bounding boxes के रूप में, बताती है। इसलिए स्थान बताना मुख्य अंतर है। विकल्प B वर्गीकरण का सही वर्णन करता है, लेकिन वह वस्तु पहचान और वर्गीकरण के बीच मुख्य अंतर को पूरा नहीं बताता। परीक्षा-युक्ति: classification को “क्या है?” और detection को “क्या है और कहाँ है?” के रूप में याद रखें। / Image classification assigns one or more categories to the image as a whole, whereas object detection identifies individual objects and indicates their locations, usually with bounding boxes. Therefore, reporting location is the key difference. Option B correctly describes classification but does not state the complete contrast as directly as option A. Exam tip: remember classification as “what is in the image?” and detection as “what is it and where is it?”
A. वस्तु के स्थान को घेरकर दिखाने के लिए/To mark the location of an object
Explanation
Simple Explanation
सही उत्तर A है। कंप्यूटर विज़न में सीमा डिब्बा किसी चित्र में पहचानी गई वस्तु के चारों ओर आयत बनाकर उसका स्थान और लगभग सीमा दिखाता है। यह वस्तु पहचान (object detection) के परिणामों को समझने में सहायक होता है; यह ध्वनि बढ़ाने या फाइल संबंधी कार्यों के लिए उपयोग नहीं होता। परीक्षा-टिप: वस्तु का वर्ग और उसका स्थान दोनों बताने वाली तकनीक को object detection कहते हैं। / Option A is correct. In computer vision, a bounding box is a rectangle drawn around a detected object to show its location and approximate extent in an image. It helps interpret object-detection results; it is not used for audio amplification or file operations. Exam tip: Object detection identifies an object’s class and location, whereas image classification generally gives only the class.
A. संवेदनशील निर्णयों की जांच और सुधार के लिए/For checking and correcting sensitive decisions
Explanation
Simple Explanation
मानव नियंत्रण से AI द्वारा दिए गए संवेदनशील या महत्वपूर्ण निर्णयों की समीक्षा, सुधार और आवश्यकता पड़ने पर रोकथाम की जा सकती है। केवल मशीन पर निर्भर रहने से उसकी गलतियाँ या पक्षपात बिना जांच के लागू हो सकते हैं। परीक्षा-युक्ति: AI नैतिकता में मानव निगरानी का मुख्य उद्देश्य सुरक्षा, जवाबदेही और निष्पक्षता बनाए रखना है। / Human control allows sensitive or important AI decisions to be reviewed, corrected, and stopped when necessary. Relying only on a machine may allow its errors or bias to be applied without review. Exam tip: In AI ethics, human oversight mainly supports safety, accountability, and fairness.
A. चित्रों को मॉडल के लिए उपयुक्त बनाना/To make images suitable for the model
Explanation
Simple Explanation
चित्र पूर्वप्रसंस्करण में आकार बदलना, शोर हटाना, प्रकाश या रंग को सामान्य करना और पिक्सेल मानों को व्यवस्थित करना जैसे कार्य शामिल हो सकते हैं। इसका उद्देश्य कच्चे चित्रों को मॉडल के लिए एकसमान और विश्लेषण योग्य बनाना है, जिससे पहचान या वर्गीकरण की सटीकता बेहतर हो सकती है। चित्र मिटाना, ध्वनि बनाना या पाठ का अनुवाद करना पूर्वप्रसंस्करण का सामान्य उद्देश्य नहीं है। परीक्षा-युक्ति: पूर्वप्रसंस्करण को मॉडल में दिए जाने से पहले चित्र की गुणवत्ता और एकरूपता सुधारने वाले चरणों के रूप में याद रखें। / Image preprocessing may include resizing, removing noise, normalizing lighting or color, and organizing pixel values. Its purpose is to make raw images more consistent and suitable for analysis by a computer vision model, which can improve recognition or classification accuracy. Deleting images, generating sound, or translating text is not the general purpose of preprocessing. Exam tip: Remember preprocessing as the set of steps performed before model input to improve an image’s quality and consistency.
A. ताकि मॉडल सीख सके कि प्रत्येक चित्र किस वर्ग का है/So the model can learn which class each image belongs to
Explanation
Simple Explanation
वर्ग चिह्न प्रशिक्षण चित्र का सही वर्ग, जैसे बिल्ली या कुत्ता, बताते हैं। पर्यवेक्षित शिक्षण में मॉडल चित्र की विशेषताओं को उसके सही वर्ग से जोड़कर नए चित्रों का वर्गीकरण सीखता है। इसलिए विकल्प A सही है; अन्य विकल्प चित्र के आकार, कैमरे या चित्र की सामग्री में बदलाव से संबंधित हैं, लेबल के उद्देश्य से नहीं। परीक्षा-युक्ति: जिस प्रश्न में सही उत्तर पहले से दिए गए वर्गों से सीखने की बात हो, वहाँ labels पर्यवेक्षित शिक्षण का संकेत होते हैं। / A label gives the correct class of a training image, such as cat or dog. In supervised learning, the model connects visual features with these known classes and then uses that learning to classify new images. Therefore, option A is correct; the other options describe changes to image size, camera quality, or image content, not the purpose of labels. Exam tip: Labels are a key sign of supervised learning because they provide the expected answer during training.
A. चित्र में वस्तु का स्थान और विस्तार दिखाने के लिए/To show an object's location and extent in an image
Explanation
Simple Explanation
सीमा डिब्बा वस्तु के चारों ओर एक आयताकार क्षेत्र बनाता है, जिससे मॉडल वस्तु का स्थान और उसका अनुमानित विस्तार दिखा सकता है। केवल पूरे चित्र को एक वर्ग देना image classification है, object detection नहीं। परीक्षा में याद रखें: object detection सामान्यतः वस्तु का वर्ग और bounding box दोनों बताता है। / A bounding box is a rectangular region drawn around an object to indicate its location and approximate extent. Assigning one class to the whole image is image classification, not object detection. Exam tip: object detection generally provides both the object class and its bounding box.
A. किसी गलत व्यक्ति को मिलान बता देना/Marking an incorrect person as a match
Explanation
Simple Explanation
गलत सकारात्मक तब होता है जब प्रणाली वास्तव में गलत व्यक्ति होने पर भी मिलान होने का परिणाम देती है। इसलिए विकल्प A सही है। विकल्प B सही सकारात्मक का उदाहरण है, जबकि विकल्प C गलत नकारात्मक का उदाहरण है। परीक्षा में याद रखें: false positive का अर्थ है—गलत स्थिति को सकारात्मक या ‘हाँ’ बताना। / A false positive occurs when the system reports a match even though the identified person is actually incorrect. Therefore, option A is correct. Option B describes a true positive, while option C describes a false negative. Exam tip: remember that a false positive means incorrectly reporting a positive result or “yes.”
