A. मनुष्य जैसी समझ और निर्णय क्षमता वाली प्रणाली बनाना/To create systems with human like understanding and decision making
Step 1
Concept
Artificial intelligence enables machines to understand and decide.
Step 2
Why this answer is correct
Its aim is not only calculation but intelligent work.
Step 3
Exam Tip
In exams connect it with intelligent systems. चरण 1: कृत्रिम बुद्धिमत्ता मशीनों को समझने और निर्णय लेने में सक्षम बनाती है। चरण 2: इसका उद्देश्य केवल गणना नहीं बल्कि समझ आधारित कार्य करना है। चरण 3: परीक्षा में इसे बुद्धिमान प्रणाली से जोड़कर याद रखें।
A. बुद्धिमान प्रणाली को सीखने में सहायता करना/To help an intelligent system learn
Step 1
Concept
AI systems learn patterns and relationships from data.
Step 2
Why this answer is correct
Good data helps produce better results.
Step 3
Exam Tip
So data is considered a base of AI. चरण 1: कृत्रिम बुद्धिमत्ता प्रणाली आंकड़ों से ढांचे और संबंध सीखती है। चरण 2: अच्छे आंकड़े बेहतर परिणाम में मदद करते हैं। चरण 3: इसलिए आंकड़े कृत्रिम बुद्धिमत्ता का आधार माने जाते हैं।
A. आंकड़ों से सीखकर परिणाम देना/Learning from data and giving results
Step 1
Concept
In machine learning a system learns from examples.
Step 2
Why this answer is correct
It uses learned information to decide on new data.
Step 3
Exam Tip
It is an important branch of AI. चरण 1: यंत्र अधिगम में प्रणाली उदाहरणों से सीखती है। चरण 2: सीखी हुई जानकारी से वह नए आंकड़ों पर निर्णय देती है। चरण 3: इसे कृत्रिम बुद्धिमत्ता की महत्वपूर्ण शाखा माना जाता है।
The model learns relationships from these examples.
Step 3
Exam Tip
Correct training data improve model quality. चरण 1: प्रशिक्षण आंकड़े उदाहरणों का समूह होते हैं। चरण 2: मॉडल इन्हीं उदाहरणों से संबंध सीखता है। चरण 3: सही प्रशिक्षण आंकड़े मॉडल की गुणवत्ता बढ़ाते हैं।
A. मॉडल के प्रदर्शन को जांचना/To check model performance
Step 1
Concept
Test data are used after learning.
Step 2
Why this answer is correct
They show how the model works on new data.
Step 3
Exam Tip
In exams connect it with evaluation. चरण 1: परीक्षण आंकड़े सीखने के बाद उपयोग किए जाते हैं। चरण 2: इनसे पता चलता है कि मॉडल नए आंकड़ों पर कैसा काम करता है। चरण 3: परीक्षा में इसे मूल्यांकन से जोड़ें।
A. इनपुट के साथ सही उत्तर/Correct answer with input
Step 1
Concept
Supervised learning uses examples with correct results.
Step 2
Why this answer is correct
The model learns the relation between input and answer.
Step 3
Exam Tip
Classification and prediction can be examples. चरण 1: सुव्यवस्थित अधिगम में उदाहरणों के साथ सही परिणाम दिए जाते हैं। चरण 2: मॉडल इनसे इनपुट और उत्तर का संबंध सीखता है। चरण 3: वर्गीकरण और पूर्वानुमान इसके उदाहरण हो सकते हैं।
A. आंकड़ों में छिपे समूह या ढांचे/Hidden groups or patterns in data
Step 1
Concept
In unsupervised learning correct answers are not already given.
Step 2
Why this answer is correct
The model finds groups or patterns itself.
Step 3
Exam Tip
Clustering is a common example. चरण 1: अव्यवस्थित अधिगम में सही उत्तर पहले से नहीं दिए जाते। चरण 2: मॉडल स्वयं समूह या ढांचे खोजता है। चरण 3: समूह बनाना इसका सामान्य उदाहरण है।
A. इनपुट को किसी वर्ग में रखता है/Places input into a category
Step 1
Concept
In classification the result belongs to different categories.
Step 2
Why this answer is correct
The model selects a suitable category for the input.
Step 3
Exam Tip
Classifying email as normal or spam is an example. चरण 1: वर्गीकरण में परिणाम अलग-अलग वर्गों में होता है। चरण 2: मॉडल इनपुट देखकर उचित वर्ग चुनता है। चरण 3: ईमेल को सामान्य या अवांछित बताना इसका उदाहरण है।
Predicting house price is a simple example. चरण 1: पूर्वानुमान में मॉडल किसी मात्रा का अनुमान लगाता है। चरण 2: परिणाम अक्सर संख्या के रूप में होता है। चरण 3: घर की कीमत बताना इसका सरल उदाहरण है।
A. सीखे हुए नियमों वाला ढांचा/A structure with learned rules
Step 1
Concept
A model builds rules or structure from data.
Step 2
Why this answer is correct
That structure gives results for new input.
Step 3
Exam Tip
The model is improved through training and testing. चरण 1: मॉडल आंकड़ों से सीखकर नियम या ढांचा बनाता है। चरण 2: वही ढांचा नए इनपुट पर परिणाम देता है। चरण 3: मॉडल को प्रशिक्षण और परीक्षण से सुधारा जाता है।
A. आंकड़े की उपयोगी पहचान या गुण/Useful attribute or property of data
Step 1
Concept
A feature describes a property of an object or example.
Step 2
Why this answer is correct
The model learns from these properties.
Step 3
Exam Tip
Good features help better results. चरण 1: विशेषता किसी वस्तु या उदाहरण का गुण बताती है। चरण 2: मॉडल इन्हीं गुणों से सीखता है। चरण 3: सही विशेषताएं बेहतर परिणाम में मदद करती हैं।
A. सही वर्ग या परिणाम बताने के लिए/To show the correct class or result
Step 1
Concept
A label shows the correct result.
Step 2
Why this answer is correct
In supervised learning it helps the model learn.
Step 3
Exam Tip
In exams connect it with correct output. चरण 1: वर्ग चिह्न सही परिणाम को दिखाता है। चरण 2: सुव्यवस्थित अधिगम में यह मॉडल को सीखने में मदद करता है। चरण 3: परीक्षा में इसे सही उत्तर से जोड़ें।
A. गलत और अधूरे आंकड़ों को सुधारना/To correct wrong and incomplete data
Step 1
Concept
Raw data may have errors or missing values.
Step 2
Why this answer is correct
Data cleaning corrects them.
Step 3
Exam Tip
Clean data supports better analysis and models. चरण 1: कच्चे आंकड़ों में त्रुटि या खाली मान हो सकते हैं। चरण 2: आंकड़ा सफाई इन्हें सुधारती है। चरण 3: साफ आंकड़े बेहतर विश्लेषण और मॉडल बनाते हैं।
A. किसी स्थान पर जानकारी नहीं है/Information is absent at a place
Step 1
Concept
A missing value means some information is not available.
Step 2
Why this answer is correct
Such values can affect analysis.
Step 3
Exam Tip
Filling or removing them can be part of data cleaning. चरण 1: अधूरा मान बताता है कि कोई जानकारी उपलब्ध नहीं है। चरण 2: ऐसे मान विश्लेषण को प्रभावित कर सकते हैं। चरण 3: इन्हें भरना या हटाना आंकड़ा सफाई का भाग हो सकता है।
A. सामान्य आंकड़ों से बहुत अलग मान/A value very different from normal data
Step 1
Concept
An outlier is very different from other data.
Step 2
Why this answer is correct
It may show an error or unusual event.
Step 3
Exam Tip
It should be checked carefully before analysis. चरण 1: बाहरी मान बाकी आंकड़ों से बहुत अलग होता है। चरण 2: यह गलती या असामान्य घटना का संकेत हो सकता है। चरण 3: विश्लेषण से पहले इसे ध्यान से जांचना चाहिए।
A. आंकड़ों को चित्र या आलेख से आसानी से समझने के लिए/To understand data easily through charts or graphs
Step 1
Concept
Large data can be hard to understand only from tables.
Step 2
Why this answer is correct
Charts and graphs show patterns quickly.
Step 3
Exam Tip
Therefore visualization helps analysis. चरण 1: बड़े आंकड़ों को केवल तालिका से समझना कठिन हो सकता है। चरण 2: चित्र और आलेख ढांचे जल्दी दिखाते हैं। चरण 3: इसलिए दृश्यांकन विश्लेषण में सहायक है।
A. अलग-अलग वर्गों की तुलना करने के लिए/To compare different categories
Step 1
Concept
A bar chart shows categories using separate bars.
Step 2
Why this answer is correct
This makes comparison easy.
Step 3
Exam Tip
In exams connect it with category comparison. चरण 1: दंड आलेख वर्गों को अलग-अलग पट्टियों से दिखाता है। चरण 2: इससे तुलना सरल होती है। चरण 3: परीक्षा में इसे वर्ग तुलना से जोड़ें।
Temperature or sales change can be examples. चरण 1: रेखा आलेख बिंदुओं को जोड़कर प्रवृत्ति दिखाता है। चरण 2: समय के साथ बदलाव समझने में यह उपयोगी है। चरण 3: तापमान या बिक्री में बदलाव इसका उदाहरण हो सकता है।
A. मानव भाषा को समझने और संसाधित करने से/Understanding and processing human language
Step 1
Concept
Natural language is spoken or written human language.
Step 2
Why this answer is correct
This field helps computers understand language.
Step 3
Exam Tip
A chat assistant can be a common example. चरण 1: प्राकृतिक भाषा मनुष्यों की बोली या लिखी भाषा है। चरण 2: यह क्षेत्र कंप्यूटर को भाषा समझाने से जुड़ा है। चरण 3: चैट सहायक इसका सामान्य उदाहरण हो सकता है।
A. पाठ में भावना पहचानना/To identify emotion in text
Step 1
Concept
A text can have positive negative or neutral emotion.
Step 2
Why this answer is correct
Sentiment analysis identifies these feelings.
Step 3
Exam Tip
It is useful for understanding customer reviews. चरण 1: किसी पाठ में सकारात्मक नकारात्मक या तटस्थ भावना हो सकती है। चरण 2: भाव विश्लेषण इन्हीं भावों को पहचानता है। चरण 3: ग्राहक समीक्षा समझने में यह उपयोगी होता है।
A. वाक्य को छोटे शब्दों या भागों में तोड़ना/Breaking a sentence into smaller words or parts
Step 1
Concept
In language processing text is divided into smaller parts.
Step 2
Why this answer is correct
This makes word analysis easier.
Step 3
Exam Tip
It is an early step in many language tasks. चरण 1: भाषा प्रसंस्करण में पाठ को छोटे भागों में बांटा जाता है। चरण 2: इससे शब्दों का विश्लेषण आसान होता है। चरण 3: यह कई भाषा कार्यों का प्रारंभिक चरण है।
Face recognition can be an example. चरण 1: कंप्यूटर दृष्टि मशीन को दृश्य जानकारी समझने में मदद करती है। चरण 2: इसमें चित्र और वीडियो का विश्लेषण शामिल हो सकता है। चरण 3: चेहरा पहचानना इसका उदाहरण हो सकता है।
A. चित्र को उचित वर्ग में रखता है/Places the image into a suitable category
Step 1
Concept
Image classification is based on visual input.
Step 2
Why this answer is correct
The model looks at an image and tells its category.
Step 3
Exam Tip
Identifying cat and dog is a simple example. चरण 1: चित्र वर्गीकरण दृश्य इनपुट पर आधारित होता है। चरण 2: मॉडल चित्र देखकर उसका वर्ग बताता है। चरण 3: बिल्ली और कुत्ता पहचानना इसका सरल उदाहरण है।
A. चित्र में वस्तु और उसका स्थान पहचानना/To identify an object and its location in an image
Step 1
Concept
Object detection finds objects in an image.
Step 2
Why this answer is correct
It can also show where the object is.
Step 3
Exam Tip
It can be used in traffic monitoring. चरण 1: वस्तु पहचान चित्र में मौजूद वस्तुओं को खोजती है। चरण 2: यह यह भी बता सकती है कि वस्तु कहाँ है। चरण 3: यातायात निगरानी में इसका उपयोग हो सकता है।
A. चित्र की सबसे छोटी इकाई/The smallest unit of an image
Step 1
Concept
A digital image is made of very small points.
Step 2
Why this answer is correct
These small points are called pixels.
Step 3
Exam Tip
Pixel information forms the image. चरण 1: डिजिटल चित्र बहुत छोटे बिंदुओं से बनता है। चरण 2: इन छोटे बिंदुओं को पिक्सेल कहा जाता है। चरण 3: पिक्सेल की जानकारी से चित्र बनता है।
A. मानव मस्तिष्क की कार्यप्रणाली से/Working of the human brain
Step 1
Concept
A neural network is made of many connected units.
Step 2
Why this answer is correct
It is inspired by nerve cells in the human brain.
Step 3
Exam Tip
It is useful for learning complex patterns. चरण 1: तंत्रिका जाल कई जुड़े हुए इकाइयों से बनता है। चरण 2: इसकी प्रेरणा मानव मस्तिष्क की तंत्रिकाओं से ली गई है। चरण 3: यह जटिल ढांचे सीखने में उपयोगी होता है।
A. इनपुट को संसाधित कर परिणाम तक पहुंचाना/To process input and move toward output
Step 1
Concept
A neural network can have input hidden and output layers.
Step 2
Why this answer is correct
Layers process information step by step.
Step 3
Exam Tip
Finally an output is produced. चरण 1: तंत्रिका जाल में इनपुट मध्य और आउटपुट परत हो सकती हैं। चरण 2: परतें जानकारी को क्रम से संसाधित करती हैं। चरण 3: अंत में परिणाम प्राप्त होता है।
A. मॉडल प्रशिक्षण आंकड़ों को बहुत अधिक याद कर लेता है/The model memorizes training data too much
Step 1
Concept
In overfitting the model may perform very well on training data.
Step 2
Why this answer is correct
It may perform poorly on new data.
Step 3
Exam Tip
So generalization must be checked. चरण 1: अधिक सीख जाने में मॉडल प्रशिक्षण आंकड़ों पर बहुत अच्छा दिख सकता है। चरण 2: पर नए आंकड़ों पर उसका प्रदर्शन घट सकता है। चरण 3: इसलिए सामान्यीकरण की जांच जरूरी है।
A. मॉडल आंकड़ों का ढांचा ठीक से नहीं सीखता/The model does not learn the data pattern properly
Step 1
Concept
In underfitting the model cannot capture even simple patterns well.
Step 2
Why this answer is correct
It may perform poorly on both training and test data.
Step 3
Exam Tip
Better features or a suitable method may be needed. चरण 1: कम सीखने में मॉडल सरल ढांचा भी ठीक से नहीं पकड़ता। चरण 2: इससे प्रशिक्षण और परीक्षण दोनों पर खराब परिणाम आ सकते हैं। चरण 3: मॉडल को बेहतर विशेषता या उचित विधि चाहिए हो सकती है।
A. कुल उत्तरों में सही उत्तरों का अनुपात/Ratio of correct answers among total answers
Step 1
Concept
Accuracy measures correct results of a model.
Step 2
Why this answer is correct
It shows the ratio of correct results among total results.
Step 3
Exam Tip
It is a common measure in simple classification. चरण 1: सटीकता मॉडल के सही परिणामों को मापती है। चरण 2: यह कुल परिणामों में सही परिणामों का अनुपात बताती है। चरण 3: सरल वर्गीकरण में यह सामान्य माप है।
A. मॉडल के सही और गलत वर्गीकरण को दिखाने के लिए/To show correct and wrong classifications of a model
Step 1
Concept
A confusion matrix shows classification results in a table.
Step 2
Why this answer is correct
It helps understand correct and wrong predictions.
Step 3
Exam Tip
It is useful in model evaluation. चरण 1: भ्रम सारणी वर्गीकरण परिणामों को तालिका में दिखाती है। चरण 2: इससे सही और गलत पूर्वानुमान समझे जाते हैं। चरण 3: यह मॉडल मूल्यांकन में उपयोगी है।
A. जिसे सकारात्मक माना गया और वह वास्तव में सकारात्मक था/Predicted positive and actually positive
Step 1
Concept
In true positive the model's positive prediction is correct.
Step 2
Why this answer is correct
The actual result is also positive.
Step 3
Exam Tip
It is an important part of a confusion matrix. चरण 1: सत्य सकारात्मक में मॉडल का सकारात्मक अनुमान सही होता है। चरण 2: वास्तविक परिणाम भी सकारात्मक होता है। चरण 3: भ्रम सारणी में यह महत्वपूर्ण माप है।
A. मॉडल सकारात्मक बताता है लेकिन वास्तविक परिणाम नकारात्मक होता है/Model predicts positive but actual result is negative
Step 1
Concept
False positive is a wrong positive prediction.
Step 2
Why this answer is correct
The model says positive but reality is negative.
Step 3
Exam Tip
It is checked separately in a confusion matrix. चरण 1: झूठा सकारात्मक गलत सकारात्मक अनुमान है। चरण 2: मॉडल सकारात्मक बताता है पर वास्तविकता नकारात्मक होती है। चरण 3: इसे भ्रम सारणी में अलग से देखा जाता है।
A. न्यायपूर्ण और सुरक्षित उपयोग के लिए/For fair and safe use
Step 1
Concept
AI can affect people's decisions and lives.
Step 2
Why this answer is correct
Ethics focuses on fairness privacy and safety.
Step 3
Exam Tip
Responsible use is necessary. चरण 1: कृत्रिम बुद्धिमत्ता लोगों के निर्णय और जीवन को प्रभावित कर सकती है। चरण 2: नैतिकता से न्याय गोपनीयता और सुरक्षा पर ध्यान रहता है। चरण 3: इसलिए जिम्मेदार उपयोग जरूरी है।
A. अनुचित झुकाव के कारण असमान परिणाम/Unequal results due to unfair leaning
Step 1
Concept
Bias occurs when a system treats a group unequally.
Step 2
Why this answer is correct
It can come from wrong or unbalanced data.
Step 3
Exam Tip
Reducing bias is needed for a fair system. चरण 1: पक्षपात तब होता है जब प्रणाली किसी समूह के साथ असमान व्यवहार करे। चरण 2: यह गलत या असंतुलित आंकड़ों से आ सकता है। चरण 3: निष्पक्ष प्रणाली के लिए पक्षपात कम करना जरूरी है।
A. व्यक्तिगत जानकारी की सुरक्षा के लिए/To protect personal information
Step 1
Concept
AI systems may use personal data.
Step 2
Why this answer is correct
Privacy keeps a person's information safe.
Step 3
Exam Tip
Using private information without permission is wrong. चरण 1: कृत्रिम बुद्धिमत्ता प्रणालियां निजी आंकड़ों का उपयोग कर सकती हैं। चरण 2: गोपनीयता से व्यक्ति की जानकारी सुरक्षित रहती है। चरण 3: बिना अनुमति निजी जानकारी का उपयोग गलत है।
A. सुरक्षित न्यायपूर्ण और पारदर्शी प्रणाली बनाना/To build safe fair and transparent systems
Step 1
Concept
Responsible AI considers its effect on society.
Step 2
Why this answer is correct
Safety fairness and transparency are important in it.
Step 3
Exam Tip
It teaches proper use of technology. चरण 1: जिम्मेदार कृत्रिम बुद्धिमत्ता समाज पर प्रभाव को ध्यान में रखती है। चरण 2: इसमें सुरक्षा न्याय और पारदर्शिता महत्वपूर्ण हैं। चरण 3: यह तकनीक का सही उपयोग सिखाती है।
If the problem is clear suitable data and methods can be chosen.
Step 3
Exam Tip
Problem scoping is the first important step. चरण 1: किसी परियोजना की शुरुआत समस्या समझने से होती है। चरण 2: समस्या साफ होगी तो सही आंकड़े और विधि चुनी जा सकेगी। चरण 3: इसलिए समस्या निर्धारण पहला महत्वपूर्ण चरण है।
A. समस्या और उद्देश्य को स्पष्ट करना/Clarifying the problem and goal
Step 1
Concept
Problem scoping sets the direction of a project.
Step 2
Why this answer is correct
It clarifies goal and scope.
Step 3
Exam Tip
This organizes the next steps. चरण 1: समस्या निर्धारण परियोजना की दिशा तय करता है। चरण 2: इसमें उद्देश्य और सीमा स्पष्ट की जाती है। चरण 3: इससे आगे के चरण व्यवस्थित होते हैं।
A. मॉडल और विश्लेषण के लिए आवश्यक जानकारी पाने के लिए/To get information needed for model and analysis
Step 1
Concept
An AI project needs suitable data.
Step 2
Why this answer is correct
Data collection provides the required information.
Step 3
Exam Tip
Collecting data from correct sources is important. चरण 1: कृत्रिम बुद्धिमत्ता परियोजना को उपयुक्त आंकड़ों की जरूरत होती है। चरण 2: आंकड़ा संग्रहण से आवश्यक जानकारी मिलती है। चरण 3: सही स्रोत से आंकड़े लेना महत्वपूर्ण है।
A. यह जानने के लिए कि मॉडल कितना सही काम कर रहा है/To know how well the model is working
Step 1
Concept
After training model performance must be checked.
Step 2
Why this answer is correct
Evaluation gives information about correct and wrong results.
Step 3
Exam Tip
This helps improve the model. चरण 1: प्रशिक्षण के बाद मॉडल का प्रदर्शन जांचना जरूरी है। चरण 2: मूल्यांकन से सही और गलत परिणामों की जानकारी मिलती है। चरण 3: इससे मॉडल में सुधार किया जा सकता है।
A. तैयार प्रणाली को उपयोग के लिए लागू करना/Putting the ready system into use
Step 1
Concept
After a model is built and tested it is put into use.
Step 2
Why this answer is correct
This implementation process is called deployment.
Step 3
Exam Tip
Monitoring is also needed in real use. चरण 1: मॉडल बनने और जांचने के बाद उसे उपयोग में लाया जाता है। चरण 2: इसी लागू करने की प्रक्रिया को परिनियोजन कहा जाता है। चरण 3: वास्तविक उपयोग में निगरानी भी जरूरी होती है।
A. समस्या को व्यवस्थित रूप से समझने के लिए/To understand a problem in an organized way
Step 1
Concept
A problem canvas shows different parts of a problem.
Step 2
Why this answer is correct
It helps understand stakeholders goals and impact.
Step 3
Exam Tip
It is useful before starting a project. चरण 1: समस्या कैनवास समस्या के अलग-अलग पहलुओं को दिखाता है। चरण 2: इससे हितधारक उद्देश्य और प्रभाव समझने में मदद मिलती है। चरण 3: यह परियोजना शुरू करने से पहले उपयोगी है।
A. जिस पर परियोजना का प्रभाव पड़ता है या जो उससे जुड़ा है/A person affected by or connected with a project
Step 1
Concept
A project can affect many people.
Step 2
Why this answer is correct
A person affected by or connected with it is a stakeholder.
Step 3
Exam Tip
Stakeholder needs must be considered while understanding the problem. चरण 1: परियोजना से कई लोग प्रभावित हो सकते हैं। चरण 2: प्रभावित या जुड़े व्यक्ति को हितधारक कहा जाता है। चरण 3: समस्या समझते समय हितधारकों की जरूरत देखना जरूरी है।
A. अनुमति और गोपनीयता का ध्यान रखना/Taking consent and protecting privacy
Step 1
Concept
Data may be related to people.
Step 2
Why this answer is correct
Taking consent and protecting privacy is ethical.
Step 3
Exam Tip
Secretly collecting information is wrong. चरण 1: आंकड़े लोगों से जुड़े हो सकते हैं। चरण 2: अनुमति लेना और गोपनीयता रखना नैतिक तरीका है। चरण 3: चुपके से जानकारी लेना गलत है।
A. वे सही और प्रासंगिक होते हैं/They are correct and relevant
Step 1
Concept
Good data are related to the problem.
Step 2
Why this answer is correct
Correct and relevant data help the model learn better.
Step 3
Exam Tip
Wrong data can give wrong results. चरण 1: अच्छे आंकड़े समस्या से संबंधित होते हैं। चरण 2: सही और प्रासंगिक आंकड़े मॉडल को बेहतर सीखने में मदद करते हैं। चरण 3: गलत आंकड़े गलत परिणाम दे सकते हैं।
A reliable source reduces chances of wrong information.
Step 3
Exam Tip
In exams connect source reliability with data quality. चरण 1: आंकड़े जिस स्रोत से मिलते हैं वह महत्वपूर्ण होता है। चरण 2: विश्वसनीय स्रोत से गलत जानकारी की संभावना कम होती है। चरण 3: परीक्षा में स्रोत विश्वसनीयता को आंकड़ा गुणवत्ता से जोड़ें।
A. नियम आधारित प्रणाली पहले से दिए नियमों पर चलती है/A rule based system works on predefined rules
Step 1
Concept
A rule based system follows fixed rules.
Step 2
Why this answer is correct
A learning system can learn patterns from data.
Step 3
Exam Tip
This is the main difference between them. चरण 1: नियम आधारित प्रणाली तय नियमों का पालन करती है। चरण 2: सीखने वाली प्रणाली आंकड़ों से ढांचे सीख सकती है। चरण 3: यही दोनों के बीच मुख्य अंतर है।
A. गलत निर्णय और जोखिम कम करने के लिए/To reduce wrong decisions and risks
Step 1
Concept
An AI system can make mistakes.
Step 2
Why this answer is correct
Human supervision allows checking and correction of decisions.
Step 3
Exam Tip
It is very important in sensitive areas. चरण 1: कृत्रिम बुद्धिमत्ता प्रणाली गलती कर सकती है। चरण 2: मानव निगरानी से निर्णयों की जांच और सुधार संभव होता है। चरण 3: संवेदनशील क्षेत्रों में यह बहुत महत्वपूर्ण है।
A. अवधारणाओं को जांचने और मजबूत करने के लिए/To test and strengthen concepts
Step 1
Concept
Practice helps a student check understanding.
Step 2
Why this answer is correct
Mistakes show points for improvement.
Step 3
Exam Tip
Regular question practice is very helpful for exam preparation. चरण 1: अभ्यास से विद्यार्थी अपनी समझ जांचता है। चरण 2: गलतियों से सुधार के बिंदु मिलते हैं। चरण 3: परीक्षा तैयारी में नियमित प्रश्न अभ्यास बहुत सहायक होता है।
