सार्वजनिक अनुभाग पूर्वावलोकन
कृत्रिम मेधा एवं मशीन लर्निंग
3.1 AI — आधार
Artificial Intelligence मशीनों द्वारा मानव संज्ञानात्मक कार्यों (सीखना, तर्क करना, समस्या-समाधान, धारणा, भाषा समझ) का अनुकरण है।
इतिहास के मील के पत्थर:
- 1950: Alan Turing ने Turing Test प्रस्तावित किया — यदि किसी मशीन की प्रतिक्रियाएँ मानव से अप्रभेद्य हों, तो वह "बुद्धिमान" है
- 1956: John McCarthy ने Dartmouth Conference में "Artificial Intelligence" शब्द गढ़ा
- 1997: IBM Deep Blue ने विश्व शतरंज चैंपियन Garry Kasparov को हराया
- 2011: IBM Watson ने Jeopardy! जीता — NLP मील का पत्थर
- 2016: Google AlphaGo ने Go में Lee Sedol को हराया — ~10¹⁷⁰ संभावित अवस्थाओं वाले खेल में शीर्ष पेशेवर को हराने वाला पहला AI
- 2022–2023: ChatGPT (OpenAI), GPT-4, Gemini — Large Language Models ने बड़े पैमाने पर उपभोक्ता अपनाव प्राप्त किया
3.2 Machine Learning
Machine Learning (ML) AI का एक उपसमुच्चय है जहाँ सिस्टम अनुभव (डेटा) के माध्यम से अपना प्रदर्शन सुधारते हैं, बिना स्पष्ट रूप से प्रोग्राम किए।
ML के प्रकार:
| प्रकार | क्या करता है | एल्गोरिदम उदाहरण | अनुप्रयोग |
|---|---|---|---|
| Supervised Learning | लेबल किए गए प्रशिक्षण डेटा से सीखता है | Linear regression, Decision Trees, SVM, Neural Networks | स्पैम पहचान, चिकित्सा निदान, मूल्य पूर्वानुमान |
| Unsupervised Learning | बिना लेबल के डेटा में छिपे पैटर्न खोजता है | K-means clustering, PCA, Autoencoders | ग्राहक विभाजन, असामान्यता पहचान, सिफारिश |
| Reinforcement Learning | पुरस्कार/दंड प्राप्त करके एजेंट सीखता है | Q-learning, Policy Gradient | AlphaGo, रोबोटिक्स, स्वायत्त वाहन, गेम AI |
| Semi-supervised | लेबल और बिना लेबल के डेटा का मिश्रण | Self-training, GANs | छवि एनोटेशन, पाठ वर्गीकरण |
3.3 Deep Learning और Neural Networks
Artificial Neural Network (ANN): मस्तिष्क के न्यूरॉन्स से प्रेरित। परस्पर जुड़े नोड्स की परतें — input layer → hidden layers → output layer। प्रत्येक कनेक्शन का एक weight होता है जो प्रशिक्षण के दौरान समायोजित होता है (backpropagation)।
Deep Learning कई hidden layers (10–1,000+ परतें) वाले neural networks का उपयोग करता है। तीन कारकों द्वारा सक्षम:
- बड़े डेटासेट
- GPU कंप्यूटिंग शक्ति
- एल्गोरिदमिक प्रगति (ReLU activation, dropout regularisation, batch normalisation)
प्रमुख deep learning अनुप्रयोग:
- Computer Vision: छवि वर्गीकरण (ResNet), ऑब्जेक्ट पहचान (YOLO), चेहरा पहचान (FaceNet), चिकित्सा छवि विश्लेषण (CT स्कैन पर कैंसर पहचान >90% सटीकता)
- NLP (Natural Language Processing): मशीन अनुवाद (Google Translate), भावना विश्लेषण, चैटबॉट; Transformer आर्किटेक्चर (2017, Google) → BERT, GPT series
- Generative Models: GANs (Generative Adversarial Networks, 2014, Ian Goodfellow) — दो प्रतिस्पर्धी neural networks → यथार्थवादी सिंथेटिक छवियाँ, deepfakes; Diffusion models (Stable Diffusion, DALL-E 3, Midjourney) — अत्याधुनिक छवि निर्माण
3.4 Large Language Models (LLMs) और Generative AI (PYQ 2024 — Q27)
Large Language Models विशाल पाठ कॉर्पोरा (सैकड़ों अरब शब्द) पर पाठ की भविष्यवाणी और उत्पादन के लिए प्रशिक्षित neural networks हैं। ये Transformer architecture का उपयोग करते हैं।
| मॉडल | डेवलपर | Parameters | उल्लेखनीय विशेषता |
|---|---|---|---|
| GPT-4 | OpenAI | ~1.8 ट्रिलियन (अनुमानित) | Multimodal (पाठ + छवियाँ); ChatGPT को शक्ति देता है |
| Gemini Ultra | Google DeepMind | अप्रकट | Multimodal; benchmarks पर GPT-4 से पहले |
| Claude 3 | Anthropic | अप्रकट | सुरक्षा और सहायकता पर जोर |
| Llama 3 | Meta | 70B–405B | Open-source; कस्टम deployment सक्षम |
| Krutrim | Ola (भारत) | अप्रकट | भारत का पहला LLM; 22 भारतीय भाषाएँ |
LLMs के बारे में चिंताएँ:
- Hallucination: तथ्यात्मक रूप से गलत लेकिन प्रशंसनीय-लगने वाली जानकारी उत्पन्न करना
- Bias: प्रशिक्षण डेटा में पूर्वाग्रह (नस्लीय, लैंगिक, सांस्कृतिक) को दर्शाना
- Deepfakes और गलत सूचना: LLM-जनित फेक न्यूज़, सिंथेटिक आवाज़ें, राजनीतिक दुष्प्रचार
- रोजगार विस्थापन: WEF 2020 के अनुसार 2025 तक AI द्वारा 8.5 करोड़ नौकरियाँ प्रभावित हो सकती हैं, हालांकि 9.7 करोड़ नई भूमिकाएँ अपेक्षित
- AI Safety: गलत उद्देश्य विकसित करने वाली misaligned AI प्रणालियों की चिंता (AGI जोखिम)
AI गवर्नेंस:
- EU AI Act (2024): विश्व का पहला व्यापक AI विनियमन; जोखिम-आधारित — प्रतिबंधित AI (सामाजिक स्कोरिंग, रियल-टाइम बायोमेट्रिक निगरानी), उच्च-जोखिम (चिकित्सा, न्यायिक), सामान्य उद्देश्य AI (LLMs) पारदर्शिता आवश्यकताओं के साथ
- G20 AI Principles: मानव-केंद्रित, नैतिक, समावेशी, पारदर्शी; 2019 में समर्थित, भारत की G20 अध्यक्षता 2023 में संचालित
- India AI Mission (2024): AIRAWAT, भारतीय भाषाओं के LLMs, AI कौशल के लिए ₹10,371 करोड़ (भारत-विशिष्ट विवरण के लिए Topic 71 में)