Artificial Intelligence MCQ Quiz in हिन्दी - Objective Question with Answer for Artificial Intelligence - मुफ्त [PDF] डाउनलोड करें

सही उत्तर विकल्प 2 है।

अवधारणा :

कृत्रिम बुद्धिमत्ता (AI) एक कंप्यूटर या रोबोट की क्षमता है जिसे कंप्यूटर द्वारा नियंत्रित किया जाता है ताकि वह ऐसी गतिविधियों को कर सके जिसमें सामान्य रूप से मानव बुद्धि और निर्णय की आवश्यकता होती है।

मान्यता तीन प्रकार की होती है,

बायोमेट्रिक पहचान:

बॉयोमीट्रिक तकनीक आवाज की टोन या हाथ के आकार जैसे शारीरिक लक्षणों के आधार पर स्वचालित रूप से व्यक्तियों की पहचान करती है। कंप्यूटर इस तरह से हस्तलेखन शैली जैसे व्यवहारों का भी उपयोग कर सकते हैं।

सामग्री-आधारित छवि पुनर्प्राप्ति:

छवि पुनर्प्राप्ति मुद्दे के लिए कंप्यूटर विज़न तकनीकों के एप्लीकेशन, अर्थात्, विशाल डेटाबेस में डिजिटल चित्रों की खोज की चुनौती को सामग्री-आधारित छवि पुनर्प्राप्ति के रूप में जाना जाता है, जिसे छवि सामग्री द्वारा क्वेरी और सामग्री-आधारित दृश्य सूचना पुनर्प्राप्ति के रूप में भी जाना जाता है।

हस्तलिपि अभिज्ञान:

हस्तलिपि अभिज्ञान (HWR), जिसे हस्तलिपि पाठ अभिज्ञा (HTR) के रूप में भी जाना जाता है, एक कंप्यूटर की क्षमता है जो कागज के दस्तावेज़, चित्र, स्पर्श प्रदर्शन और अन्य उपकरणों सहित विभिन्न स्रोतों से समझने योग्य हस्तलिखित इनपुट को पहचानने और व्याख्या करने की क्षमता रखता है।

अतः सही उत्तर 3 है।

प्रमुख बिंदु

प्रबलन लर्निंग वांछित व्यवहारों को पुरस्कृत करने और/या अवांछित लोगों को दंडित करने के आधार पर एक मशीन लर्निंग प्रशिक्षण पद्धति है। सामान्य तौर पर, एक प्रबलन सीखने वाला एजेंट अपने पर्यावरण को समझने और व्याख्या करने, कार्रवाई करने और परीक्षण और त्रुटि के माध्यम से सीखने में सक्षम होता है।

प्रबलन लर्निंग के एल्गोरिदम मुख्य रूप से AI एप्लीकेशन और गेमिंग एप्लीकेशन में उपयोग किए जाते हैं।

उपयोग किए जाने वाले मुख्य एल्गोरिदम निम्न हैं:

Q-लर्निंग: Q-लर्निंग एक ऑफ पॉलिसी RL एल्गोरिदम है, जिसका उपयोग अस्थायी अंतर सीखने के लिए किया जाता है।

इसलिए सही उत्तर Q-लर्निंग है।

अतिरिक्त जानकारी

• नैवे बाएस का वर्गीकरण पर्यवेक्षित लर्निंग का एक रूप है। इसे पर्यवेक्षित माना जाता है क्योंकि नैवे बाएस वर्गीकारक को लेबल किए गए डेटा का उपयोग करके प्रशिक्षित किया जाता है।
• प्रिंसिपल कंपोनेंट एनालिसिस (PCA) एक गैर-पर्यवेक्षित, गैर-पैरामीट्रिक सांख्यिकीय तकनीक है जिसका उपयोग मुख्य रूप से मशीन लर्निंग में आयामीता में कमी के लिए किया जाता है।
• फास्ट फ़ॉरेस्ट क्वांटाइल रिग्रेशन पैरामीटर क्वांटाइल सैंपल काउंट द्वारा निर्दिष्ट पेड़ों में सभी अनुमानित लेबल रखता है और वितरण को आउटपुट करता है ताकि उपयोगकर्ता दिए गए उदाहरण के लिए क्वांटाइल मान देख सके।

सही उत्तर बायेसियन अनुमान है।

Key Points

• बायेसियन अनुमान एक सांख्यिकीय पद्धति को संदर्भित करता है, जो अधिक साक्ष्य या जानकारी उपलब्ध होने पर एक परिकल्पना की प्रायिकता को अद्यतन करता है।
• क्लासिक (फ़्रीक्वेंटिस्ट) आंकड़ों के विपरीत, बायेसियन अनुमान अंतिम, पश्च वितरण पर पहुंचने के लिए डेटा के आधार पर व्यक्तिपरक, पूर्व मान्यताओं और उनके समायोजन को शामिल करने की अनुमति देता है।
• यह सांख्यिकी का एक दृष्टिकोण है, जो बेयस प्रमेय पर निर्भर करता है।
• इसका उपयोग चिकित्सा और इंजीनियरिंग से लेकर अर्थशास्त्र और भाषाविज्ञान तक विभिन्न क्षेत्रों में किया जाता है।

Additional Information

• आगमनात्मक प्रायिकता 
  • आगमनात्मक प्रायिकता से तात्पर्य इस प्रायिकता से है कि एक परिकल्पना से एक पुष्ट भविष्यवाणी प्राप्त होगी।
  • हालाँकि यह अवधारणा अनिश्चितता के तहत तर्क और निर्णय लेने में महत्वपूर्ण भूमिका निभाती है, लेकिन नए डेटा प्राप्त होने पर संभावनाओं को लगातार अपडेट करने के लिए इसका विशेष रूप से उपयोग नहीं किया जाता है।
• मार्कोव सिद्धांत
  • मार्कोव सिद्धांत मार्कोव संपत्ति की विशेषता वाली एक प्रकार की स्टोकेस्टिक प्रक्रिया को संदर्भित करता है, जहां भविष्य की स्थिति की संभावना केवल वर्तमान स्थिति पर निर्भर करती है, न कि उससे पहले की घटनाओं के अनुक्रम पर।
  • यद्यपि इसका उपयोग आंकड़ों में किया जाता है और घटनाओं के अनुक्रमों का विश्लेषण करने में सहायक होता है, यह एक परिकल्पना के लिए संभाव्यता अनुमान को अद्यतन करने की एक विधि नहीं है क्योंकि नए साक्ष्य सीखे जाते हैं।
• सूचना क्षेत्र सिद्धांत
  • सूचना क्षेत्र सिद्धांत (IFT) एक सैद्धांतिक ढांचा है, जो बाधाओं या अर्जित ज्ञान को संहिताबद्ध करने की अनुमति देता है।
  • इसका उपयोग जटिल क्षेत्रों में सिग्नल अनुमान के लिए किया जाता है, जैसे कि एस्ट्रोपार्टिकल भौतिकी, लेकिन यह किसी परिकल्पना के लिए संभाव्यता अनुमान को अद्यतन करने की एक विधि नहीं है क्योंकि नए साक्ष्य प्राप्त होते हैं।

सही उत्तर: प्रोलॉग एक जनरल पर्पस प्रोग्रामिंग लैंग्वेज है जो आर्टिफीसियल इंटेलिजेंस और कम्प्यूटेशनल भाषाविज्ञान से जुड़ी है।

• सभी सूचीबद्ध भाषाओं का उपयोग AI के किसी न किसी रूप को लागू करने के लिए किया जा सकता है, लेकिन प्रत्येक एआई के विभिन्न पहलुओं के लिए उपयुक्त है।

Key Points 

• फोरटन: यह एक पुरानी भाषा है जो आमतौर पर संख्यात्मक और वैज्ञानिक कंप्यूटिंग के लिए प्रयोग की जाती है। यह आमतौर पर आधुनिक एआई अनुप्रयोगों के लिए उपयोग नहीं किया जाता है, लेकिन फिर भी यदि आवश्यक हो तो इसका उपयोग किया जा सकता है, विशेष रूप से उन कार्यों के लिए जिनमें भारी संख्यात्मक संगणना की आवश्यकता होती है।
• बेसिक: यह एक शुरुआती-फ्रेंडली लैंग्वेज है। हालांकि यह आमतौर पर एडवांस डेटा संरचनाओं और पुस्तकालयों की कमी के कारण एआई अनुप्रयोगों के लिए उपयोग नहीं किया जाता है, इसका उपयोग सरल एआई सिस्टम को लागू करने के लिए किया जा सकता है।
• प्रोलॉग: यह एक लॉजिक प्रोग्रामिंग लैंग्वेज है जो अक्सर AI से जुड़ी होती है, विशेष रूप से विशेषज्ञ सिस्टम, नेचुरल लैंग्वेज प्रोसेसिंग और ज्ञान प्रतिनिधित्व के क्षेत्र में। यह पैटर्न मैचिंग और स्वचालित बैकट्रैकिंग को सपोर्ट करता है, जो इस प्रकार के कार्यों के लिए शक्तिशाली हैं।
• 'C': यह एक निम्न-स्तरीय, सामान्य-उद्देश्य वाली भाषा है। इसका उपयोग एआई विकास के लिए किया जा सकता है, लेकिन यह सबसे कुशल विकल्प नहीं हो सकता है। इसमें पायथन द्वारा प्रदान किए जाने वाले उच्च-स्तरीय सार और पुस्तकालयों (जैसे TensorFlow या PyTorch) का अभाव है, जो आमतौर पर AI में उपयोग किए जाते हैं।

इन विकल्पों में से, प्रोलोग संभवतः सबसे सीधे AI से जुड़ा है।

Additional Information  हालांकि, यह ध्यान दिया जाना चाहिए कि वर्तमान AI विकास में, पायथन अपनी सादगी, लचीलेपन और एआई के व्यापक पारिस्थितिकी तंत्र और उपलब्ध मशीन लर्निंग लाइब्रेरी के कारण अब तक सबसे व्यापक रूप से इस्तेमाल की जाने वाली भाषा है। जावा, आर और जूलिया जैसी अन्य भाषाओं का भी अक्सर उपयोग किया जाता है।

प्रमुख बिंदु

प्रबलन लर्निंग वांछित व्यवहारों को पुरस्कृत करने और/या अवांछित लोगों को दंडित करने के आधार पर एक मशीन लर्निंग प्रशिक्षण पद्धति है। सामान्य तौर पर, एक प्रबलन सीखने वाला एजेंट अपने पर्यावरण को समझने और व्याख्या करने, कार्रवाई करने और परीक्षण और त्रुटि के माध्यम से सीखने में सक्षम होता है।

प्रबलन लर्निंग के एल्गोरिदम मुख्य रूप से AI एप्लीकेशन और गेमिंग एप्लीकेशन में उपयोग किए जाते हैं।

उपयोग किए जाने वाले मुख्य एल्गोरिदम निम्न हैं:

Q-लर्निंग: Q-लर्निंग एक ऑफ पॉलिसी RL एल्गोरिदम है, जिसका उपयोग अस्थायी अंतर सीखने के लिए किया जाता है।

इसलिए सही उत्तर Q-लर्निंग है।

अतिरिक्त जानकारी

• नैवे बाएस का वर्गीकरण पर्यवेक्षित लर्निंग का एक रूप है। इसे पर्यवेक्षित माना जाता है क्योंकि नैवे बाएस वर्गीकारक को लेबल किए गए डेटा का उपयोग करके प्रशिक्षित किया जाता है।
• प्रिंसिपल कंपोनेंट एनालिसिस (PCA) एक गैर-पर्यवेक्षित, गैर-पैरामीट्रिक सांख्यिकीय तकनीक है जिसका उपयोग मुख्य रूप से मशीन लर्निंग में आयामीता में कमी के लिए किया जाता है।
• फास्ट फ़ॉरेस्ट क्वांटाइल रिग्रेशन पैरामीटर क्वांटाइल सैंपल काउंट द्वारा निर्दिष्ट पेड़ों में सभी अनुमानित लेबल रखता है और वितरण को आउटपुट करता है ताकि उपयोगकर्ता दिए गए उदाहरण के लिए क्वांटाइल मान देख सके।

सही उत्तर: प्रोलॉग एक जनरल पर्पस प्रोग्रामिंग लैंग्वेज है जो आर्टिफीसियल इंटेलिजेंस और कम्प्यूटेशनल भाषाविज्ञान से जुड़ी है।

• सभी सूचीबद्ध भाषाओं का उपयोग AI के किसी न किसी रूप को लागू करने के लिए किया जा सकता है, लेकिन प्रत्येक एआई के विभिन्न पहलुओं के लिए उपयुक्त है।

Key Points 

• फोरटन: यह एक पुरानी भाषा है जो आमतौर पर संख्यात्मक और वैज्ञानिक कंप्यूटिंग के लिए प्रयोग की जाती है। यह आमतौर पर आधुनिक एआई अनुप्रयोगों के लिए उपयोग नहीं किया जाता है, लेकिन फिर भी यदि आवश्यक हो तो इसका उपयोग किया जा सकता है, विशेष रूप से उन कार्यों के लिए जिनमें भारी संख्यात्मक संगणना की आवश्यकता होती है।
• बेसिक: यह एक शुरुआती-फ्रेंडली लैंग्वेज है। हालांकि यह आमतौर पर एडवांस डेटा संरचनाओं और पुस्तकालयों की कमी के कारण एआई अनुप्रयोगों के लिए उपयोग नहीं किया जाता है, इसका उपयोग सरल एआई सिस्टम को लागू करने के लिए किया जा सकता है।
• प्रोलॉग: यह एक लॉजिक प्रोग्रामिंग लैंग्वेज है जो अक्सर AI से जुड़ी होती है, विशेष रूप से विशेषज्ञ सिस्टम, नेचुरल लैंग्वेज प्रोसेसिंग और ज्ञान प्रतिनिधित्व के क्षेत्र में। यह पैटर्न मैचिंग और स्वचालित बैकट्रैकिंग को सपोर्ट करता है, जो इस प्रकार के कार्यों के लिए शक्तिशाली हैं।
• 'C': यह एक निम्न-स्तरीय, सामान्य-उद्देश्य वाली भाषा है। इसका उपयोग एआई विकास के लिए किया जा सकता है, लेकिन यह सबसे कुशल विकल्प नहीं हो सकता है। इसमें पायथन द्वारा प्रदान किए जाने वाले उच्च-स्तरीय सार और पुस्तकालयों (जैसे TensorFlow या PyTorch) का अभाव है, जो आमतौर पर AI में उपयोग किए जाते हैं।

इन विकल्पों में से, प्रोलोग संभवतः सबसे सीधे AI से जुड़ा है।

Additional Information  हालांकि, यह ध्यान दिया जाना चाहिए कि वर्तमान AI विकास में, पायथन अपनी सादगी, लचीलेपन और एआई के व्यापक पारिस्थितिकी तंत्र और उपलब्ध मशीन लर्निंग लाइब्रेरी के कारण अब तक सबसे व्यापक रूप से इस्तेमाल की जाने वाली भाषा है। जावा, आर और जूलिया जैसी अन्य भाषाओं का भी अक्सर उपयोग किया जाता है।

अवधारणा:

एजेंट: एक एजेंट वह चीज़ है जिसे सेंसर के माध्यम से अपने वातावरण को समझने और एक्चुएटर्स के माध्यम से उस वातावरण पर कार्य करने के रूप में देखा जा सकता है। उदाहरण: मानव एजेंट, रोबोटिक एजेंट आदि।

एजेंट आर्किटेक्चर और प्रोग्राम संयोजन के भी बराबर है।

स्पष्टीकरण:

एजेंटों में जिन कारकों पर विचार किया जाता है वे हैं इसके प्रदर्शन माप, पर्यावरण, एक्चुएटर्स, सेंसर।

• प्रदर्शन: सुरक्षित, तेज़, कानूनी, अधिकतम मुनाफ़ा।
• पर्यावरण: सड़कें, पैदल यात्री, ग्राहक
• एक्चुएटर्स: स्टीयरिंग व्हील, एक्सेलेरेटर, ब्रेक।
• सेंसर: कैमरा, स्पीडोमीटर, जीपीएस, कीबोर्ड।

पर्यावरण के प्रकार: पूरी तरह से अवलोकन योग्य, नियतात्मक, स्थिर, गतिशील, एकल एजेंट, अर्ध गतिशील।

एजेंट सेंसर के माध्यम से निरीक्षण करते हैं और लक्ष्यों को प्राप्त करने की दिशा में गतिविधि को निर्देशित करते हैं। एजेंट अपने लक्ष्यों को प्राप्त करना सीखकर अपने प्रदर्शन में सुधार करता है। रिफ्लेक्स मशीन एक बुद्धिमान एजेंट का एक उदाहरण है। एआई एजेंट में पर्यावरण को समझने की क्षमता होनी चाहिए।

• इंटरनेट ऑफ थिंग्स (IoT) फिजिकल डिवाइस, मशीनों और सेंसरों के इंटरकनेक्टेड नेटवर्क को संदर्भित करता है, जो इलेक्ट्रॉनिक्स, सॉफ्टवेयर और सेंसर के साथ एम्बेडेड होते हैं और इंटरनेट पर डेटा कलेक्ट और एक्सचेंज कर सकते हैं।
• ब्रिक और मोर्टार स्टोर के संदर्भ में, IoT का उपयोग रियल टाइम डेटा तक पहुंच प्रदान करने के लिए विभिन्न प्रकार के डिवाइसों और सेंसर, जैसे स्मार्ट अलमारियों, कैमरों और कस्टमर मोबाइल डिवाइस को जोड़ने के लिए किया जा सकता है। यह ब्रिक और मोर्टार स्टोर्स को ऑनलाइन स्टोर्स के डेटा तक समान पहुंच देकर सशक्त बना सकता है, जैसे कि यह इन्वेंट्री स्तर, ग्राहक व्यवहार और बिक्री के रुझान को ट्रैक करना, उन्हें सूचित निर्णय लेने और अपने ग्राहकों के लिए बेहतर खरीदारी अनुभव प्रदान करने की अनुमति देता है।
• आर्टिफीसियल इंटेलिजेंस - AI कंप्यूटर सिस्टम के विकास को संदर्भित करता है जो सामान्य रूप से मानव बुद्धि की आवश्यकता पड़ने वाले कार्यों जैसे विसुअल परसेप्शन, स्पीच रेकग्निशन, डिसीज़न मेकिंग और लेंग्वेज ट्रांसलेशन को स्वतः ही को कर सकता है।
• डीप लर्निंग -डीप लर्निंग एक प्रकार की मशीन लर्निंग है, जो जटिल समस्याओं को सुलझाने और हल करने के लिए कई लेयर वाले आर्टिफीसियल न्यूरल नेटवर्क का उपयोग करती है। यह AI का एक सबसेट है और इसका उपयोग इमेज और स्पीच रिकग्निशन जैसे कार्यों के लिए किया जाता है।
• मशीन लर्निंग - मशीन लर्निंग आर्टिफिशियल इंटेलिजेंस का एक उपक्षेत्र है जिसमें एल्गोरिदम और मॉडल का विकास शामिल है जो कंप्यूटर को डेटा से सीखने, भविष्यवाणियाँ करने और समय के साथ स्पष्टतया प्रोग्राम किए बिना सुधार करने की अनुमति देता है।

सही उत्तर जॉन मैकार्थी है। 

Key Points

• जॉन मैकार्थी:
  • ​वह एक अमेरिकी गणितज्ञ और कंप्यूटर वैज्ञानिक थे जो कृत्रिम बुद्धि (AI) के क्षेत्र में अग्रणी थे; क्षेत्र में उनके मुख्य शोध में सामान्य ज्ञान के ज्ञान को औपचारिक रूप देना शामिल था।
  • मैकार्थी ने 1955 में कृत्रिम बुद्धिमत्ता शब्द गढ़ा, और उन्होंने 1958 में कंप्यूटर प्रोग्रामिंग भाषा LISP बनाया।
  •  LISP का उपयोग मुख्य रूप से AI समुदाय द्वारा अपनी अभिव्यंजक शक्ति के कारण इसके महान लचीलेपन के कारण किया गया था।
• कृत्रिम बुद्धि (AI):
  • यह कंप्यूटर प्रणाली का सिद्धांत और विकास है जो सामान्य रूप से मानव बुद्धि की आवश्यकता वाले कार्यों को करने, जैसे दृश्य धारणा, भाषण मान्यता, निर्णय लेने और भाषाओं के बीच अनुवाद में सक्षम है।

सही उत्तर: प्रोलॉग एक जनरल पर्पस प्रोग्रामिंग लैंग्वेज है जो आर्टिफीसियल इंटेलिजेंस और कम्प्यूटेशनल भाषाविज्ञान से जुड़ी है।

• सभी सूचीबद्ध भाषाओं का उपयोग AI के किसी न किसी रूप को लागू करने के लिए किया जा सकता है, लेकिन प्रत्येक एआई के विभिन्न पहलुओं के लिए उपयुक्त है।

Key Points 

• फोरटन: यह एक पुरानी भाषा है जो आमतौर पर संख्यात्मक और वैज्ञानिक कंप्यूटिंग के लिए प्रयोग की जाती है। यह आमतौर पर आधुनिक एआई अनुप्रयोगों के लिए उपयोग नहीं किया जाता है, लेकिन फिर भी यदि आवश्यक हो तो इसका उपयोग किया जा सकता है, विशेष रूप से उन कार्यों के लिए जिनमें भारी संख्यात्मक संगणना की आवश्यकता होती है।
• बेसिक: यह एक शुरुआती-फ्रेंडली लैंग्वेज है। हालांकि यह आमतौर पर एडवांस डेटा संरचनाओं और पुस्तकालयों की कमी के कारण एआई अनुप्रयोगों के लिए उपयोग नहीं किया जाता है, इसका उपयोग सरल एआई सिस्टम को लागू करने के लिए किया जा सकता है।
• प्रोलॉग: यह एक लॉजिक प्रोग्रामिंग लैंग्वेज है जो अक्सर AI से जुड़ी होती है, विशेष रूप से विशेषज्ञ सिस्टम, नेचुरल लैंग्वेज प्रोसेसिंग और ज्ञान प्रतिनिधित्व के क्षेत्र में। यह पैटर्न मैचिंग और स्वचालित बैकट्रैकिंग को सपोर्ट करता है, जो इस प्रकार के कार्यों के लिए शक्तिशाली हैं।
• 'C': यह एक निम्न-स्तरीय, सामान्य-उद्देश्य वाली भाषा है। इसका उपयोग एआई विकास के लिए किया जा सकता है, लेकिन यह सबसे कुशल विकल्प नहीं हो सकता है। इसमें पायथन द्वारा प्रदान किए जाने वाले उच्च-स्तरीय सार और पुस्तकालयों (जैसे TensorFlow या PyTorch) का अभाव है, जो आमतौर पर AI में उपयोग किए जाते हैं।

इन विकल्पों में से, प्रोलोग संभवतः सबसे सीधे AI से जुड़ा है।

Additional Information  हालांकि, यह ध्यान दिया जाना चाहिए कि वर्तमान AI विकास में, पायथन अपनी सादगी, लचीलेपन और एआई के व्यापक पारिस्थितिकी तंत्र और उपलब्ध मशीन लर्निंग लाइब्रेरी के कारण अब तक सबसे व्यापक रूप से इस्तेमाल की जाने वाली भाषा है। जावा, आर और जूलिया जैसी अन्य भाषाओं का भी अक्सर उपयोग किया जाता है।

सही उत्तर विकल्प 3 है।

संकल्पना:

हिल क्लाइम्बिंग एल्गोरिथम:

हिल-क्लाइम्बिंग एल्गोरिथम एक प्रकार का आर्टिफिशियल इंटेलिजेंस (AI) एल्गोरिथम है जो चरम हल तक पहुंचने तक मान में लगातार सुधार करता है। इस पद्धति का उपयोग गणितीय मुद्दों के साथ-साथ वास्तविक दुनिया के अनुप्रयोगों जैसे कि मार्केटिंग और शेड्यूलिंग को हल करने के लिए किया जाता है।

• हिल-क्लाइम्बिंग एल्गोरिथम एक लोकल सर्च एल्गोरिथम है जो पहाड़ की चोटी या समस्या का सबसे अच्छा हल खोजने के लिए बढ़ती ऊंचाई/मान की दिशा में आगे बढ़ता है। जब यह एक चरम मान से टकराता है, तो यह रुक जाता है क्योंकि किसी भी समीप के पास अधिक मान नहीं होता है।
• हिल क्लाइंबिंग का उपयोग ज्यादातर तब किया जाता है जब एक अच्छा अनुमानी उपलब्ध हो।
• इसे ग्रीडी लोकल सर्च के रूप में भी जाना जाता है क्योंकि यह सिर्फ अपने अच्छी समीप स्थिति को मानता है और कुछ नहीं।

इस प्रकार सही उत्तर हिल-क्लाइम्बिंग एल्गोरिथम है।

सही उत्तर विकल्प 2 है।

अवधारणा :

कृत्रिम बुद्धिमत्ता (AI) एक कंप्यूटर या रोबोट की क्षमता है जिसे कंप्यूटर द्वारा नियंत्रित किया जाता है ताकि वह ऐसी गतिविधियों को कर सके जिसमें सामान्य रूप से मानव बुद्धि और निर्णय की आवश्यकता होती है।

मान्यता तीन प्रकार की होती है,

बायोमेट्रिक पहचान:

बॉयोमीट्रिक तकनीक आवाज की टोन या हाथ के आकार जैसे शारीरिक लक्षणों के आधार पर स्वचालित रूप से व्यक्तियों की पहचान करती है। कंप्यूटर इस तरह से हस्तलेखन शैली जैसे व्यवहारों का भी उपयोग कर सकते हैं।

सामग्री-आधारित छवि पुनर्प्राप्ति:

छवि पुनर्प्राप्ति मुद्दे के लिए कंप्यूटर विज़न तकनीकों के एप्लीकेशन, अर्थात्, विशाल डेटाबेस में डिजिटल चित्रों की खोज की चुनौती को सामग्री-आधारित छवि पुनर्प्राप्ति के रूप में जाना जाता है, जिसे छवि सामग्री द्वारा क्वेरी और सामग्री-आधारित दृश्य सूचना पुनर्प्राप्ति के रूप में भी जाना जाता है।

हस्तलिपि अभिज्ञान:

हस्तलिपि अभिज्ञान (HWR), जिसे हस्तलिपि पाठ अभिज्ञा (HTR) के रूप में भी जाना जाता है, एक कंप्यूटर की क्षमता है जो कागज के दस्तावेज़, चित्र, स्पर्श प्रदर्शन और अन्य उपकरणों सहित विभिन्न स्रोतों से समझने योग्य हस्तलिखित इनपुट को पहचानने और व्याख्या करने की क्षमता रखता है।

अतः सही उत्तर 3 है।

सही उत्तर विकल्प 3 है।

संकल्पना:

पूर्ण एल्गोरिदम:

यदि एक एल्गोरिथ्म पूरा हो गया है, तो यह गारंटी देता है कि कम से कम एक समाधान मौजूद होने पर वह एक सीमित समय में समाधान ढूंढ लेगा या यदि कोई समाधान मौजूद है, तो एल्गोरिदम इसे समाप्त करने से पहले ढूंढ लेगा।

यहाँ पूर्ण एल्गोरिदम की कुछ विशेषताएँ और उनके द्वारा उत्पन्न परिणाम दिए गए हैं:

समाप्ति:

खोज स्थान कितना भी बड़ा क्यों न हो, गणना समाप्त होने की गारंटी है।

पूर्णता:

यदि कोई एल्गोरिथम एक समाधान के साथ समाप्त होता है जब कोई मौजूद होता है, तो इसे पूर्ण कहा जाता है। परिभाषा के अनुसार, हाँ। सबसे अच्छा उत्तर खोजने के लिए यह स्थापित करना आवश्यक है कि यह सबसे अच्छा है। यह या तो सभी समाधानों को ढूंढकर या यह प्रदर्शित करके पूरा किया जा सकता है कि कोई भी समाधान पहले से खोजे गए समाधान से सुलभ नहीं हो सकता है। दोनों परिस्थितियों में कम से कम एक समाधान की पहचान की जानी चाहिए।

अत: सही उत्तर A और B दोनों है।

सही उत्तर बायेसियन अनुमान है।

Key Points

• बायेसियन अनुमान एक सांख्यिकीय पद्धति को संदर्भित करता है, जो अधिक साक्ष्य या जानकारी उपलब्ध होने पर एक परिकल्पना की प्रायिकता को अद्यतन करता है।
• क्लासिक (फ़्रीक्वेंटिस्ट) आंकड़ों के विपरीत, बायेसियन अनुमान अंतिम, पश्च वितरण पर पहुंचने के लिए डेटा के आधार पर व्यक्तिपरक, पूर्व मान्यताओं और उनके समायोजन को शामिल करने की अनुमति देता है।
• यह सांख्यिकी का एक दृष्टिकोण है, जो बेयस प्रमेय पर निर्भर करता है।
• इसका उपयोग चिकित्सा और इंजीनियरिंग से लेकर अर्थशास्त्र और भाषाविज्ञान तक विभिन्न क्षेत्रों में किया जाता है।

Additional Information

• आगमनात्मक प्रायिकता 
  • आगमनात्मक प्रायिकता से तात्पर्य इस प्रायिकता से है कि एक परिकल्पना से एक पुष्ट भविष्यवाणी प्राप्त होगी।
  • हालाँकि यह अवधारणा अनिश्चितता के तहत तर्क और निर्णय लेने में महत्वपूर्ण भूमिका निभाती है, लेकिन नए डेटा प्राप्त होने पर संभावनाओं को लगातार अपडेट करने के लिए इसका विशेष रूप से उपयोग नहीं किया जाता है।
• मार्कोव सिद्धांत
  • मार्कोव सिद्धांत मार्कोव संपत्ति की विशेषता वाली एक प्रकार की स्टोकेस्टिक प्रक्रिया को संदर्भित करता है, जहां भविष्य की स्थिति की संभावना केवल वर्तमान स्थिति पर निर्भर करती है, न कि उससे पहले की घटनाओं के अनुक्रम पर।
  • यद्यपि इसका उपयोग आंकड़ों में किया जाता है और घटनाओं के अनुक्रमों का विश्लेषण करने में सहायक होता है, यह एक परिकल्पना के लिए संभाव्यता अनुमान को अद्यतन करने की एक विधि नहीं है क्योंकि नए साक्ष्य सीखे जाते हैं।
• सूचना क्षेत्र सिद्धांत
  • सूचना क्षेत्र सिद्धांत (IFT) एक सैद्धांतिक ढांचा है, जो बाधाओं या अर्जित ज्ञान को संहिताबद्ध करने की अनुमति देता है।
  • इसका उपयोग जटिल क्षेत्रों में सिग्नल अनुमान के लिए किया जाता है, जैसे कि एस्ट्रोपार्टिकल भौतिकी, लेकिन यह किसी परिकल्पना के लिए संभाव्यता अनुमान को अद्यतन करने की एक विधि नहीं है क्योंकि नए साक्ष्य प्राप्त होते हैं।

प्रमुख बिंदु

प्रबलन लर्निंग वांछित व्यवहारों को पुरस्कृत करने और/या अवांछित लोगों को दंडित करने के आधार पर एक मशीन लर्निंग प्रशिक्षण पद्धति है। सामान्य तौर पर, एक प्रबलन सीखने वाला एजेंट अपने पर्यावरण को समझने और व्याख्या करने, कार्रवाई करने और परीक्षण और त्रुटि के माध्यम से सीखने में सक्षम होता है।

प्रबलन लर्निंग के एल्गोरिदम मुख्य रूप से AI एप्लीकेशन और गेमिंग एप्लीकेशन में उपयोग किए जाते हैं।

उपयोग किए जाने वाले मुख्य एल्गोरिदम निम्न हैं:

Q-लर्निंग: Q-लर्निंग एक ऑफ पॉलिसी RL एल्गोरिदम है, जिसका उपयोग अस्थायी अंतर सीखने के लिए किया जाता है।

इसलिए सही उत्तर Q-लर्निंग है।

अतिरिक्त जानकारी

• नैवे बाएस का वर्गीकरण पर्यवेक्षित लर्निंग का एक रूप है। इसे पर्यवेक्षित माना जाता है क्योंकि नैवे बाएस वर्गीकारक को लेबल किए गए डेटा का उपयोग करके प्रशिक्षित किया जाता है।
• प्रिंसिपल कंपोनेंट एनालिसिस (PCA) एक गैर-पर्यवेक्षित, गैर-पैरामीट्रिक सांख्यिकीय तकनीक है जिसका उपयोग मुख्य रूप से मशीन लर्निंग में आयामीता में कमी के लिए किया जाता है।
• फास्ट फ़ॉरेस्ट क्वांटाइल रिग्रेशन पैरामीटर क्वांटाइल सैंपल काउंट द्वारा निर्दिष्ट पेड़ों में सभी अनुमानित लेबल रखता है और वितरण को आउटपुट करता है ताकि उपयोगकर्ता दिए गए उदाहरण के लिए क्वांटाइल मान देख सके।