RPSC Sub Inspector · मॉड्यूल 61 · स्टैंडर्ड स्तर · 17 min
Artificial intelligence (कृत्रिम बुद्धिमत्ता)
RPSC Sub Inspector इस chapter से क्या पूछता है
यह chapter सिलेबस की इन लाइनों को पढ़ाता है:
- प्रश्नपत्र II: सामान्य ज्ञान और सामान्य विज्ञान · विज्ञान और प्रौद्योगिकी: दैनिक विज्ञान, इलेक्ट्रॉनिक्स, कंप्यूटर और ICT, अंतरिक्ष और रक्षा प्रौद्योगिकी, नैनो प्रौद्योगिकी, मानव शरीर, पोषण और स्वास्थ्य, पर्यावरण, जैव विविधता, जैव प्रौद्योगिकी; राजस्थान में कृषि और विज्ञान-प्रौद्योगिकी।
इस मॉड्यूल के RPSC Sub Inspector प्रश्न अभी बैंक में जोड़े जा रहे हैं।
RPSC Sub Inspector के लिए स्टैंडर्ड स्तर तक। 8 गहरे paragraph पूरे chapter में हैं।
शून्य से शुरू: क्या मशीन सीख सकती है?
सोचिए कि आपने बिल्ली और कुत्ते में फ़र्क़ करना कैसे सीखा। किसी ने आपको नियमों की किताब नहीं दी कि "बिल्ली के कान ठीक ऐसे और पूँछ ठीक वैसी होती है"। आपने बस बहुत सी बिल्लियाँ और कुत्ते देखे, और धीरे-धीरे आपके दिमाग़ ने ख़ुद फ़र्क़ पकड़ लिया।
साधारण computer programs ऐसे काम नहीं करते। programmer को हर नियम हाथ से लिखना पड़ता है, जैसे "अगर email में यह शब्द है, तो उसे spam मानो"। सीधे कामों में यह चलता है, पर जब नियम बहुत ज़्यादा हों या लिखना बहुत मुश्किल हो, जैसे चेहरा पहचानना या बोली समझना, तो यह नाकाम हो जाता है।
artificial intelligence (AI), मशीनों से वे काम कराने की कोशिश है जिनके लिए आमतौर पर इंसानी बुद्धि चाहिए, जैसे देखना, भाषा समझना, फ़ैसले लेना और सीखना। आज इसका सबसे सफल तरीक़ा है मशीन को उदाहरणों से सीखने देना, ठीक वैसे ही जैसे आपने बिल्ली और कुत्ते के साथ किया।
यह chapter समझाता है कि मशीनें कैसे सीखती हैं, नए "generative" AI tools क्या हैं, भारत अपना AI कैसे बना रहा है, और एक ही technology क्यों बड़ी उम्मीदें और असली ख़तरे, दोनों साथ लाती है।
AI अभी क्यों उभरा, और भारत इसमें पैसा क्यों लगा रहा है
सोचने वाली मशीनों का विचार दशकों पुराना है, तो AI अचानक इतना ताक़तवर क्यों हो गया? जवाब यह है कि एक ही समय पर तीन चीज़ें साथ आ गईं। हर एक ज़रूरी थी, और अकेले कोई भी काफ़ी नहीं थी।
1. बहुत सारा data। phone, internet और sensors अब हर second बहुत सारा data पैदा करते हैं। सीखने वाली मशीनों को बहुत से उदाहरण चाहिए, और data की इस बाढ़ ने उन्हें उनकी पाठ्यपुस्तकें दे दीं।
2. ताक़तवर computing। GPUs (graphics processing units) नाम की ख़ास chips, जो पहले video games के लिए बनी थीं, उन ढेर सारी छोटी गणनाओं में बहुत अच्छी निकलीं जो सीखने के लिए चाहिए। अब इनके बड़े समूह AI models को सिखाते हैं।
3. बेहतर तरीक़े। सीखने वाले systems बनाने के नए तरीक़ों, ख़ासकर deep learning, ने मशीनों को पहले से कहीं जटिल pattern सीखने लायक़ बनाया।

भारत पैसा क्यों लगा रहा है? AI बिजली की तरह एक सामान्य-उपयोग की technology बनता जा रहा है, जो खेती, स्वास्थ्य, शिक्षा, शासन और रक्षा को आकार देगी। जो देश पूरी तरह विदेशी AI models और computing पर निर्भर है, वह अपने data, अपनी भाषाओं और अपने आर्थिक भविष्य पर नियंत्रण खोने का जोखिम उठाता है।
भारत ने कब क़दम उठाया? IndiaAI Mission को 7 मार्च 2024 को पाँच साल के लिए ₹10,371.92 करोड़ के ख़र्च के साथ मंज़ूरी मिली। इसे इलेक्ट्रॉनिकी और सूचना प्रौद्योगिकी मंत्रालय (MeitY) के तहत स्वतंत्र business division, IndiaAI चलाता है।
AI का परिवार: machine learning, deep learning और generative AI
लोग अक्सर AI, machine learning और deep learning को एक ही चीज़ की तरह इस्तेमाल करते हैं। इन्हें एक के अंदर एक घेरों की तरह सोचना आसान है। हर अंदर वाला घेरा बाहर वाले का एक ख़ास हिस्सा है।
artificial intelligence सबसे बड़ा घेरा है। इसमें मशीन को समझदारी से काम कराने का कोई भी तरीक़ा आता है, भले ही वह सिर्फ़ हाथ से लिखे नियमों से बना हो।
machine learning (ML) AI के अंदर है। इसका मतलब है मशीन को हर नियम देने की जगह data से pattern सीखने देकर मशीन में ज्ञान बनाना। उदाहरण के लिए, bank धोखाधड़ी पकड़ने, credit score तय करने और क़र्ज़ का जोखिम आँकने में ML इस्तेमाल करते हैं।
deep learning ML के अंदर है। यह कई परतों वाले neural networks इस्तेमाल करता है, जो थोड़ा-बहुत दिमाग़ से प्रेरित हैं, और चेहरा पहचानने, बोली को text में बदलने और अनुवाद जैसे काम इसी से चलते हैं।
generative AI deep learning के अंदर है। यह चीज़ों को सिर्फ़ छाँटता नहीं, बल्कि नया text, तस्वीर, आवाज़ या code बनाता है। large language models (LLMs) बहुत सारे text पर सिखाए गए generative AI हैं, इसलिए वे सवालों के जवाब दे सकते हैं, लिख सकते हैं और अनुवाद कर सकते हैं।
data analytics: AI का रिश्तेदार। संस्थाएँ फ़ैसले लेने के लिए data का अध्ययन भी करती हैं, और इसके चार प्रकार हैं।
- descriptive analytics पूछता है क्या हुआ?
- diagnostic analytics पूछता है क्यों हुआ?
- predictive analytics पूछता है क्या होने की संभावना है?
- prescriptive analytics पूछता है हमें इसके बारे में क्या करना चाहिए?
मशीन असल में कैसे सीखती है
अब थोड़ा और गहराई से देखते हैं कि सीखने वाली मशीन कैसे काम करती है। इसमें तीन क़दम हैं: सिखाना, परखना और इस्तेमाल करना। यह बिल्कुल exam की तैयारी करते विद्यार्थी जैसा है।
1. सिखाना (training)। मशीन को बहुत से उदाहरण दिखाए जाते हैं। supervised learning में हर उदाहरण के साथ सही जवाब होता है, जैसे "बिल्ली" या "कुत्ता" लिखी हज़ारों तस्वीरें। मशीन बार-बार ख़ुद को बदलती है, जब तक उसके अनुमान सही जवाबों से मेल न खाने लगें।
2. ग़लतियों से सीखना। neural network में हर जोड़ की एक ताक़त होती है, जिसे weight कहते हैं। जब network ग़लत अनुमान लगाता है, तो ग़लती पीछे भेजी जाती है और weights थोड़े बदले जाते हैं। ऐसे लाखों दौरों के बाद network उस काम में बहुत अच्छा हो जाता है।
3. परखना और इस्तेमाल। फिर सिखाए गए model को ऐसे नए उदाहरणों पर परखा जाता है, जो उसने कभी नहीं देखे। अगर वह अच्छा करता है, तो उसे काम में लगाया जाता है, जैसे X-ray पढ़ने, बोली का अनुवाद करने या फ़सल सुझाने में।
सीखने के दूसरे तरीक़े। unsupervised learning में मशीन को बिना जवाब वाला data मिलता है, और वह ख़ुद समूह खोजती है, जैसे मिलती-जुलती आदतों वाले ग्राहक। reinforcement learning में वह कोशिश और ग़लती से सीखती है, और अच्छी चाल पर इनाम पाती है। इसी तरह मशीनों ने जटिल खेल खेलना सीखा है।
data की गुणवत्ता क्यों अहम है? मशीन वही सीख सकती है जो उसके उदाहरणों में है। अगर data अधूरा या एकतरफ़ा है, तो model भी वही ग़लतियाँ करेगा। इसीलिए पक्षपात (bias) AI की सबसे बड़ी समस्याओं में से एक है।
AI पहले से कहाँ काम कर रहा है
AI सिर्फ़ भविष्य का विचार नहीं है। यह पहले से ही बहुत सी ऐसी सेवाओं के अंदर चल रहा है, जिन्हें लोग हर दिन इस्तेमाल करते हैं, अक्सर बिना ध्यान दिए। यहाँ वे मुख्य क्षेत्र हैं, जो भारत जैसे देश के लिए अहम हैं।
खेती। AI उपग्रह की तस्वीरों और मौसम के data का अध्ययन करके कीटों की चेतावनी दे सकता है, पैदावार का अनुमान लगा सकता है, और किसानों को बता सकता है कि कब बोना और कब पानी देना है।
स्वास्थ्य। AI, X-ray और scans पढ़कर संभावित बीमारी की ओर इशारा कर सकता है, जो वहाँ मदद करता है जहाँ विशेषज्ञ डॉक्टर कम हैं। यह स्वास्थ्य data से बीमारी के फैलाव पर नज़र रखने में भी मदद कर सकता है।
भाषा और शासन। भारत में बहुत सी भाषाएँ हैं, और AI के अनुवाद और बोली वाले tools किसी नागरिक को अपनी भाषा में सरकारी सेवा से बात करने दे सकते हैं। chatbots योजनाओं और forms के आम सवालों के जवाब दे सकते हैं।
वित्त और सुरक्षा। bank धोखाधड़ी पकड़ने और क़र्ज़ आँकने के लिए machine learning इस्तेमाल करते हैं, और analytics भुगतानों में असामान्य pattern पकड़ने में मदद करता है। यही tools cyber हमले पकड़ने में भी मदद करते हैं।
उद्योग। कारख़ाने उत्पादन की योजना बनाने, मशीनों के ख़राब होने का पहले से अनुमान लगाने, और supply chain व stock संभालने में AI इस्तेमाल करते हैं।
IndiaAI Mission: भारत का अपना AI बनाना
हमने देखा कि भारत AI में पैसा क्यों लगा रहा है। अब देखते हैं कि पैसा कैसे इस्तेमाल हो रहा है। IndiaAI Mission सात स्तंभों पर बना है, और हर स्तंभ उस एक कमी को दूर करता है जिसने भारत को पीछे रखा।
1. IndiaAI Compute। AI सिखाने के लिए महँगे GPUs चाहिए, जो start-up और शोधकर्ता अक्सर ख़रीद नहीं पाते। mission ने 10,000 GPUs के लक्ष्य से शुरुआत की, और अक्टूबर 2025 तक 38,000 GPUs तक पहुँच गया, जो लगभग ₹65 प्रति घंटे की रियायती दर पर मिलते हैं। दिल्ली के NIC data centre में लगभग 1.1 exaflops के AI compute system का purchase order भी दिया गया है।
2. Application Development। यह स्तंभ स्वास्थ्य, खेती और शासन जैसे क्षेत्रों में challenges और hackathons के ज़रिए असली सार्वजनिक समस्याओं के AI समाधानों को पैसा देता है।
3. AIKosh। AI को data चाहिए, इसलिए AIKosh datasets और models बाँटने का platform है। जुलाई 2025 तक इस पर 20 क्षेत्रों के 3,000 से ज़्यादा datasets और 243 AI models थे।
4. IndiaAI Foundation Models। भारत भारतीय भाषाओं और ज़रूरतों पर सिखाए गए अपने बड़े models चाहता है। 30 जनवरी 2025 को माँगे गए प्रस्तावों पर 506 आवेदन आए, और अगस्त 2026 तक 20 स्वदेशी model प्रस्ताव चुने जा चुके थे। Sarvam AI को अप्रैल 2025 में अपना LLM ecosystem बनाने की मंज़ूरी मिली, और 2 जून 2025 को शुरू हुआ BharatGen 22 भारतीय भाषाओं में काम करता है।
5. IndiaAI FutureSkills। यह स्तंभ लोगों को प्रशिक्षित करता है, जिसमें PhD, postgraduate और undergraduate विद्यार्थियों को मदद और देश भर में AI data labs शामिल हैं।
6. Startup Financing। यह भारतीय AI start-ups को पैसा जुटाने और वैश्विक बाज़ारों तक पहुँचने में मदद करता है।
7. Safe and Trusted AI। यह AI को निष्पक्ष, समझने लायक़ और सुरक्षित बनाने वाले tools को पैसा देता है। IndiaAI Safety Institute के लिए 9 मई 2025 को expression of interest जारी हुआ, और अगस्त 2026 तक 13 सुरक्षित-AI projects चुने जा चुके थे।
सहायक हिस्से। 58 AI Centres of Excellence को मंज़ूरी मिल चुकी है, और National Supercomputing Mission, C-DAC पुणे में PARAM Siddhi को राष्ट्रीय AI सुविधा के रूप में चलाता है। नवंबर 2025 की एक वैश्विक रिपोर्ट ने AI की जीवंतता में भारत को तीसरे स्थान पर रखा।
ख़तरे: पक्षपात, deepfakes, निजता और रोज़गार
जो ताक़त AI को काम का बनाती है, वही उसे ख़तरनाक भी बनाती है। UPSC अक्सर इन चिंताओं के बारे में पूछता है, इसलिए इन्हें साफ़-साफ़ जानना ज़रूरी है। हर ख़तरा किसी नियम या सुरक्षा उपाय की ज़रूरत की ओर भी इशारा करता है।
1. पक्षपात और अन्याय। AI model पुराने data से सीखता है, और अगर उस data में पुराना अन्याय झलकता है, तो model उसे दोहराता है। क़र्ज़ या नौकरी देने वाला tool, बिना किसी के चाहे, कुछ समूहों के साथ अन्याय कर सकता है।
2. deepfakes और झूठी जानकारी। generative AI बहुत असली लगने वाले नक़ली video, आवाज़ें और तस्वीरें बना सकता है। इनका इस्तेमाल धोखाधड़ी, परेशान करने या झूठी ख़बरें फैलाने में हो सकता है, ख़ासकर चुनावों के समय।
3. निजता। AI systems को बहुत सारा data चाहिए, अक्सर निजी data। मज़बूत सुरक्षा के बिना लोगों की जानकारी उनकी सहमति के बिना जुटाई और इस्तेमाल की जा सकती है।
4. रोज़गार। AI कुछ रोज़मर्रा के काम लोगों से तेज़ और सस्ते में कर सकता है, जिससे कुछ नौकरियाँ बदल या ख़त्म हो सकती हैं। साथ ही यह नए तरह का काम भी बनाता है, इसलिए नया हुनर सीखना ज़रूरी हो जाता है।
5. black box की समस्या। deep learning models को समझाना अक्सर मुश्किल होता है, उन्हें बनाने वालों के लिए भी। जब model कोई अहम फ़ैसला लेता है, जैसे क़र्ज़ नामंज़ूर करना, तो लोगों को जानने का हक़ है कि क्यों।
इन्हीं चिंताओं की वजह से IndiaAI Mission में Safe and Trusted AI स्तंभ और AI Safety Institute शामिल हैं। निजी data की सुरक्षा के बारे में cyber security और digital public infrastructure में बताया गया है।
AI से भारत में क्या बदलता है
हमने technology, mission और ख़तरे देख लिए। UPSC यह भी पूछेगा कि इससे क्या फ़र्क़ पड़ा? यहाँ भारत के लिए बड़ी तस्वीर है।
1. छलाँग लगाने का मौक़ा। जैसे बहुत से लोगों के लिए भारत ने landline छोड़कर सीधे mobile अपनाया, वैसे ही भारतीय भाषाओं में AI उन लोगों तक सेवाएँ पहुँचा सकता है जो अंग्रेज़ी नहीं पढ़ पाते या जटिल forms नहीं भर पाते।
2. data और models पर अपना हक़। भारतीय foundation models और साझा computing बनाने से कुछ विदेशी कंपनियों पर निर्भरता घटती है, और भारतीय data व भाषाएँ भारत के नियंत्रण में रहती हैं।
3. रोज़गार और हुनर। भारत के पास technology के बहुत से कामगार हैं, पर ज़रूरी हुनर तेज़ी से बदल रहे हैं। FutureSkills जैसे प्रशिक्षण कार्यक्रम उतने ही अहम हैं जितने GPUs।
4. ऊर्जा और लागत। बड़े AI systems बहुत बिजली और महँगी chips इस्तेमाल करते हैं। इसलिए भारत में AI की बढ़त उसकी बिजली आपूर्ति, semiconductor योजनाओं और data centres से जुड़ी है।
पिछले वर्षों के प्रश्न
यह हिस्सा आपके चुने हुए exam में इस chapter से पूछे गए असली सवाल दिखाता है। हर सवाल official प्रश्नपत्र से शब्दशः लिया गया है, साल और paper के साथ, ताकि आप देख सकें कि यह topic असल में कैसे पूछा जाता है।
सवाल UPSC और BPSC के official प्रश्नपत्रों से जुटाए जा रहे हैं। हर सवाल मूल प्रश्नपत्र से मिलाने के बाद यहाँ दिखेगा।
तेज़ दोहराव
- AI मशीनों से इंसानी बुद्धि वाले काम कराता है। machine learning data से pattern सीखता है, deep learning कई परतों वाले neural networks इस्तेमाल करता है, और generative AI नई सामग्री बनाता है, जिसमें LLMs भाषा वाले रूप हैं।
- supervised learning में labelled data होता है, unsupervised समूह खोजता है, और reinforcement इनाम से सीखता है।
- data analytics के चार प्रकार हैं: descriptive, diagnostic, predictive और prescriptive।
- IndiaAI Mission को 7 मार्च 2024 को MeitY के तहत 5 साल के लिए ₹10,371.92 करोड़ से मंज़ूरी मिली, और इसके सात स्तंभ हैं।
- GPUs 10,000 के लक्ष्य से बढ़कर 38,000 (अक्टूबर 2025) हो गए, जो लगभग ₹65 प्रति घंटे पर मिलते हैं। AIKosh datasets बाँटता है, और BharatGen (2 जून 2025) 22 भाषाओं में काम करता है।
- मुख्य ख़तरे पक्षपात, deepfakes, निजता, रोज़गार और black box हैं, इसीलिए Safe and Trusted AI स्तंभ है।