Artificial Intelligence Concepts and Search Algorithms

Posted on Jun 29, 2026 in Commerce

प्रश्न 1 (LO1): आर्टिफिशियल इंटेलिजेंस (AI) और इसके मुख्य भाग

आर्टिफिशियल इंटेलिजेंस (AI) का अर्थ: आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) कंप्यूटर विज्ञान की वह शाखा है जो कंप्यूटर या मशीनों को इंसानों की तरह सोचने, सीखने, निर्णय लेने और समस्याओं को हल करने की क्षमता प्रदान करती है। इसका मुख्य उद्देश्य एक ऐसी बुद्धिमान प्रणाली बनाना है जो मानव व्यवहार और बुद्धिमत्ता की नकल कर सके।

AI के मुख्य घटक (Components of AI)

AI को प्रभावी ढंग से कार्य करने के लिए निम्नलिखित मुख्य घटकों की आवश्यकता होती है:

  • लर्निंग (Learning – सीखना): इसमें कंप्यूटर को डेटा के माध्यम से सिखाया जाता है। यह कई प्रकार का हो सकता है जैसे- परीक्षण और त्रुटि (trial and error), नियमों को याद रखना या अतीत के अनुभवों से सीखना।
  • रीज़निंग (Reasoning – तर्क करना): यह मशीन को किसी स्थिति के अनुसार सही निर्णय लेने या निष्कर्ष निकालने की क्षमता देता है। इसमें तर्क के आधार पर समस्याओं को सुलझाया जाता है।
  • प्रॉब्लम सॉल्विंग (Problem Solving – समस्या समाधान): AI का यह घटक दी गई परिस्थितियों और अज्ञात वेरिएबल्स के आधार पर किसी समस्या का सही और सटीक समाधान खोजने का कार्य करता है।
  • परसेप्शन (Perception – धारणा/अनुभूति): इसके अंतर्गत मशीन अपने आस-पास के वातावरण को विभिन्न सेंसरों (जैसे कैमरा, माइक) के माध्यम से स्कैन करती है और उस जानकारी का विश्लेषण करती है (उदा. कंप्यूटर विज़न)।
  • भाषा ज्ञान (Language Understanding/NLP): कंप्यूटर द्वारा इंसानों की प्राकृतिक भाषा (जैसे हिंदी, अंग्रेज़ी) को समझने, उसका विश्लेषण करने और प्रतिक्रिया देने की क्षमता।

अथवा (OR): आधुनिक युग में AI के विविध अनुप्रयोग

आज के आधुनिक युग में AI का उपयोग लगभग हर क्षेत्र में हो रहा है। इसके प्रमुख अनुप्रयोग निम्नलिखित हैं:

  • स्वास्थ्य सेवा (Healthcare): बीमारियों का जल्दी पता लगाने, एक्स-रे/एमआरआई स्कैन का विश्लेषण करने और नई दवाओं की खोज में AI डॉक्टरों की मदद कर रहा है।
  • वित्त और बैंकिंग (Finance & Banking): धोखाधड़ी (Fraud) का पता लगाने, शेयर बाजार की भविष्यवाणी करने और ‘चैटबॉट्स’ के माध्यम से ग्राहकों को 24/7 सहायता प्रदान करने में।
  • ई-कॉमर्स (E-Commerce): अमेज़न या नेटफ्लिक्स जैसी कंपनियां ग्राहकों को उनकी पसंद के आधार पर उत्पादों या फिल्मों की सिफारिश (Product Recommendations) करने के लिए AI का उपयोग करती हैं।
  • स्वायत्त वाहन (Autonomous Vehicles): बिना ड्राइवर के चलने वाली कारें (जैसे टेस्ला) रास्ते को समझने, ट्रैफ़िक देखने और निर्णय लेने के लिए AI का उपयोग करती हैं।
  • कृषि (Agriculture): फसलों की बीमारी का पता लगाने, मिट्टी की गुणवत्ता जांचने और मौसम के पूर्वानुमान के लिए AI-संचालित ड्रोन और सेंसर का उपयोग किया जाता है।
  • शिक्षा (Education): छात्रों की सीखने की क्षमता के अनुसार व्यक्तिगत अध्ययन सामग्री (Personalized Learning) तैयार करने में।

प्रश्न 2 (LO2): Breadth First Search (BFS) की विस्तृत व्याख्या

ब्रेडथ फर्स्ट सर्च (BFS) ग्राफ या ट्री (Tree) डेटा स्ट्रक्चर को सर्च/ट्रैवर्स करने का एक महत्वपूर्ण एल्गोरिदम है। यह एल्गोरिदम रूट नोड (Root Node) से शुरू होता है और अगले स्तर पर जाने से पहले वर्तमान स्तर (Level) के सभी नोड्स की जांच करता है। इसे लेवल-ऑर्डर ट्रैवर्सल (Level-order traversal) भी कहा जाता है।

BFS की मुख्य विशेषताएं

  • यह FIFO (First In First Out) सिद्धांत पर काम करता है।
  • इसमें नोड्स को ट्रैक करने के लिए क्यू (Queue) डेटा स्ट्रक्चर का उपयोग किया जाता है।
  • यह बिना किसी अनुमान या ह्यूरिस्टिक (Heuristic) के काम करता है, इसलिए यह एक अनइन्फॉर्म्ड सर्च (Uninformed Search) है।

कार्यप्रणाली (Algorithm Steps)

  1. सबसे पहले रूट नोड को क्यू (Queue) में डालें और उसे ‘विज़िटेड’ (Visited) मार्क करें।
  2. जब तक क्यू खाली न हो जाए, तब तक नीचे दिए गए चरणों को दोहराएं:
    • क्यू के सामने वाले नोड को बाहर निकालें (Dequeue)।
    • उस नोड के सभी आस-पास के (Unvisited Neighbors) नोड्स को देखें।
    • उन्हें क्यू में डालें (Enqueue) और ‘विज़िटेड’ मार्क करें।

अथवा (OR): AO* एल्गोरिथम और AND-OR ग्राफ

AO* एल्गोरिथम एक ह्यूरिस्टिक सर्च एल्गोरिदम है जिसका उपयोग AND-OR ग्राफ को हल करने के लिए किया जाता है। यह $A^*$ एल्गोरिथम का एक रूप है, लेकिन इसका उपयोग तब किया जाता है जब किसी मुख्य समस्या को हल करने के लिए कई उप-समस्याओं (Sub-problems) को एक साथ (AND) या अलग-अलग (OR) हल करना हो।

  • OR नोड: किसी समस्या को हल करने के लिए उपलब्ध विकल्पों में से कोई भी एक विकल्प चुनना।
  • AND नोड: समस्या को हल करने के लिए उसके अंतर्गत आने वाले सभी उप-कार्यों को पूरा करना अनिवार्य होना।

उदाहरण

मान लीजिए आपको “कार चलाना सीखना है” (मुख्य लक्ष्य)। इस लक्ष्य को प्राप्त करने के लिए आपके पास दो रास्ते हैं (OR सम्बन्ध):

  1. विकल्प A: ड्राइविंग स्कूल जॉइन करें।
  2. विकल्प B: खुद से अभ्यास करें।

यदि आप विकल्प B (खुद से अभ्यास) चुनते हैं, तो आपको निम्नलिखित दोनों कार्य करने ही होंगे (AND सम्बन्ध):

  • कार की व्यवस्था करना AND एक खाली मैदान ढूंढना।

AO* एल्गोरिथम प्रत्येक नोड के ह्यूरिस्टिक कॉस्ट (अनुमानित लागत) की गणना करता है और सबसे कम लागत वाले ‘AND’ या ‘OR’ रास्तों को चुनते हुए आगे बढ़ता है।

प्रश्न 3 (LO5): लॉजिक और Predicate Logic की भूमिका

लॉजिक (तर्क): कंप्यूटर विज्ञान और AI में, ‘लॉजिक’ नियमों का एक ऐसा समूह है जिसका उपयोग वाक्यों/तथ्यों को इस तरह से प्रस्तुत करने के लिए किया जाता है जिससे कंप्यूटर स्वचालित रूप से निष्कर्ष निकाल सके। यह ज्ञान को सत्य (True) या असत्य (False) के रूप में प्रमाणित करने का आधार है।

नॉलेज प्रदर्शन में Predicate Logic (FOPL) की भूमिका

प्रपोजिशनल लॉजिक (Propositional Logic) बहुत सरल होता है और वह गहरा संबंध नहीं दर्शा सकता। इसके विपरीत, प्रेडिकेट लॉजिक (Predicate Logic) या फर्स्ट-ऑर्डर प्रेडिकेट लॉजिक (FOPL) वस्तुओं (Objects), उनके गुणों (Properties) और उनके बीच के संबंधों को बहुत सटीक रूप से दर्शाता है। इसकी भूमिका को निम्न प्रकार समझा जा सकता है:

  1. सटीक निरूपण: यह तथ्यों को साधारण हां/ना से परे जाकर दिखाता है।
  2. क्वांटिफायर (Quantifiers) का उपयोग: इसमें $\forall$ (Universal – सभी के लिए) और $\exists$ (Existential – किसी एक के लिए) का उपयोग करके वाक्यों को गणितीय रूप दिया जा सकता है।

उदाहरण: वाक्य: “सभी इंसान मरणशील हैं।”

प्रश्न 4 (LO6): Natural Language Processing (NLP) के चरण

नैचुरल लैंग्वेज प्रोसेसिंग (NLP): NLP आर्टिफिशियल इंटेलिजेंस की वह शाखा है जो कंप्यूटर को इंसानों द्वारा बोली या लिखी जाने वाली प्राकृतिक भाषा (जैसे हिंदी, अंग्रेजी) को समझने, उसका अर्थ निकालने और उसी भाषा में उत्तर देने के योग्य बनाती है। (उदा: Google Assistant, Alexa)।

NLP के मुख्य चरण (Phases of NLP)

  1. लेक्सिकल एनालिसिस (Lexical Analysis): इसमें टेक्स्ट के पूरे पैराग्राफ को छोटे-छोटे टुकड़ों जैसे शब्दों, वाक्यों या वाक्यांशों (Tokens) में तोड़ा जाता है।
  2. सिंटैक्टिक एनालिसिस (Syntactic Analysis / Parsing): इस चरण में व्याकरण (Grammar) के नियमों की जांच की जाती है कि शब्द सही क्रम में व्यवस्थित हैं या नहीं। इसके लिए ‘पार्स ट्री’ बनाया जाता है।
  3. सिमेंटिक एनालिसिस (Semantic Analysis): इस चरण में वाक्यों का वास्तविक या शाब्दिक अर्थ (Literal Meaning) निकाला जाता है। यदि वाक्य व्याकरण के अनुसार सही है लेकिन उसका कोई अर्थ नहीं निकलता, तो उसे यहाँ ख़ारिज कर दिया जाता है।
  4. डिस्कोर्स इंटीग्रेशन (Discourse Integration): इसमें किसी एक वाक्य का अर्थ उसके पहले या बाद में आने वाले वाक्यों के संदर्भ (Context) के आधार पर निकाला जाता है।
  5. प्रैग्मैटिक एनालिसिस (Pragmatic Analysis): यह अंतिम चरण है जहाँ भाषा के व्यावहारिक अर्थ को समझा जाता है, यानी असल दुनिया के संदर्भ में उस वाक्य का क्या मतलब निकाला जा रहा है।

प्रश्न 7 (LO10): AI प्लानिंग में STRIPS की उपयोगिता

STRIPS (Stanford Research Institute Problem Solver): यह AI में एक स्वचालित प्लानिंग (Planning) एल्गोरिथम और भाषा है। इसका उपयोग किसी रोबोट या सिस्टम को अपने लक्ष्य तक पहुँचने के लिए कदमों का एक सही क्रम (Plan) बनाने के लिए किया जाता है।

STRIPS की उपयोगिता

यह किसी भी समस्या को तीन मुख्य भागों में बांटकर हल करता है:

  1. प्रारंभिक अवस्था (Initial State): वर्तमान में दुनिया कैसी है।
  2. लक्ष्य अवस्था (Goal State): हम अंत में क्या हासिल करना चाहते हैं।
  3. क्रियाएं (Actions/Operators): लक्ष्य तक पहुँचने के लिए क्या कार्य किए जा सकते हैं। प्रत्येक Action के पास दो चीजें होती हैं:
    • Pre-conditions: कार्य करने से पहले क्या सच होना चाहिए।
    • Effects: कार्य करने के बाद क्या बदलाव आएगा (Add list और Delete list)।

प्रश्न 6 (LO9): AI एजेंट के कार्य और उनके प्रकार

एजेंट (Agent): AI में, एजेंट वह सब कुछ है जो अपने सेंसर्स (Sensors) के माध्यम से अपने वातावरण (Environment) को महसूस कर सकता है और एक्ट्यूएटर्स (Actuators) के माध्यम से उस वातावरण पर कार्य (Action) कर सकता है। (उदा: एक रोबोट, एक सॉफ्टवेयर प्रोग्राम या खुद इंसान)।

एजेंट के प्रकार (Types of Agents)

AI में मुख्य रूप से 5 प्रकार के एजेंट होते हैं:

  1. सिंपल रिफ्लेक्स एजेंट (Simple Reflex Agent): ये केवल वर्तमान स्थिति के आधार पर कार्य करते हैं, इतिहास को याद नहीं रखते।
  2. मॉडल-बेस्ड रिफ्लेक्स एजेंट (Model-based Reflex Agent): ये एजेंट वातावरण की वर्तमान स्थिति का एक आंतरिक ट्रैक (इतिहास) रखते हैं।
  3. गोल-बेस्ड एजेंट (Goal-based Agent): ये एजेंट वर्तमान स्थिति के साथ-साथ अपने लक्ष्य (Goal) को ध्यान में रखकर निर्णय लेते हैं।
  4. यूटिलिटी-बेस्ड एजेंट (Utility-based Agent): ये न केवल लक्ष्य देखते हैं, बल्कि यह भी देखते हैं कि लक्ष्य तक पहुँचने का कौन सा रास्ता सबसे बेहतर या “खुशनुमा” (Best Utility) है।
  5. लर्निंग एजेंट (Learning Agent): ये एजेंट अपने पिछले अनुभवों से सीखते हैं और अपने काम करने की क्षमता में सुधार करते हैं।

प्रश्न: BFS बनाम DFS: तुलना और जटिलता

  • BFS (Breadth-First Search): यह एल्गोरिदम ट्री या ग्राफ़ में लेवल-बाय-लेवल (चौड़ाई में) सर्च करता है। पहले यह शुरुआती नोड के सभी नजदीकी नोड्स को देखता है, फिर उसके आगे बढ़ता है। इसमें Queue डेटा स्ट्रक्चर का इस्तेमाल होता है। यह हमेशा सबसे छोटा रास्ता (Shortest Path) ढूंढता है। इसकी टाइम और स्पेस कॉम्प्लेक्सिटी $O(b^d)$ होती है।
  • DFS (Depth-First Search): यह एल्गोरिदम चौड़ाई के बजाय गहराई में जाता है। यह एक रास्ते पर तब तक सीधा नीचे जाता रहता है जब तक कि आखिरी नोड न आ जाए, फिर यह वापस (Backtrack) आता है। इसमें Stack डेटा स्ट्रक्चर का इस्तेमाल होता है। इसकी टाइम कॉम्प्लेक्सिटी $O(b^m)$ और स्पेस कॉम्प्लेक्सिटी $O(bm)$ होती है।

प्रश्न: A* सर्च एल्गोरिदम की कार्यविधि

A* सर्च एल्गोरिदम: $A^*$ सबसे लोकप्रिय और बेहतरीन इन्फॉर्म्ड सर्च एल्गोरिदम है। यह शुरुआती बिंदु से लक्ष्य तक का सबसे छोटा और सस्ता रास्ता ढूंढने के लिए एक फॉर्मूले का उपयोग करता है:

$$f(n) = g(n) + h(n)$$
  • $g(n) = $ शुरुआती नोड से वर्तमान नोड तक पहुँचने की वास्तविक लागत (Actual Cost)।
  • $h(n) = $ वर्तमान नोड से लक्ष्य तक पहुँचने की अनुमानित लागत (Heuristic Cost)।

इन दोनों को जोड़कर $A^*$ हमेशा सबसे कम $f(n)$ वाले रास्ते को चुनता है, जिससे यह सटीक और तेज़ परिणाम देता है।