नमूना पढ़ने की समझ - 3 | Course for HPSC Preparation (Hindi) - HPSC (Haryana) PDF Download

निर्देश: पाठ पढ़ें और उसके बाद के प्रश्नों का उत्तर दें: हाल ही में एनआईटीआई आयोग द्वारा जारी एक चर्चा पत्र में भारत के लिए एक महत्वाकांक्षी रणनीति का वर्णन किया गया है, जिसका उद्देश्य इसे कृत्रिम बुद्धिमत्ता (AI) में एक शक्ति केंद्र के रूप में स्थापित करना है। AI में कंप्यूटर सिस्टम उन निर्णयों को लेने में सक्षम होते हैं, जो आमतौर पर मनुष्यों द्वारा किए जाते हैं। भारत पहले से ही विभिन्न प्रकार के AI का सामना कर रहा है, जैसे कि खुदरा वेबसाइटों पर चैटबॉट और धोखाधड़ी वाले बैंक गतिविधियों की पहचान करने वाले कार्यक्रम। हालांकि, एनआईटीआई आयोग भारत के लिए AI समाधान कई क्षेत्रों में एक अप्रत्याशित पैमाने पर देखने की कल्पना करता है, विशेष रूप से कृषि, स्वास्थ्य सेवा, शिक्षा, स्मार्ट शहरों और बुनियादी ढांचे, और परिवहन में। उदाहरण के लिए, कृषि में, मशीनों की कल्पना की गई है कि वे किसानों को मिट्टी की गुणवत्ता, बीज बोने का सर्वोत्तम समय, हर्बिसाइड आवेदन के क्षेत्र, और संभावित कीट प्रकोपों के बारे में जानकारी प्रदान करेंगी। यह विचार विशेष रूप से महत्वपूर्ण है, खासकर जब भारत में 30 मिलियन किसानों के पास स्मार्टफोन हैं, लेकिन प्रभावी विस्तार सेवाओं की कमी है। यदि कंप्यूटर कृषि विश्वविद्यालयों को किसानों को सर्वोत्तम प्रथाओं के बारे में सलाह देने में मदद करते हैं, तो यह कृषि प्रथाओं में एक क्रांतिकारी परिवर्तन लाने में सक्षम हो सकता है। फिर भी, आगे कई महत्वपूर्ण चुनौतियाँ हैं। जबकि AI स्टार्टअप कुछ समाधान प्रदान कर रहे हैं, असली चुनौती इन समाधानों को एनआईटीआई आयोग द्वारा कल्पित पूरे मूल्य श्रृंखला में स्केल करने में है। मुख्य बाधा डेटा है। मशीन लर्निंग, AI बनाने के लिए उपयोग की जाने वाली तकनीकों का एक सेट, डेटा तत्वों के बीच संबंधों की पहचान करने और भविष्यवाणियाँ करने के लिए महत्वपूर्ण मात्रा में ऐतिहासिक डेटा की मांग करता है। मशीन लर्निंग के अधिक उन्नत रूप, जैसे "डीप लर्निंग," मानव मस्तिष्क की नकल करने का प्रयास करते हैं, जिसके लिए पारंपरिक मशीन लर्निंग की तुलना में अधिक डेटा की आवश्यकता होती है। दुर्भाग्य से, भारत में कृषि जैसे महत्वपूर्ण क्षेत्रों में पर्याप्त डेटा की कमी है, जो AI आधारित व्यवसायों की प्रगति को बाधित करता है। वास्तव में, डेटा की कमी के कारण, कई कंपनियों के लिए डीप लर्निंग अप्रभावी है। दिल्ली स्थित कंपनी क्लाइमेट-कनेक्ट AI का उपयोग करके सौर ऊर्जा उत्पादन की भविष्यवाणी करती है, लेकिन ऐतिहासिक डेटा की कमी डीप लर्निंग के उपयोग को सीमित करती है। उदाहरण के लिए, भारत की योजना 2022 तक 100 GW सौर ऊर्जा स्थापित करने की है, जिसके लिए सटीक भविष्यवाणियों की आवश्यकता है, लेकिन क्लाइमेट-कनेक्ट सीमित ऐतिहासिक डेटा के कारण पारंपरिक मशीन लर्निंग पर निर्भर है। AI कंपनियों के लिए एक और चुनौती कुशल पेशेवरों की कमी है। एनआईटीआई आयोग की रिपोर्ट के अनुसार, केवल लगभग 50 भारतीय वैज्ञानिक "गंभीर अनुसंधान" में लगे हुए हैं, जो मुख्य रूप से भारतीय प्रौद्योगिकी संस्थानों और भारतीय विज्ञान संस्थानों जैसी प्रतिष्ठित संस्थाओं में केंद्रित हैं। इसके अलावा, केवल लगभग 4% AI पेशेवरों के पास डीप लर्निंग जैसी उभरती हुई तकनीकों में अनुभव है। कौशल अंतर कंपनियों को प्रभावित करता है, लेकिन मशीन लर्निंग कोड के ओपन लाइब्रेरी और उन्हें भारतीय समस्याओं के समाधान के लिए अनुकूलित करना इस स्थिति को कुछ हद तक कम करता है, जिससे यहां तक कि कंप्यूटर विज्ञान के स्नातक भी बिना प्रारंभिक से शुरू किए अनुकूलन संभालने में सक्षम होते हैं।