53:46
Artificial Intelligence | Unit-3 | BCS-701| One Shot | PYQ Solutions | Aktu Exams | 4th Year
Multi Atoms
Overview
यह वीडियो आर्टिफिशियल इंटेलिजेंस (AI) के यूनिट 3 को कवर करती है, जिसमें प्रपोज़िशनल लॉजिक, फर्स्ट ऑर्डर लॉजिक, नॉलेज रिप्रेजेंटेशन, क्वांटिफायर्स, सिंटेक्स, सिमेंटिक्स, इनफरेंस, नॉलेज-बेस्ड एजेंट, वैंपस वर्ल्ड प्रॉब्लम, प्रोलॉग का उपयोग करके लॉजिकल प्रोग्रामिंग, फॉरवर्ड और बैकवर्ड चेनिंग, और AI में ऑन्टोलॉजी जैसे महत्वपूर्ण कॉन्सेप्ट्स को समझाया गया है। वीडियो का उद्देश्य छात्रों को इन विषयों की गहरी समझ प्रदान करना है, खासकर परीक्षा की तैयारी के लिए।
How was this?
Save this permanently with flashcards, quizzes, and AI chat
Chapters
- प्रपोज़िशनल लॉजिक सरल स्टेटमेंट्स (प्रपोज़िशंस) से संबंधित है जो या तो सत्य (True) या असत्य (False) होती हैं।
- यह स्टेटमेंट के आंतरिक स्ट्रक्चर पर ध्यान नहीं देता, केवल उसकी सत्यता मूल्य (Truth Value) पर केंद्रित होता है।
- लॉजिकल कनेक्टिव्स (जैसे AND, OR, NOT, IMPLIES) का उपयोग करके सरल स्टेटमेंट्स को मिलाकर जटिल स्टेटमेंट्स बनाई जाती हैं।
यह AI में तर्क और निष्कर्ष निकालने की नींव रखता है, जिससे सिस्टम सरल कथनों के आधार पर निर्णय ले सकें।
स्टेटमेंट '2 + 3 = 5' सत्य है, जबकि '3 + 0 = 5' असत्य है। इन सत्यता मूल्यों का उपयोग प्रपोज़िशनल लॉजिक में होता है।
- नॉलेज रिप्रेजेंटेशन AI का एक फंडामेंटल कॉन्सेप्ट है जो बताता है कि नॉलेज को कंप्यूटर समझने योग्य फॉर्मेट में कैसे स्टोर, स्ट्रक्चर और मैनिपुलेट किया जाए।
- फर्स्ट ऑर्डर लॉजिक (प्रिडिकेट लॉजिक) प्रपोज़िशनल लॉजिक से अधिक शक्तिशाली है क्योंकि यह ऑब्जेक्ट्स, उनके गुणों और उनके बीच के संबंधों को भी व्यक्त कर सकता है।
- यह स्टेटमेंट्स को ब्रेकडाउन करने और ऑब्जेक्ट्स के बीच मैपिंग (फंक्शन्स का उपयोग करके) की अनुमति देता है।
यह AI सिस्टम को दुनिया के बारे में अधिक जटिल और बारीकियों से जानकारी को समझने और उस पर तर्क करने में सक्षम बनाता है।
प्रपोज़िशनल लॉजिक 'जॉन एक इंसान है और जॉन नश्वर है' जैसे स्टेटमेंट को ब्रेकडाउन नहीं कर सकता, लेकिन फर्स्ट ऑर्डर लॉजिक इसे ऑब्जेक्ट्स (जॉन) और उनके गुणों (इंसान, नश्वर) के रूप में रिप्रेजेंट कर सकता है।
- क्वांटिफायर्स हमें ऑब्जेक्ट्स के समूह के बारे में स्टेटमेंट बनाने की अनुमति देते हैं।
- यूनिवर्सल क्वांटिफायर (∀) 'सभी के लिए' (For All) का प्रतिनिधित्व करता है और आमतौर पर 'इंप्लाइस' (Implies) ऑपरेटर के साथ प्रयोग किया जाता है।
- एक्सटेंशियल क्वांटिफायर (∃) 'कुछ के लिए' (There Exists) का प्रतिनिधित्व करता है और आमतौर पर 'एंड' (AND) ऑपरेटर के साथ प्रयोग किया जाता है।
ये AI को सामान्यीकरण (generalizations) करने और विशिष्ट उदाहरणों के बारे में तर्क करने में मदद करते हैं, जिससे अधिक सटीक निष्कर्ष निकाले जा सकते हैं।
'सभी बिल्लियाँ जानवर हैं' (∀x Cat(x) → Animal(x)) यूनिवर्सल क्वांटिफायर का उदाहरण है, जबकि 'कुछ लोग आइसक्रीम पसंद करते हैं' (∃x Person(x) ∧ Loves(x, IceCream)) एक्सटेंशियल क्वांटिफायर का उदाहरण है।
- सिंटेक्स (Syntax) भाषा के नियमों और स्ट्रक्चर को परिभाषित करता है कि कैसे मान्य स्टेटमेंट बनाए जाएं।
- सिमेंटिक्स (Semantics) उन स्टेटमेंट्स के अर्थ को बताता है कि वे वास्तविक दुनिया में क्या दर्शाते हैं।
- इनफरेंस (Inference) मौजूदा ज्ञान के आधार पर नए निष्कर्ष या स्टेटमेंट निकालने की प्रक्रिया है।
ये तीन कॉन्सेप्ट AI सिस्टम को भाषा को समझने, उसके अर्थ को निकालने और उस ज्ञान का उपयोग करके नए तथ्यों को खोजने में सक्षम बनाते हैं।
स्टेटमेंट 'सभी मनुष्य नश्वर हैं' सिंटेक्टिकली सही है। सिमेंटिकली इसका मतलब है कि हर इंसान की मृत्यु निश्चित है। इनफरेंस का उपयोग करके, यदि हम जानते हैं कि 'सुकरात एक मनुष्य है', तो हम निष्कर्ष निकाल सकते हैं कि 'सुकरात नश्वर है'।
- नॉलेज-बेस्ड एजेंट अपने नॉलेज बेस का उपयोग करके निर्णय लेते हैं और समस्याओं को हल करते हैं।
- वैंपस वर्ल्ड एक 4x4 ग्रिड गेम है जहाँ एजेंट को खतरों (पिट, वैंपस) से बचते हुए खजाना (ट्रेजर) ढूंढना होता है।
- एजेंट सेंसिंग (ब्रीज़, स्टेंच), थिंकिंग (इनफरेंस), डिसीजन मेकिंग और एक्शन के माध्यम से काम करता है, और उसके प्रदर्शन को अवार्ड/पनिशमेंट से मापा जाता है।
यह AI में एजेंटों के तर्क करने, पर्यावरण को समझने और सुरक्षित रूप से लक्ष्य प्राप्त करने की क्षमता को दर्शाता है।
एजेंट को ब्रीज़ (हवा की आवाज़) सुनकर पता चलता है कि पास में पिट (गड्ढा) हो सकता है, और स्टेंच (बदबू) सुनकर पता चलता है कि वैंपस (राक्षस) पास में है, जिससे वह खतरों से बचकर खजाने तक पहुँचने का निर्णय लेता है।
- लॉजिकल प्रोग्रामिंग AI को फैक्ट्स और रूल्स के आधार पर समस्याओं को हल करने का तरीका सिखाती है।
- प्रोलॉग (Programming in Logic) एक ऐसी विशेष भाषा है जो AI को लॉजिकली सोचने और जटिल संबंधों को समझने में मदद करती है।
- प्रोलॉग में स्टेप-बाय-स्टेप कोडिंग के बजाय, आप केवल फैक्ट्स, रूल्स और प्रश्न बताते हैं, और सिस्टम समाधान ढूंढता है।
यह AI सिस्टम को अधिक मानव-जैसी तर्क क्षमता प्रदान करता है, जिससे वे जटिल समस्याओं को कुशलतापूर्वक हल कर सकें।
प्रोलॉग में, आप 'पिता(राम, श्याम)' जैसे फैक्ट्स और 'दादा(X, Y) :- पिता(X, Z), पिता(Z, Y)' जैसे रूल्स को परिभाषित करते हैं, और फिर 'दादा(राम, Z)?' जैसा प्रश्न पूछकर Z की वैल्यू प्राप्त कर सकते हैं।
- फॉरवर्ड चेनिंग डेटा से शुरू होकर निष्कर्ष तक पहुँचती है (डेटा → निष्कर्ष)।
- बैकवर्ड चेनिंग निष्कर्ष से शुरू होकर डेटा तक पहुँचती है (निष्कर्ष → डेटा)।
- दोनों विधियाँ AI सिस्टम को दिए गए तथ्यों और नियमों के आधार पर तर्क करने में मदद करती हैं।
ये विधियाँ AI को किसी लक्ष्य तक पहुँचने या किसी स्थिति के कारणों को समझने के लिए तर्क की एक व्यवस्थित प्रक्रिया प्रदान करती हैं।
फॉरवर्ड चेनिंग: यदि 'x=10' और 'y=20' ज्ञात है, और नियम है 'यदि x=10 और y=20 तो z=50', तो निष्कर्ष 'z=50' निकलता है। बैकवर्ड चेनिंग: यदि लक्ष्य 'a=100' है, और नियम है 'यदि z=50 तो a=100', तो यह z=50 की तलाश करेगा।
- रेजोल्यूशन एक तर्क नियम है जो दो लॉजिकल स्टेटमेंट्स को मिलाकर एक नया स्टेटमेंट बनाता है, जिसका उपयोग सत्यता या असंगति साबित करने के लिए किया जाता है।
- ऑन्टोलॉजी AI के लिए एक विस्तृत डिक्शनरी या नॉलेज मैप की तरह है, जो ऑब्जेक्ट्स, उनके गुणों और उनके बीच के संबंधों को परिभाषित करती है।
- ऑन्टोलॉजिकल रीजनिंग AI को इस नॉलेज मैप का उपयोग करके स्मार्ट निष्कर्ष निकालने में मदद करती है।
रेजोल्यूशन AI को तार्किक रूप से सिद्ध करने में मदद करता है, जबकि ऑन्टोलॉजी AI को दुनिया को समझने और उस पर तर्क करने के लिए एक संरचित ज्ञान आधार प्रदान करती है।
रेजोल्यूशन: 'सभी मनुष्य नश्वर हैं' और 'सुकरात एक मनुष्य है' से यह निष्कर्ष निकाला जा सकता है कि 'सुकरात नश्वर है'। ऑन्टोलॉजी: AI को यह समझने में मदद करती है कि 'कार' एक 'वाहन' है और इसे 'व्यक्ति' द्वारा 'चलाया' जा सकता है।
Key takeaways
- प्रपोज़िशनल और फर्स्ट ऑर्डर लॉजिक AI में तर्क और ज्ञान प्रतिनिधित्व की नींव हैं, जो सिस्टम को कथनों और उनके बीच संबंधों को समझने में मदद करते हैं।
- क्वांटिफायर्स (यूनिवर्सल और एक्सटेंशियल) AI को सामान्यीकरण और विशिष्टता के आधार पर तर्क करने की क्षमता प्रदान करते हैं।
- सिंटेक्स, सिमेंटिक्स और इनफरेंस AI सिस्टम को भाषा को समझने, उसके अर्थ को निकालने और नए निष्कर्षों तक पहुँचने में सक्षम बनाते हैं।
- नॉलेज-बेस्ड एजेंट और वैंपस वर्ल्ड जैसी समस्याएं AI की निर्णय लेने और पर्यावरण में सुरक्षित रूप से कार्य करने की क्षमताओं को प्रदर्शित करती हैं।
- प्रोलॉग जैसी लॉजिकल प्रोग्रामिंग भाषाएं AI को मानव-जैसी तर्क क्षमताएं प्रदान करती हैं, जिससे वे जटिल समस्याओं को कुशलतापूर्वक हल कर सकें।
- फॉरवर्ड और बैकवर्ड चेनिंग AI में तर्क करने के लिए व्यवस्थित तरीके प्रदान करती हैं, चाहे लक्ष्य ज्ञात हो या डेटा ज्ञात हो।
- रेजोल्यूशन तार्किक प्रमाण के लिए एक शक्तिशाली उपकरण है, जबकि ऑन्टोलॉजी AI को दुनिया को समझने और उस पर तर्क करने के लिए एक संरचित ज्ञान आधार प्रदान करती है।
Key terms
Propositional LogicFirst Order Logic (Predicate Logic)Knowledge RepresentationLogical Connectives (AND, OR, NOT, IMPLIES)Quantifiers (Universal, Existential)SyntaxSemanticsInferenceKnowledge-Based AgentWumpus World ProblemProlog (Programming in Logic)Forward ChainingBackward ChainingResolutionOntologyTruth Value
Test your understanding
- प्रपोज़िशनल लॉजिक और फर्स्ट ऑर्डर लॉजिक के बीच मुख्य अंतर क्या हैं और AI में प्रत्येक का क्या महत्व है?
- क्वांटिफायर्स (यूनिवर्सल और एक्सटेंशियल) का उपयोग करके किसी स्टेटमेंट को कैसे व्यक्त किया जाता है? एक उदाहरण दें।
- AI सिस्टम में सिंटेक्स, सिमेंटिक्स और इनफरेंस कैसे एक साथ काम करते हैं?
- नॉलेज-बेस्ड एजेंट कैसे काम करता है और वैंपस वर्ल्ड प्रॉब्लम में एजेंट के निर्णय लेने की प्रक्रिया का वर्णन करें।
- प्रोलॉग का उपयोग करके लॉजिकल प्रोग्रामिंग कैसे की जाती है और यह पारंपरिक प्रोग्रामिंग से कैसे भिन्न है?
- फॉरवर्ड चेनिंग और बैकवर्ड चेनिंग के बीच क्या अंतर है? प्रत्येक का उपयोग कब किया जाता है?
- रेजोल्यूशन का उपयोग करके दो लॉजिकल स्टेटमेंट्स से नया निष्कर्ष कैसे निकाला जा सकता है? ऑन्टोलॉजी AI में क्या भूमिका निभाती है?