नैतिकता, शैक्षणिक सत्यनिष्ठा, सीमाएँ और अंत-से-अंत कार्यप्रवाह — गणित में आर्टिफिशियल इंटेलिजेंस

लाभ:

गणित में कृत्रिम बुद्धि का उपयोग करने के नैतिक सिद्धांतों को समझने और लागू करने की क्षमता (सीखने, पारदर्शिता, मानवीय जिम्मेदारी, न्याय, गोपनीयता की सेवा में होना)।
गोपनीयता जोखिमों का आकलन करने और परीक्षा प्रश्नों, छात्र डेटा और अप्रकाशित शोध जैसी संवेदनशील सामग्री में उचित सावधानी बरतने की क्षमता
मॉड्यूल के सभी हिस्सों (उत्पादन + सत्यापन) को एक एंड-टू-एंड वर्कफ़्लो में संयोजित करने की क्षमता, प्रत्येक उत्पादन चरण को सत्यापन चरण और अंतिम मानव अनुमोदन के साथ पूरा करना

इस अंतिम इकाई में हम दो चीजों को जोड़ते हैं: एक ओर, गणित में कृत्रिम बुद्धिमत्ता के उपयोग की नैतिक, शैक्षणिक अखंडता और गोपनीयता आयाम; दूसरी ओर, पूरे मॉड्यूल में हमने जो सीखा उसे एक एंड-टू-एंड वर्कफ़्लो में एक साथ लाना। गणित में एआई एक शक्तिशाली उपकरण है, लेकिन यह जिम्मेदारी के साथ-साथ शक्ति भी लेकर आता है: आप इसका उपयोग किसके लिए करते हैं, आप इसका उपयोग किसके लिए करते हैं और आप इसका उपयोग कैसे करते हैं, इसके नैतिक परिणाम होते हैं। एक छात्र का होमवर्क एआई द्वारा किया जाना और एक शिक्षक द्वारा पाठ्यक्रम सामग्री को एआई से गति प्रदान करना बहुत अलग चीजें हैं। यह इकाई जिम्मेदार उपयोग के साथ तकनीकी कौशल का पूरक है।

कुछ परिभाषाएँ. शैक्षणिक सत्यनिष्ठा का अर्थ ईमानदारी से यह दिखाना है कि वास्तव में काम किसका है, न कि सीखने में शॉर्टकट करना। साहित्यिक चोरी का मतलब किसी और के (या किसी माध्यम के) उत्पाद को ऐसे प्रस्तुत करना है जैसे कि वह आपका अपना मूल उत्पाद हो। पारदर्शिता का मतलब स्पष्ट रूप से यह बताना है कि एआई का उपयोग कहां किया जाता है। एआई के युग में ये अवधारणाएं गणित शिक्षा का केंद्र बन गई हैं।

नैतिक उपयोग के बुनियादी सिद्धांत

सीखने के स्थान पर नहीं, बल्कि उसकी सेवा में। एआई एक छात्र को अवधारणा (स्पष्टीकरण, वैकल्पिक स्पष्टीकरण) सीखने में सहायता कर सकता है, लेकिन इसके बजाय उसे सोचने पर मजबूर नहीं करना चाहिए। एआई द्वारा होमवर्क करने से सीखने की क्षमता कमजोर हो जाती है।
पारदर्शिता. इंगित करें कि एआई का उपयोग कहां किया गया था - एक लेख, पाठ्यक्रम सामग्री या रिपोर्ट में। छुपाना बेईमानी है.
जिम्मेदारी इंसानों की है. जो कोई भी एआई आउटपुट प्रकाशित करता है, पढ़ाता है या वितरित करता है वह इसकी सटीकता के लिए जिम्मेदार है। "एआई ने ऐसा कहा" कोई बहाना नहीं है।
न्याय। मूल्यांकन में एआई का उपयोग सभी छात्रों के लिए समान और स्पष्ट नियमों द्वारा शासित होना चाहिए।
सुरक्षा। एआई टूल में परीक्षा प्रश्न, छात्र डेटा या अप्रकाशित शोध जैसी संवेदनशील जानकारी दर्ज न करें, जिसकी गोपनीयता की गारंटी नहीं है।

गोपनीयता: गणित के संदर्भ में इसका क्या अर्थ है?

भले ही गणित ऐसा प्रतीत हो कि इसमें "कोई छिपा हुआ डेटा नहीं है", संदर्भ महत्वपूर्ण है। एक अप्रकाशित शोध परिणाम, एक संस्थान का परीक्षा प्रश्न बैंक, छात्रों का व्यक्तिगत प्रदर्शन डेटा, या एक कंपनी का मालिकाना एल्गोरिदम - सभी संवेदनशील हैं। एआई टूल में आप जो कुछ भी इनपुट करते हैं उसे उस टूल के प्रदाता द्वारा संसाधित किया जा सकता है और, कुछ मामलों में, मॉडल को प्रशिक्षित करने में उपयोग किया जा सकता है। इसलिए संवेदनशील सामग्री के लिए, या तो स्थानीय/संस्थागत रूप से सुरक्षित टूल का उपयोग करें या सामग्री को अज्ञात रखें।

डेटा प्रकार

जोखिम

एहतियात

प्रकाशित प्रमेय/समस्या

कम

स्वतंत्र रूप से उपलब्ध

सक्रिय परीक्षा प्रश्न

उच्च

वाहन में प्रवेश न करें या सुरक्षा न करें

छात्र व्यक्तिगत/प्रदर्शन डेटा

उच्च

गुमनाम करें/प्रवेश न करें

अप्रकाशित शोध

उच्च

सुरक्षित/स्थानीय उपकरण

व्याख्यान की रूपरेखा

निम्न-मध्यम

सामान्यतः उपयुक्त

सावधानी: किसी परीक्षा प्रश्न को सत्यापित करने के लिए एआई में जाने से पहले, विचार करें कि क्या वह प्रश्न गुप्त रहना चाहिए। एक सक्रिय परीक्षा के प्रश्न सैद्धांतिक रूप से तब सामने आ सकते हैं जब उन्हें एआई टूल में डाला जाता है जिसकी गोपनीयता की गारंटी नहीं होती है। महत्वपूर्ण परीक्षाओं के लिए, या तो प्रश्न बदलें या केवल कॉर्पोरेट-अनुमोदित, डेटा गोपनीयता-सुनिश्चित टूल का उपयोग करें।

एंड-टू-एंड वर्कफ़्लो: एक उदाहरण कार्य

मान लीजिए कि आपको एक सप्ताह के भीतर किसी विषय के लिए पाठ्यक्रम सामग्री और परीक्षा दोनों तैयार करने की आवश्यकता है। मॉड्यूल के सभी भागों को मिलाने वाला प्रवाह इस प्रकार हो सकता है:

1. योजना. विषय, स्तर और उद्देश्यों को स्पष्ट करें (इकाई 7)।

2. सामग्री का प्रारूप तैयार करना। एआई स्तर-उपयुक्त व्याख्यान + हल किए गए उदाहरण तैयार करें (यूनिट 7)।

3. नमूना सत्यापन. प्रत्येक हल किए गए उदाहरण को सिम्पी (यूनिट 4) के साथ जांचें।

4. विज़ुअलाइज़ेशन. मैटप्लोटलिब कोड के साथ कथा का समर्थन करने के लिए ग्राफिक्स बनाएं और प्रस्तुत करें और उनकी तुलना गणित से करें (यूनिट 6)।

5. संकेतन. LaTeX (यूनिट 10) के साथ फ़ार्मुलों को साफ इंडेक्स, रेंडर और सत्यापित करें।

6. प्रश्न निर्माण. परीक्षा के लिए बहुविकल्पीय प्रश्न + ध्यान भटकाने वाले प्रश्न तैयार करें (इकाई 8)।

7. थोक सत्यापन. SymPy के साथ सभी प्रश्नों को थोक में हल करें और उत्तर कुंजी (यूनिट 8, 9) की जांच करें।

8. नैतिकता और पारदर्शिता नियंत्रण. क्या गोपनीयता उचित है? क्या आपने आवश्यकता पड़ने पर सामग्री में एआई के उपयोग के बारे में बताया है? आपकी (इस इकाई) अंतिम जिम्मेदारी है।

9. मानव अनुमोदन. आखिरी बार हर चीज की समीक्षा करें और पुष्टि करें। कोई भी असत्यापित टुकड़ा प्रसारण/परीक्षण पर नहीं जाएगा।

युक्ति: एंड-टू-एंड वर्कफ़्लो में, सबसे कुशल रणनीति एआई को "स्पीड लेयर", नियतात्मक उपकरण (सिम्पी, रेंडर) को "शुद्धता परत" के रूप में और स्वयं को "निर्णय और जवाबदेही परत" के रूप में स्थापित करना है। प्रत्येक उत्पादन चरण के बाद एक सत्यापन चरण होना चाहिए; असत्यापित आउटपुट को अगले चरण पर आगे नहीं बढ़ाया जाना चाहिए।

तीन मिनी मामले

केस 1 - पारदर्शिता से बना विश्वास। एक अकादमिक ने पाठ्यपुस्तक अध्याय के पहले मसौदे में एआई का उपयोग किया, फिर प्रत्येक गणितीय दावे को सत्यापित किया और प्रस्तावना में कहा कि "पांडुलिपि के उत्पादन में एआई समर्थन प्राप्त किया गया था, सभी सामग्री लेखक द्वारा सत्यापित की गई थी।" इस पारदर्शिता से सहकर्मियों का विश्वास बढ़ा और सत्यनिष्ठा का मानक कायम रहा।

केस 2 - ऐसा प्रयोग करें जो सीखने को कमजोर करता हो। एक छात्र ने एआई से अपना पूरा होमवर्क सेट हल करवाया और उसे सबमिट किया। वह उन्हीं विषयों में परीक्षा में असफल हो गया क्योंकि उसने अवधारणाओं को कभी नहीं सीखा था। शिक्षक ने "समाधान की जाँच करने और वैकल्पिक स्पष्टीकरण प्राप्त करने" के लिए एआई का उपयोग करने का सुझाव दिया, लेकिन पहले समस्याओं को स्वयं हल करने का सुझाव दिया। एआई को सीखने की सेवा में होना चाहिए, अपनी जगह पर नहीं।

केस 3 - गोपनीयता भंग होने का जोखिम। एक शिक्षक ने एक केंद्रीय परीक्षा के लिए प्रश्नों को सत्यापित करने के लिए एक सामान्य एआई टूल को हैक करने पर विचार किया, जो अभी तक प्रशासित नहीं किया गया था, लेकिन फिर इसके खिलाफ फैसला किया; इसके बजाय उन्होंने सिम्पी में स्वयं और एक सहकर्मी द्वारा प्रश्नों को हल किया। किसी बाहरी टूल में सक्रिय परीक्षा प्रश्नों को दर्ज करना एक गंभीर गोपनीयता जोखिम था; स्थानीय प्रमाणीकरण ने सुरक्षित पथ प्रदान किया।

चार प्रतिलिपि योग्य टेम्पलेट

1) सीखने में सहायता करने वाला उपयोग (छात्रों के लिए):

मैंने पहले इस समस्या का समाधान किया, मेरा समाधान संलग्न है। मुझे समाधान मत दो; बस मुझे दिखाओ कि मुझसे कहां गलती हुई और मैंने किस अवधारणा को गलत समझा ताकि मैं इसे सुधार सकूं। मेरा समाधान: [यहाँ]

2) एक पारदर्शिता नोट तैयार करना:

मैंने एक [पाठ्यक्रम सामग्री/रिपोर्ट] तैयार की और ड्राफ्ट चरण में एआई का उपयोग किया, सभी गणित को स्वयं सत्यापित किया। एक संक्षिप्त, पेशेवर पारदर्शिता नोट लिखें जो इसे ईमानदारी से बताता हो।

3) गोपनीयता पूर्व जांच:

मैं निम्नलिखित सामग्री को एआई टूल में दर्ज करने से पहले गोपनीयता-योग्यता प्राप्त करना चाहूंगा: [सामग्री प्रकार]। क्या इस प्रकार की सामग्री को संवेदनशील माना जाता है, इसमें क्या जोखिम हैं, मुझे क्या सावधानी बरतनी चाहिए (अनामीकरण, स्थानीय उपकरण)? इसे संक्षिप्त और स्पष्ट रूप से कहें.

4) एंड-टू-एंड सत्यापन नियंत्रण योजना:

मैं [विषय] के लिए पाठ्यक्रम सामग्री + परीक्षा तैयार करता हूं। नियंत्रण योजना के रूप में सूचीबद्ध करें कि उत्पादन के प्रत्येक चरण में मुझे क्या सत्यापन करने की आवश्यकता है: नमूना सत्यापन, ग्राफिक नियंत्रण, अंकन, उत्तर कुंजी, गोपनीयता, मानव अनुमोदन।

कमजोर संकेत/मजबूत संकेत

कमज़ोर: "इन होमवर्क प्रश्नों को हल करें और मैं उन्हें शामिल कर दूंगा।" (छात्र)

परिणाम: सीखना छूट जाता है, शैक्षणिक अखंडता का उल्लंघन होता है, छात्र अवधारणा को सीखने में विफल रहता है। यह नैतिक और शैक्षणिक रूप से आपत्तिजनक है।

गुक्लू: "मैंने इस होमवर्क प्रश्न को हल करने की कोशिश की, लेकिन मैं फंस गया; मेरा समाधान संलग्न है। सीधे उत्तर न दें; मुझे संकेत के साथ बताएं कि मैंने कौन सा कदम उठाया और क्यों गलत किया, मुझे सही अवधारणा याद दिलाएं, फिर मैं फिर से प्रयास करूंगा।"

निष्कर्ष: एआई का उपयोग सीखने की सेवा में किया जाता है; विद्यार्थी सोचता रहता है, ईमानदारी बनी रहती है।

सामान्य गलतियाँ

सीखने को छोड़ने के लिए इसका उपयोग करना। एआई से होमवर्क करना अल्पावधि में तो आसान है, लेकिन दीर्घावधि में सीखने को नष्ट कर देता है।
पारदर्शी नहीं होना. एआई के उपयोग को छुपाना अकादमिक अखंडता के विरुद्ध है; जब आवश्यक हो तब निर्दिष्ट करें.
एआई पर जिम्मेदारी डालना. "एआई ने ऐसा कहा" कोई बहाना नहीं है; प्रकाशक/शिक्षक जिम्मेदार है.
गोपनीय सामग्री को बाहरी टूल में दर्ज करना। सक्रिय परीक्षा, छात्र डेटा, अप्रकाशित शोध संवेदनशील हैं।
सत्यापन को वर्कफ़्लो के अंत तक छोड़ना। प्रत्येक उत्पादन चरण के बाद सत्यापन होना चाहिए; त्रुटियाँ एकत्रित नहीं होनी चाहिए।

संक्षेप में

गणित में एआई के उपयोग के लिए नैतिक जिम्मेदारी के साथ-साथ तकनीकी कौशल की भी आवश्यकता होती है: यह सीखने की सेवा में होना चाहिए (इसके स्थान पर नहीं), पारदर्शी होना चाहिए, अंतिम जिम्मेदारी बनाए रखना चाहिए, निष्पक्ष नियमों का पालन करना चाहिए और गोपनीयता का सम्मान करना चाहिए। एंड-टू-एंड वर्कफ़्लो में, AI गति परत है, SymPy और रेंडरिंग टूल सटीकता परत हैं, और मनुष्य निर्णय और जिम्मेदारी परत हैं। प्रत्येक उत्पादन चरण के बाद एक सत्यापन चरण होना चाहिए; कोई भी असत्यापित आउटपुट प्रकाशन, व्याख्यान या परीक्षा में नहीं जाना चाहिए। यह इस मॉड्यूल का सार है: एआई के साथ तेज़ बनें, लेकिन प्रत्येक चरण की पुष्टि करें और जिम्मेदारी लें।

आवेदन कार्य

एक छोटे पैमाने का एंड-टू-एंड कार्य डिज़ाइन करें: एक लघु कथा + 1 चार्ट + किसी विषय के लिए 3 बहुविकल्पीय प्रश्न। मॉड्यूल के प्रवाह का पालन करें: (1) योजना, (2) एआई के साथ ड्राफ्ट, (3) सिम्पी के साथ उदाहरणों को मान्य करें, (4) ग्राफ को प्रस्तुत करें और जांचें, (5) लाटेक्स के साथ नोटेशन को साफ और प्रस्तुत करें, (6) बैच सिम्पी के साथ प्रश्नों को मान्य करें, (7) गोपनीयता और पारदर्शिता की जांच करें, (8) अंतिम मानव अनुमोदन दें। रिकॉर्ड करें कि आपने क्या सत्यापन किया और प्रत्येक चरण में आपको क्या मिला। प्रक्रिया के अंत में, मूल्यांकन करें कि एआई कहां समय बचाता है और कहां आपका निर्णय अपरिहार्य है।

चेकलिस्ट

[ ] मैंने सीखने की सेवा में (इसके बजाय नहीं) एआई का उपयोग किया।
[ ] मैंने जहां आवश्यक हो वहां एआई के उपयोग को पारदर्शी रूप से बताया है।
[ ] मैंने परम सटीकता की जिम्मेदारी संभाली है।
[ ] मैंने असुरक्षित टूल के माध्यम से गोपनीय/संवेदनशील सामग्री तक पहुंच नहीं बनाई।
[ ] मैंने सत्यापन चरण के साथ प्रत्येक उत्पादन चरण का पालन किया।
[ ] मैंने प्रसारण/पाठ/परीक्षा में कोई असत्यापित आउटपुट नहीं डाला।

मॉड्यूल परीक्षा

1. गणित में कृत्रिम बुद्धिमत्ता के लिए निम्नलिखित में से कौन सी स्थिति सबसे सटीक है?

ए) कृत्रिम बुद्धिमत्ता एक रणनीति, खाका और आयोजन उपकरण है; नियतिवादी तरीकों से सटीक गणना और परिणाम को सत्यापित करना मनुष्य पर निर्भर है ✔
बी) आर्टिफिशियल इंटेलिजेंस एक कैलकुलेटर की तरह है और यह जो भी संख्यात्मक परिणाम देता है वह सटीक होता है
सी) कृत्रिम बुद्धिमत्ता आत्मविश्वास से प्रस्तुत किए गए निष्कर्षों में कभी भी गलत नहीं होती है, इसलिए सत्यापन अनावश्यक है
D) आर्टिफिशियल इंटेलिजेंस केवल पाठ लिखने के लिए उपयोगी है, इसका किसी गणितीय कार्य से कोई लेना-देना नहीं है

विवरण: एक बड़ा भाषा मॉडल एक उपकरण है जो सांख्यिकीय रूप से पाठ उत्पन्न करता है; यह कोई कैलकुलेटर या प्रूफ चेकर नहीं है. यह अधिकांश समय सही गणित उत्पन्न करता है, लेकिन इसकी गारंटी नहीं देता; इसलिए प्रत्येक आउटपुट को नियतिवादी उपकरणों (सिम्पी, कैलकुलेटर, मैन्युअल सत्यापन) से सत्यापित किया जाना चाहिए और जिम्मेदारी मानव के पास रहनी चाहिए।

2. एक छात्र कृत्रिम बुद्धिमत्ता से एक अभिन्न अंग को हल करने के लिए कहता है और परिणाम प्राप्त करना चाहता है। परिणाम को सत्यापित करने का सबसे विश्वसनीय तरीका क्या है?

ए) परिणाम को अलग करना और जांचना कि क्या यह मूल फ़ंक्शन पर लौटता है (सिम्पी या मैन्युअल रूप से) ✔
बी) कृत्रिम बुद्धिमत्ता से पूछें 'क्या यह सच है?' पूछने के लिए
सी) परिणाम को वैसे ही स्वीकार करना क्योंकि यह धाराप्रवाह और आत्मविश्वास से प्रस्तुत किया गया है।
डी) दूसरे प्रश्न पर आगे बढ़ना और परिणाम की बिल्कुल भी जाँच न करना

स्पष्टीकरण: व्युत्पन्न-अभिन्न व्युत्क्रम गणित में एक अंतर्निहित सत्यापन उपकरण है: पाए गए परिणाम का व्युत्पन्न लेना और यह जाँचना कि क्या यह मूल फ़ंक्शन पर वापस आता है, स्वतंत्र रूप से अभिन्न की शुद्धता की पुष्टि करता है। सिम्पी के साथ भी यही क्रॉस-चेकिंग की जा सकती है।

3. कृत्रिम बुद्धिमत्ता के साथ समस्या समाधान में 'सही परिणाम सही तरीका नहीं है' के सिद्धांत का क्या अर्थ है?

ए) सही परिणाम हमेशा यह साबित करता है कि रास्ता भी सही है
बी) पथ महत्वहीन है, केवल परिणाम का मूल्यांकन किया जाना चाहिए
सी) गलत मध्यवर्ती कदमों से संयोगवश सही परिणाम आ सकता है; इसलिए, परिणाम और प्रत्येक मध्यवर्ती चरण दोनों का निरीक्षण किया जाना चाहिए ✔
डी) कोई ठोस रास्ता खोजना असंभव है, इसलिए हम केवल परिणाम को देखते हैं

स्पष्टीकरण: कभी-कभी गलत मध्यवर्ती कदम संयोग से सही परिणाम की ओर ले जाते हैं; भले ही परिणाम सही हो, पथ अमान्य हो सकता है। इसीलिए गणित में यह सिर्फ 'क्या परिणाम सही है?' बल्कि 'क्या प्रत्येक मध्यवर्ती कदम सही है?' सवाल भी जरूरी है और हर कदम पर निगरानी होनी चाहिए.

4. जब एआई किसी प्रमाण में 'सामान्यता खोए बिना' वाक्यांश का उपयोग करता है तो आपको क्या करना चाहिए?

ए) यह स्वीकार करना कि प्रमाण वैध है क्योंकि कथन धाराप्रवाह है
बी) अपने लिए यह उचित ठहराना कि व्यापकता वास्तव में टूटी नहीं है; ✔ बिना प्रश्न किये स्वीकार न करना
ग) प्रमाण को बिना पढ़े ही वैध मान लेना
डी) प्रमेय नाम के रूप में स्रोत से इस अभिव्यक्ति की खोज करना

स्पष्टीकरण: 'सामान्यता की हानि के बिना' कथन कभी-कभी मान्य होता है (यदि वास्तविक समरूपता है) लेकिन कभी-कभी यह एक छिपी हुई त्रुटि है। कृत्रिम बुद्धिमत्ता इस अभिव्यक्ति का बहुत उपयोग करती है; आपको हर बार स्वयं को यह स्पष्ट करना होगा कि वास्तव में व्यापकता का उल्लंघन नहीं हुआ है, और आपको बिना किसी प्रश्न के कथन को स्वीकार नहीं करना चाहिए।

5. आपने कृत्रिम बुद्धिमत्ता के लिए एक सिम्पी कोड लिखा। आप परिणाम सही ढंग से कैसे प्राप्त करते हैं?

ए) कृत्रिम बुद्धिमत्ता से कोड के आउटपुट की भविष्यवाणी करना
बी) कोड को बिना पढ़े मान लेना कि वह सही है
सी) आउटपुट की एआई की व्याख्या पर भरोसा करना
डी) कोड को वास्तविक पायथन वातावरण में स्वयं चलाएं और सटीक आउटपुट देखें ✔

विवरण: सिम्पी की शक्ति केवल तभी प्रकट होती है जब कोड वास्तविक पायथन वातावरण में चलाया जाता है। कृत्रिम बुद्धिमत्ता से पूछें 'यह कोड क्या उत्पन्न करता है?' पूछना सत्यापन नहीं है, क्योंकि AI कोड आउटपुट भी बना सकता है। आपको कोड स्वयं चलाना होगा.

6. यदि कृत्रिम बुद्धि द्वारा मैन्युअल रूप से पाया गया समीकरण का समाधान और सिम्पी द्वारा दिया गया परिणाम भिन्न है, तो आपको किस पर भरोसा करना चाहिए और क्यों?

ए) सिम्पी परिणाम क्योंकि यह नियतात्मक और सटीक है; फिर कृत्रिम बुद्धिमत्ता को उसकी गलती का स्थान ढूंढने को कहें ✔
बी) कृत्रिम बुद्धि का परिणाम क्योंकि यह अधिक धाराप्रवाह तरीके से समझाता है
सी) यादृच्छिक रूप से एक को चुनना क्योंकि वे दोनों समान रूप से विश्वसनीय हैं
घ) दोनों को अस्वीकार करना तथा प्रश्न को असाध्य मानना

विवरण: सिम्पी एक नियतात्मक प्रतीकात्मक कंप्यूटिंग प्रणाली है: यह हमेशा एक ही इनपुट पर एक ही सटीक सही परिणाम देता है। आर्टिफिशियल इंटेलिजेंस सांख्यिकीय रूप से पाठ तैयार करता है और मतिभ्रम कर सकता है। विवाद में सिम्पी को आधार बनाया जाना चाहिए और उसकी गलती का पता लगाने के लिए आर्टिफिशियल इंटेलिजेंस की मदद ली जानी चाहिए.

7. '0.1 + 0.2 == 0.3' स्थिति पायथन कोड में अपेक्षा के अनुरूप काम क्यों नहीं करती है और इसे कैसे ठीक करें?

ए) पायथन में जोड़ टूटा हुआ है; किसी अन्य भाषा का उपयोग करने की आवश्यकता है
बी) फ़्लोटिंग-पॉइंट संख्या परिशुद्धता के कारण सटीक समानता नहीं होती है; 'abs(a-b) < 1e-9' जैसी सहनशीलता का उपयोग किया जाना चाहिए ✔
सी) मान 0.3 गलत है; 0.30000000004 लिखना जरूरी है
डी) स्थिति हमेशा सही ढंग से काम करती है, कोई समस्या नहीं है

स्पष्टीकरण: कंप्यूटर दशमलव संख्याओं को सीमित परिशुद्धता के साथ फ्लोटिंग-पॉइंट प्रारूप में संग्रहीत करता है; 0.1 + 0.2 को बहुत छोटे विचलन के साथ संग्रहीत किया जाता है, बिल्कुल 0.3 नहीं। इसलिए, सटीक समानता '==' के बजाय, 'abs(a-b) < 1e-9' जैसी सहनशीलता का उपयोग किया जाना चाहिए।

8. वास्तविक समस्या पर स्केलर रूट फाइंडिंग कोड लागू करने से पहले सबसे अच्छा 'सामान्य ज्ञान परीक्षण' क्या है?

ए) बिना परीक्षण किए कोड को सीधे वास्तविक समस्या पर लागू करना
बी) कोड की लंबाई जांचें और यदि यह लंबा है तो इसे सही ढंग से गिनें।
सी) एक साधारण इनपुट के साथ कोड का परीक्षण करना जिसका उत्तर ज्ञात है (उदाहरण के लिए x²-4=0 मूल ±2) और जांच करना कि यह अपेक्षित परिणाम देता है ✔
डी) कृत्रिम बुद्धिमत्ता से पुष्टि करना कि कोड सही है

स्पष्टीकरण: एक साधारण इनपुट के साथ कोड का परीक्षण करना जिसका उत्तर आप पहले से ही जानते हैं (उदाहरण के लिए स्पष्ट जड़ों के साथ x²-4=0 के लिए ±2) सबसे सस्ता और सबसे प्रभावी सत्यापन है। यदि कोड ज्ञात स्थिति को सही ढंग से बताता है, तो उन समस्याओं के लिए इसके विश्वसनीय होने की संभावना बढ़ जाती है जिन्हें आप नहीं जानते हैं।

9. विज़ुअलाइज़ेशन में, आप कैसे जांचते हैं कि ग्राफ़ गणित को सही ढंग से दर्शाता है?

ए) यदि ग्राफ़ सौंदर्य की दृष्टि से सुखद लगता है, तो इसे सही माना जाता है।
बी) फ़ंक्शन के ज्ञात गुणों और कम से कम एक बिंदु ✔ के वास्तविक मान के साथ ग्राफ़ की तुलना करना
सी) अक्ष लेबलों को बिल्कुल नहीं देखना
डी) ग्राफ़ के एआई के मौखिक विवरण पर भरोसा करना

स्पष्टीकरण: जो ग्राफ़िक अच्छा दिखता है उसका सटीक होना ज़रूरी नहीं है; एआई गलत फ़ंक्शन को, गलत सीमा में, या विकृत स्पर्शोन्मुख के साथ चित्रित कर सकता है। फ़ंक्शन के ज्ञात गुणों (दोलन सीमा, समरूपता, अनंतस्पर्शी) और कम से कम एक बिंदु गणना के साथ ग्राफ़ की तुलना करने से त्रुटियां पकड़ी जाती हैं।

10. कृत्रिम बुद्धिमत्ता से निर्मित पाठ्यक्रम सामग्री में सबसे महत्वपूर्ण सत्यापन बिंदु क्या है और क्यों?

ए) सामग्री का फ़ॉन्ट और रंग योजना
बी) सामग्री की लंबाई और पृष्ठों की संख्या
सी) हल किए गए उदाहरणों की सटीकता; क्योंकि छात्र उन्हें मॉडल के रूप में लेते हैं और गलत उदाहरण और गलत विधि ✔ सिखाते हैं
डी) सामग्री कितनी जल्दी तैयार की जाती है

स्पष्टीकरण: हल किए गए उदाहरणों को छात्रों द्वारा मॉडल के रूप में लिया जाता है; गलत तरीके से हल किया गया उदाहरण सीधे तौर पर छात्रों को गलत तरीका सिखाता है। इसलिए, प्रत्येक हल किए गए उदाहरण को व्यक्तिगत रूप से, चरण दर चरण, या तो SymPy के साथ या मैन्युअल रूप से सत्यापित किया जाना चाहिए। विषय की व्याख्या में थोड़ी सी अस्पष्टता की भरपाई की जा सकती है, लेकिन गलत उदाहरण से व्यापक क्षति होती है।

11. कृत्रिम बुद्धिमत्ता द्वारा उत्पन्न बहुविकल्पीय प्रश्न सेट को सत्यापित करने का सबसे कुशल और विश्वसनीय तरीका क्या है?

ए) यदि प्रश्न सही हैं तो कृत्रिम बुद्धिमत्ता से एक बार फिर पूछें
बी) यादृच्छिक रूप से केवल कुछ प्रश्नों की जांच करना और बाकी पर भरोसा करना
सी) उत्तर कुंजी को बिना जांचे ज्यों का त्यों उपयोग करना
डी) उत्तर कुंजी को सामूहिक रूप से और निश्चित रूप से एक कोड प्रिंट करके और चलाकर जांचना जो सिम्पी के साथ सभी प्रश्नों को हल करता है ✔

स्पष्टीकरण: आर्टिफिशियल इंटेलिजेंस अक्सर उत्तर कुंजी को गलत तरीके से चिह्नित करने और एकाधिक/शून्य सही विकल्प उत्पन्न करने जैसी गलतियाँ करता है। एक कोड लिखना और चलाना जो सिम्पी के साथ सभी प्रश्नों को एक साथ हल करता है, उत्तर कुंजी को निश्चित रूप से और थोक में जांचने का सबसे प्रभावी तरीका है।

12. निम्नलिखित में से कौन सा मुख्य कारण है कि कृत्रिम बुद्धि गणित में गलतियाँ करती है?

ए) कृत्रिम बुद्धिमत्ता एक भाषा मॉडल है; तार्किक वैधता की जाँच नहीं करता है, पाठ को सांख्यिकीय रूप से उत्पन्न करता है ✔
बी) आर्टिफिशियल इंटेलिजेंस ने कभी गणित नहीं सीखा है
सी) आर्टिफिशियल इंटेलिजेंस को जानबूझकर गलत उत्तर देने के लिए प्रोग्राम किया गया है
डी) आर्टिफिशियल इंटेलिजेंस केवल बहुत कठिन समस्याओं में गलतियाँ करता है, आसान समस्याओं में कभी नहीं।

विवरण: आर्टिफिशियल इंटेलिजेंस एक तर्क इंजन नहीं है, बल्कि एक भाषा मॉडल है जो सांख्यिकीय पैटर्न के साथ पाठ तैयार करता है; इसमें चरणों की तार्किक वैधता की जांच करने के लिए कोई आंतरिक तंत्र नहीं है। '3-अंकीय गुणन' के साथ 'एक वैध प्रमाण' उसके लिए एक ही प्रकार का पाठ तैयार करने का कार्य है, इसलिए इसकी शुद्धता की गारंटी नहीं दी जा सकती है।

13. जब किसी संभाव्यता समस्या का परिणाम 1.4 है, तो विस्तार में जाए बिना आपको कैसे पता चलेगा कि कोई त्रुटि है?

ए) गणना सही है क्योंकि परिणाम 1.4 है, संभावना 1 से अधिक हो सकती है
बी) संभाव्यता का संकेत महत्वहीन है, मूल्य परवाह किए बिना स्वीकार किया जाता है
सी) यह नहीं समझा जाता है कि कोई त्रुटि है, परिणाम अंतिम माना जाता है।
डी) संभाव्यता 0 और 1 के बीच होनी चाहिए; ✔ सामान्य ज्ञान परीक्षण एक त्रुटि का संकेत देता है क्योंकि 1.4 इस सीमा से अधिक है

विवरण: सामान्य ज्ञान और परिमाण का क्रम सेकंड के भीतर जांच करता है कि परिणाम उचित सीमा के भीतर है या नहीं। परिभाषा के अनुसार संभावना 0 और 1 के बीच होनी चाहिए; 1.4 इस सीमा से बाहर है, इसलिए यह स्पष्ट है कि गणना के विवरण को देखे बिना त्रुटि हुई है।

14. LaTeX में 'e^x^2' के स्थान पर 'e^{x^2}' लिखना क्यों महत्वपूर्ण है?

ए) वे बिल्कुल वही हैं, अंतर केवल सौंदर्यशास्त्र है
बी) घुंघराले कोष्ठक घातांक का दायरा निर्धारित करते हैं; इसके बिना अभिव्यक्ति गलत या अस्पष्ट होगी, इसलिए बहु-अक्षर प्रतिपादक {} आवश्यक है ✔
सी) घुंघराले ब्रैकेट LaTeX में बेकार हैं
डी) 'e^x^2' सदैव सत्य है, '{}' का प्रयोग अनावश्यक है

स्पष्टीकरण: LaTeX में सबसे आम त्रुटि स्कोप त्रुटि है: यदि घुंघराले कोष्ठक '{}' का उपयोग बहु-वर्ण घातांक, सबस्क्रिप्ट या अंश में नहीं किया जाता है, तो केवल पहला वर्ण कवर किया जाता है और अभिव्यक्ति गलत (या यहां तक कि अस्पष्ट) हो जाती है। 'e^{x^2}' यह स्पष्ट करता है कि संपूर्ण घातांक x² है; कोड को दृश्य निरीक्षण द्वारा प्रस्तुत और सत्यापित किया जाना चाहिए।

15. आप एक सक्रिय केंद्रीय परीक्षा के प्रश्नों को कृत्रिम बुद्धिमत्ता द्वारा सत्यापित कराना चाहते हैं। नैतिकता और गोपनीयता के संदर्भ में सबसे अच्छा तरीका क्या है?

ए) किसी भी सामान्य एआई उपकरण में प्रश्नों को स्वतंत्र रूप से दर्ज करना क्योंकि गणित में गोपनीय डेटा नहीं होता है
बी) प्रश्नों को बिना सत्यापित किए परीक्षा में उपयोग करना
सी) सुरक्षित/देशी टूल (जैसे सिम्पी) के साथ प्रश्नों को सत्यापित करना या केवल गोपनीयता-सुनिश्चित एंटरप्राइज़ टूल का उपयोग करना ✔
डी) सोशल मीडिया पर प्रश्न साझा करना और दूसरों से नियंत्रण के लिए पूछना

विवरण: सक्रिय परीक्षा प्रश्न संवेदनशील होते हैं; यह सैद्धांतिक रूप से तब उजागर हो सकता है जब एक कृत्रिम बुद्धिमत्ता उपकरण जिसकी गोपनीयता की गारंटी नहीं है, हैक कर लिया जाता है। सही दृष्टिकोण यह है कि या तो किसी सुरक्षित/देशी टूल (उदाहरण के लिए सिम्पी में किसी सहकर्मी के साथ) के साथ प्रश्नों को मान्य किया जाए या केवल कॉर्पोरेट-प्रमाणित, डेटा गोपनीयता-सुनिश्चित टूल का उपयोग किया जाए।