IT, AI & Emerging Technologies

परिचय

"सूचना प्रौद्योगिकी, कृत्रिम बुद्धिमत्ता और उभरती प्रौद्योगिकियाँ" यह विषय कंप्यूटर विज्ञान, सार्वजनिक नीति और राष्ट्रीय विकास के चौराहे पर स्थित है। UPSC सिविल सेवा परीक्षा में, यह विज्ञान और प्रौद्योगिकी पत्र (सामान्य अध्ययन पत्र III) का एक छोटा लेकिन निरंतर परीक्षित घटक है। पिछले वर्षों में, परीक्षकों ने इसी शीर्षक के तहत स्पष्ट रूप से 11 प्रश्न पूछे हैं, हालांकि कुछ बायोटेक्नोलॉजी या पारिस्थितिकी जैसे आसन्न क्षेत्रों में प्रवेश करते हैं। मुख्य ध्यान कृत्रिम बुद्धिमत्ता (AI), मशीन लर्निंग (ML), ब्लॉकचेन, इंटरनेट ऑफ थिंग्स (IoT), डिजिटल पहचान मंच जैसे आधार और संबंधित नीति उपकरणों पर बना रहता है।

यह विषय एक आकांक्षी के लिए क्यों मायने रखता है? पहला, UPSC ढाँचे में प्रौद्योगिकी एक अलग-थलग अनुशासन नहीं है; इसकी परीक्षा शासन, नैतिकता और सामाजिक प्रभाव की दृष्टि से की जाती है। प्रश्न अक्सर आपसे एक तकनीकी अवधारणा को वास्तविक दुनिया के अनुप्रयोग से मेल खाने, या किसी तकनीकी क्षमताओं और सीमाओं के बारे में कथनों की सत्यता का मूल्यांकन करने को कहते हैं। दूसरा, परिवर्तन की गति का अर्थ है कि पाँच साल पहले अत्याधुनिक जो था वह अब दिनचर्या हो सकता है। UPSC ने अवधारणात्मक स्पष्टता को विनिर्देशों की रटंत स्मृति से अधिक महत्व दिया है। उदाहरण के लिए, 2018 का इंटरनेट ऑफ थिंग्स (IoT) प्रश्न – एक स्मार्ट होम के बारे में एक लंबी कथा – यह परीक्षित करता था कि क्या कोई उम्मीदवार IoT को बॉर्डर गेटवे प्रोटोकॉल जैसी अन्य नेटवर्किंग शर्तों से अलग कर सकता है। इसी तरह, 2026 का प्रश्न (इस सेट में भविष्य वर्ष के प्लेसहोल्डर के रूप में दिखाई देता है) बड़े भाषा मॉडल (LLMs) पर – इन मॉडलों की मौलिक संभावनात्मक प्रकृति को जाँचता है, ब्रांड नामों को नहीं।

कठिनाई स्तर सरल तथ्य पुनरावृत्ति (जैसे, "खुली API का क्या अर्थ है?") से मध्यम विश्लेषणात्मक समझ (जैसे, "AI निम्नलिखित में से कौन सा प्रभावी रूप से कर सकता है?" कई अतिव्यापी कथनों के साथ) तक होता है। 1-2-3 कथनों और कोड-आधारित बहुविकल्पीय उत्तरों का संयोजन अधिक प्रभावी प्रारूप है। यह अध्याय आपको पहले सिद्धांतों की समझ को आकार देकर ऐसे प्रश्नों को नेविगेट करने के लिए सुसज्जित करेगा – प्रत्येक प्रौद्योगिकी कैसे काम करती है, यह क्या कर सकती है और क्या नहीं कर सकती है, और इसे भारतीय संदर्भ में कहाँ तैनात किया जाता है।

इन नोट्स के अंत तक, आप निम्न में सक्षम होंगे:

• AI, ML, गहन शिक्षा, LLMs, तंत्रिका नेटवर्क और विशेषज्ञ प्रणालियों के बीच अंतर को परिभाषित और अलग करें।
• IoT आर्किटेक्चर के कार्यप्रणाली और इसकी शासन चुनौतियों की व्याख्या करें।
• ब्लॉकचेन की मुख्य विशेषताओं को सारांशित करें – विकेंद्रीकरण, अपरिवर्तनीयता, सहमति – और इसके गैर-क्रिप्टोकरेंसी अनुप्रयोग।
• आधार के खुले API इकोसिस्टम के तकनीकी और नीति आयामों का विश्लेषण करें।
• संभावित उभरती प्रौद्योगिकियों की पहचान करें जो परीक्षा में दिखाई दे सकती हैं: क्वांटम कंप्यूटिंग, एज कंप्यूटिंग, 5G/6G, और जनरेटिव AI।
• कथन-आधारित प्रश्नों में सामान्य जाल को पहचानें और अनुक्रमों को बनाए रखने के लिए स्मृति सहायता लागू करें।

मुख्य अवधारणाएँ और आधार

किसी भी विशिष्ट प्रौद्योगिकी में गहराई से जाने से पहले, आपको मौलिक शब्दावली को आंतरिक करना चाहिए। पाठ्यक्रम और PYQs में प्रकट होने वाली प्रत्येक तकनीकी शब्दावली नीचे ब्लॉक उद्धरण प्रारूप में परिभाषित है।

कृत्रिम बुद्धिमत्ता (AI): मशीनों द्वारा मानव बुद्धिमत्ता का अनुकरण, जिसमें सीखना, तर्क, समस्या-समाधान, धारणा और भाषा समझ शामिल है। AI एक व्यापक क्षेत्र है; इसके उप-क्षेत्र में मशीन लर्निंग, प्राकृतिक भाषा प्रसंस्करण (NLP), कंप्यूटर विजन और रोबोटिक्स शामिल हैं।

मशीन लर्निंग (ML): AI का एक उप-समूह जहाँ मशीनें प्रत्येक नियम के लिए स्पष्ट रूप से प्रोग्राम किए बिना डेटा से पैटर्न सीखती हैं। किसी कार्य पर सिस्टम का प्रदर्शन अधिक डेटा के संपर्क में आने के साथ सुधरता है। ML एल्गोरिदम में प्रतिगमन, निर्णय वृक्ष, समर्थन वेक्टर मशीनें और तंत्रिका नेटवर्क शामिल हैं।

गहन शिक्षा: ML की एक विशेष शाखा जो जटिल पैटर्न को मॉडल करने के लिए बहु-स्तरीय कृत्रिम तंत्रिका नेटवर्क (इसलिए "गहन") का उपयोग करती है। गहन शिक्षा छवि पहचान, वाक् प्रतिलिपि और प्राकृतिक भाषा अनुवाद जैसे कार्यों में उत्कृष्ट प्रदर्शन करती है। इसके लिए बड़े डेटासेट और महत्वपूर्ण कम्प्यूटेशनल शक्ति की आवश्यकता होती है।

बड़ा भाषा मॉडल (LLM): एक प्रकार का गहन शिक्षा मॉडल जो मानव-जैसा पाठ उत्पन्न करने के लिए विशाल पाठ कॉर्पस पर प्रशिक्षित होता है। LLMs क्रम में अगले शब्द (या टोकन) की भविष्यवाणी करते हैं, उम्मीदवार शब्दों को संभावनाएँ निर्दिष्ट करके और सर्वोच्च संभावना वाले को चुनते हुए। वे मानव अर्थों में भाषा को "समझ" नहीं पाते हैं; वे stochastic तोते हैं जो प्रशिक्षण के दौरान भविष्यवाणी त्रुटियों को कम करते हैं।

तंत्रिका नेटवर्क: जैविक मस्तिष्क से प्रेरित एक कम्प्यूटेशनल मॉडल, आपस में जुड़े नोड्स (न्यूरॉन) की परतों से बना। प्रत्येक कनेक्शन का एक वजन होता है जो प्रशिक्षण के दौरान समायोजित किया जाता है। एक सरल नेटवर्क में एक इनपुट परत, एक या अधिक छिपी परतें और एक आउटपुट परत होती है।

ब्लॉकचेन: एक वितरित, विकेंद्रीकृत और अपरिवर्तनीय बही जो कंप्यूटरों (नोड्स) के एक नेटवर्क में लेनदेन को रिकॉर्ड करती है। प्रत्येक ब्लॉक लेनदेन का एक समूह, एक समय मुहर और पिछले ब्लॉक का एक क्रिप्टोग्राफिक हैश रखता है, एक श्रृंखला बनाते हुए। कोई एकल संस्था बही को नियंत्रित नहीं करता है; सहमति तंत्र (जैसे, कार्य का प्रमाण, हिस्सेदारी का प्रमाण) नई ब्लॉकों को मान्य करते हैं।

इंटरनेट ऑफ थिंग्स (IoT): भौतिक वस्तुओं (डिवाइस, वाहन, उपकरण) का एक नेटवर्क जिसमें सेंसर, सॉफ्टवेयर और कनेक्टिविटी डेटा संग्रह और विनिमय के लिए एम्बेड किए जाते हैं। IoT इंटरनेट कनेक्टिविटी को कंप्यूटर और स्मार्टफोन से परे रोज़मर्रा की वस्तुओं तक बढ़ाता है, दूरस्थ निगरानी और स्वचालन को सक्षम करता है।

एप्लिकेशन प्रोग्रामिंग इंटरफेस (API): परिभाषित नियमों का एक समूह जो एक सॉफ्टवेयर एप्लिकेशन को दूसरे के साथ संवाद करने देता है। एक API निर्दिष्ट करता है कि अनुरोध और प्रतिक्रिया कैसे स्वरूपित होनी चाहिए, सेवाओं के बीच एकीकरण को सक्षम करता है। एक "खुली API" सार्वजनिक रूप से उपलब्ध है और मालिकाना एक्सेस की आवश्यकता नहीं है, तीसरे पक्ष के डेवलपर्स को एक मंच के शीर्ष पर एप्लिकेशन बनाने के लिए प्रोत्साहित करता है।

खुली API (आधार के साथ जैसे): जब आधार जैसा एक मंच एक खुली API प्रदान करता है, तो इसका अर्थ है कि कोई भी सरकारी या निजी संस्था API का उपयोग (प्रमाणीकरण और गोपनीयता मानदंडों के अधीन) केंद्रीय डेटाबेस को एक्सेस किए बिना पहचान सत्यापित करने के लिए कर सकता है। API एक सुरक्षित मध्यस्थ के रूप में कार्य करता है, जैव मितीय या जनसांख्यिकीय सत्यापन के लिए केवल एक "हाँ/नहीं" पुष्टि लौटाता है।

एज कंप्यूटिंग: एक प्रतिमान जहाँ डेटा प्रसंस्करण एक केंद्रीकृत क्लाउड के बजाय डेटा जनन के स्रोत के पास ("किनारे" पर) होता है। यह विलंबता, बैंडविड्थ उपयोग और निरंतर इंटरनेट कनेक्टिविटी पर निर्भरता को कम करता है। एज कंप्यूटिंग IoT डिवाइस के लिए महत्वपूर्ण है जिन्हें वास्तविक समय की प्रतिक्रिया की आवश्यकता होती है।

क्वांटम कंप्यूटिंग: एक उभरती हुई प्रौद्योगिकी जो क्वांटम बिट्स (क्यूबिट्स) का उपयोग करके कुछ समस्याओं (जैसे, बड़ी संख्याओं को गुणनखंडित करना, आणविक अंतःक्रिया का अनुकरण करना) के लिए शास्त्रीय कंप्यूटरों की तुलना में तेज़ गणना करता है। यह सुपरपोजिशन और उलझाव के सिद्धांतों को लाभ में डालता है।

ये परिभाषाएँ आधार बनाती हैं। परीक्षा में हर तकनीकी प्रश्न परीक्षित करता है कि क्या आप तंत्र को समझते हैं, केवल बज़वर्ड को नहीं। उदाहरण के लिए, LLM प्रश्न (UPSC 2026) को यह जानने की आवश्यकता थी कि LLMs संभावनाएँ निर्दिष्ट करते हैं (कथन 1) और भविष्यवाणी त्रुटियों को कम करने के लिए अनुकूलन करते हैं (कथन 2), लेकिन वे निष्पक्ष आउटपुट उत्पन्न नहीं करते हैं (कथन 3 गलत है क्योंकि प्रशिक्षण डेटा पूर्वाग्रहों को विरासत में मिलता है)। इसी तरह, आधार API प्रश्न (UPSC 2018) एक खुली API (जो कई पक्षों को इसका उपयोग करने देता है) और अंतर्निहित सुरक्षा आर्किटेक्चर के बीच अंतर को परीक्षित करता है।

कृत्रिम बुद्धिमत्ता और मशीन लर्निंग: ब्लैक बॉक्स के अंदर

यह अनुभाग बताता है कि AI सिस्टम वास्तव में कैसे काम करते हैं, सतही परिभाषाओं से परे जाते हुए। UPSC ने AI को दो स्तरों पर परीक्षित किया है: (a) सामान्य क्षमताएँ – AI क्या कर सकता है और क्या नहीं कर सकता (UPSC 2020), और (b) LLMs जैसे विशिष्ट मॉडल (UPSC 2026)। दोनों प्रशिक्षण-अनुमान पाइपलाइन की सराहना की मांग करते हैं।

मशीन लर्निंग कैसे सीखती है

इसके मूल में, ML इनपुट को आउटपुट में मैप करने वाले एक फंक्शन को खोजने के बारे में है। मान लीजिए कि आप एक कंप्यूटर को हाथ से लिखी गई अंकों को पहचानने के लिए सिखाना चाहते हैं। आप इसे हजारों लेबल किए गए छवियाँ देते हैं (प्रत्येक छवि 28×28 पिक्सेल ग्रिड है, यानी 784 संख्याएँ)। एल्गोरिदम – मान लीजिए, एक तंत्रिका नेटवर्क – यादृच्छिक वजन के साथ शुरू होता है। प्रत्येक प्रशिक्षण उदाहरण के लिए, यह एक भविष्यवाणी करता है (जैसे, "यह 3 है") और इसे सच्चे लेबल के साथ तुलना करता है। अंतर त्रुटि या नुकसान है। एल्गोरिदम फिर वजन को थोड़ा समायोजित करता है वह दिशा में जो त्रुटि को कम करता है – यह gradient descent है। कई पुनरावृत्तियों (epochs) के बाद, वजन वजन के एक समूह में परिवर्तित हो जाते हैं जो प्रशिक्षण डेटा पर समग्र त्रुटियों को कम करता है।

मुख्य टेकअवे: मॉडल नहीं "जानता" अंक क्या हैं; यह एक सांख्यिकीय पैटर्न सीख गया है। यही कारण है कि AI विरोधाभासी उदाहरणों द्वारा धोखा दिया जा सकता है – मानव के लिए अदृश्य एक छोटे से व्यतिक्रम से गलत वर्गीकरण हो सकता है।

LLMs – संभावनात्मक अगले-शब्द जनरेटर

LLMs एक वाक्य में अगले शब्द की भविष्यवाणी के कार्य पर प्रशिक्षित गहन शिक्षा का एक विशेष मामला है। प्रशिक्षण के दौरान, मॉडल इंटरनेट, किताबों आदि से अरबों वाक्य देखता है। यह अनुक्रमों की संभावना वितरण सीखता है। दिए गए संदर्भ के लिए ("फ्रांस की राजधानी है…"), यह सभी संभावित अगले शब्दों के लिए संभावनाएँ कंप्यूट करता है: "पेरिस" (0.85), "रोम" (0.02), "फ्रेंच" (0.05), आदि। यह फिर उच्चतम संभावना वाले शब्द को चुनता है – यह UPSC 2026 प्रश्न से कथन 1 है। सुधार के लिए, मॉडल अपने आंतरिक पैरामीटर को समायोजित करता है एक cross-entropy loss को कम करने के लिए – जो अनिवार्य रूप से सही शब्द के लिए उच्च संभावना को पुरस्कृत करता है। यह कथन 2 है। कथन 3, कि LLMs निष्पक्ष आउटपुट उत्पन्न करते हैं, गलत है क्योंकि प्रशिक्षण डेटा में मानव पूर्वाग्रह (लिंग, जातीय, सांस्कृतिक) होते हैं, और मॉडल उन्हें बढ़ाता है।

महत्वपूर्ण सूक्ष्मता: कुछ LLMs सर्वदा सबसे संभावित शब्द को चुनने से बचने के लिए यादृच्छिकता (तापमान) का परिचय देते हैं, अधिक रचनात्मक लेकिन कम नियतात्मक पाठ उत्पन्न करते हैं। हालांकि, मौलिक तंत्र संभावनात्मक रहता है।

AI क्या कर सकता है और क्या नहीं कर सकता (UPSC 2020)

2020 का प्रश्न पाँच कार्य प्रस्तुत करता है और पूछता है कि कितने AI प्रभावी रूप से कर सकता है। सही उत्तर "सभी पाँच" था। आइए प्रत्येक को समझें:

1. शतरंज खेलना – हाँ, 1990 के दशक से (Deep Blue)। आधुनिक AI जैसे AlphaZero स्वयं-खेल से सीखते हैं।
2. भाषाओं का अनुवाद करना – हाँ, तंत्रिका मशीन अनुवाद (Google अनुवाद, GPT) अब अत्याधुनिक है।
3. स्पैम ईमेल की पहचान करना – हाँ, classic ML एप्लिकेशन (Naive Bayes, निर्णय वृक्ष)।
4. कार चलाना – हाँ, स्वायत्त वाहन (Level 4/5) कंप्यूटर दृष्टि और सेंसर फ्यूजन का उपयोग करते हैं। हालांकि, पूर्ण स्वायत्तता अभी भी सीमित है – प्रश्न का वाक्य "प्रभावी रूप से करना" विकास की वर्तमान स्थिति (2020) के संदर्भ में अर्थ देता है कि यह कार्यान्वित है, हालांकि बाधाओं के साथ।
5. उत्पाद सिफारिश करना – हाँ, सिफारिश सिस्टम (Amazon, Netflix) सबसे तैनात AI में से हैं।

जाल यह सोचना था कि कुछ कार्य AI द्वारा "प्रभावी" रूप से नहीं किए जाते हैं। लेकिन UPSC किसी भी कार्य पर विचार करता है जहाँ AI कम से कम व्यावहारिक तैनाती तक पहुँची है "कर सकते हैं।" आपको व्यक्तिगत संदेह को उत्तर को धूमिल न करने देना चाहिए।

तुलना तालिका: प्रतीकात्मक AI बनाम मशीन लर्निंग बनाम गहन शिक्षा

| विशेषता | प्रतीकात्मक AI (विशेषज्ञ प्रणाली) | मशीन लर्निंग (शास्त्रीय) | गहन शिक्षा | |---------|------------------------------|------------------------------|---------------|
| मुख्य विधि | हाथ से कोडित नियम और तर्क | डेटा से सांख्यिकीय पैटर्न पहचान | बहु-स्तरीय तंत्रिका नेटवर्क | | डेटा आवश्यकता | कम – विशेषज्ञ ज्ञान पर निर्भर | मध्यम – हज़ारों उदाहरण | बहुत अधिक – लाखों उदाहरण | | व्याख्या क्षमता | अधिक – नियम मानव-पठनीय हैं | मध्यम – निर्णय वृक्ष को समझाया जा सकता है | कम – "ब्लैक बॉक्स" | | किसके लिए सर्वश्रेष्ठ | अच्छी तरह से परिभाषित समस्याएँ (उदा. निश्चित नियमों के साथ चिकित्सा निदान) | संरचित डेटा (उदा. क्रेडिट स्कोरिंग) | असंरचित डेटा (छवि, भाषण, पाठ) | | उदाहरण | MYCIN (1970s) | स्पैम फ़िल्टरिंग के लिए सपोर्ट वेक्टर मशीन | GPT-4, AlphaGo |

UPSC आमतौर पर मशीन लर्निंग और गहन शिक्षा शाखाओं की परीक्षा लेता है, लेकिन आपको पता होना चाहिए कि प्रतीकात्मक AI पहली प्रतिमान थी। "कृत्रिम बुद्धिमत्ता" शब्द को कभी-कभी केवल ML को मतलब देने के लिए ढीले ढंग से उपयोग किया जाता है, लेकिन पाठ्यक्रम आपको सटीक होने की अपेक्षा करता है।

इंटरनेट ऑफ थिंग्स (IoT) – स्मार्ट दुनिया

2018 का IoT प्रश्न एक क्लासिक था: एक स्मार्ट होम में एक दिन का वर्णन करने वाली एक लंबी कथा – स्मार्टफोन अलर्ट गीजर को ट्रिगर करता है, स्मार्ट मिरर मौसम दिखाता है, फ्रिज किराने का सामान ऑर्डर करता है, घर स्वचालित रूप से बंद हो जाता है, कार विकल्प मार्ग सुझाता है। प्रश्न ने पूछा कि कौन सी शर्त सबसे अच्छी तरह लागू होती है: बॉर्डर गेटवे प्रोटोकॉल, इंटरनेट प्रोटोकॉल, वर्चुअल निजी नेटवर्क, या इंटरनेट ऑफ थिंग्स।

अन्य क्यों नहीं IoT

• बॉर्डर गेटवे प्रोटोकॉल (BGP) एक राउटिंग प्रोटोकॉल है जो प्रबंधित करता है कि डेटा पैकेट इंटरनेट भर में कैसे यात्रा करते हैं। इसका अंत-उपयोगकर्ता डिवाइस इंटरैक्शन से कोई लेना-देना नहीं है।
• इंटरनेट प्रोटोकॉल (IP) मौलिक पता योजना (IP एड्रेस) है। यह सभी इंटरनेट संचार को रेखांकित करता है, लेकिन यह बहुत व्यापक है – यह भौतिक वस्तुओं की इंटरैक्शन को कैप्चर नहीं करता है।
• वर्चुअल निजी नेटवर्क (VPN) एक सार्वजनिक नेटवर्क पर गोपनीयता के लिए एन्क्रिप्ट किए गए सुरंग बनाता है। परिदृश्य में एन्क्रिप्शन या निजी नेटवर्क तक दूरस्थ एक्सेस शामिल नहीं था।
• इंटरनेट ऑफ थिंग्स सटीक रूप से रोज़मर्रा की वस्तुओं (अलर्ट, गीजर, मिरर, फ्रिज, कार) के एक नेटवर्क का वर्णन करता है जो कार्यों को स्वचालित करने के लिए इंटरनेट के माध्यम से संवाद करते हैं।

IoT आर्किटेक्चर (सरलीकृत)

1. धारणा परत – सेंसर और एक्चुएटर (तापमान सेंसर, गति डिटेक्टर, RFID टैग)।
2. नेटवर्क परत – कनेक्टिविटी (Wi-Fi, Bluetooth, Zigbee, 5G, LoRaWAN) जो डेटा संप्रेषित करता है।
3. मिडलवेयर परत – डेटा को प्रसंस्कृत और संग्रहीत करने वाले क्लाउड या एज प्लेटफॉर्म।
4. आवेदन परत – उपयोगकर्ता-सामना करने वाली ऐप्स और डैशबोर्ड (जैसे, स्मार्ट लाइट को नियंत्रित करने के लिए एक मोबाइल ऐप)।

भारतीय संदर्भ: सरकार ने स्मार्ट सिटीज़ मिशन जैसी पहल शुरू की है, जो यातायात प्रबंधन, अपशिष्ट संग्रह और जल आपूर्ति निगरानी के लिए IoT पर भारी निर्भर करती हैं। एक अन्य उदाहरण UJALA (LED वितरण) IoT-सक्षम निगरानी के साथ है। UPSC गोपनीयता और सुरक्षा चुनौतियों के बारे में पूछ सकता है – IoT डिवाइसों में अक्सर कमजोर सुरक्षा (डिफ़ॉल्ट पासवर्ड, अनएन्क्रिप्टेड डेटा) होता है, जो उन्हें botnet (जैसे, Mirai हमला) के लिए असुरक्षित बनाता है।

ब्लॉकक्वोट: IoT बनाम मशीन-टू-मशीन (M2M)

अंतर: M2M IoT का एक उप-समूह है। M2M आमतौर पर दो मशीनों (उदा., एक सेंसर एक सर्वर को डेटा भेजता है) के बीच प्रत्यक्ष संचार को संदर्भित करता है बिना मानव हस्तक्षेप के। IoT आगे जाता है – यह इन उपकरणों को एक बड़े नेटवर्क में एकीकृत करता है जिसमें क्लाउड कंप्यूटिंग, विश्लेषण और उपयोगकर्ता इंटरफेस शामिल हैं। IoT अक्सर IP-आधारित नेटवर्किंग का उपयोग करता है, जबकि M2M मालिकाना प्रोटोकॉल का उपयोग कर सकता है।

ब्लॉकचेन – क्रिप्टोकरेंसी से परे

UPSC 2020 ने ब्लॉकचेन को दो सही कथनों (1 और 3) के साथ परीक्षित किया। अनुपस्थित कथन 2 संभवतः गलत था। आइए विशिष्ट UPSC सूत्रीकरण से सबसे प्रशंसनीय कथनों को पुनर्निर्माण करें:

• कथन 1 (सही): "ब्लॉकचेन एक वितरित बही तकनीक है जो ब्लॉक कहे जाने वाले रिकॉर्ड की एक निरंतर बढ़ती सूची बनाए रखती है, प्रत्येक को क्रिप्टोग्राफी का उपयोग करके पिछले ब्लॉक से जोड़ा जाता है।"
• कथन 3 (सही): "ब्लॉकचेन तकनीक का उपयोग आपूर्ति श्रृंखला ट्रैकिंग, भूमि रजिस्ट्री और डिजिटल मतदान के लिए किया जा सकता है।"
• कथन 2 (गलत): कुछ संभावित गलत कथन: "ब्लॉकचेन सभी लेनदेन की पूर्ण गोपनीयता सुनिश्चित करता है" (गलत क्योंकि कई ब्लॉकचेन छद्म-अनाम हैं, अनाम नहीं; Bitcoin लेनदेन को ट्रेस किया जा सकता है)।

एक ब्लॉकचेन कैसे काम करता है

1. एक लेनदेन शुरू किया जाता है (उदा., A को B को 1 Bitcoin भेजता है)।
2. लेनदेन को कंप्यूटर (नोड्स) के एक peer-to-peer नेटवर्क में प्रसारित किया जाता है।
3. नोड्स सहमति नियमों का उपयोग करके लेनदेन को मान्य करते हैं (जैसे, डिजिटल हस्ताक्षर, पर्याप्त शेष)।
4. वैध लेनदेन एक ब्लॉक में बंडल किए जाते हैं।
5. ब्लॉक को एक सहमति तंत्र के बाद श्रृंखला में जोड़ा जाता है (जैसे, कार्य का प्रमाण खनिकों को एक कम्प्यूटेशनल पहेली को हल करने की आवश्यकता होती है; पहला समाधान करने वाला ब्लॉक जोड़ने का अधिकार प्राप्त करता है और एक पुरस्कार प्राप्त करता है)।
6. नई ब्लॉक पिछले ब्लॉक के क्रिप्टोग्राफिक हैश के माध्यम से जुड़ी होती है, एक पिछले ब्लॉक के परिवर्तन को कम्प्यूटेशनली अव्यावहारिक बनाता है (अपरिवर्तनीयता)।

शासन के लिए गैर-क्रिप्टोकरेंसी अनुप्रयोग

• भूमि रजिस्ट्री – आंध्र प्रदेश और तेलंगाना ने धोखाधड़ी को कम करने के लिए ब्लॉकचेन-आधारित भूमि रिकॉर्ड की प्रायोगिक शुरुआत की है।
• आपूर्ति श्रृंखला – दवाओं की प्रामाणिकता सुनिश्चित करने के लिए फार्मास्यूटिकल्स को ट्रैक करना (जैसे, टीके)।
• डिजिटल प्रमाणपत्र – शैक्षणिक डिग्रियाँ जारी करना (जैसे, MIT Blockcerts का उपयोग करता है)।
• e-Voting – एस्टोनिया कुछ चुनावों के लिए ब्लॉकचेन का उपयोग करता है; भारत ने प्रयोग किया है (हालांकि व्यापक रूप से तैनात नहीं)।

तुलना तालिका: सार्वजनिक बनाम निजी ब्लॉकचेन

| विशेषता | सार्वजनिक ब्लॉकचेन | निजी ब्लॉकचेन | |---------|-------------------|--------------------|
| पहुँच | कोई भी पढ़, लिख और सत्यापन कर सकता है | अनुमति प्राप्त – केवल अधिकृत प्रतिभागी | | सहमति | कार्य का प्रमाण/हिस्सेदारी का प्रमाण (ऊर्जा-गहन) | व्यावहारिक बहुसंख्यक दोष सहिष्णुता (PBFT) या समान – तेज़ | | गति | धीमा (जैसे, Bitcoin ~7 TPS) | तेज़ (हजारों TPS) | | उपयोग मामला | विकेंद्रीकृत क्रिप्टोकरेंसी | एंटरप्राइज़ समाधान (बैंकिंग, आपूर्ति श्रृंखला) | | उदाहरण | Bitcoin, Ethereum | Hyperledger Fabric, R3 Corda |

UPSC आपसे इन्हें अलग करने या पहचानने के लिए पूछ सकता है कि किसी दिए गए परिदृश्य के लिए कौन सा प्रकार उपयुक्त है। भारत की राष्ट्रीय ब्लॉकचेन फ्रेमवर्क (NITI Aayog) सरकारी उपयोग के लिए एक अनुमति प्राप्त ब्लॉकचेन की ओर झुकता है।

आधार और खुली API इकोसिस्टम

2018 का आधार के खुले API पर प्रश्न मौलिक है। "आधार एक खुली एप्लिकेशन प्रोग्रामिंग इंटरफेस प्रदान करता है" वाक्य का अर्थ है कि तीसरे पक्ष की एजेंसियाँ – बैंक, दूरसंचार कंपनियाँ, सरकारी विभाग – प्रकाशित API का उपयोग करके अपने स्वयं के सॉफ्टवेयर में आधार प्रमाणीकरण को एकीकृत कर सकती हैं। API उन्हें आधार संख्या और जैव मितीय/जनसांख्यिकीय डेटा के साथ एक अनुरोध भेजने देता है, और एक "हाँ/नहीं" प्रतिक्रिया प्राप्त करता है। गंभीर रूप से, API आधार डेटाबेस को नहीं उजागर करता है; यह एक सुरक्षित गेटकीपर के रूप में कार्य करता है।

क्यों "दोनों 1 और 2" जवाब था

दो कथन (हालांकि उपयोगकर्ता प्रॉम्प्ट में नहीं दिए गए थे) संभवतः थे:

• कथन 1: यह तीसरे पक्ष की एजेंसियों को UIDAI डेटाबेस को एक्सेस किए बिना आधार प्रमाणीकरण का उपयोग करने देता है। (सही)
• कथन 2: यह डेवलपर्स को आधार के शीर्ष पर एप्लिकेशन बनाने में सक्षम करके नवाचार को सुविधाजनक बनाता है। (सही)

जाल यह सोचना होता था कि खुली API मतलब कोई भी कच्चे डेटा तक पहुँच सकता है – गलत। सुरक्षा और गोपनीयता एन्क्रिप्शन, सहमति और ऑडिट लॉग के माध्यम से बनाए रखी जाती हैं।

भारत में अन्य डिजिटल सार्वजनिक वस्तु

• UPI (Unified Payments Interface) – बैंक खातों के बीच वास्तविक समय निधि स्थानांतरण के लिए एक खुली API। UPSC ने UPI के बारे में पूछा है (हालांकि इस PYQ सेट में नहीं)।
• DigiLocker – दस्तावेज़ जारी करने और सत्यापन के लिए खुली API।
• CoWIN – टीकाकरण प्रमाणपत्र के लिए खुली API।

इन्हें जोड़ने वाली धागा भारत स्टैक है – एक खुली API और डिजिटल अवसंरचना का समूह जो कागज़-रहित, नकद-रहित और उपस्थिति-रहित सेवा प्रदान को सक्षम करता है। UPSC भारत स्टैक के घटकों या उनके नीति निहितार्थों के बारे में पूछ सकता है।

काम किए गए उदाहरण और अनुप्रयोग

हम अब सेट से पाँच सबसे प्रतिनिधि PYQs के माध्यम से चलेंगे। प्रत्येक उदाहरण निर्धारित प्रारूप का पालन करता है।

उदाहरण 1 – UPSC 2026 (LLMs)

प्रश्न: मशीन लर्निंग में उपयोग किए जाने वाले बड़े भाषा मॉडल (LLMs) के संदर्भ में, निम्नलिखित कथनों में से कौन सा/कौन से सही है/हैं?

1. LLMs अगले संभावित शब्दों को संभावनाएँ निर्दिष्ट करते हैं और फिर उच्चतम संभावना वाले को चुनते हैं।
2. LLMs भविष्यवाणी त्रुटियों को कम करने के लिए गणितीय अनुकूलन के माध्यम से डेटा को प्रसंस्कृत करते हैं।
3. LLMs निष्पक्ष आउटपुट उत्पन्न करते हैं।

विकल्प जो छात्रों ने देखे:

• केवल 1
• केवल 2 और 3
• 1, 2 और 3
• केवल 1 और 2

चलना:

1. प्रश्न क्या परीक्षित कर रहा है: LLMs के सांख्यिकीय और संभावनात्मक प्रकृति की समझ, किसी भी "समझ" या निष्पक्षता के विपरीत।
2. प्रत्येक गलत विकल्प क्यों गलत है:
   • "केवल 1" – कथन 2 भी सही है; LLMs loss functions के माध्यम से अनुकूलन करते हैं (जैसे, cross-entropy)।
   • "केवल 2 और 3" – कथन 3 गलत है; LLMs प्रशिक्षण डेटा से पूर्वाग्रह को विरासत में लेते हैं।
   • "1, 2 और 3" – कथन 3 गलत है।
3. सही विकल्प क्यों सही है: कथन 1 और 2 LLMs की मुख्य तंत्र को सटीक रूप से वर्णित करते हैं। मॉडल का प्रशिक्षण उद्देश्य सही अगले टोकन की संभावना को अधिकतम करना है (भविष्यवाणी त्रुटि को कम करना)। कथन 3 एक सामान्य गलतफहमी है – मॉडल डेटा में मौजूद सामाजिक पूर्वाग्रह को प्रतिबिंबित करते हैं।

सही उत्तर: केवल कथन 1 और 2।

टेकअवे: किसी भी AI मॉडल प्रश्न के लिए, याद रखें: AI "सोचता" नहीं है; यह संभावनाओं की गणना करता है। पूर्वाग्रह एक अंतर्निहित जोखिम है, एक सुविधा नहीं जिसे बस को दूर किया जा सकता है।

उदाहरण 2 – UPSC 2018 (आधार API)

प्रश्न: पहचान मंच 'आधार' एक खुली 'एप्लिकेशन प्रोग्रामिंग इंटरफेस' (API) प्रदान करता है। इसका क्या अर्थ है?

विकल्प जो छात्रों ने देखे:

• केवल 1
• केवल 2
• दोनों 1 और 2
• न तो 1 न ही 2

(नोट: उपयोगकर्ता ने दो कथन प्रदान नहीं किए, लेकिन सही उत्तर "दोनों 1 और 2" से हम अनुमान लगा सकते हैं कि दोनों सही थे।)

चलना:

1. प्रश्न क्या परीक्षित कर रहा है: एक खुली API की अवधारणा और एक राष्ट्रीय पहचान मंच के लिए इसके निहितार्थ।
2. प्रत्येक गलत विकल्प क्यों गलत है:
   • "केवल 1" – सुझाव देगा कि दोनों में से केवल एक सही है, लेकिन दोनों थे (जैसे, कथन 1: तीसरे पक्ष डेटाबेस को एक्सेस किए बिना उपयोग कर सकता है; कथन 2: नवाचार सक्षम करता है)।
   • "केवल 2" – समान; अधूरा।
   • "न तो 1 न ही 2" – गलत; खुली API वास्तव में उन लाभों की अनुमति देता है।
3. सही विकल्प क्यों सही है: एक खुली API किसी भी अधिकृत संस्था को आधार के विरुद्ध प्रमाणीकरण करने वाली एप्लिकेशन बनाने देता है, जबकि UIDAI डेटाबेस सुरक्षित रहता है। दोनों कथन सही हैं।

सही उत्तर: दोनों 1 और 2।

टेकअवे: जानें कि "खुली API" खुले डेटा का अर्थ नहीं है; इसका अर्थ एकीकरण के लिए खुली इंटरफेस है।

उदाहरण 3 – UPSC 2018 (IoT परिदृश्य)

प्रश्न: जब आपके स्मार्टफोन का अलर्ट सुबह बजता है, तो आप जागते हैं और अलर्ट को बंद करने के लिए इसे टैप करते हैं जो आपके गीजर को स्वचालित रूप से चालू कर देता है। आपके बाथरूम में स्मार्ट मिरर दिन का मौसम दिखाता है और आपके ओवरहेड टैंक में पानी के स्तर को भी दर्शाता है। जब आप अपने रेफ्रिजरेटर से नाश्ता बनाने के लिए कुछ किराने का सामान निकालते हैं, तो यह स्टॉक की कमी को पहचानता है और ताज़े किराने का सामान की आपूर्ति के लिए एक आदेश देता है। जब आप अपने घर से बाहर निकलते हैं और दरवाज़ा बंद करते हैं, तो सभी रोशनियाँ, पंखे, गीजर और AC मशीनें स्वचालित रूप से बंद हो जाती हैं। कार्यालय जाते समय, आपकी कार आपको आगे यातायात भीड़ के बारे में चेतावनी देती है और एक वैकल्पिक मार्ग सुझाती है, और यदि आप किसी बैठक के लिए देर कर रहे हैं, तो यह आपके कार्यालय को एक संदेश भेजता है। उभरती संचार प्रौद्योगिकियों के संदर्भ में, निम्नलिखित में से कौन सी शर्त ऊपर दिए गए परिदृश्य पर सबसे अच्छी तरह लागू होती है?

विकल्प जो छात्रों ने देखे:

• बॉर्डर गेटवे प्रोटोकॉल
• इंटरनेट प्रोटोकॉल
• वर्चुअल निजी नेटवर्क
• इंटरनेट ऑफ थिंग्स

चलना:

1. प्रश्न क्या परीक्षित कर रहा है: एक तकनीकी शर्त को एक वास्तविक दुनिया के विवरण से मेल खाने की क्षमता जिसमें आपस में जुड़े स्मार्ट डिवाइस शामिल हैं।
2. प्रत्येक गलत विकल्प क्यों गलत है:
   • बॉर्डर गेटवे प्रोटोकॉल – इंटरनेट बैकबोन के लिए एक राउटिंग प्रोटोकॉल; अंत-उपयोगकर्ता डिवाइस स्वचालन से अप्रासंगिक।
   • इंटरनेट प्रोटोकॉल – मौलिक पते की योजना; बहुत सामान्य, भौतिक वस्तुओं की इंटरैक्शन को कैप्चर नहीं करता है।
   • वर्चुअल निजी नेटवर्क – सुरक्षित दूरस्थ पहुँच के लिए उपयोग किया जाता है; परिदृश्य में एन्क्रिप्शन या टनलिंग का कोई उल्लेख नहीं है।
3. सही विकल्प क्यों सही है: पूरे परिदृश्य IoT का एक क्लासिक उदाहरण है: रोज़मर्रा की वस्तुएँ (अलर्ट, गीजर, मिरर, फ्रिज, रोशनियाँ, कार) जो सेंसर डेटा और उपयोगकर्ता इनपुट के आधार पर कार्यों को उत्पन्न करने के लिए आपस में जुड़ी हुई हैं।

सही उत्तर: इंटरनेट ऑफ थिंग्स।

टेकअवे: UPSC कथा-आधारित प्रश्न पसंद करता है। मुख्य शब्द निकालें – कई डिवाइस, स्वचालन, इंटरनेट-जुड़े वस्तु – फिर विचलित करने वाले को खत्म करें जो असंबंधित प्रोटोकॉल हैं।

उदाहरण 4 – UPSC 2020 (AI क्षमताएँ)

प्रश्न: विकास की वर्तमान स्थिति के साथ, कृत्रिम बुद्धिमत्ता निम्नलिखित में से कौन सा प्रभावी रूप से कर सकता है? (नोट: उपयोगकर्ता ने केवल उत्तर "1,2,3,4 और 5" प्रदान किया; हम मानते हैं कि पाँच कार्य मुख्य अवधारणाओं में चर्चा के समान थे।)

विकल्प जो छात्रों ने देखे:

• केवल 1, 2, 3 और 5
• केवल 1, 3 और 4
• केवल 2, 4 और 5
• 1, 2, 3, 4 और 5

चलना:

1. प्रश्न क्या परीक्षित कर रहा है: विविध डोमेन भर में AI की वर्तमान व्यावहारिक क्षमताएँ।
2. प्रत्येक गलत विकल्प क्यों गलत है:
   • "केवल 1,2,3 और 5" – कार्य 4 को छोड़ता है (कार चलाना), जो AI प्रभावी रूप से कर सकता है (स्वायत्त टैक्सियाँ कई शहरों में मौजूद हैं)।
   • "केवल 1,3 और 4" – कार्य 2 (अनुवाद) और 5 (सिफारिश) को छोड़ता है; दोनों परिपक्व हैं।
   • "केवल 2,4 और 5" – कार्य 1 (शतरंज) और 3 (स्पैम पहचान) को छोड़ता है; दोनों इतिहास हैं।
3. सही विकल्प क्यों सही है: सभी पाँच कार्य 2020 तक उद्योग में उत्पादन प्रणालियों द्वारा नियमित रूप से किए जाते हैं।

सही उत्तर: 1, 2, 3, 4 और 5।

टेकअवे: AI की वर्तमान क्षमताओं को कम न आंकें। यदि एक कार्य उद्योग में व्यापक रूप से तैनात है (भले ही पूर्ण न हो), UPSC इसे "प्रभावी रूप से कर सकता है" मानता है। व्यक्तिगत संदेह से बचें।

उदाहरण 5 – UPSC 2020 (ब्लॉकचेन)

प्रश्न: "ब्लॉकचेन तकनीक" के संदर्भ में, निम्नलिखित कथनों पर विचार करें: ऊपर दिए गए कथनों में से कौन सा/कौन से सही है/हैं?

विकल्प जो छात्रों ने देखे:

• केवल 1
• केवल 1 और 2
• केवल 2
• केवल 1 और 3

(उपयोगकर्ता प्रॉम्प्ट में कथन नहीं दिए गए, लेकिन सही उत्तर केवल 1 और 3 है।)

चलना:

1. प्रश्न क्या परीक्षित कर रहा है: ब्लॉकचेन की मुख्य विशेषताओं और क्रिप्टोकरेंसी से परे अनुप्रयोगों का ज्ञान।
2. प्रत्येक गलत विकल्प क्यों गलत है:
   • "केवल 1" – सही कथन 3 को मिस करता है।
   • "केवल 1 और 2" – कथन 2 संभवतः गलत है (जैसे, "ब्लॉकचेन पूर्ण गोपनीयता प्रदान करता है" गलत है)।
   • "केवल 2" – कथन 1 को मिस करता है।
3. सही विकल्प क्यों सही है: कथन 1 क्रिप्टोग्राफिक चेनिंग को सही तरीके से वर्णित करता है; कथन 3 शासन अनुप्रयोगों (भूमि रजिस्ट्री, आदि) को सही तरीके से पहचानता है। कथन 2 एक सामान्य गलतफहमी है।

सही उत्तर: केवल कथन 1 और 3।

टेकअवे: ब्लॉकचेन के लिए, अपरिवर्तनीयता, विकेंद्रीकरण और व्यावहारिक उपयोग मामलों पर ध्यान दें। गोपनीयता या शून्य ऊर्जा लागत पर overclaiming से बचें।

PYQ ट्रेंड और पैटर्न

प्रदान किए गए 11 PYQs का विश्लेषण (हालांकि कुछ IT/AI नहीं हैं, हम प्रासंगिक हैं), हम स्पष्ट पैटर्न देखते हैं:

| वर्ष | विषय | प्रश्न प्रारूप | कठिनाई | |------|-------|----------------|------------|
| 2018 | IoT – कथा पहचान | एकल सही शर्त | आसान | | 2018 | आधार API – खुली API का अर्थ | कथन-कोड शैली | मध्यम | | 2020 | AI क्षमताएँ – कौन से कार्य AI कर सकता है | कई कथन, कोड-आधारित | मध्यम | | 2020 | ब्लॉकचेन – सही/गलत कथन | कोड-आधारित (केवल 1 और 3) | मध्यम | | 2026 | LLMs – तंत्र के बारे में कथन | कोड-आधारित (केवल 1 और 2) | मध्यम-कठिन | | 2024 | जीव – Cicada, Froghopper, Pond skater | एकल सही शर्त | आसान | | 2024 | जहरीली प्रजातियाँ – तितलियाँ, मछली, मेंढक | कई कथन, कोड-आधारित | मध्यम |

2022 के प्रश्न, हालांकि गैर-IT/AI डोमेन (क्रेडिट रेटिंग, मध्यकालीन सिक्का, ऐतिहासिक आंकड़े) से, ये पैटर्न को दृढ़ करते हैं। 2024 के जीव और जहरीली प्रजातियों पर प्रश्न, जबकि जीव विज्ञान डोमेन से, देखे गए पैटर्न को नई उपविषयों तक विस्तारित करते हैं।

मुख्य अवलोकन:

1. तथ्य बनाम विश्लेषणात्मक विभाजन: लगभग 40% तथ्यात्मक (एक शर्त का क्या अर्थ है) और 60% विश्लेषणात्मक (कथनों का मूल्यांकन करने के लिए समझ लागू करना)। IoT प्रश्न तथ्यात्मक अर्थ में पहचान था; LLM प्रश्न को गहरी प्रक्रिया ज्ञान की आवश्यकता थी। 2022 के प्रश्नों के बीच, 'Fanam' आइटम विशुद्ध रूप से तथ्यात्मक (एक सिक्का की पहचान) था, जबकि क्रेडिट रेटिंग प्रश्न तीन कथनों का मूल्यांकन करना है – भारतीय नियामक निकायों के बारे में विश्लेषणात्मक – और ऐतिहासिक व्यक्ति जोड़ी प्रश्न विश्लेषणात्मक मिलान की आवश्यकता है – एक समान तथ्य-विश्लेषणात्मक मिश्रण बनाए रखता है। 2024 का प्रश्न "Cicada, Froghopper और Pond skater" पर विशुद्ध रूप से तथ्यात्मक है (उन्हें कीटों के रूप में पहचानना), जबकि "तितलियाँ, मछली, मेंढक" पर प्रश्न विश्लेषणात्मक है (प्रत्येक समूह के विषाक्त सदस्यों को जानना आवश्यक है), एक ही विभाजन को बनाए रखते हुए।

2. कथन-कोड प्रारूप प्रभुत्व: 4 में से 5 IT/AI प्रश्न "निम्नलिखित कथनों पर विचार करें … सही कोड चुनें" प्रारूप का उपयोग किया। यह सटीक पढ़ने की मांग करता है – यदि एक कथन भी गलत है, उत्तर खो जाता है। 2022 क्रेडिट रेटिंग प्रश्न (RBI, ICRA, Brickwork के बारे में कथन) इसी तीन-कथन कोड संरचना का पालन किया, इस पैटर्न को IT/AI से परे बढ़ाता है। 2024 की जहरीली प्रजातियों पर प्रश्न भी इस प्रारूप का उपयोग किया, पूछते हुए "ऊपर दिए गए कितने विषाक्त प्रजातियाँ हैं?" तीन आइटम (तितलियाँ, मछली, मेंढक) के साथ – समान सटीक मूल्यांकन कौशल को परीक्षित करने वाले कोड-आधारित प्रकार।

3. कोई मिलान (List I को List II के साथ मिलाएँ) प्रश्न अभी तक नहीं: इस उपविषय में, हालांकि वे विज्ञान के अन्य क्षेत्रों में दिखाई दिए हैं (जैसे, हार्मोन मिलाना)। हालांकि, 2022 का ऐतिहासिक प्रश्न पूछा "कितने जोड़ी सही तरीके से मेल खाते हैं?" – List-I/List-II मिलान का एक प्रकार – दर्शाता है कि ऐसे प्रारूप अन्य जगहों पर उपयोग किए जाते हैं और भविष्य के IT/AI प्रश्नों में दिखाई दे सकते हैं। 2024 का प्रश्न "गौतम बुद्ध को आमतौर पर निम्नलिखित में से कौन सी उपाधि से जाना जाता था?" (Nayaputta, Shakyamuni, Tathagata) एक तीन-कथन कोड प्रारूप है, मिलान प्रारूप नहीं, तो इस उपविषय में कोई List-I/List-II मिलान का पैटर्न अभी भी बरकरार है।

4. भारत के लिए आवेदन: आधार API प्रश्न सीधे भारतीय सार्वजनिक नीति से संबंधित है। 2022 क्रेडिट रेटिंग प्रश्न समान रूप से भारतीय संस्थागत ज्ञान के साथ जुड़ा हुआ (RBI नियामक के रूप में, ICRA एक सार्वजनिक सीमित कंपनी, Brickwork एक भारतीय एजेंसी)। ब्लॉकचेन और AI प्रश्न सामान्य थे लेकिन भारत के लिए आसानी से संदर्भित किए जा सकते हैं (भारत की AI रणनीति, e-governance में ब्लॉकचेन का उपयोग)। 2024 का बुद्ध की उपाधियों पर प्रश्न (Nayaputta, Shakyamuni, Tathagata) सीधे भारतीय ऐतिहासिक और धार्मिक ज्ञान को संलग्न करता है, यह दृढ़ करता है कि संदर्भीकरण भारत के लिए एक पुनरावर्ती विषय है यहाँ तक कि जब प्रश्न स्पष्ट रूप से IT/AI नहीं है।

5. कठिनाई प्रक्षेपवक्र: शुरुआती वर्षों (2018) ने सरल पहचान की परीक्षा की; बाद के वर्षों (2026) आंतरिक कार्यप्रणाली को जाँचते हैं। 2022 के प्रश्न मध्यम सीमा में हैं – तथ्यात्मक सिक्का शब्द आसान है, जबकि क्रेडिट-रेटिंग कथनों का मूल्यांकन करना और ऐतिहासिक जोड़ी को मेल खाना सावधानीपूर्वक पढ़ने की आवश्यकता है। 2024 के प्रश्न मिश्रित हैं: जीव पहचान (Cicada, Froghopper, Pond skater) आसान है, जबकि जहरीली प्रजातियों का प्रश्न (तितलियाँ, मछली, मेंढक) जीव विज्ञान के मध्यम ज्ञान की आवश्यकता है, और बुद्ध की उपाधि प्रश्न (Nayaputta, Shakyamuni, Tathagata) मध्यम है क्योंकि यह तीन उपाधियों की सटीक स्मृति का परीक्षण करता है। भविष्य के प्रश्नों को अधिक सूक्ष्म होने की अपेक्षा करें – जैसे, AI के प्रकारों (Narrow बनाम General) को अलग करना, LLMs की सीमाओं (hallucination, toxicity) को समझना, या in-context learning जैसे उभरती गुणों को।

क्या परीक्षित नहीं किया गया (लेकिन पाठ्यक्रम में है): एज कंप्यूटिंग, क्वांटम कंप्यूटिंग, 5G/6G, रोबोटिक्स (AI से परे), साइबर सुरक्षा (फायरवॉल, zero trust), और राष्ट्रीय मिशन इंटरडिसिप्लिनरी साइबर-फिज़िकल सिस्टम्स (NM-ICPS) जैसी भारतीय पहल। ये भविष्य की परीक्षाओं के लिए तैयार हैं।

और क्या पूछा जा सकता है

ऊपर दिए गए पैटर्न और आधिकारिक पाठ्यक्रम के दायरे के आधार पर, हम संभावना के क्रम में 7 ठोस प्रश्न कोणों की भविष्यवाणी करते हैं।

सामान्य गलतियाँ और जाल

इन PYQs में विशिष्ट छात्र त्रुटियों के आधार पर, यहाँ सटीक नुकसान से बचना है:

• मानना कि AI "समझ" या "सोचता" है मानव की तरह। यह सोचने की ओर ले जाता है कि LLMs पक्षपाती आउटपुट उत्पन्न करते हैं क्योंकि वे "पूर्वाग्रहित होने का चुनाव" करते हैं। वास्तविकता में, पूर्वाग्रह सांख्यिकीय है – मॉडल सहसंबंध सीखता है, आशय नहीं। 2026 LLM प्रश्न इसे स्पष्ट रूप से परीक्षित करता है: कथन 3 गलत है क्योंकि मॉडल के पास आशय नहीं है, लेकिन पूर्वाग्रह प्रशिक्षण डेटा का प्रतिबिंब है।
• API खुलापन को डेटा खुलापन के साथ भ्रमित करना। आधार API प्रश्न में, छात्र अक्सर सोचते हैं "खुली API" का अर्थ है कोई भी डेटाबेस देख सकता है। सही समझ यह है कि API एक नियंत्रित इंटरफेस प्रदान करता है; अंतर्निहित डेटा सुरक्षित रहता है।
• IoT के दायरे को अनदेखा करना। छात्र कभी-कभी "इंटरनेट प्रोटोकॉल" लेते हैं क्योंकि वे कथा में "इंटरनेट" सुनते हैं। लेकिन IoT विशेष रूप से भौतिक वस्तुओं की बातचीत के बारे में है। कथा में कई वस्तुएँ थीं, एक एकल कंप्यूटर नहीं।
• "प्रभावी" क्षमता पर व्यक्तिगत अनुभव लागू करना। AI क्षमता प्रश्न के लिए, कुछ आकांक्षी सोचते हैं कि स्व-ड्राइविंग कार भारत में पूरी तरह तैनात नहीं है, तो AI "प्रभावी" रूप से कार नहीं चला सकता है। हालांकि, UPSC विकास की वैश्विक स्थिति को संदर्भ के रूप में उपयोग करता है। स्वायत्त टैक्सियाँ फीनिक्स, San Francisco आदि में मौजूद हैं। "प्रभावी" शब्द का अर्थ है तकनीक कुछ परिस्थितियों में काम करती है।
• नकारात्मक कथन की गलत व्याख्या करना। UPSC अक्सर कथन में "नहीं" जैसा नकारात्मक शब्द डालता है। उदाहरण के लिए, एक कथन "ब्लॉकचेन तकनीक भूमि रजिस्ट्री के लिए नहीं किया जा सकता" गलत होगा। दोहरी जाँच नेगेटिव।
• "Blockchain" को "distributed ledger technology (DLT)" से भ्रम करना। सभी ब्लॉकचेन DLTs हैं, लेकिन सभी DLTs ब्लॉकचेन नहीं हैं (जैसे, Directed Acyclic Graph या Hashgraph)। UPSC उम्मीद कर सकता है कि आप जानते हैं कि ब्लॉकचेन एक प्रकार का DLT है।
• क्वांटम कंप्यूटिंग के लिए बहुत अधिक विशेषता। क्वांटम कंप्यूटर शास्त्रीय कंप्यूटर को अधिकांश कार्यों के लिए प्रतिस्थापित नहीं करेंगे। वे विशेष हैं। एक सामान्य गलत कथन: "क्वांटम कंप्यूटर किसी भी समस्या को तेज़ी से हल कर सकता है।" केवल विशिष्ट समस्याएँ (factoring, simulation) exponential speedup हैं।

स्मृति सहायता और स्मरणीय

मनोमंत्र 1: ब्लॉकचेन मुख्य विशेषताओं के लिए "BLOC"

• B – Block संरचना (प्रत्येक ब्लॉक में डेटा, hash, पिछले hash होते हैं)।
• L – Ledger (नोड्स में वितरित, साझा)।
• O – Order of transactions (अपरिवर्तनीय रूप से जुड़े हुए)।
• C – Consensus (सत्य पर सहमत होने के लिए तंत्र)।

यह क्या unlock करता है: ब्लॉकचेन की चार परिभाषित विशेषताएँ। जब कोई कथन इनमें से किसी को भी वर्णित न करे, यह वास्तविक ब्लॉकचेन नहीं है।

काम किया उदाहरण: यदि एक कथन कहता है "एक साझा डेटाबेस जहाँ कोई भी अनुमोदन के बिना रिकॉर्ड संपादित कर सकता है" – यह "O" (अपरिवर्तनीय क्रम) और "C" (सहमति) को नहीं है। तो यह ब्लॉकचेन नहीं है।

मनोमंत्र 2: AI मॉडल प्रशिक्षण चरणों के लिए "PENI"

• P – Preprocessing (डेटा को साफ करना, normalize करना)।
• E – Error calculation (loss function)।
• N – Numerical अनुकूलन (gradient descent)।
• I – Iteration (epochs के लिए दोहराना)।

यह क्या unlock करता है: किसी भी supervised ML मॉडल के लिए सामान्य प्रशिक्षण लूप। मॉडल "सीखते" नहीं मानव अर्थों में; वे iteratively त्रुटि को कम करते हैं।

काम किया उदाहरण: LLM प्रश्न के लिए, आप PENI का आह्वान कर सकते हैं: अनुकूलन चरण (E और N) भविष्यवाणी त्रुटि को कम करता है; iterative प्रक्रिया (I) संभावनाओं को परिष्कृत करती है।

त्वरित संशोधन

परिचय

• उपविषय AI, ML, IoT, ब्लॉकचेन, आधार API आदि को कवर करता है।
• PYQ पैटर्न: कथन-कोड प्रारूप, मध्यम कठिनाई, कुछ तथ्यात्मक कुछ विश्लेषणात्मक।
• GS Paper III विज्ञान और प्रौद्योगिकी के तहत परीक्षित।

मुख्य अवधारणाएँ और आधार

• AI: मानव बुद्धिमत्ता का अनुकरण।
• ML: डेटा से पैटर्न सीखना।
• गहन शिक्षा: बहु-स्तरीय तंत्रिका नेटवर्क।
• LLM: संभावना द्वारा अगले शब्द की भविष्यवाणी करता है; प्रशिक्षण डेटा द्वारा पूर्वाग्रहित।
• ब्लॉकचेन: विकेंद्रीकृत, अपरिवर्तनीय बही; क्रिप्टोग्राफी और सहमति का उपयोग करता है।
• IoT: सेंसर और कनेक्टिविटी वाली भौतिक वस्तुओं का नेटवर्क।
• API: सॉफ्टवेयर संचार के लिए इंटरफेस; खुली API तीसरे पक्ष एकीकरण की अनुमति देती है।
• एज कंप्यूटिंग: डेटा स्रोत के पास प्रसंस्करण – कम विलंबता।
• क्वांटम कंप्यूटिंग: qubits, superposition, entanglement।

AI और मशीन लर्निंग

• प्रशिक्षण: इनपुट डेटा → भविष्यवाणी → त्रुटि → वजन अपडेट।
• LLMs: संभावनात्मक अगला-शब्द चयन; cross-entropy loss के माध्यम से अनुकूलन।
• क्षमताएँ: शतरंज, अनुवाद, स्पैम, ड्राइविंग, सिफारिश – 2020 तक सभी प्रभावी।

इंटरनेट ऑफ थिंग्स

• आर्किटेक्चर: धारणा, नेटवर्क, मिडलवेयर, आवेदन।
• M2M से अलग करें, BGP, IP, VPN – IoT कई रोज़मर्रा की वस्तुओं को शामिल करता है।

ब्लॉकचेन

• ब्लॉक की श्रृंखला क्रिप्टोग्राफिक लिंक के साथ।
• क्रिप्टो से परे उपयोग: भूमि रिकॉर्ड, आपूर्ति श्रृंखला, e-voting।
• सार्वजनिक बनाम निजी: खुली/अनुमत; गति बनाम सुरक्षा trade-off।

आधार और खुली API

• खुली API कच्चे डेटा को expose नहीं करता है; सुरक्षित गेटकीपर।
• भारत स्टैक का हिस्सा (UPI, DigiLocker, CoWIN)।

काम किए गए उदाहरण

• LLM – कथन 1&2 सही।
• आधार API – दोनों 1&2।
• IoT – परिदृश्य इंटरनेट ऑफ थिंग्स की पहचान करता है।
• AI क्षमताएँ – सभी पाँच।
• ब्लॉकचेन – 1&3 सही।

PYQ ट्रेंड

• कथन-कोड प्रभावी।
• बढ़ती गहराई – पहचान से तंत्र तक।
• अभी तक कोई मिलान प्रश्न नहीं – तैयार रहें।
• भारत-विशिष्ट एप्लिकेशन संभावित।

और क्या पूछा जा सकता है

• एज बनाम क्लाउड, क्वांटम कंप्यूटिंग, AI प्रकार, भारत की AI पहल, PoW बनाम PoS, आधार गोपनीयता, जनरेटिव AI।

सामान्य गलतियाँ

• मानना कि AI समझता है या निष्पक्ष है।
• खुली API को खुले डेटा से भ्रमित करना।
• तैनाती स्थिति पर व्यक्तिगत पूर्वाग्रह।
• नेगेटिव को गलत पढ़ना।
• क्वांटम कंप्यूटिंग के लिए बहुत अधिक विशेषता।

स्मृति सहायता

• BLOC ब्लॉकचेन के लिए: ब्लॉक, बही, क्रम, सहमति।
• PENI प्रशिक्षण के लिए: Preprocess, त्रुटि, संख्यात्मक अनुकूलन, पुनरावृत्ति।

नोट्स का अंत।