प्रारंभिक परीक्षा हेतु उभरती तकनीक: AI और जैव-प्रौद्योगिकी

प्रारंभिक परीक्षा हेतु उभरती तकनीक: AI और जैव-प्रौद्योगिकी

कृत्रिम बुद्धिमत्ता

AI ऐसे तंत्रों का क्षेत्र है जो मानव बुद्धि से जुड़े कार्य करते हैं। मशीन लर्निंग डेटा से पैटर्न सीखती है। सुपरवाइज्ड लर्निंग लेबलयुक्त उदाहरण, अनसुपरवाइज्ड बिना लेबल के डेटा और रिइनफोर्समेंट पुरस्कार-दंड से सीखती है। डीप लर्निंग बहु-स्तरीय न्यूरल नेटवर्क का उपयोग करती है। जनरेटिव AI पाठ, चित्र, ऑडियो या कोड बनाती है; बड़ा भाषा मॉडल संभावित टोकन क्रम का अनुमान लगाता है, इसलिए धाराप्रवाह उत्तर सत्य का प्रमाण नहीं। डेटा और डिजाइन से पक्षपात हो सकता है। गोपनीयता, पारदर्शिता, जवाबदेही, व्याख्येयता, सुरक्षा और मानव निगरानी महत्त्वपूर्ण हैं।

जैव-प्रौद्योगिकी

जैव-प्रौद्योगिकी जीव, कोशिका या जैव-अणु से उत्पाद और समाधान बनाती है। जीनोमिक्स पूरे आनुवंशिक पदार्थ का अध्ययन है; अनुक्रमण DNA पढ़ता और जैव-सूचना विज्ञान डेटा का विश्लेषण करता है। CRISPR-Cas विशिष्ट DNA अनुक्रम को लक्ष्य कर सकता है, पर संपादन पूर्णतः सटीक या जोखिम-मुक्त नहीं। जीन-चिकित्सा आनुवंशिक पदार्थ को बदलती, जोड़ती या नियंत्रित करती है; दैहिक परिवर्तन सामान्यतः वंशानुगत नहीं, जर्मलाइन परिवर्तन हो सकते हैं। रिकॉम्बिनेंट DNA प्रयोगशाला में आनुवंशिक पदार्थ जोड़ता है। हर जीन-संपादित जीव ट्रांसजेनिक नहीं होता।

AI कृषि, अनुवाद, चिकित्सा चित्र और आपदा मानचित्रण में उपयोगी है, पर सत्यापन चाहिए। जैव-प्रौद्योगिकी टीके, निदान, किण्वन, जैव-ईंधन और फसलों में सहायक है। बायोसेफ्टी स्वास्थ्य-पारिस्थितिकी के आकस्मिक जोखिमों को और बायोसिक्योरिटी दुरुपयोग या अनधिकृत पहुँच को देखती है। ML-AI, CRISPR-अनुक्रमण और सुरक्षा-सिक्योरिटी का अंतर याद रखें।

त्वरित पुनरावृत्ति

पहले परिभाषा पहचानें और फिर उसे संबंधित संस्था, तिथि, प्रक्रिया तथा उदाहरण से जोड़ें। वैज्ञानिक तंत्र को नीति साधन, अंतरराष्ट्रीय पहचान को स्वतः घरेलू कानूनी दर्जा और पद को स्वामित्व न मानें। “हमेशा” तथा “केवल” जैसे पूर्ण शब्दों से सावधान रहें और बदलती संख्या या संस्करणों के लिए आधिकारिक स्रोत देखें।

उदाहरण से समझें

प्रारंभिक परीक्षा हेतु उभरती तकनीक: AI और जैव-प्रौद्योगिकी — उपमा

AI अनेक हल प्रश्नपत्रों में पैटर्न खोजने वाला विद्यार्थी है; जैव-प्रौद्योगिकी जीवित कोशिकाओं को छोटे कारखानों की तरह उपयोग करती है। दोनों के लिए अच्छा डेटा, परीक्षण और निगरानी चाहिए।