AI ఎలా పనిచేస్తుంది – ఇన్పుట్ నుంచి అవుట్పుట్ వరకు (How AI Works)
Free practice MCQs with answers and explanations for AI ఎలా పనిచేస్తుంది – ఇన్పుట్ నుంచి అవుట్పుట్ వరకు (How AI Works) in కృత్రిమ మేధతో అనుసంధానం (Integrated AI). Tap an option to check instantly.
Q1Easy
AI వ్యవస్థ పనిలో మొదటి దశ ఏది?
A. అవుట్పుట్ ఇవ్వడం
B. సెన్సార్ల ద్వారా ఇన్పుట్ సేకరణ
C. ముందస్తు అంచనా వేయడం
D. నమూనాల గుర్తింపు
Answer & explanation
Correct: B — సెన్సార్ల ద్వారా ఇన్పుట్ సేకరణ
AI క్రమం: ఇన్పుట్ (సెన్సార్ల ద్వారా సేకరణ) → డిజిటల్ డేటా → అల్గోరిథమ్లతో ప్రాసెసింగ్ → నమూనాల గుర్తింపు → అవుట్పుట్ (వర్గీకరణ/ముందస్తు అంచనా). కాబట్టి మొదటి దశ ఇన్పుట్ సేకరణ; అవుట్పుట్, అంచనా చివరి దశలు; నమూనా గుర్తింపు మధ్య దశ.
AI వ్యవస్థ ఇచ్చే అవుట్పుట్కు పాఠ్యపుస్తకం పేర్కొన్న రూపాలు ఏవి?
A. సెన్సార్లు, ఉపగ్రహాలు
B. వర్గీకరణలు, ముందస్తు అంచనాలు (Classifications, Predictions)
C. ప్రాంప్ట్లు, సూచనలు
D. ముడి డేటా మాత్రమే
Answer & explanation
Correct: B — వర్గీకరణలు, ముందస్తు అంచనాలు (Classifications, Predictions)
AI చివరి దశలో వర్గీకరణలు (ఉదా: భూస్వరూపాలను పర్వతం, మైదానంగా విభజించడం) లేదా ముందస్తు అంచనాలు (ఉదా: వర్షపాత సూచన) ఇస్తుంది. సెన్సార్లు, ఉపగ్రహాలు ఇన్పుట్ దశకు చెందినవి; ప్రాంప్ట్ వినియోగదారు ఇచ్చే సూచన; ముడి డేటా ప్రాసెసింగ్కు ముందు ఉండేది.
ఆన్లైన్ వేదికలు లావాదేవీల నమూనాలను విశ్లేషించడానికి ప్రధానంగా వాడే సాంకేతికత ఏది అని పాఠ్యపుస్తకం చెబుతుంది?
A. ఉపగ్రహ చిత్రాలు
B. సమరూప గుర్తింపు
C. ఇంటరాక్టివ్ సిమ్యులేషన్
D. మెషిన్ లెర్నింగ్
Answer & explanation
Correct: D — మెషిన్ లెర్నింగ్
పాఠ్యపుస్తకం మూడు ఉదాహరణల్లో – ఆన్లైన్ వేదికలు మెషిన్ లెర్నింగ్తో లావాదేవీ నమూనాలను విశ్లేషిస్తాయని చెప్పింది. ఉపగ్రహ చిత్రాలు భూస్వరూపాల గుర్తింపుకు, సమరూప గుర్తింపు కట్టడాల చిత్రాలకు, ఇంటరాక్టివ్ సిమ్యులేషన్ ప్రజాస్వామ్య అభ్యసనకు వాడతారు.
డిజిటల్ భూస్వరూప పటం తయారీ దశలను సరైన క్రమంలో అమర్చండి: (1) పర్వతాలు, మైదానాలు, నదులు చూపే భారత డిజిటల్ పటం (2) ఉపగ్రహ చిత్రాల డేటా సేకరణ (3) కంప్యూటర్ విజన్, మెషిన్ లెర్నింగ్ వర్గీకరణతో AI ప్రాసెసింగ్
A. 3, 2, 1
B. 2, 3, 1
C. 2, 1, 3
D. 1, 3, 2
Answer & explanation
Correct: B — 2, 3, 1
పాఠ్య చిత్రం ‘అంతరిక్షం నుంచి AI డిజిటల్ భూస్వరూప పటాలను ఎలా రూపొందిస్తుంది’ ప్రకారం: దశ 1 – ఉపగ్రహ చిత్రాల డేటా సేకరణ (2); దశ 2 – కంప్యూటర్ విజన్, ఆకార-నమూనా గుర్తింపు, మెషిన్ లెర్నింగ్ వర్గీకరణ, ఎత్తు డేటా విశ్లేషణతో AI ప్రాసెసింగ్ (3); దశ 3 – డిజిటల్ పటం తయారీ (1).
వాతావరణ వ్యవస్థలు వర్షపాతాన్ని ముందుగా అంచనా వేయడానికి ప్రధానంగా దేనిని వాడతాయని పాఠ్యపుస్తకం చెబుతుంది?
A. వినియోగదారుల కొనుగోలు డేటా
B. కట్టడాల చిత్రాలు
C. వర్చువల్ ఎన్నికలు
D. శీతోష్ణస్థితి డేటాసెట్లు
Answer & explanation
Correct: D — శీతోష్ణస్థితి డేటాసెట్లు
పాఠ్యపుస్తకం మూడు ఉదాహరణలు ఇచ్చింది: డిజిటల్ మ్యాప్లు ఉపగ్రహ డేటాతో భూస్వరూపాలను, వాతావరణ వ్యవస్థలు శీతోష్ణస్థితి డేటాసెట్లతో వర్షపాతాన్ని, ఆన్లైన్ వేదికలు మెషిన్ లెర్నింగ్తో లావాదేవీ నమూనాలను విశ్లేషిస్తాయి. కొనుగోలు డేటా సిఫార్సులకు, కట్టడాల చిత్రాలు వారసత్వ గుర్తింపుకు వాడతారు.
AI తో డిజిటల్ భూస్వరూప పటం తయారీలో ‘AI ప్రాసెసింగ్’ దశలో భాగం కానిది ఏది?
A. కంప్యూటర్ విజన్
B. ఆకారాలు, రంగుల పోలిక
C. ఉపగ్రహం ద్వారా చిత్రం తీయడం
D. ఎత్తు (Elevation) డేటా విశ్లేషణ
Answer & explanation
Correct: C — ఉపగ్రహం ద్వారా చిత్రం తీయడం
పాఠ్య చిత్రంలో దశ 1 – ఉపగ్రహ చిత్రాల డేటా సేకరణ; దశ 2 – AI ప్రాసెసింగ్ (కంప్యూటర్ విజన్, నమూనా-ఆకార గుర్తింపు, మెషిన్ లెర్నింగ్ వర్గీకరణ, ఆకారాలు-రంగుల పోలిక, ఎత్తు డేటా విశ్లేషణ); దశ 3 – పటం తయారీ. ఉపగ్రహం చిత్రం తీయడం దశ 1 (డేటా సేకరణ)కు చెందుతుంది, ప్రాసెసింగ్కు కాదు.
వాతావరణ కేంద్రం నమోదు చేసిన డేటాతో ‘రేపు వర్షం పడే అవకాశం’ అని AI చెప్పడం – ఇది AI అవుట్పుట్లో ఏ రకం?
A. ఇన్పుట్
B. ముందస్తు అంచనా (Prediction)
C. సెన్సార్
D. ప్రాంప్ట్
Answer & explanation
Correct: B — ముందస్తు అంచనా (Prediction)
భవిష్యత్తులో జరగబోయేదాన్ని డేటా ఆధారంగా చెప్పడం ముందస్తు అంచనా (Prediction) – AI అవుట్పుట్ రెండు రకాల్లో ఒకటి (మరొకటి వర్గీకరణ). వాతావరణ కేంద్రం నమోదు ఇన్పుట్; ఆ పరికరం సెన్సార్; ప్రాంప్ట్ వినియోగదారు ఇచ్చే సూచన – ఇవి అవుట్పుట్ కావు.
AI పని క్రమంలోని దశలను సరైన వరుసలో అమర్చండి: (1) నమూనాల గుర్తింపు (2) సెన్సార్ల ద్వారా ఇన్పుట్ (3) అల్గోరిథమ్లతో ప్రాసెసింగ్ (4) డిజిటల్ డేటాగా మార్పు (5) వర్గీకరణ/అంచనా
A. 2, 3, 4, 1, 5
B. 4, 2, 3, 5, 1
C. 2, 4, 3, 1, 5
D. 2, 4, 1, 3, 5
Answer & explanation
Correct: C — 2, 4, 3, 1, 5
సరైన క్రమం: సెన్సార్ల ద్వారా ఇన్పుట్ సేకరణ (2) → డిజిటల్ డేటాగా మార్పు (4) → అల్గోరిథమ్లతో ప్రాసెసింగ్ (3) → ధోరణులు/నమూనాల గుర్తింపు (1) → వర్గీకరణ లేదా ముందస్తు అంచనా అవుట్పుట్ (5). డిజిటల్గా మారకముందే ప్రాసెసింగ్, ప్రాసెసింగ్ కాకముందే నమూనా గుర్తింపు సాధ్యం కాదు.
వ్యాఖ్య (A): AI మానవ తార్కిక ఆలోచనకు సహాయపడుతుంది కానీ దాన్ని భర్తీ చేయదు. కారణం (R): AI సమాధానాలను పాఠ్యపుస్తకం, ఉపాధ్యాయులతో ధ్రువీకరించాల్సిన అవసరం లేదు.
A. A, R రెండూ సరైనవి; A కు R సరైన వివరణ
B. A సరైనది, R తప్పు
C. A, R రెండూ సరైనవి; కానీ A కు R సరైన వివరణ కాదు
D. A తప్పు, R సరైనది
Answer & explanation
Correct: B — A సరైనది, R తప్పు
AI మానవ ఆలోచనకు సహాయకారి, ప్రత్యామ్నాయం కాదని పాఠం పదేపదే చెబుతుంది (A సరైనది). కానీ AI సమాధానాలను పాఠ్యపుస్తకం, ఉపాధ్యాయుల మార్గదర్శకత్వంతో తప్పనిసరిగా ధ్రువీకరించాలని కూడా చెబుతుంది – ‘అవసరం లేదు’ అనే R తప్పు. నిజానికి ధ్రువీకరణ అవసరం ఉండటమే A కు సరైన కారణం.