AI का क्या मतलब है

आप क्या सीखेंगे

अनुमानित समय: 20 मिनट

इस पाठ के अंत तक आप सक्षम होंगे:

• Generative AI को classification और prediction AI से अलग करना जिसका आप पहले से दैनिक रूप से सामना करते हैं
• समझना कि generative AI की विशेषताएं capability से limitation तक एक continuum पर मौजूद हैं
• चार मुख्य गुणों का पूर्वावलोकन करना जिन्हें आप गहराई से explore करेंगे: Next Token Prediction, knowledge, working memory, और steerability

Generative AI का क्या मतलब है

(4 मिनट)

दुनिया में अधिकांश AI (spam filters, recommendations, fraud detection) generative नहीं है। यह कोर्स उस प्रकार के बारे में है जो है: transformer-based text models जो एक token को एक बार में नई content produce करते हैं।

मशीन का एक मानसिक मॉडल बनाना

AI Capabilities & Limitations Framework

चार गुण जो यह आकार देते हैं कि AI आपके लिए क्या कर सकता है और क्या नहीं कर सकता। प्रत्येक एक spectrum पर बैठता है — जितना अधिक दाईं ओर, उतना अधिक आपको verify और compensate करना चाहिए।

Capability

Limitation

Next Token Prediction

AI के उत्तर कहाँ से आते हैं?

Well-worn paths: summarize, reformat, explain common concepts — Novel territory, sparse patterns, "true vs. sounds true"

Knowledge

AI वास्तव में क्या जानता है?

Frequent, recent-in-training, consistent: mainstream topics, popular languages — Rare, post-cutoff, niche, local, या contested topics

Working Memory

AI अभी किस पर ध्यान दे रहा है?

Material fits comfortably, session is current, you supply relevant context — Very long docs/conversations, expecting cross-session continuity (the cliff)

Steerability

मैं कितना नियंत्रण में हूँ?

Short, concrete, verifiable instructions ("respond as a table," "under 100 words") — Long reasoning chains, abstract asks, native precision

मुख्य बातें

• Generative AI नई content produce करता है बजाय मौजूदा content को classify करने के।
• AI समान रूप से capable या समान रूप से unreliable नहीं है। यह चार predictable axes के साथ मजबूत और कमजोर है: Next Token Prediction, Knowledge, Working Memory, और Steerability।
• प्रत्येक गुण एक continuum है। एक ही mechanism आपको capability और limitation दोनों देता है।
• Calibrated trust का मतलब है अपने task को continuum पर locate करना, न कि wholesale रूप से trust को grant या withhold करना।

अभ्यास

अभ्यास: Generative या नहीं?

_क्यों? आपने अभी सीखा है कि generative AI fundamentally अलग है उस AI से जो आपके spam को filter करता है और आपके अगले video की सिफारिश करता है। अब आप इस distinction को अपने स्वयं के अनुभव पर लागू करने जा रहे हैं।_

• इस सप्ताह आपने जिन पाँच AI-powered features के साथ interact किया है उन्हें list करें। व्यापक रूप से cast करें: autocomplete, photo tagging, spam filtering, chatbot answers, translation, product recommendations, voice assistants।
• प्रत्येक के लिए, अपना call नोट करें: क्या यह नई content produce कर रहा है, या यह मौजूदा content को sort, rank, और classify कर रहा है?
• अपनी list को एक AI के साथ share करें और इसे अपने calls को check करने के लिए कहें। जिन्हें आप गलत समझे (या निश्चित नहीं थे), उसके लिए इसे एक वाक्य में distinction समझाने के लिए कहें। फिर पूछें: "इन पाँच में से कौन सा failure mode होने की सबसे अधिक संभावना है जिसे यह कोर्स मुझे समझने में मदद करेगा? "
• अपनी Lesson 1 task list पर वापस जाएँ। प्रत्येक task के लिए, इसे property question के साथ tag करें जो अभी सबसे relevant लगता है:
• उत्तर कहाँ से आते हैं? (Next Token Prediction)
• यह क्या जानता है? (Knowledge)
• यह किस पर ध्यान दे रहा है? (Working Memory)
• मैं कितना नियंत्रण में हूँ? (Steerability)

आपसे सही होने की अपेक्षा नहीं की जाती है। आप predictions बना रहे हैं जिन्हें आप अगले चार पाठों में test करेंगे।

पाठ प्रतिबिंब

• क्या generative/classification distinction के साथ AI ने बदल दिया कि आप किसी भी tool के बारे में कैसे सोचते हैं जिसका आप उपयोग करते हैं?
• देखें कि आपने अपनी task list को कैसे tag किया। क्या कोई task ऐसा लगा जो एक से अधिक property के तहत हो सकता है?

आगे क्या है

इससे पहले कि हम चार गुणों में खोदें, हम एक पाठ पर खर्च करेंगे कि कैसे एक AI system के पास एक personality आती है। यह polite, helpful, honest क्यों है, यह कभी-कभी बहुत आसानी से सहमत क्यों होता है, यह कुछ चीजों को decline क्यों करता है। यह shaping process सब कुछ पर fingerprints छोड़ता है जो इसके बाद आता है।

प्रतिक्रिया

जैसे-जैसे आप कोर्स के माध्यम से आगे बढ़ते हैं, हम आपसे सुनना पसंद करेंगे कि आप अपने काम में कोर्स से concepts का उपयोग कैसे कर रहे हैं, साथ ही आपके पास कोई भी प्रतिक्रिया। अपनी प्रतिक्रिया यहाँ share करें।

स्वीकृति और लाइसेंस

Copyright 2026 Anthropic. Original work building on the AI Fluency Framework developed by Prof. Rick Dakan (Ringling College of Art and Design) and Prof. Joseph Feller (University College Cork). Released under the CC BY-NC-SA 4. 0 license.