निम्नलिखित में से कौन-सा कृत्रिम बुद्धिमत्ता (आर्टिफिशियेल इंटेलिजेंस) के पक्षपात का स्रोत नहीं है?
व्याख्या एवं हल
सही उत्तर (D) क्षमता है।
- कृत्रिम बुद्धिमत्ता (AI) में पक्षपात (Bias) तब उत्पन्न होता है जब कोई AI प्रणाली ऐसे भेदभावपूर्ण परिणाम देती है जो सामाजिक और व्यवस्थागत पूर्वाग्रहों को दर्शाते हैं। AI पक्षपात के मुख्य स्रोतों में डेटा (अधूरा या अप्रतिनिधि प्रशिक्षण डेटा), एल्गोरिदम (त्रुटिपूर्ण कोड या गणितीय मॉडल), और लोग (डेवलपर्स या डेटा एनोटेटर द्वारा लाए गए मानवीय पूर्वाग्रह) शामिल हैं।
- सूचना एवं संचार प्रौद्योगिकी तथा ई-शासन के संदर्भ में AI पक्षपात को समझना अत्यंत महत्वपूर्ण है, क्योंकि निष्पक्ष एल्गोरिदम आधारित निर्णय प्रशासनिक और सार्वजनिक कल्याण प्रणालियों में पारदर्शिता एवं उत्तरदायित्व सुनिश्चित करते हैं।
- विकल्प (A) डेटा, विकल्प (B) एल्गोरिदम, और विकल्प (C) लोग - ये तीनों AI पक्षपात के सर्वमान्य मूलभूत स्रोत हैं। 'क्षमता' (Ability) को मशीन लर्निंग फ्रेमवर्क में तकनीकी पक्षपात के मूल स्रोत के रूप में वर्गीकृत नहीं किया जाता है।
In English (Question & Model Answer)
Which of the following is not a source of Artificial Intelligence bias?
The correct answer is (D) Ability.
- Artificial Intelligence (AI) bias occurs when an AI system produces discriminatory outputs that reflect and perpetuate systemic biases. The primary sources of AI bias include data (training data that is incomplete or unrepresentative), algorithms (flawed code or mathematical models that amplify bias), and people (human cognitive biases introduced by developers, data annotators, or stakeholders during design and deployment).
- Understanding AI bias is crucial in the field of information and communication technology (ICT) and e-governance, as unbiased algorithmic decision-making ensures fairness, transparency, and accountability in administrative and public welfare systems.
- Option (A) Data, Option (B) Algorithms, and Option (C) People are the three universally recognized fundamental sources of AI bias. Ability, as an abstract human or system trait, is not classified as a foundational source of technical bias in machine learning frameworks.