Table of Contents

    Class - XII: SEMESTER – IV: Unit – 3: Foundation of Artificial Intelligence (AI): Section 1: Introduction to Artificial Intelligence

    Rumman Ansari October 16, 2026 52 views Subject Details
    ARTIFICIAL INTELLIGENCE FOUNDATION

    Foundation of Artificial Intelligence (AI)

    Class 12 Bangla Medium Students-এর জন্য AI-এর পরিচিতি, working process, scope, history, applications, limitations এবং responsible use

    Before You Start (Prerequisites)

    এই chapter শুরু করার আগে নিচের বিষয়গুলোর basic ধারণা থাকলে AI সহজে বোঝা যাবে:

    Prerequisiteকেন দরকার
    Computer FundamentalsHardware, software, input, process ও output বোঝার জন্য
    Basic MathematicsLogic, percentage, probability ও graph বোঝার জন্য
    Data ConceptsAI কী থেকে শেখে তা বোঝার জন্য
    AlgorithmStep-by-step problem-solving process বোঝার জন্য
    Critical ThinkingAI output যাচাই করা এবং blindly trust না করার জন্য

    ১. Introduction বা পরিচিতি

    Artificial Intelligence বা AI বর্তমান technology-এর একটি গুরুত্বপূর্ণ ও দ্রুত উন্নয়নশীল ক্ষেত্র। “Artificial” মানে মানুষের তৈরি বা কৃত্রিম, আর “Intelligence” মানে শেখা, চিন্তা করা, সিদ্ধান্ত নেওয়া, সমস্যা সমাধান করা এবং পরিস্থিতি অনুযায়ী কাজ করার ক্ষমতা।

    সহজভাবে বললে, AI হলো এমন technology যার সাহায্যে computer বা machine এমন কিছু কাজ করতে পারে, যেগুলো সাধারণত মানুষের বুদ্ধিমত্তার সঙ্গে সম্পর্কিত। যেমন language বোঝা, image চেনা, pattern শনাক্ত করা, prediction করা, voice command বুঝে response দেওয়া এবং recommendation তৈরি করা।

    সহজ সংজ্ঞা
    AI = Data + Algorithm + Learning + Decision

    একটি শিশুর শেখার মতো

    একটি শিশু অনেক বিড়াল দেখে ধীরে ধীরে “বিড়াল” চিনতে শেখে। Machine Learning model-কে অনেক labeled image দেখালে সেটিও visual pattern শিখে নতুন image-এ cat বা dog predict করতে পারে। তবে machine-এর শেখা mathematical pattern-এর উপর নির্ভর করে।

    বাস্তব উদাহরণ: Voice assistant, face unlock, spam filter, product recommendation, map route suggestion, translation system এবং chatbot।

    ২. Artificial Intelligence কীভাবে কাজ করে?

    AI system সাধারণত data, algorithm, model এবং computing power ব্যবহার করে কাজ করে। Development process-এ system-কে training data দেওয়া হয়। Algorithm data-এর ভেতরের pattern শেখে এবং একটি trained model তৈরি করে। পরে model নতুন input-এর জন্য output বা prediction দেয়।

    Business Problem
      ↓
Data Collection
      ↓
Data Cleaning and Preparation
      ↓
Algorithm / Model Selection
      ↓
Training
      ↓
Testing and Evaluation
      ↓
Prediction / Decision Support
      ↓
Monitoring and Improvement
    1

    Data

    AI system-এর learning material

    Text, image, audio, video, sensor reading বা transaction record training data হতে পারে।

    2

    Algorithm

    Data শেখার mathematical process

    Algorithm model-এর parameters কীভাবে update হবে তা নির্ধারণ করে।

    3

    Model

    Training-এর পরে তৈরি learned structure

    নতুন input পেলে model prediction, classification বা generation করতে পারে।

    4

    Evaluation

    Model কতটা ভালো কাজ করছে তা পরীক্ষা

    Accuracy-এর পাশাপাশি error, bias, safety এবং usefulness পরীক্ষা করা দরকার।

    Rule-based Program বনাম Learning-based AI

    বিষয়Traditional ProgramMachine Learning System
    InputData + manually written rulesData + learning algorithm
    OutputRule অনুযায়ী resultData থেকে learned model ও prediction
    Best forস্পষ্ট ও স্থির ruleComplex pattern যেখানে সব rule লেখা কঠিন

    একটি ছোট Rule-based উদাহরণ

    def classify_temperature(celsius):
    if celsius >= 35:
        return "Very Hot"
    elif celsius >= 25:
        return "Warm"
    else:
        return "Cool"

print(classify_temperature(31))
    এটি একটি traditional rule-based program। এটি data থেকে নিজে rule শেখে না। AI ও normal automation-এর মধ্যে এই পার্থক্যটি পরীক্ষায় গুরুত্বপূর্ণ।

    ৩. Definition of Artificial Intelligence

    Artificial Intelligence হলো computer science-এর একটি field, যেখানে এমন system তৈরি করা হয় যা perception, learning, reasoning, language processing, problem-solving এবং decision support-এর মতো intelligent task সম্পাদন করতে পারে।
    Student-Friendly DefinitionAI হলো এমন technology যার সাহায্যে computer data থেকে pattern শিখে, পরিস্থিতি বিশ্লেষণ করে এবং নির্দিষ্ট intelligent task সম্পাদন করতে পারে।
    অসম্পূর্ণ ধারণা“AI মানে robot” বলা ঠিক নয়। Robot একটি physical machine; AI হলো intelligence-related software capability। সব robot AI-based নয়, এবং সব AI robot-এর মধ্যে থাকে না।

    ৪. Scope of AI বা AI-এর বিস্তৃতি

    Machine Learning

    • Data থেকে pattern শেখে
    • Prediction ও classification করে
    • Spam filter, demand forecasting

    Deep Learning

    • Multi-layer neural network ব্যবহার করে
    • Image, speech ও language task-এ ব্যবহৃত

    NLP

    • Human language process করে
    • Translation, chatbot, text summary

    Computer Vision

    • Image ও video analyze করে
    • Face, object ও defect detection

    Speech Technology

    • Speech-to-text ও voice command
    • Voice typing, call analytics

    Robotics

    • Sensing, planning ও action combine করে
    • Warehouse ও industrial robot

    Expert Systems

    • Knowledge base ও rules ব্যবহার করে
    • Specific domain decision support

    Planning & Reasoning

    • Possible action analyze করে
    • Route, schedule, game strategy

    Generative AI

    • Text, image, code, audio তৈরি করে
    • Output verification জরুরি

    ৫. Applications of AI

    ক্ষেত্রAI-এর ব্যবহারউদাহরণHuman Responsibility
    EducationPersonalized practice, assessment supportAI tutor, learning recommendationTeacher verification ও student privacy
    HealthcareMedical image ও risk analysis supportX-ray support, resource planningQualified clinician-এর final judgment
    BankingFraud alert, credit-risk supportSuspicious transaction detectionFairness, explanation ও appeal process
    TransportRoute ও traffic predictionSmart navigationSafety monitoring ও legal compliance
    E-commerceRecommendation, demand forecastRecommended productsTransparent personalization ও privacy
    AgricultureCrop monitoring, disease patternImage-based crop assessmentLocal expert ও farmer context
    ManufacturingDefect detection, predictive maintenanceMachine failure alertEngineer validation
    CybersecurityAnomaly ও threat detectionAbnormal login alertSecurity analyst investigation
    AccessibilitySpeech-to-text, caption, visual assistanceAutomatic captionsAccuracy ও inclusive design

    ৬. Historical Overview of AI

    AI একদিনে তৈরি হয়নি। Mathematical logic, computing, neuroscience, statistics, programming, data এবং hardware-এর উন্নয়নের মাধ্যমে field-টি ধাপে ধাপে বিকশিত হয়েছে।

    1

    Early Foundations

    1940s–1950s

    Computation, logic, artificial neuron এবং machine intelligence-এর theoretical foundation তৈরি হয়।

    2

    Symbolic AI

    1950s–1970s

    Rules, symbols, search এবং logic দিয়ে intelligent problem solving-এর চেষ্টা করা হয়।

    3

    Expert Systems

    1970s–1980s

    Specific domain-এর expert knowledge rules আকারে encode করা হয়।

    4

    Statistical Machine Learning

    1990s–2000s

    Hand-written rules-এর পরিবর্তে data-driven model ও statistical learning এগিয়ে আসে।

    5

    Deep Learning

    2010s

    Large datasets, neural networks ও improved computing image, speech ও NLP-তে বড় অগ্রগতি আনে।

    6

    Generative AI

    2020s

    Large models text, image, code, audio এবং অন্যান্য content generate করার জন্য ব্যাপকভাবে ব্যবহৃত হতে থাকে।

    ৭. Key Milestones in AI History

    সময়Milestoneগুরুত্ব
    1943McCulloch ও Pitts artificial neuron-এর mathematical model প্রস্তাব করেনNeural computation-এর early foundation
    1950Alan Turing machine intelligence নিয়ে paper প্রকাশ করেন“Can machines think?” এবং imitation game-এর discussion
    1956Dartmouth summer research project“Artificial Intelligence” field-এর formal emergence
    1957–1958Perceptron এবং LISPEarly learning model ও AI programming
    1960sEarly language ও problem-solving programsConversation ও symbolic reasoning experiments
    1970s–1980sExpert systemsDomain knowledge rules আকারে ব্যবহার
    AI WintersFunding ও interest কমে যাওয়ার periodExpectation, hardware ও practical limitation-এর প্রভাব
    1990s–2000sStatistical machine learning বৃদ্ধিData-driven AI শক্তিশালী হয়
    2010sDeep learning breakthroughsImage, speech ও language task উন্নত হয়
    2020sGenerative AI ও large models-এর ব্যাপক ব্যবহারContent generation ও conversational interfaces জনপ্রিয় হয়
    Exam Tip: AI-এর formal beginning বোঝাতে সাধারণত 1956 সালের Dartmouth event উল্লেখ করা হয়। কিন্তু AI-এর theoretical foundation তার আগেই গড়ে উঠেছিল।

    ৮. AI Development-এর Major Phases

    EVOLUTION
    Rules → Expert Knowledge → Data Learning → Deep Learning → Generative Models

    ৯. AI বনাম Human Intelligence

    AI এবং human intelligence দুটোই learning, reasoning ও problem-solving-এর সঙ্গে সম্পর্কিত হলেও তাদের nature এক নয়। AI computer hardware, software, data ও algorithm-এর উপর চলে। Human intelligence biological brain, lived experience, emotion, social understanding, values এবং consciousness-এর সঙ্গে যুক্ত।

    বিষয়Artificial IntelligenceHuman Intelligence
    NatureMachine-based ও algorithm-drivenBiological brain-based
    LearningTraining data, feedback ও optimizationExperience, observation, instruction ও social interaction
    SpeedLarge-scale calculation দ্রুত করতে পারেCalculation ধীর হলেও flexible understanding থাকতে পারে
    EmotionEmotion-related pattern process বা simulate করতে পারে; real feeling নেইReal emotion ও empathy থাকে
    CreativityTraining pattern থেকে নতুন combination generate করেImagination, intention, culture ও personal experience যুক্ত
    Consciousnessবর্তমান AI-এর self-awareness বা consciousness প্রমাণিত নয়Self-awareness ও subjective experience আছে
    Common SenseUnfamiliar context-এ ভুল করতে পারেFlexible real-world common sense ব্যবহার করতে পারে
    Moral JudgmentRules, objectives ও training-এর উপর নির্ভরশীলValues, empathy, context ও accountability বিবেচনা করতে পারে
    ConsistencyDefined condition-এ repeated task consistentভাবে করেFatigue ও emotion প্রভাব ফেলতে পারে
    Best AtScale, repetition, calculation, pattern processingMeaning, empathy, judgment, responsibility ও adaptability

    Human + AI

    সবচেয়ে ভালো ফল আসে যখন AI-এর speed ও pattern processing-এর সঙ্গে মানুষের judgment, empathy, creativity ও accountability যুক্ত হয়।

    ১০. Narrow AI, General AI এবং Super AI

    Typeবাংলা ব্যাখ্যাবর্তমান অবস্থাউদাহরণ
    Narrow AISpecific task বা সীমিত task-set-এর জন্য তৈরি AIবাস্তবে ব্যবহৃতRecommendation, spam filter, face recognition
    General AI (AGI)মানুষের মতো বিভিন্ন cognitive task-এ general capability রাখবে এমন ধারণাTheoretical / research goal; established বাস্তব system নয়Human-level general machine-এর ধারণা
    Super AIমানব বুদ্ধিমত্তার চেয়ে অধিক capability রাখবে এমন hypothetical ধারণাHypotheticalFuture concept
    আজকের বাস্তব applications-এর অধিকাংশই Narrow AI। শক্তিশালী generative model-ও specific architecture, training ও operational limits-এর মধ্যে কাজ করে।

    ১১. AI-এর গুরুত্বপূর্ণ Terms

    Termসহজ ব্যাখ্যা
    AlgorithmProblem solve বা model train করার step-by-step method
    DataText, image, audio, number বা record যা থেকে system শেখে
    FeatureModel-এর জন্য ব্যবহৃত input characteristic
    LabelSupervised learning-এ expected answer
    ModelTraining-এর পরে তৈরি learned mathematical structure
    TrainingData ব্যবহার করে model-এর parameters শেখানোর process
    InferenceTrained model দিয়ে নতুন input-এর output বের করা
    Predictionসম্ভাব্য class, value বা outcome
    Machine LearningData থেকে pattern শেখার computing approach
    Deep LearningMulti-layer neural network ভিত্তিক machine learning
    Neural NetworkConnected computational units-এর layered model
    Generative AILearned pattern ব্যবহার করে নতুন content তৈরি করে
    BiasData বা design-এর কারণে unfair বা systematically skewed result
    HallucinationGenerative AI-এর confident কিন্তু incorrect বা unsupported output

    ১২. Model Evaluation-এর Basic ধারণা

    AI model তৈরি করলেই যথেষ্ট নয়; model সঠিকভাবে কাজ করছে কি না test data দিয়ে পরীক্ষা করতে হয়। Classification-এ নিচের terms গুরুত্বপূর্ণ:

    Termঅর্থ
    True Positive (TP)Positive ছিল, model positive বলেছে
    True Negative (TN)Negative ছিল, model negative বলেছে
    False Positive (FP)Negative ছিল, model ভুলভাবে positive বলেছে
    False Negative (FN)Positive ছিল, model ভুলভাবে negative বলেছে
    ACCURACY

    $$Accuracy = rac{TP + TN}{TP + TN + FP + FN}$$

    High accuracy একাই যথেষ্ট নয়। Medical screening, fraud detection বা safety system-এ False Negative এবং False Positive-এর আলাদা impact থাকে।

    ১৩. AI-এর Strengths ও Advantages

    • Large data দ্রুত process করতে পারে
    • Repetitive task automate করতে পারে
    • Pattern ও anomaly শনাক্ত করতে সাহায্য করে
    • 24/7 digital service support করতে পারে
    • Dangerous environment-এ মানুষকে assist করতে পারে
    • Personalization ও prediction সম্ভব করে
    • Accessibility feature উন্নত করতে পারে

    ১৪. AI-এর Limitations ও Risks

    Data Dependence

    • Incomplete বা biased data ভুল output দিতে পারে

    No Human Consciousness

    • Current AI-এর real feeling, intention বা self-awareness নেই

    Incorrect Output

    • Confident কিন্তু ভুল response দিতে পারে

    Bias

    • Historical unfairness reproduce করতে পারে

    Privacy

    • Sensitive data misuse বা exposure-এর risk

    Explainability

    • Complex model কেন result দিল বোঝা কঠিন হতে পারে

    Security

    • Prompt injection, adversarial input ও misuse-এর risk

    Resource Use

    • Large system-এর compute, cost ও energy demand বেশি হতে পারে
    ভুল অভ্যাসAI response সুন্দর ও confident বলে source যাচাই না করে assignment, medical decision বা financial action-এ ব্যবহার করা।
    ভালো অভ্যাসAI output-এর evidence যাচাই করা, sensitive data না দেওয়া, context অনুযায়ী human expert review নেওয়া এবং final accountability মানুষের কাছে রাখা।

    ১৫. Responsible Use of AI

    Responsible AI Checklist

    • Fairness: বিভিন্ন group-এর প্রতি unfair result হচ্ছে কি না পরীক্ষা
    • Reliability: Expected ও unexpected condition-এ system test করা
    • Safety: Harmful outcome কমানোর control রাখা
    • Privacy: প্রয়োজনের বেশি personal data collect না করা
    • Security: Unauthorized access ও manipulation থেকে system রক্ষা করা
    • Transparency: User-কে AI ব্যবহারের কথা ও limitation জানানো
    • Accountability: Final decision-এর responsible human owner রাখা
    • Human Oversight: High-impact decision-এ qualified review রাখা

    ১৬. AI শেখার জন্য Basic Foundation

    Areaকি শিখবেনকেন দরকার
    MathematicsLogic, probability, statistics, vectorsModel ও evaluation বোঝার জন্য
    ProgrammingPython basics, variables, loops, functionsData ও algorithm implement করার জন্য
    Data HandlingCollection, cleaning, visualizationQuality training data প্রস্তুত করার জন্য
    AlgorithmsSearch, sorting, classification conceptsProblem-solving structure বোঝার জন্য
    EthicsFairness, privacy, safetyResponsible system গড়ার জন্য
    CommunicationProblem ও result সহজভাবে ব্যাখ্যাAI insight কার্যকরভাবে ব্যবহার করার জন্য

    ১৭. Real-Life AI Scenario for Students

    Personalized Learning App

    App দেখে কোন chapter পড়া হয়েছে, কোন question ভুল হয়েছে এবং কোন topic-এ বেশি সময় লেগেছে। তারপর practice ও revision suggest করে। Teacher final learning plan যাচাই করেন, আর student data privacy রক্ষা করা হয়।

    SCENARIO FLOW
    Student Activity → Learning Data → Pattern Analysis → Recommendation → Teacher Review

    ১৮. Important Key Points for Class 12

    • AI-এর পূর্ণরূপ Artificial Intelligence; বাংলা অর্থ কৃত্রিম বুদ্ধিমত্তা।
    • AI মানুষের মতো কিছু intelligent task perform করতে পারে, কিন্তু মানুষ নয়।
    • AI data, algorithm, model এবং computing power ব্যবহার করে।
    • Machine Learning AI-এর একটি গুরুত্বপূর্ণ subset।
    • NLP language, Computer Vision image/video এবং Speech AI voice নিয়ে কাজ করে।
    • 1956 সালের Dartmouth event AI field-এর formal emergence-এর সঙ্গে যুক্ত।
    • বর্তমান practical AI-এর অধিকাংশ Narrow AI।
    • AI-এর real emotion ও human moral responsibility নেই।
    • AI output ভুল বা biased হতে পারে; verification জরুরি।
    • Responsible AI fairness, privacy, safety, transparency এবং accountability গুরুত্ব দেয়।

    ১৯. Short Questions and Answers

    1

    AI-এর পূর্ণরূপ কী?

    উত্তর: Artificial Intelligence।

    2

    Artificial Intelligence কী?

    উত্তর: Computer science-এর একটি field, যেখানে machine-কে learning, reasoning, perception ও decision support-এর মতো intelligent task করার capability দেওয়া হয়।

    3

    Machine Learning কী?

    উত্তর: AI-এর একটি approach যেখানে system data থেকে pattern শেখে এবং নতুন data-এর জন্য prediction দেয়।

    4

    NLP কী?

    উত্তর: Natural Language Processing হলো machine-কে human language process করতে সাহায্যকারী AI field।

    5

    Turing Test কী?

    উত্তর: Conversation-এর মাধ্যমে machine-এর response মানুষের response থেকে আলাদা করা যায় কি না, তা পরীক্ষা করার একটি ধারণা।

    6

    Narrow AI কী?

    উত্তর: নির্দিষ্ট task বা limited task-set-এর জন্য তৈরি AI।

    7

    AI-এর একটি limitation লেখো।

    উত্তর: AI incorrect বা biased output দিতে পারে এবং তার human consciousness নেই।

    8

    Responsible AI কী?

    উত্তর: AI-কে fair, reliable, safe, private, transparent এবং accountableভাবে design ও ব্যবহার করার পদ্ধতি।

    ২০. Long Answer Preparation

    প্রশ্ন: Artificial Intelligence-এর definition এবং scope আলোচনা করো।

    উত্তরের কাঠামো: প্রথমে AI-এর সংজ্ঞা দাও। তারপর data, algorithm ও model ব্যবহার করে কাজ করার কথা লেখো। Scope-এ Machine Learning, NLP, Computer Vision, Robotics, Expert Systems, Speech Technology, Planning এবং Generative AI উল্লেখ করো। শেষে education, healthcare, banking ও transport-এর উদাহরণ দাও।

    প্রশ্ন: AI-এর historical overview লেখো।

    উত্তরের কাঠামো: Early logic ও artificial neuron → Alan Turing (1950) → Dartmouth (1956) → Symbolic AI → Expert Systems → AI Winters → Statistical Machine Learning → Deep Learning → Generative AI।

    প্রশ্ন: AI ও Human Intelligence-এর পার্থক্য আলোচনা করো।

    উত্তরের কাঠামো: Nature, learning, speed, emotion, common sense, creativity, consciousness, moral judgment এবং best-use case অনুযায়ী তুলনা করো। শেষে লিখবে Human + AI collaboration বেশি কার্যকর।

    প্রশ্ন: AI-এর advantages, limitations এবং responsible use আলোচনা করো।

    উত্তরের কাঠামো: Speed, automation, pattern recognition ও availability; তারপর bias, privacy, incorrect output, explainability, security ও cost; শেষে fairness, transparency, safety, accountability ও human review লিখবে।

    ২১. Chapter Summary

    • AI intelligent task সম্পাদনের জন্য data, algorithm ও model ব্যবহার করে।
    • AI-এর scope-এর মধ্যে ML, NLP, vision, speech, robotics, planning ও generative AI আছে।
    • AI history rules থেকে data-driven learning এবং generative model পর্যন্ত বিকশিত হয়েছে।
    • AI scale ও speed-এ শক্তিশালী; মানুষ context, empathy ও accountability-তে গুরুত্বপূর্ণ।
    • বর্তমান practical system-এর অধিকাংশ Narrow AI।
    • AI ভুল, biased বা misleading হতে পারে, তাই verification ও human oversight জরুরি।
    • Responsible AI fairness, privacy, safety, transparency ও accountability নিশ্চিত করতে চায়।

    Final Takeaway

    AI মানুষের বুদ্ধিমত্তার সম্পূর্ণ replacement নয়। এটি একটি শক্তিশালী tool এবং assistant, যা মানুষের judgment, ethics ও responsibility-এর সঙ্গে ব্যবহার করলে সবচেয়ে বেশি উপকার দেয়।

    Foundation of Artificial Intelligence · Class 12 Bangla Medium
    Practice Quiz 32 MCQs Smart Learning

    Master This Topic with Smart Practice

    Reinforce what you just learned by solving high-quality MCQs. Improve accuracy, boost confidence, and prepare like a topper.

    Topic-wise MCQs
    Instant Results
    Improve Accuracy
    Exam Ready Practice
    Login & Start Quiz Create Free Account
    Save progress • Track results • Learn faster

    Related Questions

    Question 1
    Define Artificial Intelligence in simple terms.
    Question 2
    What is the main goal of AI research?
    Question 3
    Name two tasks where AI can outperform humans.
    Question 4
    Mention two characteristics of an intelligent system.
    Question 5
    Differentiate between Narrow AI and General AI with one example each.
    Question 6
    কৃত্রিম বুদ্ধিমত্তা বা Artificial Intelligence (AI) বলতে কী বোঝায়?
    Question 7
    এআই গবেষণার মূল লক্ষ্য কী?
    Question 8
    সংকীর্ণ এআই (Narrow AI) ও সাধারণ এআই (General AI) এর মধ্যে পার্থক্য কী?
    Question 9
    এআই কীভাবে প্রথাগত প্রোগ্রামিং (Traditional Programming) থেকে আলাদা?
    Question 10
    এআই-এর ব্যবহারের পরিধি (Scope) বা প্রয়োগ ক্ষেত্রগুলো কী কী?

    MCQ Section

    MCQ 1
    Artificial Intelligence (AI) হল:
    MCQ 2
    নিচের কোনটি AI-এর একটি উপক্ষেত্র?
    MCQ 3
    Machine Learning হল:
    MCQ 4
    কোন ধরনের শেখা লেবেলযুক্ত ডেটা ব্যবহার করে?
    MCQ 5
    কোন শেখা লেবেলহীন ডেটায় প্যাটার্ন খোঁজে?
    MCQ 6
    Reinforcement learning কীসের উপর ভিত্তি করে?
    MCQ 7
    Deep learning কীসের উপর ভিত্তি করে?
    MCQ 8
    NLP এর পূর্ণরূপ:
    MCQ 9
    Computer vision যন্ত্রকে সক্ষম করে:
    MCQ 10
    একটি chatbot কোন ক্ষেত্রে AI-এর প্রয়োগ?
    MCQ 11
    finance-এ AI-এর একটি প্রয়োগ কোনটি?
    MCQ 12
    শিক্ষায় AI দিতে পারে:
    MCQ 13
    Algorithmic trading কোন ক্ষেত্রে AI-এর ব্যবহার?
    MCQ 14
    AI সিস্টেমে bias কী ঘটাতে পারে?
    MCQ 15
    AI সম্পর্কে একটি সামাজিক উদ্বেগ হল এর প্রভাব:
    MCQ 16
    AI-তে fairness মানে:
    MCQ 17
    কোনটি AI ও মানব বুদ্ধির মধ্যে সবচেয়ে ভালো পার্থক্য?
    MCQ 18
    একটি neural network কীসের দ্বারা অনুপ্রাণিত?
    MCQ 19
    দৈনন্দিন জীবনে AI-এর একটি উদাহরণ কোনটি?
    MCQ 20
    AI ও সামাজিক বৈষম্য একটি উদ্বেগ কারণ:
    MCQ 21
    একটি সিস্টেম আগের ইমেলকে 'স্প্যাম'/'নন-স্প্যাম' লেবেল দিয়ে শিখে নতুন ইমেল শ্রেণিবদ্ধ করে। এটি কোন শেখা?
    MCQ 22
    একটি রোবট চেষ্টা-ভুল করে, ভালো পদক্ষেপে পুরস্কার পেয়ে হাঁটা শেখে। এটি কোন শেখা?
    MCQ 23
    গ্রাহকদের ক্রয় আচরণ অনুযায়ী লেবেল ছাড়া গোষ্ঠীতে ভাগ করা AI-এর কোন কৌশল?
    MCQ 24
    একটি self-driving গাড়ি রাস্তার চিহ্ন শনাক্ত করে — এটি প্রধানত AI-এর কোন উপক্ষেত্র?
    MCQ 25
    Turing Test কী পরিমাপ করে?
    MCQ 26
    নিচের কোনটি একটি supervised learning কাজের উদাহরণ?
    MCQ 27
    AI-তে একটি 'model' মূলত কী?
    MCQ 28
    চিকিৎসায় রোগ নির্ণয়ে AI প্রধানত সাহায্য করে:
    MCQ 29
    নিচের কোনটি একটি AI-চালিত সুপারিশ ব্যবস্থার (recommendation system) উদাহরণ?
    MCQ 30
    Weak (Narrow) AI বলতে বোঝায়:
    MCQ 31
    'Training data' AI-তে কী?
    MCQ 32
    একটি স্প্যাম ফিল্টার নতুন ইমেলে ভুল করলে, উন্নতির জন্য কী দরকার?

    Get মডার্ন কম্পিউটার অ্যাপ্লিকেশন ও কম্পিউটার বিজ্ঞান - দ্বাদশ শ্রেণী (Class 12) - WBCHSE updates by email

    Short, practical lessons and course updates from Rumman Ansari. No spam.