AI शब्दावली
आसान भाषा में समझाया गया। हर शब्द के साथ एक उदाहरण है, एक नोट कि इसे अक्सर किससे मिला दिया जाता है, और संबंधित पाठ। शब्द या संक्षिप्त रूप से खोजें।
24 शब्द
- आर्टिफ़िशियल इंटेलिजेंस(AI, Artificial intelligence)
ऐसे कंप्यूटर सिस्टम जो वे काम करते हैं जिन्हें लोग आम तौर पर इंसानी सोच से जोड़ते हैं, जैसे भाषा समझना, इमेज पहचानना या अनुमान लगाना।
उदाहरण: जो फ़ोटो ऐप तस्वीरों को उनमें दिखने वाले चेहरों के हिसाब से समूहों में रखता है, वह AI इस्तेमाल करता है, और वह चैट टूल भी जो आपके नोट्स से ईमेल ड्राफ़्ट करता है।
अक्सर इससे मिला दिया जाता है: AI पूरा क्षेत्र है, कोई एक प्रोडक्ट नहीं। जनरेटिव AI उसका वह हिस्सा है जो नया टेक्स्ट, इमेज या ऑडियो बनाता है; कई दूसरे AI सिस्टम सिर्फ़ छाँटते, रैंक करते या अनुमान लगाते हैं, जैसे स्पैम फ़िल्टर।
और जानें: AI आपके लिए क्या कर सकता है और क्या नहीं
- एम्बेडिंग(vector embedding, Embedding)
संख्याओं की एक सूची जो टेक्स्ट के किसी हिस्से को दर्शाती है, ताकि सॉफ़्टवेयर संख्याओं की नज़दीकी से माप सके कि टेक्स्ट के दो हिस्से आपस में कितने जुड़े हैं।
उदाहरण: कोई नोट्स ऐप एम्बेडिंग की मदद से “कार की मरम्मत का खर्च” नाम का नोट तब भी ढूँढ सकता है जब आप “गाड़ी ठीक कराने में कितना लगा” खोजते हैं, भले ही शब्द अलग हों।
अक्सर इससे मिला दिया जाता है: एम्बेडिंग कोई सारांश या जवाब नहीं है जिसे आप पढ़ें; यह एक अंदरूनी रूप है जो पर्दे के पीछे सर्च, समूह बनाने और रिट्रीवल-ऑगमेंटेड जनरेशन के लिए इस्तेमाल होता है।
स्रोत: Vector embeddings (OpenAI, 2026-10-10 को पढ़ा गया)
- ओपन वेट्स(open-weight model, Open weights)
ऐसा मॉडल जिसके ट्रेन किए गए वेट्स, यानी ट्रेनिंग के दौरान सीखी गई संख्याएँ, प्रकाशित किए गए हैं, ताकि लोग उसके लाइसेंस की शर्तों के तहत उसे खुद डाउनलोड कर सकें, चला सकें और अपने हिसाब से ढाल सकें।
उदाहरण: एक डेवलपर ओपन-वेट्स मॉडल डाउनलोड करके अपने कंप्यूटर पर चलाता है, इसलिए दस्तावेज़ उसी मशीन पर रहते हैं, लेकिन उसे फिर भी मॉडल के साथ आने वाले लाइसेंस का पालन करना होता है।
अक्सर इससे मिला दिया जाता है: ओपन वेट्स और ओपन सोर्स AI एक ही चीज़ नहीं हैं। लाइसेंस व्यावसायिक इस्तेमाल या कुछ खास मकसदों को सीमित कर सकता है, और ट्रेनिंग डेटा और ट्रेनिंग कोड शायद जारी ही न किए गए हों; Open Source Initiative की परिभाषा के मुताबिक ओपन सोर्स AI के लिए इस्तेमाल करने, अध्ययन करने, बदलने और शेयर करने की आज़ादी के साथ-साथ डेटा की जानकारी, कोड और वेट्स भी ज़रूरी हैं।
स्रोत: Gemma 4 model overview (Google, 2026-10-10 को पढ़ा गया)
- ओपन सोर्स AI(open-source model, Open source AI)
ऐसी शर्तों के तहत जारी किया गया AI जो किसी को भी किसी भी मकसद के लिए उसे इस्तेमाल करने, उसका अध्ययन करने, उसे बदलने और शेयर करने देती हैं, साथ में ट्रेनिंग कोड, ट्रेन किए गए वेट्स और ट्रेनिंग डेटा के बारे में इतनी जानकारी कि कोई जानकार व्यक्ति वैसा ही सिस्टम बना सके।
उदाहरण: एक रिसर्च ग्रुप एक मॉडल को उसके वेट्स, पूरे ट्रेनिंग कोड और उसके ट्रेनिंग डेटा के स्रोतों के विस्तृत विवरण के साथ ऐसी शर्तों के तहत जारी करता है जो किसी भी इस्तेमाल की अनुमति देती हैं, ताकि दूसरी टीमें उसे जाँच सकें और अपना वर्ज़न दोबारा ट्रेन कर सकें।
अक्सर इससे मिला दिया जाता है: ओपन सोर्स AI और ओपन वेट्स अलग-अलग लेबल हैं। जिस मॉडल के वेट्स आप डाउनलोड कर सकते हैं, लेकिन जिसका ट्रेनिंग कोड या डेटा की जानकारी शेयर नहीं की गई, या जिसका लाइसेंस आपके इस्तेमाल पर पाबंदी लगाता है, वह Open Source Initiative की परिभाषा के मुताबिक ओपन वेट्स है, ओपन सोर्स AI नहीं। लेबल पर भरोसा करने के बजाय लाइसेंस पढ़ें।
स्रोत: The Open Source AI Definition – 1.0 (Open Source Initiative, 2026-10-10 को पढ़ा गया)
- कॉन्टेक्स्ट विंडो(context length, Context window)
वह सारा टेक्स्ट जिसे कोई मॉडल जवाब लिखते समय एक बार में ध्यान में रख सकता है, जिसमें आपके संदेश, आपकी जोड़ी गई सामग्री और खुद जवाब भी शामिल हैं।
उदाहरण: बहुत लंबी चैट में टूल शुरुआत में दी गई बारीकियाँ भूल सकता है, अगर वे पुराने हिस्से अब उसकी कॉन्टेक्स्ट विंडो में नहीं समाते।
अक्सर इससे मिला दिया जाता है: कॉन्टेक्स्ट विंडो लंबे समय की मेमोरी नहीं है: इसमें वही आता है जो अभी मॉडल के सामने है, जबकि एक अलग मेमोरी फ़ीचर, जिस प्रोडक्ट में हो, चैट के बीच नोट्स सेव करता है। इसका आकार टोकन में मापा जाता है, शब्दों या पेजों में नहीं।
और जानें: सही संदर्भ दें
स्रोत: Context windows (Anthropic, 2026-10-10 को पढ़ा गया)
- जनरेटिव AI(GenAI, Generative AI)
ऐसा AI जो बहुत बड़ी संख्या में उदाहरणों से सीखे पैटर्न के आधार पर नई सामग्री बनाता है, जैसे टेक्स्ट, इमेज, ऑडियो या कोड।
उदाहरण: आप रीसाइक्लिंग पर स्कूल के एक पोस्टर के लिए पाँच संभावित शीर्षक माँगते हैं, और टूल आपके लिए पाँच नए शीर्षक लिख देता है।
अक्सर इससे मिला दिया जाता है: सर्च इंजन आपको उन पेजों तक ले जाता है जो पहले से मौजूद हैं, जबकि जनरेटिव AI नया टेक्स्ट लिखता है जो सही लग सकता है और फिर भी गलत हो सकता है। जब तक टूल वेब पर सर्च भी न करे, वह कुछ भी खोजकर नहीं देख रहा होता।
और जानें: AI आपके लिए क्या कर सकता है और क्या नहीं
- टूल का इस्तेमाल(function calling, Tool use)
किसी AI मॉडल की यह क्षमता कि वह बाहरी फ़ंक्शन या सेवाओं को बुला सके, जैसे वेब सर्च, कैलकुलेटर या कैलेंडर, और उनके नतीजे अपने जवाब में इस्तेमाल कर सके।
उदाहरण: जब आप किसी स्थानीय संग्रहालय के खुलने का समय पूछते हैं, तो वेब सर्च वाला टूल कोई मौजूदा पेज देख सकता है, जबकि बिना टूल वाला मॉडल सिर्फ़ उसी से जवाब दे सकता है जो उसने ट्रेनिंग में सीखा।
अक्सर इससे मिला दिया जाता है: टूल का इस्तेमाल एक अकेली क्षमता है; एजेंट एक सिस्टम है जो कई कदमों में कई टूल इस्तेमाल कर सकता है। बिना टूल वाला मॉडल वेब या आपका कैलेंडर नहीं देख सकता, भले ही उसका जवाब ऐसा लगे जैसे उसने देखा हो।
और जानें: AI आपके लिए क्या कर सकता है और क्या नहीं
स्रोत: Tool use with Claude (Anthropic, 2026-10-10 को पढ़ा गया)
- टोकन(Token)
टेक्स्ट की एक छोटी इकाई जिसे मॉडल पढ़ता और लिखता है; यह एक अक्षर, शब्द का हिस्सा, पूरा शब्द या विराम-चिह्न हो सकती है।
उदाहरण: कोई छोटा, आम शब्द अक्सर एक ही टोकन होता है, जबकि कोई लंबा या असामान्य शब्द कई टोकन में बँट सकता है।
अक्सर इससे मिला दिया जाता है: टोकन और शब्द एक ही चीज़ नहीं हैं, इसलिए टोकन में बताई गई सीमाएँ और कीमतें ठीक-ठीक शब्दों या पेजों में नहीं बदलतीं। अलग-अलग मॉडल टेक्स्ट को अलग तरह से बाँटते हैं, इसलिए एक ही टेक्स्ट अलग संख्या के टोकन गिना जा सकता है।
और जानें: सही संदर्भ दें
स्रोत: Understanding and counting tokens (OpenAI, 2026-10-10 को पढ़ा गया)
- ट्रेनिंग(model training, Training)
वह प्रक्रिया जिसमें कोई AI मॉडल बहुत बड़ी मात्रा में उदाहरण डेटा से पैटर्न सीखता है, और यही तय करता है कि वह बाद में कैसे जवाब देगा।
उदाहरण: किसी लैंग्वेज मॉडल को टेक्स्ट के विशाल संग्रहों पर ट्रेन किया जाता है, इसलिए वह सीख लेता है कि वाक्य आम तौर पर कैसे बनते हैं और कौन-से शब्द और तथ्य अक्सर साथ आते हैं।
अक्सर इससे मिला दिया जाता है: ट्रेनिंग आपके मॉडल इस्तेमाल करने से पहले होती है; जब आप चैट करते हैं, तो वह उसी से काम करता है जो उसने पहले सीखा है, साथ में वह जो बातचीत में है। आपकी चैट तभी ट्रेनिंग डेटा बनती हैं जब प्रोवाइडर उन्हें इस तरह इस्तेमाल करे, और निजता सेटिंग्स से आप शायद इसे नियंत्रित कर सकें।
और जानें: AI आपके लिए क्या कर सकता है और क्या नहीं
- निजता सेटिंग्स(data controls, Privacy settings)
किसी AI प्रोडक्ट के वे विकल्प जो तय करते हैं कि आपके डेटा का क्या होगा, जैसे क्या आपकी चैट प्रोवाइडर के मॉडलों को बेहतर बनाने में इस्तेमाल हो सकती है और क्या आपकी चैट हिस्ट्री रखी जाती है।
उदाहरण: काम के लिए किसी चैट टूल का इस्तेमाल करने से पहले आप उसकी सेटिंग खोलते हैं, मॉडलों को बेहतर बनाने में आपकी चैट के इस्तेमाल वाला विकल्प ढूँढते हैं, और वह चुनते हैं जो आपकी स्थिति और आपके संगठन के नियमों के हिसाब से सही हो।
अक्सर इससे मिला दिया जाता है: निजता सेटिंग्स प्रोडक्ट, प्लान और अकाउंट के प्रकार के हिसाब से अलग होती हैं, और बदल सकती हैं, इसलिए किसी डिफ़ॉल्ट को मान लेने के बजाय मौजूदा सेटिंग खुद जाँचें। मॉडल सुधार बंद करने का मतलब ज़रूरी नहीं कि कुछ भी सेव नहीं होता, इसलिए संवेदनशील निजी डेटा, कंपनी का डेटा या दूसरे लोगों का डेटा पेस्ट करने से फिर भी बचें।
और जानें: टूल चुनें और देखें कि काम कैसा रहा, ऑफ़िस के किसी काम को हिस्सों में बाँटें
स्रोत: Data controls in ChatGPT (OpenAI, 2026-10-10 को पढ़ा गया)
- नॉलेज कटऑफ़(training cutoff, training data cutoff, Knowledge cutoff)
वह तारीख जहाँ तक किसी मॉडल का ट्रेनिंग डेटा जाता है, इसलिए मॉडल को उस तारीख के बाद की घटनाओं या बदलावों के बारे में शायद पता न हो।
उदाहरण: अगर आप किसी ऐसे नियम के बारे में पूछते हैं जो पिछले महीने बदला, तो बिना वेब सर्च वाला मॉडल पुराने नियम को ऐसे बता सकता है जैसे वह अब भी लागू हो।
अक्सर इससे मिला दिया जाता है: नॉलेज कटऑफ़ वह तारीख नहीं है जब प्रोडक्ट जारी हुआ या आखिरी बार अपडेट हुआ; यह आम तौर पर उससे पहले की होती है। जब कोई टूल वेब पर सर्च करता है, तो उसका जवाब उन पेजों पर निर्भर करता है जो उसे मिले, इसलिए दोनों ही हालात में तारीखें और स्रोत जाँचें।
और जानें: AI आपके लिए क्या कर सकता है और क्या नहीं, AI के साथ रिसर्च करें और हवाले जाँचें
स्रोत: How up-to-date is Claude's training data? (Anthropic, 2026-10-10 को पढ़ा गया)
- प्रॉम्प्ट(Prompt)
वह निर्देश, सवाल या सामग्री जो आप किसी AI टूल को देते हैं, ताकि उसे पता चले कि आप क्या चाहते हैं।
उदाहरण: “इस पैराग्राफ़ को 12 साल के पाठक के लिए 80 शब्दों से कम में दोबारा लिखें” एक प्रॉम्प्ट है, और वैसे ही पेस्ट किया गया कोई ईमेल जिसके बाद लिखा हो “वे तीन काम बताएँ जो मुझे करने हैं”।
अक्सर इससे मिला दिया जाता है: प्रॉम्प्ट में खास कीवर्ड या तरकीबों की ज़रूरत नहीं होती। सादी भाषा काफ़ी है: काम बताएँ, थोड़ा संदर्भ दें और बताएँ कि जवाब किस रूप में चाहिए।
और जानें: अपना पहला सवाल पूछना, एक साफ़ लक्ष्य से शुरू करें
- प्लान(tier, subscription, Plan)
किसी AI प्रोडक्ट तक आपकी पहुँच का स्तर, जैसे मुफ़्त टियर या पेड सब्सक्रिप्शन, जिससे तय होता है कि आपको कौन-से फ़ीचर मिलते हैं।
उदाहरण: दो सहपाठी एक ही चैट ऐप इस्तेमाल करते हैं, लेकिन एक मुफ़्त टियर पर है और दूसरा हर महीने भुगतान करता है, इसलिए उन्हें अलग फ़ीचर, इस्तेमाल की सीमाएँ या मॉडल के विकल्प दिख सकते हैं।
अक्सर इससे मिला दिया जाता है: प्लान न मॉडल है, न प्रोडक्ट; यह वह अकाउंट स्तर है जिसके लिए आप साइन अप करते हैं। कुछ प्रोवाइडर के यहाँ ऐप सब्सक्रिप्शन और डेवलपर API के इस्तेमाल का बिल अलग-अलग आता है।
और जानें: प्रोडक्ट, मॉडल और प्लान, टूल चुनें और देखें कि काम कैसा रहा
स्रोत: I have a paid Claude subscription (Pro, Max, Team, or Enterprise plans). Why is Claude API usage billed separately from my paid Claude plan? (Anthropic, 2026-10-10 को पढ़ा गया)
- फ़ाइन-ट्यूनिंग(tuning, Fine-tuning)
किसी मौजूदा मॉडल को लेबल किए गए उदाहरणों के एक छोटे सेट पर आगे ट्रेन करना, ताकि वह एक खास तरह से बर्ताव करे, जैसे किसी संस्था की अपनी लेखन शैली का पालन करना।
उदाहरण: एक सपोर्ट टीम पुराने ग्राहकों के सवालों और उनके मंज़ूर जवाबों की जोड़ियों पर एक मॉडल को फ़ाइन-ट्यून करती है, ताकि नए जवाब उसी लहजे और फ़ॉर्मेट में हों।
अक्सर इससे मिला दिया जाता है: फ़ाइन-ट्यूनिंग मॉडल को ही बदल देती है और इसके लिए तैयार डेटा और तकनीकी सेटअप चाहिए। अपने प्रॉम्प्ट में निर्देश या उदाहरण डालना, या रिट्रीवल-ऑगमेंटेड जनरेशन से दस्तावेज़ जोड़ना, मॉडल को नहीं बदलता और रोज़मर्रा के कामों के लिए आम तौर पर आसान विकल्प है।
स्रोत: About supervised fine-tuning for Gemini models (Google Cloud, 2026-10-10 को पढ़ा गया)
- बेंचमार्क(eval, evaluation, Benchmark)
टेस्ट कामों का एक तय सेट जिससे AI मॉडलों को मापा और उनकी तुलना की जाती है; स्कोर दिखाता है कि कोई मॉडल खास शर्तों में उस खास टेस्ट पर कैसा रहा, यह नहीं कि वह आपके काम के लिए कितना उपयोगी होगा।
उदाहरण: कोई मॉडल खास सेटिंग के साथ चलाए गए गणित प्रतियोगिता के सवालों पर अच्छा स्कोर कर सकता है और फिर भी आपके मीटिंग नोट्स का कमज़ोर सारांश लिख सकता है।
अक्सर इससे मिला दिया जाता है: बेंचमार्क स्कोर उपयोगिता की कोई आम रैंकिंग नहीं है। नतीजे टेस्ट, प्रॉम्प्ट और इस्तेमाल की गई सेटिंग पर निर्भर करते हैं, इसलिए अलग स्रोतों के स्कोर शायद मेल न खाएँ; अपनी ज़रूरत के लिए दो या तीन टूल पर अपना काम आज़माना ज़्यादा सीधी जाँच है।
और जानें: जवाब को कदम-दर-कदम बेहतर बनाएँ, टूल चुनें और देखें कि काम कैसा रहा
स्रोत: Artificial Analysis Intelligence Benchmarking Methodology (Artificial Analysis, 2026-10-10 को पढ़ा गया)
- मल्टीमॉडल(Multimodal)
एक से ज़्यादा तरह के इनपुट या आउटपुट के साथ काम कर पाना, जैसे टेक्स्ट, इमेज, ऑडियो या वीडियो।
उदाहरण: आप हाथ से लिखी किराने की सूची की फ़ोटो लेते हैं और टूल से कहते हैं कि इसे खाने के प्रकार के हिसाब से समूहों में बँटी टाइप की हुई सूची बना दे।
अक्सर इससे मिला दिया जाता है: मल्टीमॉडल का मतलब यह नहीं कि हर तरह का इनपुट हर प्रोडक्ट या प्लान में चलता है: कोई टूल इमेज पढ़ सकता है पर ऑडियो नहीं, या इमेज बना सकता है पर वीडियो नहीं। देखें कि आपका टूल क्या स्वीकार करता है, और किसी इमेज के उसके वर्णन को भी उतनी ही सावधानी से जाँचें जितना किसी और आउटपुट को।
- मॉडल वर्ज़न(model, model name, Model version)
वह खास AI मॉडल, जिसकी पहचान एक नाम और आम तौर पर एक वर्ज़न नंबर से होती है, जो किसी प्रोडक्ट के अंदर जवाब बनाता है।
उदाहरण: कोई चैट ऐप आपको नंबर वाले मॉडल नामों की एक छोटी सूची में से चुनने दे सकता है; हर एक से एक ही सवाल पूछने पर ऐसे जवाब मिल सकते हैं जो लंबाई, शैली और सटीकता में अलग हों।
अक्सर इससे मिला दिया जाता है: मॉडल वर्ज़न इंजन है; प्रोडक्ट उसके आसपास का ऐप है, और प्लान तय करता है कि आप कौन-से वर्ज़न चुन सकते हैं। नए नंबर से यह पक्का नहीं होता कि आपके काम के लिए नतीजे बेहतर होंगे, इसलिए बदलने से पहले अपना काम आज़माकर देखें।
और जानें: प्रोडक्ट, मॉडल और प्लान
- रिट्रीवल-ऑगमेंटेड जनरेशन(RAG, Retrieval-augmented generation)
एक तरीका जिसमें सिस्टम पहले चुने गए दस्तावेज़ों के सेट में काम के हिस्से ढूँढता है और उन्हें मॉडल को देता है, ताकि उसका जवाब उसी सामग्री पर आधारित हो।
उदाहरण: किसी कंपनी का हेल्प बॉट छुट्टियों वाले हिस्से के लिए कर्मचारियों की हैंडबुक में खोजता है, फिर उसी हिस्से से अपना जवाब लिखता है और दिखा सकता है कि उसने कौन-सा हिस्सा इस्तेमाल किया।
अक्सर इससे मिला दिया जाता है: रिट्रीवल-ऑगमेंटेड जनरेशन मॉडल को दोबारा ट्रेन नहीं करता; यह हर बार अनुरोध में खोजा गया टेक्स्ट जोड़ता है, और यही इसे फ़ाइन-ट्यूनिंग से अलग बनाता है। गलत हिस्सा मिलने या उसे गलत पढ़ने पर जवाब फिर भी गलत हो सकता है, इसलिए वह हिस्सा खोलकर देखें जिस पर जवाब टिका है।
स्रोत: Retrieval-augmented generation (RAG) in Azure AI Search (Microsoft, 2026-10-10 को पढ़ा गया)
- रीज़निंग(reasoning model, thinking mode, Reasoning)
काम करने का एक तरीका जिसमें मॉडल आखिरी जवाब देने से पहले समस्या को हिस्सों में तोड़ने के लिए अतिरिक्त कदम उठाता है; अक्सर गणित, तर्क, योजना या कोड के लिए इस्तेमाल होता है।
उदाहरण: दो परीक्षाओं और एक पार्ट-टाइम नौकरी के हिसाब से हफ़्ते की पढ़ाई का टाइम-टेबल बनाने को कहने पर, रीज़निंग मोड वाला मॉडल ज़्यादा समय ले सकता है और आखिरी योजना दिखाने से पहले सारी पाबंदियों पर एक-एक करके विचार कर सकता है।
अक्सर इससे मिला दिया जाता है: रीज़निंग का मतलब सही होना नहीं है: कदम समझदारी भरे दिख सकते हैं और फिर भी उनमें गलती हो सकती है, इसलिए नतीजा जाँचें। यह आम तौर पर धीमा होता है और आपके इस्तेमाल की सीमा का ज़्यादा हिस्सा खर्च कर सकता है, इसलिए किसी जल्दी के रीराइट या सारांश के लिए शायद इसकी ज़रूरत न हो।
- लार्ज लैंग्वेज मॉडल(LLM, language model, Large language model)
एक तरह का AI मॉडल जिसे बहुत बड़ी मात्रा में टेक्स्ट पर ट्रेन किया जाता है ताकि वह अनुमान लगा सके कि आगे कौन-सा शब्द या शब्द का हिस्सा आने की संभावना है; इसी से वह सवालों के जवाब दे पाता है, लिख पाता है और सारांश बना पाता है।
उदाहरण: जब आप “प्रकाश संश्लेषण को 10 साल के बच्चे को समझाएँ” लिखते हैं, तो चैट ऐप के पीछे का लार्ज लैंग्वेज मॉडल जवाब को छोटे-छोटे टुकड़ों में लिखता है, और हर टुकड़ा इस आधार पर चुना जाता है कि आगे क्या आने की संभावना है।
अक्सर इससे मिला दिया जाता है: लार्ज लैंग्वेज मॉडल इंजन है, ऐप नहीं। आप जो चैट ऐप खोलते हैं, वह एक AI प्रोडक्ट है जो एक या ज़्यादा मॉडल चलाता है और उनके आसपास फ़ीचर जोड़ता है, जैसे फ़ाइल अपलोड, सर्च या सेव की गई चैट।
और जानें: AI आपके लिए क्या कर सकता है और क्या नहीं, प्रोडक्ट, मॉडल और प्लान
- हैलुसिनेशन(confabulation, Hallucination)
जब कोई AI मॉडल ऐसा टेक्स्ट बनाता है जो तथ्य के हिसाब से गलत हो या उसे दी गई सामग्री से मेल न खाए।
उदाहरण: आप किसी विषय पर तीन किताबें माँगते हैं, और एक शीर्षक और लेखक असली लगते हैं, लेकिन लाइब्रेरी कैटलॉग में खोजने पर वह किताब मौजूद ही नहीं होती।
अक्सर इससे मिला दिया जाता है: लहजे से हैलुसिनेशन नहीं पहचाना जा सकता: गलत जवाब भी उतने ही भरोसे से लिखा हो सकता है जितना सही। यह नॉलेज कटऑफ़ की वजह से आई पुरानी जानकारी से भी अलग है, लेकिन दोनों को किसी मूल स्रोत से जाँचना ज़रूरी है।
और जानें: AI जो बताए, उसे कैसे जाँचें, AI के साथ रिसर्च करें और हवाले जाँचें
स्रोत: Reduce hallucinations (Anthropic, 2026-10-10 को पढ़ा गया)
- AI एजेंट(agent, agentic AI, AI agent)
एक AI सिस्टम जो कुछ हद तक खुद से, कई कदमों में किसी लक्ष्य की ओर काम करता है: वह तय करता है कि आगे क्या करना है और रास्ते में सर्च, फ़ाइलों या दूसरे ऐप जैसे टूल का इस्तेमाल करता है।
उदाहरण: आप किसी एजेंट से शुक्रवार के लिए दूसरे शहर की ट्रेनों का समय ढूँढने और दो विकल्पों के साथ अपनी टीम के लिए एक संदेश ड्राफ़्ट करने को कहते हैं; वह सर्च करता है, तुलना करता है और ड्राफ़्ट लिख देता है ताकि आप उसे जाँच सकें।
अक्सर इससे मिला दिया जाता है: चैट असिस्टेंट एक बार में एक संदेश का जवाब देता है और दिशा आप तय करते हैं, जबकि एजेंट आपसे कम इनपुट लेकर कई काम एक के बाद एक करता है। क्योंकि वह खुद कदम उठा सकता है, यह जाँचें कि उसे किन चीज़ों तक पहुँच की अनुमति है, और कुछ भी भेजे, खरीदे या डिलीट किए जाने से पहले उसका काम जाँचें।
- AI प्रोडक्ट(AI app, AI tool, AI product)
वह ऐप, वेबसाइट या फ़ीचर जिसे आप असल में इस्तेमाल करते हैं, जैसे कोई चैट असिस्टेंट या लिखने में मदद करने वाला टूल, जो पर्दे के पीछे एक या ज़्यादा AI मॉडल चलाता है।
उदाहरण: कोई नोट्स ऐप “इस पेज का सारांश बनाएँ” बटन जोड़ता है: बटन और ऐप प्रोडक्ट हैं, और उनके पीछे का एक मॉडल सारांश लिखता है।
अक्सर इससे मिला दिया जाता है: प्रोडक्ट न मॉडल है, न प्लान। एक प्रोडक्ट कई मॉडल या मॉडल वर्ज़न दे सकता है, और आप उसमें क्या कर सकते हैं, यह प्रोडक्ट, आपके प्लान और कभी-कभी आपके क्षेत्र पर निर्भर करता है, सिर्फ़ अंदर के मॉडल पर नहीं।
और जानें: प्रोडक्ट, मॉडल और प्लान, टूल चुनें और देखें कि काम कैसा रहा
- API(application programming interface, API)
एक कनेक्शन जिससे सॉफ़्टवेयर किसी AI मॉडल को अनुरोध भेज सकता है और जवाब पा सकता है, ताकि डेवलपर अपने ऐप और वर्कफ़्लो में AI जोड़ सकें।
उदाहरण: किसी ऑनलाइन दुकान का डेवलपर API के ज़रिये एक मॉडल से जुड़ता है, ताकि नया आइटम जोड़ते ही हर प्रोडक्ट के विवरण का पहला ड्राफ़्ट आ जाए, बिना किसी के चैट ऐप खोले।
अक्सर इससे मिला दिया जाता है: किसी मॉडल को API से इस्तेमाल करना प्रोवाइडर के चैट ऐप से इस्तेमाल करने से अलग है: फ़ीचर अलग होते हैं, और कुछ प्रोवाइडर के यहाँ API इस्तेमाल का बिल ऐप सब्सक्रिप्शन से अलग आता है। रोज़मर्रा के कामों के लिए AI टूल इस्तेमाल करने के लिए आपको API की ज़रूरत नहीं है।
और जानें: प्रोडक्ट, मॉडल और प्लान