सेंसर और डेटा लॉगर
सेंसर किसी चीज़ को नापकर उसे विद्युत संकेत में बदलता है। उदाहरण: तापमान, प्रकाश, ध्वनि, pH, गति, दाब, हृदय-गति।
डेटा लॉगर ऐसा उपकरण (या ऐप) है जो सेंसर के पाठ्यांक समय के साथ बार-बार दर्ज करके जमा करता है। आपको खड़े होकर देखना नहीं पड़ता।
लॉगर के फ़ायदे: बहुत पाठ्यांक, बराबर समय-अंतर, पढ़ने की ग़लती नहीं, घंटों या दिनों चल सकता है, और तेज़ बदलाव नाप सकता है जो आँख से नहीं पढ़े जा सकते।
सैंपलिंग दर: कितनी बार नापें
सैंपलिंग दर यानी हर सेकंड कितने पाठ्यांक लिए जाते हैं (या दो पाठ्यांकों के बीच समय-अंतर)। तेज़ बदलाव के लिए तेज़ सैंपलिंग चाहिए। धीरे ठंडे होते कप के लिए कुछ सेकंड में एक पाठ्यांक काफ़ी है। उछलती गेंद के लिए हर सेकंड कई पाठ्यांक चाहिए।
आसान नियम: जिस सबसे तेज़ बदलाव को देखना है, उसके हर चक्र में कम से कम दो बार नापिए। बहुत धीमी सैंपलिंग में बिंदुओं के बीच जो हुआ वह छूट जाता है।
पाठ्यांकों की संख्या = (कुल समय ÷ समय-अंतर) + 1। 80 s तक हर 2 s पर पाठ्यांक हों तो 80 ÷ 2 + 1 = 41 पाठ्यांक।
स्प्रेडशीट, ग्राफ़ और सिमुलेशन
- स्प्रेडशीट डेटा को पंक्तियों और स्तंभों में रखती है और जोड़, औसत व ग्राफ़ बना सकती है।
- ग्राफ़ संख्याओं को चित्र बना देता है, इसलिए पैटर्न उभरकर दिखता है।
- शोर (noise) पाठ्यांकों में छोटी यादृच्छिक त्रुटि है। घबराइए मत: कुल रुझान देखिए।
- सिमुलेशन किसी असली चीज़ का कंप्यूटर मॉडल है। असली प्रयोग किए बिना आप सेटिंग बदलकर नतीजा देख सकते हैं।
- कोडिंग (जैसे Python में) से हज़ारों पाठ्यांक जल्दी साफ़ करके, बनाकर और विश्लेषित किए जा सकते हैं।
AI और मॉडल: पैटर्न खोजना और भविष्यवाणी
मॉडल वह नियम या सूत्र है जो डेटा पर बैठता है। AI (मशीन लर्निंग) बहुत सारे उदाहरणों से नियम ख़ुद खोज लेता है। वह फ़ोटो में पैटर्न पहचान सकता है (जैसे बीमार पत्ती), तारों के प्रकार छाँट सकता है या मौसम का अनुमान लगा सकता है।
बिंदुओं की सीमा के अंदर फ़िट किया मॉडल आम तौर पर उसी सीमा में अच्छा होता है। सीमा के बाहर जाने को बहिर्वेशन (extrapolation) कहते हैं और यह जोखिम भरा है। 3D में सीधी रेखा डेटा पर ठीक थी, पर आगे असंभव उत्तर दे गई।
डिजिटल उपकरण समझदारी से इस्तेमाल करना
- उत्तर जाँचिए: क्या वह विज्ञान और समझ से मेल खाता है? (कप कमरे से ठंडा नहीं हो सकता।)
- कचरा अंदर, कचरा बाहर: बुरा डेटा बुरा नतीजा देता है। सेंसर का अंशांकन कीजिए, प्रयोग दोहराइए, इकाइयाँ लिखिए।
- पक्षपात: उदाहरण अनुचित या एकतरफ़ा हों तो AI भी वैसा होगा।
- चैट AI ग़लती कर सकता है और बहुत भरोसे से बोल सकता है। तथ्य किसी किताब या भरोसेमंद साइट से जाँचिए और स्रोत का नाम लिखिए।
- निजता और नैतिकता: निजी जानकारी साझा न कीजिए और श्रेय ज़रूर दीजिए।
- अपने डेटा का बैकअप रखिए।
करके देखिए: ठंडे होते कप का लॉग बनाइए
कप में गरम (उबलता नहीं) पानी डालिए और उसमें थर्मामीटर या फ़ोन का सेंसर ऐप रखिए। 5 मिनट तक हर 30 सेकंड पर तापमान तालिका में लिखिए (यह आपका हाथ का बनाया "लॉगर" है)। काग़ज़ पर या स्प्रेडशीट में ग्राफ़ बनाइए। ख़त्म करने से पहले 10 मिनट पर तापमान का अनुमान लगाइए। एक और पाठ्यांक से जाँचिए। क्या अनुमान सही था? फिर 3D में बहुत सारे पाठ्यांकों की तुलना कीजिए।
मुख्य सूत्र और परिभाषाएँ
- पाठ्यांकों की संख्या = कुल समय ÷ समय-अंतर + 1
- सैंपलिंग दर (Hz) = प्रति सेकंड पाठ्यांक = 1 ÷ समय-अंतर (s)
- अंगूठा-नियम: सबसे तेज़ बदलाव के हर चक्र में कम से कम दो बार नापिए
- गरम वस्तु पहले तेज़ी से, फिर धीरे-धीरे कमरे के तापमान तक ठंडी होती है (वक्र, सीधी रेखा नहीं)
- हमेशा जाँचिए: क्या भविष्यवाणी विज्ञान के नियम मानती है?
हल किए गए उदाहरण
1. एक लॉगर 0 s से शुरू करके 60 s तक हर 5 s पर दर्ज करता है। कितने पाठ्यांक मिले?
पाठ्यांक = 60 ÷ 5 + 1 = 13।
2. एक सेंसर 2 मिनट तक हर सेकंड 4 बार पढ़ता है। कुल कितने पाठ्यांक?
2 मिनट = 120 s। पाठ्यांक = 4 × 120 = 480।
3. ठंडे होते कप का सीधी-रेखा मॉडल 2 मिनट पर 3 °C बताता है, पर कमरा 25 °C का है। क्या ग़लत है?
कप कमरे के तापमान (25 °C) से नीचे ठंडा नहीं हो सकता। कमरे के तापमान के पास पहुँचते ही ठंडा होना धीमा पड़ता है, इसलिए सीधी रेखा से वक्र बेहतर बैठता है।
4. छात्र हर 30 s पर थर्मामीटर पढ़ता है। गर्मी का एक उछाल 10 s में आकर चला जाता है। क्या छात्र उसे देख पाएगा? क्या बदलना चाहिए?
नहीं, 30 s का अंतर बहुत ज़्यादा है और उछाल छूट जाएगा। 2 s या उससे कम अंतर वाला लॉगर इस्तेमाल कीजिए (10 s की घटना में कम से कम दो पाठ्यांक)।
5. फ़ोन का AI ऐप एक फ़ोटो देखकर पत्ती को "स्वस्थ" बताता है। इसे जाँचने के दो तरीक़े बताइए।
अच्छी रोशनी में और फ़ोटो लेकर तुलना कीजिए; शिक्षक या पौधों की गाइड से पूछिए; कुछ और पत्तियों में वही लक्षण देखिए।
6. आपने 41 पाठ्यांक लिए, पर कुछ बिंदु बाक़ियों से बहुत दूर हैं। आप क्या करेंगे?
पहले कारण खोजिए (ढीला तार, झटका)। साफ़ ग़लती हो तो उसे चिह्नित करके छोड़िए; असली हो सकता हो तो रखिए और प्रयोग दोहराइए। बिना बताए डेटा कभी मत हटाइए।
आम गलतियाँ
- AI या कंप्यूटर का जवाब बिना विज्ञान से जाँचे मान लेना।
- बहुत धीमी सैंपलिंग दर रखना और तेज़ बदलाव छोड़ देना।
- मुड़ने वाली चीज़ के लिए सीधी रेखा लेना और डेटा से बहुत दूर तक भविष्यवाणी करना।
- यह मानना कि शोर का मतलब प्रयोग फ़ेल हुआ। थोड़ा शोर सामान्य है; रुझान देखिए।