📖 धडा 01 — AI म्हणजे काय: नियमपुस्तके विरुद्ध उदाहरणांतून शिकणे

📍 तुम्ही इथे आहात: 12 पैकी धडा 01 · पुढे: lesson-02-training

📦 या ब्रँचमध्ये काय आहे

पाया: "AI" म्हणजे खरोखर काय, machine learning हे नेहमीच्या programming पेक्षा वेगळे कसे, आणि deep learning व LLMs कुठे बसतात. खरी file: demo/bigram_model.py — आज तुम्ही एक खरा (छोटासा) शिकलेला model चालवणार आहात.

🧒 5 वर्षांच्या मुलाला समजावल्यासारखे

मुलाला मांजर ओळखायला कसे शिकवायचे? 🐱

नियमपुस्तिकेचा मार्ग (classic programming): नियम लिहा — "टोकदार कान AND मिशा AND शेपूट → मांजर." मग दुमडलेल्या कानांची मांजर येते. एक नियम वाढवा. शेपूट नसलेली मांजर. आणखी एक नियम. कार्टून मांजर. चाळीस नियमांनंतर तुम्ही हार मानता — काही गोष्टींसाठी लिहिता येईल अशी नियमपुस्तिकाच नसते.

उदाहरणांचा मार्ग (machine learning): मुलाला 10,000 फोटो दाखवा — "मांजर, मांजर, मांजर-नाही, मांजर…" — आणि नमुना तिला स्वतःच शोधू द्या. कोणीही एकही नियम लिहिला नाही; नियम उदाहरणांतून मुलाच्या आत वाढले. तिला समजावून सांगायला सांगितले तर ती खांदे उडवते: "मला फक्त… कळते." 🤷

ते खांदे उडवणे हीच machine learning ची महाशक्ती AND तिची प्रसिद्ध कमजोरी आहे: ते अप्रतिम काम करते, आणि का ते कोणीही पूर्णपणे बोट ठेवून दाखवू शकत नाही (नियम कुठेही लिहिलेले नसतात, लाखो आकड्यांमध्ये पसरलेले असतात).

कुटुंबवृक्ष: AI (संपूर्ण महत्त्वाकांक्षा: यंत्रांनी हुशार कामे करणे) ⊃ machine learning (उदाहरणांचा मार्ग) ⊃ deep learning (अनेक थरांच्या neural networks ने शिकणे) ⊃ LLMs (भाषेकडे वळवलेले deep learning — courses 03–07 ती पेटी उघडतात).

🗺️ आकृती

flowchart LR
    subgraph old["📜 classic programming"]
        r["rules, written by humans"] --> p1["program"] --> a1["answers"]
    end
    subgraph ml["🧠 machine learning"]
        e["examples: 10,000 cats"] --> t["training"] --> m["model - the grown rules"]
        m --> a2["answers - even for NEW cats"]
    end
    old -.->|"1 breaks when rules<br/>can't be written"| ml

❓ काय

Model = शिकलेली वस्तू: आकड्यांचा ढीग (weights/ parameters) जो नमुना साठवतो. "Training" तो तयार करते; "inference" तो वापरते. GPT-class models: अब्जावधी weights.
Classic programming: rules + data → answers. Machine learning: data + answers → rules. हा उलटा क्रम लक्षात ठेवा; कोर्समधील बाकी सगळे त्यातूनच समजते.
Deep learning = असे ML जिथे model हे थरांचे neural network असते जे स्वतःची features स्वतः शिकते (त्याला "कान महत्त्वाचे" असे कोणी सांगत नाही).
कोण कुठे जिंकते: अचूक, तपासता येणाऱ्या logic साठी नियमपुस्तके (पगार, कर); अस्पष्ट नमुन्यांच्या कामासाठी शिकणे (images, speech, भाषा) — trade-offs पान हे नेमके करून दाखवते.

🤔 का

AI बद्दलची प्रत्येक बातमी, भीती आणि product निर्णय या एकाच बदलाकडे परत जातो: नियम लिहिले जात नाहीत, वाढवले जातात. वाढवलेले नियम सुंदरपणे सामान्यीकरण करतात (नवी मांजर? काही हरकत नाही) आणि विचित्रपणे चुकतात (केळ्यावर एक sticker → "toaster"), आणि त्यांची पूर्ण तपासणी करता येत नाही. हा सौदा डोक्यात ठेवा आणि बाकीचा कोर्स उताराचा रस्ता आहे.

🧪 करून पाहा (60 सेकंद, साधे Python)

python3 demo/bigram_model.py

पाहा: ते पाच वाक्यांमधून शिकते (नमुने मोजणे — हेच training, धडा 02), मग त्याला कधीच न दिलेला नवा text लिहिते (inference). एकही नियम लिहिला नाही; model चा संपूर्ण "मेंदू" सुरुवातीला छापलेला आहे — फक्त मोजलेले आकडे. मोठे आकडे, तीच कल्पना — कोर्सचा बराच भाग हेच आहे, विश्वास बसणार नाही इतका. 😄

⏭️ पुढे

"उदाहरणे दाखवणे" model ला खरोखर कसे बदलते? लाल पेन: training, loss, आणि gradient descent.

git checkout lesson-02-training

📖 Lesson 01 — What is AI: rulebooks vs learning from examples

📍 You are here: Lesson 01 of 12 · Next: lesson-02-training

📦 What's in this branch

The foundation: what "AI" actually means, how machine learning differs from normal programming, and where deep learning and LLMs fit. Real file: demo/bigram_model.py — you'll run a real (tiny) learned model today.

🧒 Explain like I'm 5

How do you teach a kid to recognize a cat? 🐱

The rulebook way (classic programming): write rules — "pointy ears AND whiskers AND tail → cat." Then a fold-eared cat arrives. Add a rule. A tailless cat. Another rule. A cartoon cat. Forty rules later you quit — some things have no writable rulebook.

The examples way (machine learning): show the kid 10,000 photos — "cat, cat, not-cat, cat…" — and let them figure out the pattern themselves. Nobody wrote a single rule; the rules grew inside the kid from examples. Ask them to explain and they shrug: "I just… know." 🤷

That shrug is machine learning's superpower AND its famous weakness: it works brilliantly, and nobody can fully point at why (the rules are smeared across millions of numbers, not written anywhere).

The family tree: AI (the whole ambition: machines doing smart things) ⊃ machine learning (the examples way) ⊃ deep learning (learning with many-layered neural networks) ⊃ LLMs (deep learning aimed at language — courses 03–07 open that box).

🗺️ Diagram

flowchart LR
    subgraph old["📜 classic programming"]
        r["rules, written by humans"] --> p1["program"] --> a1["answers"]
    end
    subgraph ml["🧠 machine learning"]
        e["examples: 10,000 cats"] --> t["training"] --> m["model - the grown rules"]
        m --> a2["answers - even for NEW cats"]
    end
    old -.->|"1 breaks when rules<br/>can't be written"| ml

❓ What

Model = the learned artifact: a pile of numbers (weights/ parameters) that encodes the pattern. "Training" produces it; "inference" uses it. GPT-class models: billions of weights.
Classic programming: rules + data → answers. Machine learning: data + answers → rules. Memorize that inversion; it explains everything else in the course.
Deep learning = ML where the model is a layered neural network that learns its own features (nobody tells it "ears matter").
Where each wins: rulebooks for exact, auditable logic (payroll, tax); learning for fuzzy pattern work (images, speech, language) — the trade-offs page makes this precise.

🤔 Why

Every headline, fear and product decision about AI traces back to this one shift: the rules are grown, not written. Grown rules generalize beautifully (new cat? no problem) and fail weirdly (a sticker on a banana → "toaster"), and can't be fully inspected. Hold that trade in your head and the rest of the course is downhill.

🧪 Try it (60 seconds, plain Python)

python3 demo/bigram_model.py

Watch it: learn from five sentences (counting patterns — that's training, lesson 02), then write new text it was never given (inference). No rules were written; the model's whole "brain" is printed at the top — just counts. Bigger counts, same idea, is more of the course than you'd believe. 😄

⏭️ Next

HOW does "showing examples" actually change the model? The red pen: training, loss, and gradient descent.

git checkout lesson-02-training

← Course homeall lessons Next →training

This page is the lesson's README from the lesson-01-what-is-ai branch, shown here so the whole School stays on one site. Code files open on GitHub at the same branch.