એઆઈ અને તમે: એઆઈ વિ યુપીએસસી- ત્રણ ચેટબોટ્સ ભારતની સૌથી મુશ્કેલ પરીક્ષાનો પ્રયાસ કરે છે ભારત સમાચાર

દર વર્ષે, 10 લાખથી વધુ ઉમેદવારો ભારતની સૌથી અઘરી પરીક્ષા, UPSC સિવિલ સર્વિસીસ પ્રિલિમ્સની તૈયારીમાં તેમના જીવનના વર્ષો વિતાવે છે. 2025 માં કટઓફ 200 માંથી 92.66 પોઈન્ટ હતો, એટલે કે એક ખોટું અનુમાન પણ સ્વપ્નને પાટા પરથી ઉતારી શકે છે. તેથી જ્યારે ChatGPT, જેમિની અને ક્લાઉડ જેવા AI ટૂલ્સનો લાખો વિદ્યાર્થીઓ દ્વારા અભ્યાસ સાથી તરીકે ઉપયોગ થવા લાગ્યો, ત્યારે એક સ્વાભાવિક પ્રશ્ન આવ્યો: શું આ AI ખરેખર પરીક્ષામાં બેસી શકે છે?અમે શોધવાનું નક્કી કર્યું. ચેરી-પિક કરેલા પ્રશ્નો અથવા કાલ્પનિક સંકેતો સાથે નહીં, પરંતુ વાસ્તવિક વસ્તુ સાથે, 2025 (25 મે, 2025) અને 2024 (જૂન 16, 2024) ના વાસ્તવિક UPSC CSE પ્રિલિમ્સ GS પેપર 1, હાથમાં સત્તાવાર જવાબ કી છે. અમે દરેક પેપરના તમામ 100 પ્રશ્નો દરેક AI મોડલને વ્યક્તિગત રીતે ખવડાવ્યા, દરેક જવાબ રેકોર્ડ કર્યા અને તેમને સત્તાવાર જવાબ કી અનુસાર સ્કોર કર્યા.પરીક્ષણ કરાયેલા મોડલ્સ: ChatGPT (GPT-5, મે 2026), જેમિની (2.5 પ્રો), અને ક્લાઉડ (સોનેટ 4.5). દરેકને સાદા લખાણમાં પ્રશ્નો આપવામાં આવ્યા હતા, જેમાં કોઈ સંકેતો નથી, કોઈ કોચિંગ નથી, કોઈ પૂર્વ સંદર્ભ નથી.દરેક AI મોડલને દરેક પ્રશ્ન માટે સમાન પ્રોમ્પ્ટ આપવામાં આવ્યો હતો: પ્રશ્ન સ્ટેમ (A) થી (D) સુધીના લેબલવાળા તમામ વિકલ્પો સાથે હતો અને એક જ સાચા જવાબને એક લીટીના તર્ક સાથે ઓળખવા માટે કહેવામાં આવ્યું હતું. કોઈ વેબ શોધ સક્ષમ નથી. કોઈ સિસ્ટમ પ્રોમ્પ્ટ પ્રાઇમિંગનો ઉપયોગ કરવામાં આવ્યો ન હતો. કોઈપણ એઆઈનો એકમાત્ર ફાયદો એ હતો કે તે તાલીમ દરમિયાન જે કંઈપણ આત્મસાત કરે છે તે જ જ્ઞાન હતું જે સારી રીતે તૈયાર માનવ ઉમેદવાર પરીક્ષા ખંડમાં લઈ જશે.સ્કોરિંગ: UPSC વાસ્તવિક માર્કિંગ સ્કીમ લાગુ કરવામાં આવી છે: સાચા માટે +2, ખોટા માટે -0.67, પ્રયાસ ન કરવા માટે 0. ત્રણેય AI એ તમામ 100 પ્રશ્નોનો પ્રયાસ કર્યો.

લગભગ 2025 પેપર

2025 GS પેપર 1નું વ્યાપકપણે મધ્યમથી મુશ્કેલ તરીકે વર્ણન કરવામાં આવ્યું હતું. અર્થશાસ્ત્ર 18 પ્રશ્નો સાથે પ્રભુત્વ ધરાવે છે, ત્યારબાદ પર્યાવરણ અને ઇકોલોજી (15), રાજકારણ (14), ઇતિહાસ અને સંસ્કૃતિ (15), અને વિજ્ઞાન અને ટેકનોલોજી (12). પેપર બહુવિધ-વિધાન ચકાસણી પ્રશ્નો પર ખૂબ આધાર રાખે છે, ભયજનક “નીચેના વિધાનોમાંના કેટલા સાચા છે?” ફોર્મેટ, જે સરળ તથ્યપૂર્ણ યાદ કરતાં વધુ અનુમાન લગાવવા માટે દંડ કરે છે. સત્તાવાર જનરલ કેટેગરીની કટઓફ 92.66 પોઈન્ટ હતી, જે 2020 પછી સૌથી વધુ છે.

અંતિમ સ્કોરકાર્ડ: UPSC પ્રિલિમ્સ 2025

ત્રણેય એઆઈએ 92.66 પોઈન્ટના 2025ના કટઓફને પાર કર્યો. પરંતુ માર્જિન અને વિષય મુજબનું વિશ્લેષણ ક્ષમતામાં મોટો તફાવત દર્શાવે છે.

નમૂના પ્રશ્ન: દરેક AI એ કેવી રીતે પ્રતિસાદ આપ્યો

આ ત્રણેય મોડેલોએ 2025ના પેપરમાંથી અધિકૃત સાચા જવાબો સાથેના ચોક્કસ પ્રશ્નોના જવાબ કેવી રીતે આપ્યા તેનો એક પ્રતિનિધિ નમૂનો અહીં છે.

જેમિનીનું એકંદરે સૌથી મજબૂત પ્રદર્શન હતું, જે મુખ્યત્વે વર્તમાન બાબતો અને પર્યાવરણીય પ્રશ્નોના બહેતર સંચાલન દ્વારા સંચાલિત હતું. એશિયા અને પેસિફિક માટે નેચર સોલ્યુશન્સ ફાઇનાન્સ હબ (જે AIIB 2024ના અંતમાં શરૂ કરવાની યોજના ધરાવે છે) વિશેના પ્રશ્ન પર, જેમિનીએ AIIBને યોગ્ય રીતે ઓળખી કાઢ્યું, જ્યારે ChatGPT અને ક્લાઉડ બંનેએ ADBને ખોટી રીતે ઓળખી કાઢ્યું, જે સૂચવે છે કે જેમિની વધુ તાજેતરની સંસ્થાકીય ઘટનાઓને યાદ કરે છે. જેમિનીએ ગૂટી ટેરેન્ટુલા પ્રશ્ન, ડાયરેક્ટ એર કેપ્ચર એપ્લિકેશન અને અસહકાર કાર્યક્રમની વિગતો પર પણ હરીફોને પાછળ રાખી દીધા. જ્યાં મિથુન વિજ્ઞાન અને ટેક્નોલોજીમાં ખોટું થયું હતું, તે દર્શાવે છે કે તે કેટલીકવાર ટેકનિકલ ક્ષેત્રોમાં વધુ સામાન્ય બની જાય છે.શ્રેષ્ઠ વિષય: ઇતિહાસ અને સંસ્કૃતિ (87%). સૌથી ખરાબ વિષય: વિજ્ઞાન અને ટેકનોલોજી (67%).

ChatGPT GPT-5: સતત પરંતુ સાવધ (73/100, ~118 પોઇન્ટ)

ChatGPT એ તમામ વિષયોમાં નક્કર, સાતત્યપૂર્ણ પ્રદર્શન આપ્યું છે. તેની શક્તિઓ રાજનીતિ અને ઈતિહાસ હતી, વિષયો જ્યાં UPSC-વિશિષ્ટ તાલીમના વર્ષોના ડેટા તેને મજબૂત આધાર આપે છે. તેની નોંધપાત્ર નબળાઈઓ પર્યાવરણ અને વર્તમાન બાબતોમાં હતી. CL-20/HMX/LLM-105 પ્રશ્ન પર, ChatGPT એ ક્રુઝ મિસાઇલ ઇંધણના ચોક્કસ જવાબને બદલે વિસ્ફોટકો પસંદ કર્યા, જે ચોક્કસ ટેકનિકલ ભેદને બદલે વ્યાપક, વધુ પરિચિત કેટેગરી તરફના તેમના વલણને પ્રતિબિંબિત કરે છે.શ્રેષ્ઠ વિષય: પોલિટી (79%). સૌથી ખરાબ વિષયઃ કરંટ અફેર્સ (57%).

ક્લાઉડ સોનેટ 4.5: વિશ્વસનીય તર્ક, સ્પેક્સમાં ગાબડાં (68/100, ~112 પોઇન્ટ)

ક્લાઉડે કટઓફ પાસ કર્યો પરંતુ ત્રણમાંથી સૌથી નાના માર્જિન સાથે. તેનું સૌથી મજબૂત પ્રદર્શન સંરચિત તર્ક પ્રશ્નો, સ્ટેટમેન્ટ I/સ્ટેટમેન્ટ II ફોર્મેટમાં આવ્યું છે જે UPSC ની ઓળખ બની ગયું છે. નિવેદનો વચ્ચે કારણભૂત સંબંધોના તાર્કિક મૂલ્યાંકનની આવશ્યકતા ધરાવતા પ્રશ્નો પર, ક્લાઉડ ખાસ કરીને વધુ સાવચેત હતા. જો કે, ક્લાઉડ ચોક્કસ વર્તમાન બાબતો અને પર્યાવરણ સંબંધિત પ્રશ્નો સાથે સંઘર્ષ કરી રહ્યો હતો અને મહાજનપદ-નદીઓની જોડીને ખોટી પાડવા માટે એકમાત્ર AI હતી, જે UPSC ઇતિહાસની તૈયારીનો મુખ્ય ભાગ છે.શ્રેષ્ઠ વિષયો: રાજકારણ અને તર્ક પ્રશ્નો (79%). સૌથી ખરાબ વિષય: પર્યાવરણ (60%).

ઇતિહાસ અને સંસ્કૃતિ: પુનરાવર્તન, ઝીરો સ્લીપ, સંપૂર્ણ સ્કોર ત્રણેય AI એ ઇતિહાસના પ્રશ્નો પર 80% કે તેથી વધુ સ્કોર મેળવ્યા છે. ફા હિયેન, રાજેન્દ્ર I, અરાઘટ્ટા સિંચાઈ અને અશોક વહીવટ વિશેના પ્રશ્નોને વિશ્વાસ સાથે હાથ ધરવામાં આવ્યા હતા. આ પાઠ્યપુસ્તકના પ્રશ્નો છે જ્યાં તાલીમનો ડેટા સમૃદ્ધ અને સ્પષ્ટ છે.વર્તમાન બાબતો અને પર્યાવરણ: ચોકસાઈમાં ઘટાડોઆ તે છે જ્યાં પરીક્ષણ માણસોને મશીનોથી અલગ કરે છે. 2024 ના અંતમાં કઈ સંસ્થાએ ચોક્કસ ભંડોળ શરૂ કર્યું તે વિશેના પ્રશ્નો અથવા અસ્પષ્ટ ભારતીય કરોળિયાના ચોક્કસ વસવાટની સ્થિતિ વિશે, અત્યંત ચોક્કસ અથવા ખૂબ જ તાજેતરના જ્ઞાન પર આધાર રાખે છે. ChatGPT અને ક્લાઉડે વર્તમાન બાબતો પર માત્ર 57% સ્કોર કર્યો છે. વક્રોક્તિ તીક્ષ્ણ છે: AI મોડેલો, જેનો લાખો ઉમેદવારો વર્તમાન બાબતોને અનુસરવા માટે ઉપયોગ કરે છે, તેઓ પરીક્ષામાં વર્તમાન બાબતોથી નિરાશ થઈ જાય છે.વિજ્ઞાન અને ટેકનોલોજી: ટેકનિકલ વિગતો પર અઘરુંઆ વિભાગે સૌથી આશ્ચર્યજનક નિષ્ફળતાઓ પેદા કરી. CL-20, HMX, અને LLM-105 વિશેના પ્રશ્નોએ ત્રણેય AI ને વિવિધ ડિગ્રીઓ પર અસર કરી. ડાયરેક્ટ એર કેપ્ચર ટેક્નોલોજી એપ્લિકેશનોએ પણ મૂંઝવણ ઊભી કરી. AI મોડલ્સ વ્યાપક વૈચારિક વિજ્ઞાન અને તકનીકી પ્રશ્નોને સારી રીતે હેન્ડલ કરે છે પરંતુ ચોક્કસ ડોમેન્સમાં ચોક્કસ ટેકનિકલ ભિન્નતાઓથી ઠોકર ખાય છે.

UPSC પ્રિલિમ્સ 2024 88 ગુણના કટઓફ સાથે થોડી સરળ હતી. જ્યારે 2024 થી 30-પ્રશ્નોના નમૂના પર પરીક્ષણ કરવામાં આવ્યું હતું, ત્યારે ત્રણેય AI એ 2-5 ટકા પોઈન્ટ વધુ સારું પ્રદર્શન કર્યું હતું. એક મહત્વપૂર્ણ વાસ્તવિક-વિશ્વ ડેટા પોઈન્ટ: 2024 માં, IIT-સ્થાપિત AI એપ, જેને PadAI કહેવામાં આવે છે, જે ખાસ કરીને UPSC ડેટા પર પ્રશિક્ષિત છે અને વર્તમાન બાબતો સાથે ગતિશીલ રીતે અપડેટ કરવામાં આવી છે, તેણે પરીક્ષા સ્થળ પર 170 થી 185 પોઈન્ટની વચ્ચે સ્કોર કર્યો. દરમિયાન, સામાન્ય ChatGPT એ સમાન પરીક્ષામાં માત્ર 75 ગુણ મેળવ્યા હતા અને કટઓફ પાર કરવામાં નિષ્ફળ ગયા હતા. 2025-26 સુધીમાં, અંતર નાટકીય રીતે સંકુચિત થયું છે. GPT-5 અને Gemini 2.5 Pro હવે કોઈપણ UPSC-વિશિષ્ટ તાલીમ વિના પ્રારંભિક પરીક્ષા પાસ કરે છે.

તો શું AI ખરેખર UPSC ક્રેક કરી શકે છે?

પ્રિલિમ ક્લિયરિંગ એ ટેબલ સ્ટેક્સ છે. યુપીએસસીના ત્રણ તબક્કા છે: પ્રારંભિક, મુખ્ય (વર્ણનાત્મક), અને વ્યક્તિત્વ કસોટી (ઇન્ટરવ્યૂ). મેન્સમાં, ઉમેદવારોને મૂળ વિચારસરણી, નીતિ જાગૃતિ અને સમકાલીન શાસન સાથે ઐતિહાસિક પૂર્વધારણાને જોડવાની ક્ષમતા દર્શાવતા 200 શબ્દોના વિશ્લેષણાત્મક જવાબો લખવાનું કહેવામાં આવે છે. કોઈપણ AI હાલમાં મુખ્ય પરીક્ષામાં બેસી શકતું નથી, જ્ઞાનના અભાવને કારણે નહીં, પરંતુ મૂલ્યાંકન પોતે જ મૂળભૂત રીતે અલગ છે.વ્યક્તિત્વ કસોટી એ વરિષ્ઠ IAS અધિકારીઓ સમક્ષ એક સંરચિત ઇન્ટરવ્યુ છે જેમાં પાત્ર, નેતૃત્વ ક્ષમતાઓ અને અસ્પષ્ટતા હેઠળ નિર્ણય લેવાનું મૂલ્યાંકન કરવામાં આવે છે. કોઈપણ ભાષા મોડેલમાં આવું નથી.એઆઈએ જે કર્યું છે તે માળખું ઊભું કર્યું છે. કોઈપણ ઉમેદવાર કે જે આ સાધનોનો ખ્યાલ સ્પષ્ટતા, જવાબ-લેખન પ્રેક્ટિસ અને ઝડપી પુનરાવર્તન માટે સમજદારીપૂર્વક ઉપયોગ કરે છે તે તેની પહેલાની પેઢી કરતાં વધુ સારી રીતે તૈયાર થઈને પરીક્ષાખંડમાં જાય છે.

ઉમેદવારો માટે આનો અર્થ શું છે

પ્રશ્નો જ્યાં ત્રણેય AI નિષ્ફળ ગયા, ચોક્કસ તાજેતરની ઘટનાઓ, ચોક્કસ વન્યજીવ સંરક્ષણ વિગતો, સૂક્ષ્મ સંસ્થાકીય જ્ઞાન, આ બરાબર એવા પ્રશ્નો છે જે ટોપર્સને બાકીના કરતા અલગ રાખે છે. પ્રારંભિક પરીક્ષામાં 76% અંક મેળવનાર AI શક્તિશાળી અભ્યાસ ભાગીદાર બની શકે છે. પરંતુ બાકીના 24% ને માનવીય શિસ્તની જરૂર છે એટલે કે દરરોજ સમાચારોનું પાલન કરવું, અખબારનો પર્યાવરણ વિભાગ વાંચવો અને સંમેલન અમલમાં આવ્યું ત્યારે ચોક્કસ વર્ષ યાદ રાખવું. ત્યાં કોઈ શૉર્ટકટ્સ નથી, AI અથવા અન્યથા.UPSC પરીક્ષાર્થીઓ આ પરિસ્થિતિથી વાકેફ છે. 2025 માં, GS પેપર 1 માં લગભગ 22 થી 28 ટકા પ્રશ્નોને છેલ્લા 12 થી 18 મહિનાની ઘટનાઓ અને સંસ્થાકીય વિકાસના આધારે વર્તમાન બાબતો-સંલગ્ન તરીકે વર્ગીકૃત કરી શકાય છે. પ્રશિક્ષણ કટઓફ સાથે AI મોડેલો માટે, આ એક માળખાકીય અંધ સ્થળ છે. વર્તમાન બાબતોની તૈયારી માટે AI પર ભારે આધાર રાખતા ઉમેદવારો માટે, આ એક ચેતવણી છે.

અંતિમ કૉલ

હા, AI 2026 માં UPSC પ્રિલિમ્સને ક્રેક કરી શકે છે. ત્રણેય મુખ્ય મોડલ વાજબી માર્જિનથી કટઓફથી ઉપર જાય છે. પરંતુ પ્રિલિમ્સ ક્લિયર કરવાથી UPSC તોડતી નથી. પરીક્ષાની રચના એ ગુણોને ચકાસવા માટે કરવામાં આવી છે જે સ્વચાલિત કરવા માટે સૌથી મુશ્કેલ છે: સતત બહુ-વર્ષીય તૈયારી, વાસ્તવિક સમયની વર્તમાન જાગૃતિ, વિશ્લેષણાત્મક લેખન અને દબાણ હેઠળ માનવ ચુકાદો. આ કાગળ પર AI નું પ્રદર્શન એ વાસ્તવિકતાનું પ્રમાણિક ચિત્ર છે.