Uçtan Uca İş Akışı, Python, Etik, Gizlilik ve Sorumlu Kullanım

Kazanimlar:

• Yapay zekayı planlamadan rapora kadar her aşamaya insan doğrulama kapıları ve geçiş koşullarıyla tutarlı biçimde yerleştirebilme
• Jeofizik Python araç çantasını (ObsPy, segyio, scikit-learn vb.) tanıyıp yapay zeka üretimi kodu birim/eksen/sızıntı açısından doğrulayabilme
• İnsan sorumluluğu, veri gizliliği, güvenlik konularında ölçülü dil, deterministik tahmin reddi ve şeffaflık ilkelerini iş akışına yerleştirebilme

Şimdiye kadar jeofiziğin ayrı halkalarını — işleme, yorumlama, potansiyel alanlar, ters çözüm, deprem, yakın yüzey, görselleştirme, kaynak arama, belirsizlik — ayrı ayrı ele aldık. Bu son ünitede hepsini tek bir uçtan uca iş akışında birleştiriyoruz: yapay zekayı (YZ) projenin başından raporun sonuna kadar, her aşamada bir insan doğrulama kapısıyla nasıl tutarlı biçimde yerleştireceğinizi göreceğiz. Ayrıca jeofizikte YZ'nin somut aracı olan Python ekosistemine, ve mesleğin güvenlik-kritik doğasından doğan etik, gizlilik ve sorumlu kullanım ilkelerine bakacağız. Baştan koyalım: YZ bir hızlandırıcı ve asistandır; yeraltı modelinin, keşif kararının ve can/mülk güvenliğini ilgilendiren yorumların sorumluluğu daima yetkin jeofizikçidedir.

Uçtan uca iş akışı: doğrulama kapıları

İyi bir YZ destekli proje, her aşamada bir "geçiş koşulu" olan katmanlı bir yapıdır. Tek bir YZ hatasının rapora kadar sızmasını, aşama aşama insan kapıları engeller:

1. Planlama ve toplama: YZ kontrol listesi/plan taslağı üretir; saha güvenliği, izin ve toplama kararı insanındır. Kapı: plan yerel mevzuata uygun mu?
2. İşleme/QC: YZ gürültü bastırma, aykırı işaretleme yapar. Kapı: difference plot temiz mi, sinyal korundu mu?
3. Görüntüleme/yorumlama: YZ horizon/fay/fasiyes adayı üretir. Kapı: kuyu bağı ve gözle denetim yapıldı mı?
4. Ters çözüm: YZ hızlandırır. Kapı: gerçek fizikle teyit, belirsizlik ölçüldü mü?
5. Entegrasyon/karar: YZ veri birleştirir, senaryo üretir. Kapı: çok yöntemli teyit, backtest yapıldı mı?
6. Raporlama: YZ taslak yazar. Kapı: her sayı/referans kaynağa bağlandı mı, belirsizlik dili korundu mu?

Bir kapı geçilmeden sonrakine geçilmez. Bu, hızı korurken güvenliği sağlayan yapıdır.

İpucu: Her YZ çıktısına bir "kaynak künyesi" iliştirin: hangi veri, hangi model/sürüm, hangi parametre, kim doğruladı, ne zaman. Bu künye hem tekrarlanabilirlik hem de sonradan bir hata bulunursa geriye izleme (audit) için hayati önemdedir.

Python: jeofizikçinin YZ araç çantası

Jeofizikte YZ'nin somut dili büyük ölçüde Python'dır. Temel bir okuryazarlık, YZ önerilerini uygulamak ve denetlemek için gereklidir. Sık kullanılan kütüphaneler:

• NumPy / SciPy: Sayısal hesap, sinyal işleme (filtre, FFT).
• Matplotlib: Kesit, harita, görselleştirme.
• ObsPy: Sismoloji için standart kütüphane (dalga formu okuma, faz, deprem verisi).
• scikit-learn: Klasik makine öğrenmesi (sınıflama, kümeleme, çapraz doğrulama).
• PyTorch / TensorFlow: Derin öğrenme (CNN gürültü bastırma, faz ayıklama).
• segyio: SEG-Y sismik veri formatını okuma/yazma.

YZ (dil modeli), bu kütüphanelerle kod taslağı üretmede çok hızlıdır. Ama üretilen kod doğrulanmadan çalıştırılmaz: birim hataları, yanlış eksen, sızıntılı eğitim-test ayrımı ya da halüsinasyonla var olmayan bir fonksiyon çağrısı sık görülür.

Dikkat: YZ'nin ürettiği Python kodunu küçük, bilinen bir örnek üzerinde test etmeden büyük veriye uygulamayın. Özellikle koordinat/zaman referansı, birim (ms/s, m/ft) ve eğitim-test ayrımını elle kontrol edin; bir birim hatası tüm yorumu sessizce bozar.

Etik, gizlilik ve sorumlu kullanım

Jeofizik, sonuçları can ve mülk güvenliğini, çevreyi ve büyük yatırımları etkileyen bir mühendislik alanıdır. Bu, YZ kullanımına özel sorumluluklar yükler:

• İnsan sorumluluğu: Nihai model, keşif kararı ve tehlike değerlendirmesinin sorumluluğu uzmandadır; "YZ öyle dedi" bir mazeret değildir.
• Veri gizliliği: Sismik veri, kuyu logları ve keşif sonuçları çoğu zaman ticari sır veya lisans kapsamındadır. Bunları harici/bulut YZ araçlarına yüklemek gizlilik ihlali ve rekabet açığı doğurabilir; veri sınıflandırması ve onaylı araç listesi şarttır.
• Doğruluk ve aşırı iddia yasağı: Deprem tehlikesi, heyelan, zemin sıvılaşması gibi güvenlik konularında YZ çıktısını abartmak insan hayatını riske atar; ölçülü, belirsizlikli dil kullanılır.
• Deterministik deprem tahmini reddi: Gelecekteki bir depremin gününü tahmin etmek bilim dışıdır; YZ ile böyle bir iddia üretilmez.
• Şeffaflık: YZ kullanımı raporda açıkça belirtilir; hangi adımda nasıl kullanıldığı ve nasıl doğrulandığı yazılır.
• Çevre ve toplum: Kaynak arama sonuçları çevresel ve sosyal etkiler doğurur; jeofizikçi bu etkileri gözetmekle yükümlüdür.

İpucu: Bir veriyi YZ aracına vermeden önce üç soru sorun: (1) Bu veriyi paylaşma iznim var mı? (2) Kişisel/ticari gizli bilgi içeriyor mu? (3) Bu araç veriyi eğitim için saklıyor mu? Üçünden biri belirsizse, veriyi yüklemeyin veya kurum içi/izole bir çözüm kullanın.

Üç mini vaka

Vaka 1 — Sızan lisans verisi. Bir mühendis, lisanslı bir sismik hacmi hızlı yorum için harici bir YZ servisine yükledi. Sözleşme, verinin üçüncü tarafa aktarılmasını yasaklıyordu; olay ciddi bir sözleşme ihlaline dönüştü. Kurum sonradan yalnızca izole, onaylı araçlarla çalışma politikası getirdi.

Vaka 2 — Kod birim hatası. YZ'nin ürettiği bir Python betiği derinlikleri ayak (ft) yerine metre varsayıyordu; harita %30 sığ çıktı ve bir kuyu yanlış hedefe planlandı. Küçük bir örnekle test edilseydi hata baştan yakalanırdı; ders: üretilen kod her zaman bilinen bir örnekle doğrulanır.

Vaka 3 — Abartılı tehlike beyanı. Bir taslakta YZ, zayıf veriye dayanarak "bölge yüksek sıvılaşma riski taşımaktadır" diye kesin yazdı. Jeofizikçi bunu "mevcut sınırlı veri, sıvılaşma potansiyeline işaret edebilir; kesin değerlendirme için ek saha çalışması gerekir" diye düzeltti. Güvenlik konusunda ölçülü dil, hem dürüst hem sorumluydu.

Dört kopyalanabilir şablon

1) Uçtan uca doğrulama kapıları:

Rolün: jeofizik proje danışmanı. Projem: [tür]. Bana planlama,işleme, yorumlama, ters çözüm, entegrasyon ve raporlama içinbir doğrulama kapıları tablosu çıkar: her aşamada YZ'nin işi,insan kararı ve GEÇİŞ KOŞULU (kontrol) ne olmalı? Bir kapıgeçilmeden sonrakine geçilmemeli.

2) Python kod doğrulama:

YZ ile bir jeofizik Python betiği ([SEG-Y okuma / filtre /sınıflayıcı]) yazdım. Çalıştırmadan önce neyi kontroletmeliyim: birim/eksen/koordinat tutarlılığı, eğitim-testsızıntısı, var olmayan fonksiyon, kenar durumlar? Küçük birtest örneğini nasıl kurarım? Bir kontrol listesi ver.

3) Veri gizliliği kontrolü:

Rolün: veri yönetişim danışmanı. Bir jeofizik veriyi([sismik/kuyu logu]) YZ aracına vermeyi düşünüyorum. Bana birgizlilik kontrol listesi ver: paylaşım izni, ticari/kişiselgizli bilgi, aracın veri saklama politikası, izole/kurum içialternatif. Riskliyse ne yapmalıyım?

4) Sorumlu raporlama dili:

YZ raporumda güvenlik konularında ([deprem tehlikesi /sıvılaşma / heyelan]) ifadeler var. Aşırı iddiayı nasılbulup ölçülü, belirsizlikli dile çeviririm? YZ kullanımınıraporda nasıl şeffafça belirtir, deterministik tahminden nasılkaçınırım? Örnek dönüşümlerle göster.

Zayıf prompt / Güçlü prompt

Zayıf prompt:

Bu projeyi baştan sona YZ ile hızlıca hallet.

Doğrulama kapısı, gizlilik ve sorumluluk yok; hız uğruna savunulamaz ve riskli sonuç doğar.

Güçlü prompt:

Rolün: kıdemli jeofizik proje yöneticisi. Projem: [tür, veritürleri, gizlilik durumu]. Görev: (1) uçtan uca iş akışınıdoğrulama kapılarıyla kur; (2) her aşamada YZ'nin işini,insan kararını ve geçiş koşulunu yaz; (3) veri gizliliği içinonaylı araç ve izole çözüm öner; (4) güvenlik konularındaölçülü dil ve şeffaflık kuralı ekle. Nihai model, karar vesorumluluğun insanda olduğunu her aşamada belirt.

Kapılar, gizlilik ve sorumluluk çerçevesi, YZ'yi hızlı ama güvenli kılar.

İş akışı aşamaları ve sorumluluk

Aşama

YZ'nin işi

İnsan kararı

Geçiş koşulu

Planlama/toplama

Plan taslağı

Güvenlik, izin

Mevzuata uygun mu?

İşleme/QC

Bastırma, işaretleme

Parametre onayı

Sinyal korundu mu?

Yorumlama

Aday üretme

Doğrulama

Kuyu bağı yapıldı mı?

Ters çözüm

Hızlandırma

Fiziksel geçerlilik

Belirsizlik ölçüldü mü?

Karar/entegrasyon

Senaryo, birleştirme

Risk kararı

Çapraz teyit yapıldı mı?

Raporlama

Taslak

Onay, sorumluluk

Kaynağa bağlandı mı?

Sık yapılan hatalar

• Doğrulama kapılarını atlamak. Hız uğruna insan kontrolünü kaldırmak riski rapora taşır.
• Gizli/lisanslı veriyi harici araca yüklemek. Sözleşme ihlali ve rekabet açığı doğurur.
• Üretilen kodu test etmeden çalıştırmak. Birim/eksen hatası yorumu sessizce bozar.
• Güvenlik konusunda aşırı iddia. Ölçülü, belirsizlikli dil kullanın.
• YZ kullanımını gizlemek. Şeffaflık ve kaynak künyesi zorunludur.

Özetle

Uçtan uca bir jeofizik projesinde YZ, her aşamada değer katar; ama değeri güvenli kılan şey, aşamaları birbirine bağlayan insan doğrulama kapılarıdır. Python, bu YZ'nin somut aracıdır ve üretilen her kod doğrulanır. Mesleğin güvenlik-kritik doğası; veri gizliliğini, ölçülü dili, deterministik tahmin reddini, şeffaflığı ve çevresel-toplumsal sorumluluğu zorunlu kılar. YZ hiçbir zaman "YZ öyle dedi" mazeretine dönüşemez: yeraltı modelinin, keşif kararının ve güvenlik yorumunun son sorumluluğu daima yetkin jeofizikçidedir.

Uygulama görevi

Gerçek veya hayali bir jeofizik projesi seçin. "Uçtan uca doğrulama kapıları" şablonuyla tüm aşamaları geçiş koşullarıyla bir tabloya dökün. Sonra bir veri türü için "Veri gizliliği kontrolü" şablonuyla o veriyi bir YZ aracına vermenin uygun olup olmadığını değerlendirin. Son olarak bir güvenlik ifadesi yazıp "Sorumlu raporlama dili" şablonuyla onu ölçülü, şeffaf ve belirsizlikli bir dile çevirin.

Kontrol listesi

• [ ] Tüm iş akışını doğrulama kapıları ve geçiş koşullarıyla kurdum.
• [ ] Gizli/lisanslı veriyi yalnızca onaylı/izole araçla işledim.
• [ ] YZ üretimi Python kodunu bilinen bir örnekle test ettim.
• [ ] Güvenlik konularında ölçülü, belirsizlikli dil kullandım.
• [ ] YZ kullanımını şeffafça belirtip nihai sorumluluğu insanda tuttum.

Modul Sinavi

1. Jeofizikte yapay zeka için en doğru konumlandırma aşağıdakilerden hangisidir?

• A) Yapay zeka bir asistandır; nihai yeraltı modeli, keşif kararı ve güvenlik yorumunun sorumluluğu jeofizikçidedir ✔
• B) Yapay zeka insan onayı olmadan yeraltı modelini kesinleştirip kuyu yerini belirleyebilir
• C) Yapay zeka çok anlamlılığı ortadan kaldırdığı için tek ve kesin bir model üretir
• D) Yapay zeka yalnızca rapor yazmakta işe yarar, veri işleme ve yorumla ilgisi yoktur

Aciklama: Yapay zeka; gürültü bastıran, örüntü işaretleyen, hesabı hızlandıran ve rapor taslağı üreten bir asistandır. Jeofiziğin doğasındaki çok anlamlılık (aynı veriye birden çok yeraltı modelinin uyması) yüzünden her çıktı bir hipotezdir; nihai yeraltı modelini, keşif kararını ve güvenlik yorumunu onaylayan ve riski üstlenen son merci yetkin jeofizikçidir.

2. Yapay zeka tabanlı bir gürültü bastırıcı uyguladıktan sonra sinyal kaybını denetlemenin en güvenilir yolu nedir?

• A) Sadece sinyal-gürültü oranının arttığını görmek yeterlidir
• B) Kaldırılan bileşeni difference plot ile görüntüleyip içinde tutarlı yansıma olup olmadığına bakmak ✔
• C) Bastırıcı yapay zeka olduğu için ek denetime gerek yoktur
• D) Çıktı görsel olarak daha temiz görünüyorsa işlem başarılıdır

Aciklama: Difference plot, bastırıcının kaldırdığı bileşeni ayrı bir kesit olarak gösterir. İyi bir bastırıcının artığı rastgele görünür; eğer kaldırılan kısımda eğimli, sürekli yansımalar varsa filtre zayıf ama gerçek sinyali silmiştir ve parametre yumuşatılmalıdır. Bu kontrol yapılmadan agresif bir bastırıcı gerçek yansımayı yok edebilir.

3. Otomatik bir horizon takipçisinin ürettiği pürüzsüz bir yüzeyde en sık karşılaşılan ve jeolojik olarak yanlış sonuç doğuran hata nedir?

• A) Takipçinin çok yavaş çalışması
• B) Yüzeyin her zaman gürültülü görünmesi
• C) Cycle skip: bir yansıma tepesinden komşu tepeye atlayıp yanlış ama pürüzsüz yüzey üretmek ✔
• D) Yüzeyin renk skalasının yanlış seçilmesi

Aciklama: Cycle skip, takipçinin bir yansıma tepesini bırakıp komşu bir tepeye atlayarak devam etmesidir; sonuç görünüşte pürüzsüz ama jeolojik olarak yanlış bir yüzeydir. Bu yüzden otomatik horizon, güçlü yansımayı bırakıp zayıf tepeye atladığı bölgelerde gözle ve kuyu bağıyla denetlenip düzeltilmeden hacme yayılmamalıdır.

4. Bir gravite anomalisini yorumlarken jeofiziğin doğasındaki temel belirsizlik nedir ve yapay zeka bu konuda nasıl davranmalıdır?

• A) Belirsizlik yoktur; anomali her zaman kaynağın tam üstündedir ve tek model üretilir
• B) Derinlik-genlik belirsizliği vardır; yapay zeka tek model yerine birden çok senaryo üretmelidir ✔
• C) Anomaliyi yalnızca en yüksek çözünürlüklü tek model açıklar, alternatife gerek yoktur
• D) Belirsizlik yalnızca sismikte olur, potansiyel alanlarda görülmez

Aciklama: Potansiyel alanlarda derinlik-genlik belirsizliği vardır: küçük ve sığ bir kaynak ile büyük ve derin bir kaynak neredeyse aynı yüzey anomalisini üretebilir. Bu, sismikteki çok anlamlılığın potansiyel alan hâlidir. Yapay zeka tek kendinden emin bir model vererek bunu gizleyebilir; doğrusu, anomaliyi açıklayan birden çok senaryo üretip ayırt edecek ek veriyi istemektir.

5. Kuzey yarımkürede bir manyetik anomalinin merkezini doğrudan sondaj hedefi seçmek neden riskli olabilir?

• A) Manyetik anomaliler her zaman kaynağın tam üstündedir, risk yoktur
• B) Manyetik yöntem derinliği hiç veremez, o yüzden risklidir
• C) Enlem etkisi/kutupsallık yüzünden anomali kaynağın tam üstünde olmayabilir; kutba indirgeme gerekir ✔
• D) Sorun yalnızca renk skalasıdır, fiziksel bir kayma söz konusu değildir

Aciklama: Enlem etkisi ve kutupsallık nedeniyle manyetik anomali, kaynağın tam üstünde olmayabilir; kuzey yarımkürede anomali kaynağın güneyine kayabilir. Kutba indirgeme (reduction to pole) yapılmadan anomali merkezini kaynak sanmak, kuyuyu yanlış yere planlamaya yol açar. Bu yüzden konum, kutba indirgeme ile düzeltilmelidir.

6. Ters çözümün (inversion) doğasını en doğru tanımlayan ifade hangisidir?

• A) İyi konumlanmış bir problemdir; her veriye tek ve kesin bir model karşılık gelir
• B) Kötü konumlanmış ve çok anlamlı bir problemdir; çıktı belirsizlikle sınırlı bir model ailesidir ✔
• C) Düzenlileştirmeye hiç ihtiyaç duymayan tam kesin bir hesaptır
• D) Yalnızca yapay zeka ile çözülebilen, belirsizliği olmayan bir işlemdir

Aciklama: Ters çözüm kötü konumlanmış (ill-posed) bir problemdir: çözümü olmayabilir, birden fazla olabilir veya veride küçük bir gürültü modelde büyük değişim yaratabilir. Bu yüzden veri uyumu ile düzenlileştirme arasında bir denge kurulur ve çıktı tek bir gerçek değil, belirsizlikle sınırlanmış bir model ailesidir.

7. Bir vekil (surrogate) yapay zeka modeliyle hızlandırılmış ters çözüm sonucunu kabul etmeden önce yapılması gereken en kritik doğrulama nedir?

• A) Vekil model hızlı olduğu için sonucu doğrudan kabul etmek
• B) Yalnızca sonucun görsel olarak makul görünmesine bakmak
• C) Sonucu gerçek (fiziksel) ileri modellemeden geçirip ürettiği veriyi gözlenen veriyle karşılaştırmak ✔
• D) Düzenlileştirme ağırlığını sıfırlayıp veriye tam uydurmak

Aciklama: Vekil model, ağır ileri hesabı yaklaşık yapar ve eğitim aralığı dışında yanılabilir. Bu yüzden elde edilen model gerçek (fiziksel) ileri modellemeden geçirilip ürettiği veri gözlenen veriyle karşılaştırılmalıdır. Vekilin 'uyuyor' dediği bir çözüm, gerçek fizikte gözlenen veriyi tutmuyorsa geçersizdir.

8. Yapay zeka faz ayıklayıcının verdiği P ve S varış zamanlarını deprem konumu çözümüne sokmadan önce nasıl denetlemek gerekir?

• A) Konum çözümündeki artık değerlerine bakıp büyük artık veren istasyonun fazını gözden geçirmek ✔
• B) Yapay zeka ayıkladığı için hiçbir denetime gerek duymamak
• C) Tüm fazları olduğu gibi kullanıp en hızlı çözümü almak
• D) Yalnızca en büyük genlikli istasyonu kullanıp diğerlerini atmak

Aciklama: Faz zamanlarındaki küçük hatalar konumda büyük hatalara dönüşür. Konum çözümündeki artık (residual — gözlenen ile hesaplanan varış farkı) değerlerine bakılır; bir istasyonda büyük artık, o fazın yanlış ayıklandığına işaret eder ve körü körüne çözüme sokulmamalıdır. Bu denetim, yapay zeka ayıklayıcı ne kadar güçlü olursa olsun gereklidir.

9. Bir yönetici, yapay zeka ile 'bölgede bir sonraki depremin tarihini' tahmin etmenizi istiyor. Doğru mesleki yanıt nedir?

• A) Yeterince veri verilirse yapay zeka kesin tarih tahmini yapabilir
• B) Model bir tarih üretirse doğrudan yönetime iletmek gerekir
• C) Deterministik gün tahmini bilim dışıdır; reddedip yalnızca olasılıksal tehlike değerlendirmesi sunmak ✔
• D) Tahmin edilemese de bir tarih uydurup belirsizlik payı eklemek yeterlidir

Aciklama: Yapay zeka olmuş bir depremin yerini/büyüklüğünü kestirebilir; ancak gelecekteki bir depremin gününü deterministik olarak tahmin etmek bilimsel olarak mümkün değildir ve sismolojinin uzlaştığı bir sınırdır. Böyle bir iddia yanıltıcı ve etik dışıdır. Meşru olan, uzun dönemli olasılıksal tehlike değerlendirmesidir; kesin gün-saat tahmini değil.

10. GPR (yer radarı) verisinde yapay zeka hiperbolleri işaretleyip derinlik verdi. Bu derinliklere güvenmeden önce hangi adım şarttır?

• A) Hiçbir kalibrasyona gerek yoktur, hiperbol sayısı doğrudan nesne sayısıdır
• B) Ortam hızını bilinen bir hedefle kalibre edip çoklu yansımayı gerçek nesneden ayırmak ✔
• C) GPR derinliği hiçbir zaman ölçemez, o yüzden çıktı atılmalıdır
• D) Zeminin kuru mu ıslak mı olduğunun hiçbir önemi yoktur

Aciklama: Hiperbolün eğriliği ortamın dalga hızını verir ve kestirilen derinlik doğrudan bu hıza bağlıdır. Hız yanlışsa derinlik de yanlıştır. Bu yüzden derinliği bilinen bir hedefte (ör. bilinen bir boru) hız kalibre edilmelidir; ayrıca çoklu yansıma gerçek nesneden ayırt edilmelidir. Kalibrasyonsuz derinlikler ciddi hata taşır.

11. Bir jeofizik anomalisini rapora koymadan önce görselleştirme yapaylığı olmadığından nasıl emin olunur?

• A) En çarpıcı görünen tek ölçeği seçip rapora koymak
• B) Anomaliyi yalnızca varsayılan renk skalasında bir kez çizmek yeterlidir
• C) Görsel etkileyiciyse doğrulamaya gerek yoktur
• D) Anomaliyi birden fazla makul renk skalası ve ölçekle çizip tutarlı kalıp kalmadığına bakmak ✔

Aciklama: Renk skalası ve ölçek sınırları bir anomaliyi olduğundan çarpıcı ya da silik gösterebilir; bu kararlar aslında yorum kararlarıdır. Anomali, birden fazla makul renk skalası ve ölçekle çizildiğinde çoğunda tutarlı görünüyorsa güvenilirdir. Yalnızca tek bir agresif ölçekte beliren bir yapı, genellikle gerçek değil görselleştirme yapaylığıdır.

12. Kalite kontrolde yapay zeka bazı jeofizik ölçümlerini 'aykırı değer' olarak işaretledi. En doğru yaklaşım nedir?

• A) Zaman kazanmak için tüm aykırı işaretli değerleri otomatik silmek
• B) Silmeden önce her değeri kaynağına dönerek ölçüm hatası mı gerçek sinyal mi diye değerlendirmek ✔
• C) Yapay zeka aykırı dediği için sorgusuz çıkarmak
• D) Aykırı değerleri gerçek veriden daha güvenilir sayıp öne çıkarmak

Aciklama: Aykırı değerleri toptan silmek, jeofizikte gerçek bir sinyali yok etmenin en yaygın yoludur; bazen aykırı değer en değerli sinyaldir (gerçek bir yerel anomali). Bu yüzden silmeden önce her işaretli değerin bir ölçüm hatası mı yoksa gerçek fiziksel imza mı olduğu kaynağına dönülerek değerlendirilmelidir.

13. Kaynak aramada yapay zekanın ürettiği bir 'umut skoru' (prospectivity) haritasını kullanmadan önce yapılması gereken en önemli test nedir?

• A) Skoru bölgedeki bilinen keşifler ve kuru kuyularla geriye test etmek (backtest) ✔
• B) En yüksek skorlu noktaya doğrudan kuyu planlamak
• C) Skoru bir olasılık değil kesin garanti olarak kabul etmek
• D) Backtest gereksizdir; model yeni sahada her zaman geçerlidir

Aciklama: Umut skoru bir garanti değil, olasılık önerisidir ve modelin öğrendiği geçmiş yeni saha için geçerli olmayabilir. Bu yüzden harita, bölgedeki bilinen keşifler ve kuru kuyularla geriye dönük test edilir (backtest). İyi bir model bilinen başarıları yüksek, bilinen başarısızlıkları düşük skorlar; aksi halde yeni hedeflerdeki skoru da güvenilmezdir.

14. Bir yapay zeka sınıflayıcısı %94 doğruluk raporluyor; ama aynı kuyudan komşu örnekler hem eğitim hem test kümesinde. Bu durum neyi gösterir?

• A) Modelin gerçekten çok güçlü olduğunu ve doğrudan kullanılabileceğini
• B) Doğruluğun ne kadar yüksekse o kadar güvenilir olduğunu
• C) Veri sızıntısı raporlanan doğruluğu şişirir; ayırma kuyu/saha bazında yapılmalıdır ✔
• D) Kalibrasyonun mükemmel olduğunu ve güven skorlarının gerçeği tuttuğunu

Aciklama: Aynı kuyunun/sahanın örneklerinin hem eğitime hem teste girmesi veri sızıntısıdır (data leakage) ve raporlanan doğruluğu yapay olarak şişirir. Gerçek genellemeyi görmek için ayırma kuyu/saha bazında yapılmalıdır; ayrıldığında doğruluk çoğu zaman belirgin düşer. Yüksek görünen doğruluk, modelin gerçek gücünü değil sızıntıyı yansıtır.

15. Uçtan uca yapay zeka destekli bir jeofizik projesini tek bir hatanın rapora kadar sızmasına karşı korumanın en etkili yolu nedir?

• A) Tüm süreci tek bir yapay zeka aracına devredip sonunda bir kez bakmak
• B) Her aşamaya bir insan doğrulama kapısı ve geçiş koşulu koymak (katmanlı doğrulama) ✔
• C) Hız için ara kontrolleri kaldırıp yalnızca rapor aşamasında bakmak
• D) Kaynak künyesi ve kayıt tutmadan her uzmanın kendi aracını serbestçe kullanması

Aciklama: Her aşamaya (planlama, işleme, yorumlama, ters çözüm, entegrasyon, rapor) bir insan doğrulama kapısı ve net bir geçiş koşulu (sinyal korundu mu, kuyu bağı yapıldı mı, belirsizlik ölçüldü mü, kaynağa bağlandı mı) konur. Bir kapı geçilmeden diğerine geçilmez; bu katmanlı yapı, tek bir yapay zeka hatasının rapora kadar sızmasını engeller.

16. Lisanslı veya ticari sır niteliğindeki bir sismik/kuyu verisini harici bir bulut yapay zeka aracına yüklemek isteyen bir jeofizikçi için doğru ilke nedir?

• A) Hız için veriyi doğrudan en gelişmiş harici araca yüklemek
• B) Veri jeofizik olduğu için gizlilik kuralları uygulanmaz
• C) Paylaşım izni, gizli bilgi ve aracın saklama politikası kontrol edilir; riskliyse izole/onaylı araç kullanılır ✔
• D) Veri anonimleştirilemeyeceği için gizlilik hiç düşünülmez

Aciklama: Sismik veri, kuyu logları ve keşif sonuçları çoğu zaman ticari sır veya lisans kapsamındadır; bunları harici/bulut araçlara yüklemek gizlilik ihlali, sözleşme ihlali ve rekabet açığı doğurabilir. Doğru yaklaşım, paylaşım iznini, gizli bilgi içeriğini ve aracın veri saklama politikasını kontrol etmek; riskliyse veriyi yüklememek ve izole/kurum içi onaylı araç kullanmaktır.