Kazanimlar:
- Mineral hakkı, sahaya özel veri ve topluluk hassasiyetlerini korumak için gizlilik kurallarını uygulayabilme
- Halüsinasyon, belirsizlik ve sorumluluk sınırlarını operasyonel kontrollere dönüştürebilme
- Jeoloji mühendisliğinde AI kullanımını uçtan uca bir doğrulama ve yönetişim disipliniyle sürdürebilme
Bu modülün son ünitesi, önceki tüm üniteleri tek bir çatı altında toplar: yapay zekayı jeoloji mühendisliğinde sürdürülebilir, güvenli ve etik biçimde kullanmanın yönetişimi. Teknik beceri tek başına yetmez; bir jeoloji mühendisi aynı zamanda ticari açıdan hassas veriyi korur, topluluk ve çevre hassasiyetlerini gözetir, halüsinasyon ve belirsizliği operasyonel kontrollere çevirir ve nihai sorumluluğu üstlenir. Bu ünite, dağınık kuralları uygulanabilir bir disipline dönüştürür: neyi paylaşmayız, hangi çıktıya nasıl güveniriz, hata çıkınca ne yaparız ve tüm bunları nasıl kalıcı bir alışkanlık haline getiririz.
Jeoloji, kararları kilometrelerce yer altına, milyonlarca dolarlık yatırımlara ve bazen bütün toplulukların güvenliğine dokunan bir meslektir. Bu yüzden burada etik soyut bir ideal değil, günlük iş akışına gömülü somut kurallardır. Bu üniteyi bitirdiğinizde, modül boyunca öğrendiğiniz her tekniği bir yönetişim çerçevesi içine oturtabilecek ve yapay zekayı bir risk kaynağı değil, kontrollü bir güç çarpanı olarak kullanabileceksiniz.
Veri Gizliliği ve Mineral Hakkı Hassasiyeti
Jeoloji verisi çoğu zaman son derece hassastır. Sondaj koordinatları, tenör değerleri, rezerv rakamları ve arama hedefleri ticari sır niteliğindedir ve genelde mineral hakkı sahibine (ruhsat sahibi şirket veya devlet) aittir. Bu verinin kontrolsüz bir dış yapay zeka servisine girilmesi üç ciddi risk doğurur: rekabet riski (rakip bir keşfin izini sürebilir), yasal risk (gizlilik ve veri sahipliği ihlali) ve topluluk riski (bir keşfin erken sızması spekülasyon ve çatışma doğurabilir).
Doğru yaklaşım katmanlıdır. Birincisi, hassas veriyi anonimleştirmek: gerçek koordinatları temsili değerlerle, gerçek saha adını "Saha-A" ile, gerçek tenörleri ölçekli/temsili değerlerle değiştirmek. İkincisi, mümkün olduğunda kurumca onaylı, kontrollü araçlar kullanmak (verinin dışarı sızmadığı, kurum içi veya sözleşmeyle korunan ortamlar). Üçüncüsü, en az veri ilkesi: göreve yetecek en küçük veriyi paylaşmak, tüm veritabanını değil. Bir çıktının hızı, hiçbir zaman verinin gizliliğinden önce gelmez.
Dikkat: "Bu veri gizlidir" notu düşmek veriyi korumaz. Gizli olduğunu yazıp aynen paylaşmak, hiç yazmamakla aynı riski taşır. Gizlilik, veriyi anonimleştirerek ve kontrollü araç kullanarak sağlanır; niyet beyanıyla değil.
Halüsinasyon ve Belirsizliği Operasyonel Kontrole Çevirmek
Modül boyunca halüsinasyonu (modelin olmayan bilgiyi gerçekmiş gibi üretmesi) ve belirsizliği tekrar tekrar gördük. Bu ünitede bunları soyut uyarılardan somut kontrollere çeviriyoruz. Her yapay zeka çıktısı için üç operasyonel kontrol devreye girer:
Kaynak kısıtı. Modele "sadece verdiğim veriye dayan, uydurma" kuralını dayatmak ve her iddianın kaynağını işaretletmek. Bu, halüsinasyonu bitirmez ama görünür kılar.
Belirsizlik zorlaması. Tek nokta tahmin yerine güven düzeyi veya aralık istemek. "Yüksek güven / orta / spekülatif" ayrımı, modelin kesinmiş gibi davranmasını engeller.
Bağımsız doğrulama. Modül boyunca kurduğumuz üç çapa — büyüklük mertebesi, jeolojik makullük, saha kanıtı — her çıktıya uygulanır. Güvenlik-kritik çıktılarda ayrıca standart hesap ve mühendis onayı eklenir.
Bu üç kontrol, halüsinasyonu ve belirsizliği yok etmez; onları yönetilebilir, görünür ve denetlenebilir kılar. Fark budur: kontrolsüz risk tehlikelidir, görünür ve yönetilen risk mühendisliğin normalidir.
Sorumluluk Sınırları ve İnsan Onayı
Bu modülün değişmez ilkesi şudur: yapay zeka destekler ve hızlandırır; karar, rapor ve tasarımın sorumluluğu yetkili jeoloji mühendisinde kalır. Bu bir slogan değil, yasal ve etik bir gerçektir. İmzalanan bir rapor, verilen bir tehlike değerlendirmesi, onaylanan bir tasarım — bunların hepsi bir insanın mesleki sorumluluğu altındadır. "AI böyle dedi" bir mühendislik mazereti olamaz; tıpkı "hesap makinesi böyle dedi" olamayacağı gibi.
Bu, sorumluluğun devredilemez olması demektir. Model çıktıyı üretse bile, o çıktıyı bir karara dönüştüren ve altına imza atan mühendis, çıktının doğruluğundan sorumludur. Bu yüzden her güvenlik-kritik çıktı denetlenebilir (izlenebilir, kaynağı belli), doğrulanabilir (bağımsız hesapla sınanabilir) ve insan onaylı olmalıdır. Bu üçlü, modül boyunca öğrendiğimiz her tekniğin üstündeki son güvence katmanıdır.
İpucu: Bir çıktıyı imzalamadan önce kendinize sorun: "Bu çıktı yanlış çıkarsa, kararı neye dayandırdığımı ve nasıl doğruladığımı savunabilir miyim?" Cevabınız "AI üretti" ise henüz doğrulama tamamlanmamıştır.
Üç Mini Vaka: Rakamlarla
Vaka 1 — Sızıntının önlenmesi. Bir arama şirketinde bir jeolog, 1200 satırlık gerçek sondaj-tenör tablosunu hızlı analiz için kontrolsüz bir dış servise yüklemek üzereydi. Kurum politikası devreye girip veriyi önce anonimleştirmesini (koordinatları ölçekleyip saha adını gizlemesini) istedi. Sonradan o keşfin ticari değeri milyonlarca dolar çıktı; kontrolsüz yükleme, rekabet ve yasal açıdan ciddi bir sızıntı olabilirdi. Anonimleştirme birkaç dakika sürdü, koruduğu değer devasaydı.
Vaka 2 — Görünür kılınan belirsizlik. Bir kaynak raporunda ekip, model çıktısını tek rakam yerine güven düzeyleriyle istedi. "Spekülatif" işaretlenen bir zonun aslında tek bir sondaja dayandığı ortaya çıktı; bu zon ekonomik değerlendirmeden çıkarıldı. Belirsizlik zorlaması olmasaydı, tek sondajlık bir varsayım milyonluk bir karara sağlam veri gibi girecekti.
Vaka 3 — İzlenebilirlikle güven. Bir denetimde, bir jeoteknik raporun her sayısının kaynağı sorulduğunda ekip, izlenebilirlik kayıtları sayesinde her değeri girdi verisine, yönteme ve onay adımına kadar geri izleyebildi. Bir sayıda küçük bir tutarsızlık bulundu ama kök nedeni ve etkisi dakikalar içinde belirlenip düzeltildi. Yönetişim disiplini, hatayı krize dönüşmeden çözdü.
Zayıf Prompt / Güçlü Prompt
Zayıf prompt:
Şirketimizin şu sahadaki tüm sondaj ve tenör verisini analiz et, en iyimaden hedefini söyle. [gerçek koordinatlar ve tenörler]
Güçlü prompt:
Bir arama analizinde yardım istiyorum. Gizlilik kuralları:- Koordinatlar ve saha adı temsilidir ("Saha-A", ölçekli değerler); gerçek değer paylaşmıyorum.- Sadece verdiğim teknik veriye dayan; formasyon/mineral/yaş uydurma.- Yorumları güven düzeyiyle ver (yüksek/orta/spekülatif).- Sonunda doğrulanması gereken varsayımları ve saha teyidi gereken noktaları listele.Nihai karar ve sorumluluk bende; sen taslak ve seçenek üretirsin.
Dört Kopyalanabilir Şablon
1) Gizlilik ön kontrolü:
Aşağıdaki veriyi bir AI aracına vermeden önce gizlilik riskini değerlendir:hangi alanlar (koordinat, tenör, saha adı, şirket) hassastır ve nasılanonimleştirilmeli? En az veri ilkesine göre neyi paylaşmamalıyım? Kontrollistesi ver.
2) Halüsinasyon görünürleştirme:
Bu çıktıdaki her olgusal iddiayı (yaş, formasyon, sayı, kaynak) ayrı ayrılistele ve her biri için: verilen veriyle destekli mi, çıkarım mı, yoksadayanaksız mı? Dayanaksız veya teyit edilemez olanları açıkça işaretle.
3) Doğrulama yönetişim kontrol listesi:
Bu güvenlik-kritik çıktı için üç katmanı denetle: (1) izlenebilirlik — kaynak,yöntem, model sürümü kayıtlı mı? (2) doğrulanabilirlik — bağımsız hesap/standartile sınandı mı? (3) insan onayı — yetkili mühendis onay adımı var mı? Eksikleriişaretle.
4) Sorumluluk sınırı ayrımı:
Bu görevi ikiye ayır: (A) AI'ın güvenle yapabileceği veri/taslak işleri,(B) yetkili mühendis kararı ve imzası ZORUNLU olan noktalar. Her B maddesi içinhangi doğrulamanın gerektiğini belirt.
Yönetişim Boyutu, Risk ve Kontrol
Boyut
Ana risk
Operasyonel kontrol
Veri gizliliği
Rekabet/yasal sızıntı
Anonimleştirme + kontrollü araç + en az veri
Halüsinasyon
Uydurma bilgi imzaya girer
Kaynak kısıtı + iddia denetimi
Belirsizlik
Sahte kesinlik
Güven düzeyi/aralık zorlaması
İzlenebilirlik
Kök neden bulunamaz
Kaynak/yöntem/sürüm kaydı
Sorumluluk
Karar dayanağı savunulamaz
Denetlenebilir + doğrulanabilir + insan onaylı
Topluluk/çevre
Erken sızıntı, güven kaybı
Hassasiyet gözetimi + şeffaflık
İpucu: Yönetişimi bir engel değil, bir hız kazandırıcı olarak görün. İyi kurulmuş gizlilik, doğrulama ve izlenebilirlik kuralları, sorun çıktığında saatlerce süren krizleri dakikalık düzeltmelere çevirir; güveni ve tekrar kullanılabilirliği artırır.
Sık yapılan hatalar
- Gizliliği niyet beyanıyla sağlamaya çalışmak. "Gizlidir" notu düşüp veriyi aynen paylaşmak korumaz; anonimleştirme ve kontrollü araç şarttır.
- Belirsizliği tek rakama indirmek. Güven düzeyi istenmezse tek sondajlık varsayım sağlam veri gibi karara girer.
- İzlenebilirliği atlamak. Kaynak ve yöntem kaydı olmadan bir hatanın kök nedeni ve etkisi belirlenemez.
- Sorumluluğu araca devretmek. "AI böyle dedi" mazeret değildir; imza ve karar mühendisindir.
- Topluluk ve çevre hassasiyetini göz ardı etmek. Erken sızıntı ve şeffaflık eksikliği güveni ve sosyal ruhsatı yok eder.
Özetle
- Jeoloji verisi ticari ve yasal açıdan hassastır; gizlilik anonimleştirme, kontrollü araç ve en az veri ilkesiyle sağlanır, niyet beyanıyla değil.
- Halüsinasyon ve belirsizlik üç operasyonel kontrole çevrilir: kaynak kısıtı, belirsizlik zorlaması, bağımsız doğrulama (üç çapa).
- Sorumluluk devredilemez; her güvenlik-kritik çıktı denetlenebilir, doğrulanabilir ve insan onaylı olmalıdır.
- İyi yönetişim engel değil hız kazandırıcıdır; krizleri dakikalık düzeltmelere çevirir ve güveni artırır.
- Yapay zeka jeoloji mühendisliğinde kontrollü bir güç çarpanıdır; kararın ve imzanın sahibi her zaman yetkili mühendistir.
Uygulama görevi
Kendi işinizden gerçek ama hassas bir veri setini (koordinat ve tenör içeren) düşünün. "Gizlilik ön kontrolü" şablonuyla hangi alanları nasıl anonimleştireceğinizi bir kontrol listesine dökün. Ardından bu modülde en riskli gördüğünüz bir çıktı türünü (ör. şev FS, sıvılaşma, kaynak tonajı) seçip "doğrulama yönetişim kontrol listesi" şablonuyla üç katmanı (izlenebilirlik, doğrulanabilirlik, insan onayı) denetleyin ve eksik bulduğunuz bir noktayı nasıl kapatacağınızı bir cümleyle yazın.
Kontrol listesi
- [ ] Hassas jeoloji verisini anonimleştirme, kontrollü araç ve en az veri ilkesiyle koruyorum.
- [ ] Halüsinasyonu ve belirsizliği kaynak kısıtı, güven düzeyi ve üç çapa doğrulamayla yönetiyorum.
- [ ] Her güvenlik-kritik çıktıyı denetlenebilir, doğrulanabilir ve insan onaylı hale getiriyorum.
- [ ] Sorumluluğun devredilemez olduğunu ve imzanın mühendiste kaldığını benimsedim.
- [ ] Yönetişimi bir hız ve güven kazandırıcı olarak, tüm modül tekniklerinin üstündeki güvence katmanı olarak uyguluyorum.
Modul Sinavi
1. Jeoloji mühendisliğinde bir AI çıktısının taşıdığı riski belirleyen temel ilke aşağıdakilerden hangisidir?
- A) Çıktının riski, o çıktı hatalı olduğunda doğuracağı zarara eşittir; doğrulama buna göre ölçeklenir ✔
- B) AI çıktısı akıcı ve kendinden emin yazıldığı için genellikle güvenlidir
- C) En güncel model kullanıldığında doğrulama gereksizdir
- D) Çıktı bir standarda atıf yapıyorsa ek kontrol gerekmez
Aciklama: Bir çıktının riski, o çıktı hatalı olduğunda doğuracağı zarara eşittir. Bir literatür özetindeki küçük hata zararsızken, bir şev güvenlik katsayısı veya sıvılaşma değerlendirmesindeki hata can kaybı ve mülk hasarı doğurabilir; bu yüzden doğrulama yoğunluğu potansiyel zarara göre ölçeklenir.
2. Jeofizik ters çözümdeki 'çok anlamlılık' (non-uniqueness) sorunu AI kullanımında neyi zorunlu kılar?
- A) Modelin ürettiği ilk yorumun doğrudan kabul edilmesini
- B) Yorumun kuyu verisi, sondaj ve jeolojik kısıtlarla bağlanarak daraltılmasını ✔
- C) Yalnızca en yüksek çözünürlüklü grafiğin seçilmesini
- D) Jeofizik verinin tümüyle terk edilmesini
Aciklama: Aynı jeofizik ölçüm (örneğin gravite veya rezistivite verisi) birden fazla farklı yeraltı modeliyle açıklanabilir. Bu yüzden AI'ın ürettiği bir yorum tek doğru değildir; kuyu logu, sondaj ve jeolojik bağlam gibi bağımsız kısıtlarla bağlanarak daraltılmalıdır.
3. Kaynak kestiriminde variogram ve kriging ne işe yarar?
- A) Karot fotoğraflarını otomatik boyar
- B) Sondaj makinesinin hızını ayarlar
- C) Örnekler arası mekansal sürekliliği tanımlayıp örneklenmemiş bloklardaki tenörü belirsizlikle birlikte kestirir ✔
- D) Cevheri fiziksel olarak zenginleştirir
Aciklama: Variogram, örnek noktalar arasındaki uzaklık arttıkça tenör benzerliğinin nasıl azaldığını tanımlayan mekansal süreklilik ölçüsüdür. Kriging ise bu yapıyı kullanarak örneklenmemiş bloklardaki tenörü, tahmin belirsizliğiyle birlikte kestiren jeoistatistik yöntemdir; blok model bunun üzerine kurulur.
4. Uzaktan algılama ile üretilmiş bir alterasyon haritasını güvenilir kabul etmeden önce hangi adım şarttır?
- A) Haritanın renk paletinin estetik olması
- B) Görüntünün en yüksek çözünürlükte indirilmiş olması
- C) Arazi doğrulaması (ground truth) ile seçili noktalarda saha ve örnek kontrolü ✔
- D) Anomalinin bir yapay zeka tarafından işaretlenmiş olması
Aciklama: Spektral analiz alterasyon minerallerine işaret eden anomaliler verir, ancak bunlar bitki örtüsü, gölge veya atmosferik etkilerden yanıltıcı olabilir. Arazi doğrulaması (ground truth) ile seçili noktalarda saha ve örnek kontrolü yapılmadan harita kesin kabul edilmez.
5. Bir şev duraylılığı analizinde 'güvenlik katsayısı' (FS) neden AI çıktısı için bir doğrulama çapasıdır?
- A) Yalnızca kazı maliyetini gösterdiği için
- B) Sadece şevin rengini tanımladığı için
- C) Kaymaya direnen ve kaydıran kuvvetlerin oranını verip yenilme riskini fiziksel olarak sınadığı için ✔
- D) Yalnızca laboratuvar ortamında anlamlı olduğu için
Aciklama: Güvenlik katsayısı, kaymaya direnen kuvvetlerin kaydıran kuvvetlere oranıdır; FS'nin 1'e yakın veya altında olması yenilme riskini gösterir. AI'ın önerdiği bir şev geometrisi veya parametre seti, limit denge hesabıyla FS üretilerek ve standart eşiklerle kıyaslanarak fiziksel olarak sınanır.
6. Serbest metin bir karot tanımını ('kahverengi, ayrışmış, çatlaklı kireçtaşı, seyrek kalsit damarları') AI ile işlerken temel amaç nedir?
- A) Gözlemi rastgele yeniden yazmak
- B) Sondaj derinliğini otomatik artırmak
- C) Karotu fiziksel olarak yeniden numaralamak
- D) Tutarsız serbest metni standart terminoloji ve yapılandırılmış alanlara çevirerek veriyi sorgulanabilir kılmak ✔
Aciklama: AI, tutarsız serbest metin saha gözlemlerini standart terminolojiye ve yapılandırılmış alanlara (litoloji, ayrışma derecesi, süreksizlik, ikincil mineral) dönüştürerek veriyi sorgulanabilir ve karşılaştırılabilir hale getirir. Ancak jeolojik yorum yine mühendisçe teyit edilir.
7. Heyelan duyarlılık haritalaması gibi can güvenliği içeren bir AI çıktısında 'yanlış negatif' neden özellikle kritiktir?
- A) Tehlikeli alanı güvenli sınıflayıp önlem alınmamasına ve can/mal riskine yol açtığı için ✔
- B) Yalnızca harita dosyasının boyutunu büyüttüğü için
- C) Sadece raporun sayfa sayısını artırdığı için
- D) Yanlış negatifler her zaman zararsız olduğu için
Aciklama: Yanlış negatif, gerçekte tehlikeli olan bir alanın güvenli sınıflanmasıdır; bu durumda önlem alınmaz ve can/mal kaybı riski doğar. Yanlış pozitif ise gereksiz maliyet getirir. Can güvenliği alanlarında eşik, yanlış negatifi en aza indirecek şekilde ihtiyatla seçilir ve saha teyidiyle desteklenir.
8. Yeraltı suyu akış modeli çıktısını değerlendirirken hangi fiziksel ilke temel doğrulama çapasıdır?
- A) Modelin renkli çıktı üretmesi
- B) Kütle korunumu (su dengesi) ve gözlem kuyusu seviyeleriyle uyum ✔
- C) Simülasyonun en kısa sürede bitmesi
- D) Model dosyasının en yeni formatta olması
Aciklama: Yeraltı suyu modelleri kütle korunumu (su dengesi) ilkesine dayanır: sisteme giren, çıkan ve depolanan su miktarları tutarlı olmalıdır. AI destekli bir kalibrasyon iyi görünse bile su dengesi kapanmıyor veya gözlem kuyusu seviyeleriyle uyuşmuyorsa çıktı güvenilmezdir.
9. Kuyu logundan makine öğrenmesiyle permeabilite tahmini yaparken hangi sınır özellikle akılda tutulmalıdır?
- A) Modelin her sahada ve her litolojide otomatik geçerli olması
- B) Tahmin belirsizliğinin hiç raporlanmaması gerektiği
- C) Permeabilitenin loglardan doğrudan ve hatasız ölçülmesi
- D) Öğrenilen ilişkinin eğitim koşullarına özgü olması; farklı sahaya ekstrapolasyonun risk taşıması ve karot/kuyu testiyle bağlanması gerektiği ✔
Aciklama: Permeabilite loglardan doğrudan ölçülmez; modelin öğrendiği ilişki eğitim verisinin fasiyes ve basınç koşullarına özgüdür. Farklı bir sahaya veya alışılmadık litolojiye körlemesine uygulamak (ekstrapolasyon) büyük hata verebilir; çıktı çekirdek (karot) ölçümü ve kuyu testiyle bağlanmalıdır.
10. AI ile üretilmiş bir jeoloji raporu taslağında izlenebilirlik neden şarttır?
- A) İzlenebilirlik yalnızca dosya boyutunu artırdığı için gereksizdir
- B) AI hiç hata yapmadığı için kayıt tutmaya gerek yoktur
- C) Her sayı ve iddianın veri, yöntem ve model kaynağı kayıt altında olmadan kök neden ve sorumluluk güvence altına alınamaz ✔
- D) İzlenebilirlik raporu yavaşlattığı için kaçınılmalıdır
Aciklama: Rapor bir mühendislik kararına dayanak oluşturur; her sayı, harita ve iddianın hangi veriden, hangi yöntemden ve hangi model sürümünden geldiği kaydedilmelidir. Aksi halde bir hata çıktığında kök neden ve etkilenen kararlar belirlenemez ve mühendislik sorumluluğu güvence altına alınamaz.
11. Sahaya özel sondaj ve tenör verisini genel bir AI aracına girerken doğru yaklaşım hangisidir?
- A) Gerçek koordinat ve tenörleri aynen girip en hızlı yanıtı almak
- B) Koordinat ve değerleri anonimleştirip temsili değerlerle çalışmak ve yalnızca onaylı/kontrollü araçlar kullanmak ✔
- C) Tüm proje veritabanını yükleyip modelin öğrenmesini sağlamak
- D) Verinin gizli olduğunu not düşüp aynen paylaşmak
Aciklama: Sondaj koordinatları, tenör değerleri ve rezerv bilgisi ticari açıdan hassas ve çoğu zaman mineral hakkı sahibine ait gizli veridir. Kontrolsüz bir dış servise girilmesi rekabet ve yasal risk doğurur. Doğru yaklaşım koordinatları/gerçek değerleri anonimleştirmek veya temsili değerlerle çalışmak ve yalnızca onaylı, kurumca kontrollü araçlar kullanmaktır.
12. AI ile bir mühendislik hesabında 'büyüklük mertebesi kontrolü' ne anlama gelir?
- A) Sonucun ondalık basamak sayısını artırmak
- B) Sonucun grafik çözünürlüğünü ölçmek
- C) Sonucun rengini standartlaştırmak
- D) Sonucun kabaca beklenen 10'un kuvveti aralığında olup olmadığını hızlı el hesabıyla sınamak ✔
Aciklama: Büyüklük mertebesi (order of magnitude) kontrolü, sonucun kabaca beklenen 10'un kuvveti aralığında olup olmadığını hızlı el hesabıyla sınamaktır. Örneğin bir akiferin hidrolik iletkenliği kum için beklenirken metre/gün yerine kilometre/gün çıkması, ayrıntıya girmeden bir birim veya kurgu hatasını ele verir.
13. Sondaj loglarından litolojik sınıflandırma yapan bir modelin çıktısını doğrularken en sağlam kanıt hangisidir?
- A) Aynı derinlikten alınmış karot (çekirdek) örneğinin incelenmesi ✔
- B) Modelin güven skorunun yüksek olması
- C) Çıktının hızlı üretilmiş olması
- D) Log grafiğinin çok renkli olması
Aciklama: Loglar dolaylı ölçümlerdir; en doğrudan ve sağlam kanıt, aynı derinlikten alınmış karot (çekirdek) örneğinin gözle ve laboratuvarda incelenmesidir. Karot, modelin log tabanlı yorumunu yer gerçeğiyle karşılaştırma imkanı verir.
14. Jeoloji mühendisliğinde AI kullanımının nihai sorumluluğu bakımından en doğru ifade hangisidir?
- A) AI çıktıyı ürettiği için sorumluluk yazılım firmasına geçer
- B) AI destek ve hızlandırma sağlar; karar ve rapor sorumluluğu yetkili mühendiste kalır, çıktı doğrulanabilir ve insan onaylı olmalıdır ✔
- C) AI çıktısı otomatik geçerli olduğu için mühendis onayı gereksizdir
- D) Sorumluluk yalnızca saha ekibindedir, ofis mühendisini ilgilendirmez
Aciklama: AI, veri işleme, taslak üretme ve keşif hızlandırma gibi destek işlerinde güçlü bir araçtır; ancak imzalanan rapor, tehlike değerlendirmesi ve tasarım kararının sorumluluğu yetkili jeoloji mühendisinde kalır. Çıktılar denetlenebilir, doğrulanabilir ve insan onaylı olmalıdır.