Kazanimlar:
- Yapay zeka çıktısının nerede biten bir hipotez, nerede güvenilir bir yardımcı olduğunu görev bazında sınıflandırabilme
- Bir yapay zeka destekli tasarımı üretim, güvenlik, ergonomi ve özgünlük açısından çok katmanlı doğrulayabilme
- Yapay zekayı sürekli değişen araç ekosisteminde sorumlu, şeffaf ve gizliliğe saygılı biçimde kullanma alışkanlığı kazanabilme
Modul Sinavi
1. Bir tasarımcı, yapay zeka görsel aracının ürettiği çekici bir konsept render'ını hiç değiştirmeden müşteriye 'üretilecek nihai ürün' olarak sunuyor. Bu yaklaşımdaki temel hata nedir?
- A) Yapay zeka render'ı üretilebilirliği garanti etmez; malzeme, et kalınlığı ve montaj DFM analizi ve mühendis onayıyla doğrulanmadan nihai ürün olarak sunulamaz ✔
- B) Render'ın çözünürlüğü müşteri sunumu için yeterince yüksek değildir
- C) Sadece arka plan rengi markaya uygun seçilmemiştir
- D) Aynı prompt'u üç kez çalıştırıp ortalama görseli sunmak gerekirdi
Aciklama: Yapay zeka render'ı görsel olarak inandırıcı olsa da et kalınlığı, montaj, tolerans, malzeme davranışı ve üretilebilirlik açısından hiçbir garanti taşımaz; çoğu zaman fiziksel olarak üretilemez detaylar içerir. Çıktı doğrulanmamış bir hipotezdir; üretim kararı DFM analizi ve mühendis onayından geçmelidir.
2. Endüstriyel tasarımda yapay zeka kullanırken 'risk temelli sınıflandırma' neyi sağlar?
- A) Yapay zeka aracının abonelik ücretini düşürmeyi
- B) Görevin risk düzeyine göre yapay zekanın rolünü ve zorunlu doğrulama derinliğini belirlemeyi ✔
- C) Prompt'ların daha kısa yazılmasını
- D) Tüm tasarım kararlarının otomatik olarak yapay zekaya devredilmesini
Aciklama: Her tasarım görevi aynı risk düzeyinde değildir. Görevi düşük/orta/yüksek/kritik olarak sınıflandırmak, hangi çıktının serbestçe kullanılabileceğini, hangisinin malzeme-üretim doğrulaması ve yetkin uzman onayı gerektirdiğini belirler.
3. Kavram üretiminde yapay zekanın en güçlü katkısı aşağıdakilerden hangisidir?
- A) Üretilecek nihai ürünün kesin ölçülerini vermesi
- B) Kısa sürede geniş ve çeşitli bir fikir/eskiz havuzu üretip keşif alanını genişletmesi ✔
- C) Hangi kavramın patentlenebilir olduğunu kesin belirlemesi
- D) Malzeme mukavemetini hesaplaması
Aciklama: Yapay zekanın kavram aşamasındaki asıl değeri, kısa sürede çok sayıda ve çeşitli fikir (ıraksak/divergent üretim) sunarak tasarımcının keşif alanını genişletmesidir. Fikir seçme, işlev ve üretilebilirlik yargısı tasarımcıya aittir.
4. Bir görsel prompt'unda 'seed' (tohum) değerini sabitlemek neye yarar?
- A) Görselin telif haklarını otomatik olarak tasarımcıya devretmesi
- B) Aynı prompt ile tekrar üretilebilir, tutarlı bir başlangıç noktası sağlaması ✔
- C) Çıktının çözünürlüğünü iki katına çıkarması
- D) Üretilebilirliği garanti etmesi
Aciklama: Difüzyon modellerinde seed, üretimin başladığı rastgelelik noktasıdır. Aynı prompt ve aynı seed genellikle benzer/aynı kompozisyonu üretir; bu, bir görseli tekrar üretmek veya küçük değişiklikleri kontrollü denemek için tutarlılık sağlar.
5. Ergonomi kararlarında yapay zekaya 'ortalama el genişliği kaç mm?' diye sorup çıkan tek bir sayıyı doğrudan tutamak boyutuna yazmak neden risklidir?
- A) Ergonomi persentil dağılımıyla ve popülasyona göre çalışır; tek 'ortalama' sayı yetersizdir ve değer güvenilir antropometrik veriyle, mockup/testle doğrulanmalıdır ✔
- B) Yapay zekaya inç cinsinden sormak gerekirdi
- C) Sayı doğrudur, sadece yuvarlama hatası vardır
- D) El genişliği tasarımda hiçbir zaman kullanılmaz
Aciklama: Ergonomi, tek bir 'ortalama' değil, hedef kullanıcı kitlesinin persentil dağılımıyla (örneğin 5.–95. persentil) çalışır ve bölgeye/popülasyona göre değişir. Yapay zeka genel bir sayı halüsine edebilir; boyut, güvenilir antropometrik veri tablosundan ve mockup/kullanıcı testinden doğrulanmalıdır.
6. Kullanıcı araştırması sentezinde yapay zeka bir görüşme metninden tema çıkardığında en doğru tutum hangisidir?
- A) Çıkan temaları doğrudan rapora koymak
- B) Her tema ve alıntıyı ham görüşme verisine geri bağlayıp doğrulamak, uydurma alıntıya karşı kontrol etmek ✔
- C) Sadece yapay zekanın en güçlü dediği temayı almak
- D) Ham veriyi silip sadece yapay zeka özetini saklamak
Aciklama: Yapay zeka temaları hızlı çıkarabilir ama var olmayan alıntı uydurabilir veya azınlık görüşünü abartıp/silip önyargı yaratabilir. Her tema ve alıntı, ham görüşme verisine geri bağlanarak doğrulanmalıdır.
7. Enjeksiyon kalıplama ile üretilecek plastik bir parçada 'çekme açısı' (draft angle) neden gereklidir ve yapay zeka bunu önerdiğinde ne yapılmalı?
- A) Parçanın kalıptan hasarsız çıkabilmesi için gereklidir; yapay zekanın önerdiği açı malzeme, doku ve kalıpçı görüşüyle doğrulanmalıdır ✔
- B) Sadece parçanın rengini belirlemek için gereklidir
- C) Yapay zekanın verdiği açı her malzeme için evrensel olarak doğrudur
- D) Çekme açısı yalnızca metal parçalarda kullanılır
Aciklama: Çekme açısı, parçanın kalıptan zorlanmadan çıkabilmesi için duvarlara verilen hafif eğimdir; olmazsa parça kalıba takılır ve yüzey hasar görür. Yapay zeka tipik bir açı aralığı önerebilir, ama gerçek değer malzeme, yüzey dokusu ve kalıpçının görüşüyle doğrulanır.
8. Metin/görselden 3B model üreten bir yapay zeka aracının çıktısını CAD iş akışına almadan önce en kritik kontrol hangisidir?
- A) Modelin dosya adının doğru olduğunu kontrol etmek
- B) Modeli ölçü, ölçek, mesh kalitesi ve üretilebilirlik açısından CAD'de doğrulamak, gerekiyorsa yeniden modellemek ✔
- C) Sadece rengine bakıp iş akışına almak
- D) Modeli hiç kontrol etmeden doğrudan üretime göndermek
Aciklama: Yapay zeka üretimi 3B modeller görsel olarak iyi görünse de çoğu zaman ölçeksiz, kalın/kirli mesh (yüzey ağı) yapısında, delikli veya üretilemez geometridedir. Gerçek ölçü, ölçek, duvar kalınlığı ve üretilebilirlik CAD'de kontrol edilip yeniden modellenmesi gerekir.
9. Yapay zeka ile üretilmiş fotogerçekçi bir ürün render'ını müşteriye sunarken dürüstlük açısından hangisi zorunludur?
- A) Render'ın bir konsept görselleştirme olduğunu ve üretilecek ürünün birebir aynı olmayabileceğini açıkça belirtmek ✔
- B) Render'ı gerçek fotoğraf gibi sunmak
- C) Ölçü ve malzeme farklarını müşteriden gizlemek
- D) Görselin yapay zeka ile üretildiğini asla söylememek
Aciklama: Yapay zeka render'ı gerçek ürün ölçüsünü, malzeme dokusunu ve detayını olduğundan farklı gösterebilir. Görselin bir konsept görselleştirme olduğunu, üretilecek ürünün render ile birebir aynı olmayabileceğini açıkça belirtmek dürüst temsil gereğidir.
10. Bir marka için yapay zeka ile ürün ailesi görselleri üretirken tutarlılığı sağlamanın en doğru yolu hangisidir?
- A) Form imzası, oran ve CMF gibi tanımlı marka unsurlarını referans ve sabit talimatla her varyasyonda koruyup çıktıyı marka rehberiyle denetlemek ✔
- B) Her ürün için tamamen rastgele, birbiriyle ilgisiz görseller üretmek
- C) Marka rehberini hiç dikkate almamak
- D) Her seferinde farklı bir sanatçının stilini kopyalamak
Aciklama: Marka/ürün dili tutarlılığı; form imzası, oran, CMF (renk-malzeme-yüzey) gibi tanımlı unsurların her varyasyonda korunmasıyla sağlanır. Referans görsel, sabit stil talimatı ve marka rehberiyle karşılaştırma bunu mümkün kılar; tasarımcı her çıktıyı rehbere göre denetler.
11. Yapay zekaya 'ünlü bir tasarımcının/markanın stilinde' bir ürün görseli ürettirip bunu ticari bir projede kullanmak neden risklidir?
- A) Tescilli tasarım, telif ve haksız rekabet açısından hukuki risk ve etik sorun doğurabilir; özgün yön geliştirmek ve gerektiğinde hukuki görüş almak gerekir ✔
- B) Sadece görselin çözünürlüğü düşük kalır
- C) Hiçbir risk yoktur, yapay zeka çıktısı her zaman özgündür
- D) Sadece render süresi uzar
Aciklama: Var olan bir markayı, tescilli bir tasarımı veya tanınmış bir sanatçının/tasarımcının imza stilini taklit etmek tasarım tescili, telif ve haksız rekabet açısından hukuki risk doğurabilir; ayrıca özgünlük ve mesleki etik açısından sorunludur. Özgün yön geliştirmek ve gerektiğinde hukuki görüş almak gerekir.
12. Bir tasarım brief'ini, müşteri adını ve gizli ürün detaylarını bulut tabanlı bir yapay zeka aracına verirken gizlilik açısından en doğru davranış hangisidir?
- A) Tüm brief'i gerçek isim ve gizli detaylarıyla olduğu gibi yapıştırmak
- B) Bağlamı anonimleştirip müşteri adı ve gizli ürün detaylarını temizlemek, gizlilik/NDA'ya uyan kurumsal aracı kullanmak ✔
- C) Gerçek müşteri adının sonuç kalitesi için şart olduğunu varsaymak
- D) Gizlilik sözleşmesini hiç dikkate almamak
Aciklama: Brief, müşteri kimliği, henüz açıklanmamış ürün konsepti ve fiyat/strateji bilgisi ticari sır ve sözleşme (NDA) açısından hassastır. Bağlamı anonimleştirmek, gerçek isim ve gizli detayları temizlemek, kurumsal/gizliliği garanti eden aracı seçmek ve şirket/müşteri politikasına uymak gerekir.
13. 'Zayıf prompt' yerine 'güçlü prompt' yazmanın görsel yapay zekada temel faydası nedir?
- A) Çıktıyı tasarım niyetine yaklaştırır, klişeyi azaltır ve tekrar üretilebilirliği artırır ✔
- B) Yapay zekanın çıktısını otomatik olarak telif korumasına alır
- C) Üretilebilirliği garanti eder
- D) Render süresini her zaman yarıya indirir
Aciklama: Belirsiz, kısa bir prompt yapay zekayı rastgele ve klişe çıktılara iter. Özne, malzeme, açı, ışık, stil ve negatif unsurları netleştiren yapılandırılmış bir prompt, çıktıyı tasarım niyetine yaklaştırır ve tekrar üretilebilirliği artırır.
14. Endüstriyel tasarımda güvenlik-kritik bir üründe (örneğin bir çocuk oyuncağı veya iş güvenliği ekipmanı) yapay zeka çıktısının rolü ne olmalıdır?
- A) Yalnızca konsept ve taslak üretmek; güvenlik uygunluğu, mukavemet ve risk kararı yetkin uzman ve gerçek testlerle verilir ✔
- B) Güvenlik onayını tamamen yapay zekaya devretmek
- C) Standart testleri atlayıp yapay zeka görseline güvenmek
- D) Yapay zeka render'ını sertifika belgesi olarak kullanmak
Aciklama: Güvenlik-kritik ürünlerde yaralanma, boğulma, mukavemet yetersizliği gibi riskler vardır. Yapay zeka konsept ve taslak üretebilir, ama güvenlik standartlarına uygunluk, mukavemet ve risk analizi yetkin mühendis/uzman ve gerçek testlerle yapılır; yapay zeka çıktısı bu onayın yerine geçmez.