{"id":35062,"date":"2025-11-25T11:31:13","date_gmt":"2025-11-25T08:31:13","guid":{"rendered":"https:\/\/fatihsoysal.com\/blog\/yapay-zeka-basarisi-neden-koda-degil-guvene-odaklanmaliyiz\/"},"modified":"2025-11-25T11:31:13","modified_gmt":"2025-11-25T08:31:13","slug":"yapay-zeka-basarisi-neden-koda-degil-guvene-odaklanmaliyiz","status":"publish","type":"post","link":"https:\/\/fatihsoysal.com\/blog\/yapay-zeka-basarisi-neden-koda-degil-guvene-odaklanmaliyiz\/","title":{"rendered":"Yapay Zeka Ba\u015far\u0131s\u0131: Neden Koda De\u011fil, G\u00fcvene Odaklanmal\u0131y\u0131z?"},"content":{"rendered":"

<\/p>\n

Yapay zeka (YZ) projelerinde kod kalitesinden \u00f6te, sistemin g\u00fcvenilirli\u011fi ve etik de\u011ferlere uygunlu\u011fu g\u00fcn\u00fcm\u00fcz\u00fcn en kritik ba\u015far\u0131 \u00f6l\u00e7\u00fctleri haline geldi. Art\u0131k geli\u015ftiricilerin yeni s\u00f6zle\u015fmesi, sadece fonksiyonel kod yazmak de\u011fil, ayn\u0131 zamanda kullan\u0131c\u0131lar\u0131n ve toplumun YZ sistemlerine duydu\u011fu g\u00fcveni in\u015fa etmek ve s\u00fcrd\u00fcrmek \u00fczerine kurulu. Bu makalede, YZ’nin sadece teknik yetenekleriyle de\u011fil, ayn\u0131 zamanda \u015feffafl\u0131k, a\u00e7\u0131klanabilirlik ve etik de\u011ferlere uyumuyla nas\u0131l ba\u015far\u0131l\u0131 olabilece\u011fini derinlemesine inceleyece\u011fiz. Kod ne kadar m\u00fckemmel olursa olsun, e\u011fer bir YZ sistemi g\u00fcven vermiyorsa, ger\u00e7ek d\u00fcnyada kabul g\u00f6rmesi ve de\u011fer yaratmas\u0131 imkans\u0131zd\u0131r.<\/p>\n

\n Uzman \u0130pucu: Yapay zeka projelerinde teknik m\u00fckemmelli\u011fi etik de\u011ferler ve g\u00fcvenilirlikle birle\u015ftirmek, projenin s\u00fcrd\u00fcr\u00fclebilirli\u011fini ve toplumsal kabul\u00fcn\u00fc garantileyen anahtard\u0131r. Sadece kodu de\u011fil, kodun topluma etkisini de d\u00fc\u015f\u00fcn\u00fcn.\n<\/div>\n

Yapay Zeka Projelerinde Yeni Anlay\u0131\u015f: G\u00fcven Neden Koda H\u00fckmeder?<\/h3>\n

G\u00fcn\u00fcm\u00fczde yapay zeka teknolojileri, hayat\u0131m\u0131z\u0131n her alan\u0131na h\u0131zla entegre oluyor. Kredi ba\u015fvurular\u0131ndan t\u0131bbi te\u015fhislere, otonom ara\u00e7lardan sosyal medya algoritmalar\u0131na kadar bir\u00e7ok alanda YZ kararlar al\u0131yor, y\u00f6nlendirmeler yap\u0131yor. Bu yayg\u0131n entegrasyonla birlikte, YZ sistemlerinin sadece teknik olarak “\u00e7al\u0131\u015fmas\u0131” yeterli olmaktan \u00e7\u0131kt\u0131. Art\u0131k \u00f6nemli olan, bu sistemlerin neden bu kararlar\u0131 ald\u0131\u011f\u0131n\u0131 a\u00e7\u0131klayabilmesi, adil olmas\u0131, \u00f6nyarg\u0131s\u0131z \u00e7al\u0131\u015fmas\u0131 ve en \u00f6nemlisi, kullan\u0131c\u0131lara ve topluma g\u00fcven vermesidir. Geleneksel yaz\u0131l\u0131m geli\u015ftirme metodolojilerinde “kodun do\u011fru \u00e7al\u0131\u015fmas\u0131” birincil hedefken, yapay zeka \u00e7a\u011f\u0131nda bu tan\u0131m evrildi. Bir YZ sistemi teknik olarak hatas\u0131z \u00e7al\u0131\u015fabilir, ancak yine de hatal\u0131, ayr\u0131mc\u0131 veya anla\u015f\u0131lamaz kararlar \u00fcretebilir. \u0130\u015fte tam da bu noktada, g\u00fcven fakt\u00f6r\u00fc kodun \u00f6n\u00fcne ge\u00e7erek YZ ba\u015far\u0131s\u0131n\u0131n temel \u00f6l\u00e7\u00fct\u00fc haline geliyor. G\u00fcven, YZ’nin potansiyelini tam anlam\u0131yla a\u00e7\u0131\u011fa \u00e7\u0131karabilmesi i\u00e7in kritik bir \u00f6n ko\u015fuldur. Kullan\u0131c\u0131lar, bir sisteme g\u00fcvenmedi\u011finde, onu benimsemez, verilerini payla\u015fmaz ve nihayetinde o sistemin faydalar\u0131ndan mahrum kal\u0131r.<\/p>\n

Peki, bu g\u00fcven neden bu kadar \u00f6nemli? Her \u015feyden \u00f6nce, YZ’nin etki alan\u0131 olduk\u00e7a geni\u015f. \u00d6rne\u011fin, bir YZ sistemi finansal kararlar al\u0131yorsa, bu kararlar bireylerin hayatlar\u0131n\u0131 do\u011frudan etkileyebilir. Bir kredi ba\u015fvurusunun reddedilmesi, bir sigorta poli\u00e7esinin onaylanmamas\u0131 gibi durumlar, e\u011fer \u015feffaf ve anla\u015f\u0131l\u0131r bir temele dayanm\u0131yorsa, haks\u0131zl\u0131k alg\u0131s\u0131na yol a\u00e7abilir. Sa\u011fl\u0131k sekt\u00f6r\u00fcnde, bir YZ destekli tan\u0131 sistemi, bir hastan\u0131n ya\u015fam\u0131 hakk\u0131nda \u00f6nemli kararlar verirken, doktorlar\u0131n ve hastalar\u0131n bu sisteme mutlak g\u00fcven duymas\u0131 gerekmektedir. G\u00fcven eksikli\u011fi, bu teknolojilerin faydalar\u0131n\u0131n sorgulanmas\u0131na, yasal d\u00fczenlemelerin s\u0131k\u0131la\u015ft\u0131r\u0131lmas\u0131na ve hatta kamuoyunda YZ’ye kar\u015f\u0131 genel bir direncin olu\u015fmas\u0131na neden olabilir. Bu nedenle, YZ geli\u015ftiricilerinin art\u0131k sadece kodun teknik do\u011frulu\u011funa de\u011fil, ayn\u0131 zamanda bu kodun toplumsal, etik ve insani boyutlar\u0131na da odaklanmas\u0131 gerekmektedir. Bu, “geli\u015ftiricinin yeni s\u00f6zle\u015fmesi”dir: Sadece kod yazmak de\u011fil, ayn\u0131 zamanda g\u00fcven in\u015fa etmek. G\u00fcven, yapay zekan\u0131n uzun vadeli ba\u015far\u0131s\u0131n\u0131n ve kabul\u00fcn\u00fcn tek ger\u00e7ek \u00f6l\u00e7\u00fcs\u00fcd\u00fcr.<\/p>\n

G\u00fcven Odakl\u0131 AI Geli\u015ftirmenin Temel Ta\u015flar\u0131 Nelerdir?<\/h3>\n

G\u00fcven odakl\u0131 yapay zeka (YZ) geli\u015ftirme, sadece modellerin y\u00fcksek performans g\u00f6stermesiyle ilgili de\u011fildir; ayn\u0131 zamanda bu modellerin nas\u0131l \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131, neden belirli kararlar ald\u0131\u011f\u0131n\u0131 ve bu kararlar\u0131n etik standartlara uygun olup olmad\u0131\u011f\u0131n\u0131 anlama yetene\u011fiyle de do\u011frudan ba\u011flant\u0131l\u0131d\u0131r. Bu yakla\u015f\u0131m\u0131n temelinde yatan birka\u00e7 kilit kavram bulunmaktad\u0131r. \u0130lk olarak, A\u00e7\u0131klanabilir Yapay Zeka (XAI)<\/strong> kavram\u0131 gelir. XAI, YZ sistemlerinin i\u00e7 i\u015fleyi\u015flerini ve karar alma s\u00fcre\u00e7lerini insanlar taraf\u0131ndan anla\u015f\u0131labilir hale getirmeyi ama\u00e7lar. Geleneksel “kara kutu” modeller, \u00f6rne\u011fin derin \u00f6\u011frenme a\u011flar\u0131, y\u00fcksek do\u011fruluk sunsalar da kararlar\u0131n\u0131 nas\u0131l verdiklerini a\u00e7\u0131klamakta zorlanabilirler. Oysa bir YZ sistemi bir bireye kredi vermedi\u011finde veya bir hastaya belirli bir te\u015fhis koydu\u011funda, bu karar\u0131n alt\u0131nda yatan nedenlerin \u015feffaf bir \u015fekilde a\u00e7\u0131klanabilmesi, hem ilgili ki\u015filerin hem de denetleyici otoritelerin sisteme g\u00fcven duymas\u0131 a\u00e7\u0131s\u0131ndan hayati \u00f6nem ta\u015f\u0131r. XAI ara\u00e7lar\u0131 ve teknikleri (LIME, SHAP gibi) bu kara kutular\u0131 a\u00e7maya yard\u0131mc\u0131 olarak, modelin belirli bir \u00e7\u0131kt\u0131y\u0131 nas\u0131l \u00fcretti\u011fini g\u00f6sterir.<\/p>\n

\u0130kinci olarak, YZ Eti\u011fi<\/strong>, g\u00fcven odakl\u0131 geli\u015ftirmenin temel direklerinden biridir. Bu, YZ sistemlerinin adalet, \u015feffafl\u0131k, gizlilik, hesap verebilirlik ve insan \u00f6zerkli\u011fine sayg\u0131 gibi temel etik ilkelerle uyumlu bir \u015fekilde tasarlanmas\u0131 ve uygulanmas\u0131 anlam\u0131na gelir. YZ sistemleri, veri setlerindeki veya algoritmalardaki \u00f6nyarg\u0131lar (bias) nedeniyle ayr\u0131mc\u0131 sonu\u00e7lar \u00fcretebilir. \u00d6rne\u011fin, belirli bir demografik grubu hedefleyen veya onlara kar\u015f\u0131 ayr\u0131mc\u0131l\u0131k yapan modeller, toplumsal g\u00fcveni ciddi \u015fekilde zedeler. Eti\u011fin YZ geli\u015ftirme s\u00fcrecine entegre edilmesi, bu t\u00fcr \u00f6nyarg\u0131lar\u0131n erken a\u015famalarda tespit edilmesini ve azalt\u0131lmas\u0131n\u0131 sa\u011flar. \u015eeffafl\u0131k ve Hesap Verebilirlik<\/strong>, YZ eti\u011finin ayr\u0131lmaz par\u00e7alar\u0131d\u0131r. \u015eeffafl\u0131k, YZ modellerinin girdilerini, \u00e7\u0131kt\u0131lar\u0131n\u0131 ve karar mekanizmalar\u0131n\u0131 a\u00e7\u0131k\u00e7a belgelemeyi ve iletmeyi gerektirirken; hesap verebilirlik, YZ sistemlerinin neden oldu\u011fu zararlardan kimin sorumlu oldu\u011funu belirlemeyi ve bu zararlar\u0131n giderilmesini sa\u011flamay\u0131 ifade eder. Son olarak, Sa\u011flaml\u0131k (Robustness)<\/strong> ve Adalet (Fairness)<\/strong>, g\u00fcvenilir YZ sistemlerinin temel \u00f6zelliklerindendir. Sa\u011flaml\u0131k, YZ modelinin beklenmedik veya d\u00fc\u015fmanca girdilere kar\u015f\u0131 direncini ifade ederken, adalet, modelin kararlar\u0131n\u0131n farkl\u0131 demografik gruplar veya bireyler aras\u0131nda ayr\u0131mc\u0131l\u0131k yapmamas\u0131n\u0131 sa\u011flar. Bu temel ta\u015flar\u0131n her biri, YZ’nin sadece teknolojik bir ba\u015far\u0131 de\u011fil, ayn\u0131 zamanda toplumsal bir kazan\u0131m olabilmesi i\u00e7in olmazsa olmazd\u0131r. Geleneksel yaz\u0131l\u0131m geli\u015ftirmenin “\u00e7al\u0131\u015f\u0131yor mu?” sorusundan, “adil mi \u00e7al\u0131\u015f\u0131yor, anla\u015f\u0131labilir mi ve g\u00fcvenilebilir mi?” sorular\u0131na ge\u00e7i\u015f yap\u0131lmas\u0131 gerekmektedir.<\/p>\n

\u015eeffafl\u0131k ve A\u00e7\u0131klanabilirlik: Kara Kutudan \u00c7\u0131k\u0131\u015f Yolu Nas\u0131l Bulunur?<\/h3>\n

Yapay zeka modellerinin, \u00f6zellikle derin \u00f6\u011frenme gibi karma\u015f\u0131k yap\u0131lar\u0131n\u0131n, “kara kutu” olarak nitelendirilmesi yayg\u0131n bir durumdur. Bu terim, modelin girdileri al\u0131p bir \u00e7\u0131kt\u0131 \u00fcretirken, bu s\u00fcre\u00e7te nas\u0131l bir karar mekanizmas\u0131 i\u015fletti\u011finin insanlar taraf\u0131ndan kolayca anla\u015f\u0131lamamas\u0131n\u0131 ifade eder. Ancak, YZ sistemlerinin g\u00fcnl\u00fck hayat\u0131m\u0131za bu kadar derinlemesine entegre oldu\u011fu bir \u00e7a\u011fda, bu kara kutu yakla\u015f\u0131m\u0131 art\u0131k kabul edilemez. \u015eeffafl\u0131k ve a\u00e7\u0131klanabilirlik (XAI), bu problemin \u00fcstesinden gelmek i\u00e7in kritik \u00e7\u00f6z\u00fcmler sunar. \u015eeffafl\u0131k, modelin nas\u0131l \u00e7al\u0131\u015ft\u0131\u011f\u0131na dair genel bir anlay\u0131\u015f sa\u011flamay\u0131 hedeflerken, a\u00e7\u0131klanabilirlik, belirli bir karar\u0131n neden al\u0131nd\u0131\u011f\u0131na dair detayl\u0131 ve anla\u015f\u0131l\u0131r bilgiler sunar.<\/p>\n

Kara kutuyu a\u00e7man\u0131n ve YZ modellerini daha \u015feffaf hale getirmenin yollar\u0131 \u00e7e\u015fitlidir. \u00d6ncelikle, model se\u00e7iminde bile \u015feffafl\u0131k ve a\u00e7\u0131klanabilirlik fakt\u00f6rleri g\u00f6z \u00f6n\u00fcnde bulundurulabilir. \u00d6rne\u011fin, karar a\u011fa\u00e7lar\u0131 veya do\u011frusal regresyon gibi daha basit modeller, do\u011fas\u0131 gere\u011fi daha a\u00e7\u0131klanabilirdir. Ancak, daha y\u00fcksek performans gerektiren durumlarda karma\u015f\u0131k modeller ka\u00e7\u0131n\u0131lmaz hale gelir. \u0130\u015fte bu noktada, model sonras\u0131 a\u00e7\u0131klama teknikleri devreye girer. LIME (Local Interpretable Model-agnostic Explanations)<\/strong> ve SHAP (SHapley Additive exPlanations)<\/strong> gibi ara\u00e7lar, belirli bir model \u00e7\u0131kt\u0131s\u0131n\u0131 a\u00e7\u0131klamak i\u00e7in yayg\u0131n olarak kullan\u0131l\u0131r. LIME, bir modelin belirli bir tahminini, girdinin k\u00fc\u00e7\u00fck perturbasyonlar\u0131 \u00fczerinde “yerel” olarak basitle\u015ftirilmi\u015f bir model e\u011fiterek a\u00e7\u0131klar. Bu, bize hangi girdilerin belirli bir tahmini en \u00e7ok etkiledi\u011fini g\u00f6sterir. \u00d6rne\u011fin, bir kredi ba\u015fvurusunun reddedilmesinde ki\u015finin gelirinin veya bor\u00e7 oran\u0131n\u0131n ne kadar etkili oldu\u011funu somut bir \u015fekilde g\u00f6rebiliriz. SHAP ise, oyun teorisindeki Shapley de\u011ferlerinden esinlenerek, her bir \u00f6zelli\u011fin modelin tahminine katk\u0131s\u0131n\u0131 adil bir \u015fekilde da\u011f\u0131t\u0131r. Bu, modelin genel davran\u0131\u015f\u0131n\u0131 anlamak i\u00e7in \u00f6zellik \u00f6nem s\u0131ralamas\u0131 ve belirli tahminler i\u00e7in \u00f6zellik katk\u0131lar\u0131 gibi de\u011ferli i\u00e7g\u00f6r\u00fcler sunar.<\/p>\n

Bu ara\u00e7lar\u0131 kullanarak, bir YZ modelinin neden belirli bir kredi ba\u015fvurusunu onaylad\u0131\u011f\u0131n\u0131 veya reddetti\u011fini \u015fu \u015fekilde a\u00e7\u0131klayabiliriz: “Ba\u015fvurunuzun reddedilmesinin temel nedenleri aras\u0131nda, d\u00fc\u015f\u00fck gelir d\u00fczeyiniz ve y\u00fcksek bor\u00e7\/gelir oran\u0131n\u0131z bulunmaktad\u0131r. Gelirinizin %X oran\u0131nda artmas\u0131 veya bor\u00e7 oran\u0131n\u0131z\u0131n %Y oran\u0131nda azalmas\u0131 durumunda ba\u015fvuru sonucunuz pozitif y\u00f6nde de\u011fi\u015febilirdi.” Bu t\u00fcr somut ve anla\u015f\u0131l\u0131r a\u00e7\u0131klamalar, kullan\u0131c\u0131n\u0131n hem karar\u0131 anlamas\u0131na hem de potansiyel olarak gelecekteki davran\u0131\u015flar\u0131n\u0131 de\u011fi\u015ftirmesine olanak tan\u0131r. Ayr\u0131ca, \u015feffafl\u0131k sadece teknik detaylarla s\u0131n\u0131rl\u0131 de\u011fildir; ayn\u0131 zamanda modelin geli\u015ftirme s\u00fcreci, kullan\u0131lan veri setleri, varsay\u0131mlar ve k\u0131s\u0131tlamalar hakk\u0131nda da a\u00e7\u0131k ileti\u015fim kurmay\u0131 gerektirir. Dok\u00fcmantasyon, s\u00fcr\u00fcm kontrol\u00fc ve model kartlar\u0131 gibi y\u00f6ntemler, bu bilgilerin d\u00fczenli ve eri\u015filebilir bir \u015fekilde sunulmas\u0131n\u0131 sa\u011flar. Unutulmamal\u0131d\u0131r ki, \u015feffafl\u0131k ve a\u00e7\u0131klanabilirlik, sadece g\u00fcven in\u015fa etmekle kalmaz, ayn\u0131 zamanda geli\u015ftiricilerin modellerindeki hatalar\u0131, \u00f6nyarg\u0131lar\u0131 ve zay\u0131fl\u0131klar\u0131 daha etkin bir \u015fekilde tespit etmelerine de yard\u0131mc\u0131 olur, b\u00f6ylece YZ sistemlerinin s\u00fcrekli olarak iyile\u015ftirilmesine olanak tan\u0131r.<\/p>\n

\n
\nimport shap\nimport pandas as pd\nfrom sklearn.ensemble import RandomForestClassifier\n\n# \u00d6rnek veri seti olu\u015fturma\ndata = {\n    'Gelir': [50000, 60000, 30000, 80000, 40000],\n    'BorcOrani': [0.3, 0.2, 0.6, 0.1, 0.4],\n    'GecikmisOdemeSayisi': [1, 0, 3, 0, 2],\n    'KrediDurumu': [1, 1, 0, 1, 0] # 1: Onay, 0: Red\n}\ndf = pd.DataFrame(data)\n\nX = df[['Gelir', 'BorcOrani', 'GecikmisOdemeSayisi']]\ny = df['KrediDurumu']\n\n# Basit bir Random Forest modeli e\u011fitme\nmodel = RandomForestClassifier(random_state=42)\nmodel.fit(X, y)\n\n# SHAP Explainer olu\u015fturma\nexplainer = shap.TreeExplainer(model)\n\n# Belirli bir \u00f6rnek i\u00e7in SHAP de\u011ferlerini hesaplama (\u00f6rne\u011fin 3. ba\u015fvuru: index 2)\n# Bu ba\u015fvuru red edilmi\u015ftir: {'Gelir': 30000, 'BorcOrani': 0.6, 'GecikmisOdemeSayisi': 3}\nshap_values = explainer.shap_values(X.iloc[2])\n\n# A\u00e7\u0131klamay\u0131 g\u00f6rselle\u015ftirme (metinsel olarak)\n# Bu \u00f6rnek, bir YZ karar\u0131n\u0131n nas\u0131l a\u00e7\u0131kland\u0131\u011f\u0131n\u0131 g\u00f6sterir.\nprint(f\"\\n3. Kredi Ba\u015fvurusu \u0130\u00e7in SHAP De\u011ferleri (Reddedilen Ba\u015fvuru):\")\nprint(f\"Modelin \u00e7\u0131kt\u0131 tahmini (Red): {model.predict(X.iloc[[2]])[0]}\")\nfor i, feature in enumerate(X.columns):\n    # shap_values[0] reddedilme (s\u0131n\u0131f 0) olas\u0131l\u0131\u011f\u0131na katk\u0131y\u0131, shap_values[1] onaylanma (s\u0131n\u0131f 1) olas\u0131l\u0131\u011f\u0131na katk\u0131y\u0131 temsil eder.\n    # Burada modelin \"red\" karar\u0131na olan katk\u0131y\u0131 inceleyelim.\n    print(f\"- \u00d6zellik '{feature}': {shap_values[0][i]:.2f} (Red karar\u0131na katk\u0131)\")\n\n# Genel bir a\u00e7\u0131klama olarak yorumlama:\nprint(\"\\n--- A\u00e7\u0131klama Yorumu ---\")\nprint(\"Bu ba\u015fvuru \u00f6rne\u011finde 'GecikmisOdemeSayisi' ve 'BorcOrani' de\u011ferlerinin y\u00fcksek olmas\u0131, kredi ba\u015fvurusunun reddedilmesine en b\u00fcy\u00fck katk\u0131y\u0131 sa\u011flayan fakt\u00f6rlerdir. 'Gelir' d\u00fczeyi ise, daha az bir etkiyle yine red karar\u0131na katk\u0131da bulunmu\u015ftur.\")\n<\/pre>\n
<\/code>\n<\/div>\n
Etik ve Sorumluluk \u0130lkeleri: AI Geli\u015ftiricileri \u0130\u00e7in Yol Haritas\u0131<\/h3>\n
Yapay zeka sistemleri hayat\u0131m\u0131zdaki yerini sa\u011flamla\u015ft\u0131r\u0131rken, bu teknolojilerin sadece yetenekli de\u011fil, ayn\u0131 zamanda etik ve sorumlu bir \u015fekilde geli\u015ftirilmesi gereklili\u011fi her zamankinden daha belirgin hale gelmi\u015ftir. AI eti\u011fi ve sorumluluk ilkeleri, geli\u015ftiriciler i\u00e7in sadece bir \"olmas\u0131 g\u00fczel\" unsuru de\u011fil, ayn\u0131 zamanda projelerin ba\u015far\u0131s\u0131 ve toplumsal kabul\u00fc i\u00e7in bir yol haritas\u0131d\u0131r. Bu ilkeler, YZ'nin potansiyel zararlar\u0131n\u0131 minimize etmeyi, faydalar\u0131n\u0131 maksimize etmeyi ve insan de\u011ferleriyle uyumlu olmas\u0131n\u0131 sa\u011flamay\u0131 ama\u00e7lar.<\/p>\n
Bu yol haritas\u0131n\u0131n ilk ad\u0131m\u0131, \u00f6nyarg\u0131 tespiti ve azalt\u0131lmas\u0131d\u0131r<\/strong>. YZ modelleri, e\u011fitildikleri verilerdeki \u00f6nyarg\u0131lar\u0131 yans\u0131tabilir ve hatta peki\u015ftirebilir. \u00d6rne\u011fin, belirli demografik gruplara ait verilerin eksikli\u011fi veya yanl\u0131\u015f etiketlenmesi, modelin bu gruplara kar\u015f\u0131 ayr\u0131mc\u0131 kararlar almas\u0131na yol a\u00e7abilir. Bir i\u015fe al\u0131m YZ sisteminin belirli bir cinsiyeti veya \u0131rk\u0131 sistematik olarak d\u0131\u015flamas\u0131, sadece etik d\u0131\u015f\u0131 olmakla kalmaz, ayn\u0131 zamanda yasal yapt\u0131r\u0131mlara da tabidir. Geli\u015ftiriciler, veri toplama ve i\u015fleme a\u015famalar\u0131nda \u00f6nyarg\u0131 analizi yapmal\u0131, farkl\u0131l\u0131klar\u0131 dengelemeli ve gerekti\u011finde \u00f6nyarg\u0131 azaltma teknikleri (fairness-aware machine learning) kullanmal\u0131d\u0131r. Bu, algoritmalar\u0131n \"adil\" olmas\u0131n\u0131 sa\u011flamak demektir; yani, farkl\u0131 gruplar i\u00e7in benzer performans metrikleri sunmas\u0131 ve e\u015fit muamele g\u00f6rmesidir.<\/p>\n
\u0130kinci \u00f6nemli ilke, insan g\u00f6zetimi ve kontrol\u00fcd\u00fcr<\/strong>. Tamamen otonom YZ sistemleri, karar alma s\u00fcre\u00e7lerinde istenmeyen sonu\u00e7lara yol a\u00e7abilir. Kritik alanlarda (sa\u011fl\u0131k, hukuk, askeri gibi), YZ'nin kararlar\u0131n\u0131n her zaman bir insan taraf\u0131ndan denetlenebilir ve ge\u00e7ersiz k\u0131l\u0131nabilir olmas\u0131 esast\u0131r. Bu, \"insan d\u00f6ng\u00fcde\" (human-in-the-loop) yakla\u015f\u0131m\u0131n\u0131 benimsemek anlam\u0131na gelir; burada YZ, uzmanlara yard\u0131mc\u0131 bir ara\u00e7 olarak i\u015flev g\u00f6r\u00fcr, ancak nihai karar yetkisi insanda kal\u0131r. \u00d6rne\u011fin, otonom bir ara\u00e7, beklenmedik bir durumla kar\u015f\u0131la\u015ft\u0131\u011f\u0131nda kontrol\u00fc s\u00fcr\u00fcc\u00fcye devredebilmelidir.<\/p>\n
\u00dc\u00e7\u00fcnc\u00fc olarak, veri gizlili\u011fi ve g\u00fcvenli\u011fi<\/strong> etik sorumlulu\u011fun ayr\u0131lmaz bir par\u00e7as\u0131d\u0131r. YZ sistemleri genellikle b\u00fcy\u00fck miktarda ki\u015fisel veri i\u015fler. Bu verilerin toplanmas\u0131, saklanmas\u0131 ve kullan\u0131lmas\u0131 GDPR, KVKK gibi d\u00fczenlemelere uygun olmal\u0131 ve kullan\u0131c\u0131lar\u0131n gizlilik haklar\u0131 mutlak suretle korunmal\u0131d\u0131r. Anonimle\u015ftirme, \u015fifreleme ve eri\u015fim kontrol\u00fc gibi teknikler, bu verilerin k\u00f6t\u00fcye kullan\u0131m\u0131n\u0131 engellemek i\u00e7in hayati \u00f6neme sahiptir. Ayr\u0131ca, modelin kendisinin de \"veri gizlili\u011fini koruyan\" algoritmalarla (\u00f6rne\u011fin, diferansiyel gizlilik) e\u011fitilmesi, hassas bilgilerin s\u0131zmas\u0131n\u0131 \u00f6nlemeye yard\u0131mc\u0131 olabilir.<\/p>\n
Son olarak, hesap verebilirlik ve \u015feffafl\u0131k<\/strong>, etik bir YZ sistemi i\u00e7in vazge\u00e7ilmezdir. Bir YZ sisteminin neden oldu\u011fu bir hata veya zarar durumunda, kimin sorumlu oldu\u011fu net olmal\u0131d\u0131r. Bu, sadece teknik bir sorun de\u011fil, ayn\u0131 zamanda yasal ve etik bir sorundur. \u015eeffafl\u0131k, bu hesap verebilirli\u011fin temelidir; bir sistemin nas\u0131l \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131 ve kararlar\u0131n\u0131 nas\u0131l ald\u0131\u011f\u0131n\u0131 a\u00e7\u0131klayabiliyorsak, sorunlar\u0131n k\u00f6kenini bulmak ve sorumlular\u0131 belirlemek daha kolay hale gelir. AI geli\u015ftiricileri, bu etik ve sorumluluk ilkelerini YZ ya\u015fam d\u00f6ng\u00fcs\u00fcn\u00fcn her a\u015famas\u0131na entegre etmelidir: Tasar\u0131mdan ba\u015flayarak, veri toplamadan model e\u011fitimine, da\u011f\u0131t\u0131mdan s\u00fcrekli izlemeye kadar her ad\u0131mda etik de\u011ferler \u00f6n planda tutulmal\u0131d\u0131r. Bu, YZ'nin sadece teknolojik bir yenilik de\u011fil, ayn\u0131 zamanda toplumsal fayda sa\u011flayan sorumlu bir g\u00fc\u00e7 olmas\u0131n\u0131 garantiler.<\/p>\n
Ger\u00e7ek D\u00fcnya Senaryolar\u0131nda G\u00fcven \u0130n\u015fas\u0131: Vaka Analizleri<\/h3>\n
Yapay zeka (YZ) sistemlerinin ger\u00e7ek d\u00fcnyadaki ba\u015far\u0131s\u0131, teknik performanslar\u0131n\u0131n \u00f6tesinde, kullan\u0131c\u0131lar\u0131n ve payda\u015flar\u0131n bu sistemlere duydu\u011fu g\u00fcvene ba\u011fl\u0131d\u0131r. \u0130\u015fte bu g\u00fcvenin nas\u0131l in\u015fa edildi\u011fini ve ne zaman kritik hale geldi\u011fini g\u00f6steren iki vaka analizi:<\/p>\n
Vaka Analizi 1: Sa\u011fl\u0131k Sekt\u00f6r\u00fcnde AI ve Hasta G\u00fcveni<\/h4>\n
Senaryo:<\/strong> Bir teknoloji \u015firketi, akci\u011fer kanseri te\u015fhisinde radyologlara yard\u0131mc\u0131 olmak \u00fczere tasarlanm\u0131\u015f bir YZ sistemi geli\u015ftirmi\u015ftir. Sistem, bilgisayarl\u0131 tomografi (BT) taramalar\u0131n\u0131 analiz ederek potansiyel t\u00fcm\u00f6rleri belirleyebilmekte ve radyologlara ikinci bir g\u00f6r\u00fc\u015f sunmaktad\u0131r. YZ modeli, test ortamlar\u0131nda %98'lik bir do\u011fruluk oran\u0131na ula\u015fm\u0131\u015ft\u0131r, bu da insan uzmanlar\u0131n ortalama oranlar\u0131ndan daha y\u00fcksektir. Ancak, sistemin hastanelerde yayg\u0131n olarak benimsenmesi i\u00e7in sadece y\u00fcksek do\u011fruluk yeterli de\u011fildir; hem doktorlar\u0131n hem de hastalar\u0131n bu YZ'ye g\u00fcven duymas\u0131 gerekmektedir.<\/p>\n
G\u00fcven \u0130n\u015fas\u0131 Nas\u0131l Sa\u011fland\u0131?<\/strong><\/p>\n
    \n
  1. A\u00e7\u0131klanabilirlik (XAI) Uygulamas\u0131:<\/strong> Sistem, bir t\u00fcm\u00f6r\u00fcn neden \u015f\u00fcpheli olarak i\u015faretlendi\u011fini g\u00f6rsel olarak g\u00f6sterebilen bir \u00f6zellik ile donat\u0131lm\u0131\u015ft\u0131r. YZ, BT g\u00f6r\u00fcnt\u00fcs\u00fc \u00fczerinde belirli b\u00f6lgeleri vurgulayarak ve bu b\u00f6lgelerin kanser olas\u0131l\u0131\u011f\u0131n\u0131 nas\u0131l etkiledi\u011fini say\u0131sal olarak ifade ederek karar\u0131n\u0131 a\u00e7\u0131klar. Bu, radyologlar\u0131n YZ'nin kararlar\u0131n\u0131 anlamas\u0131na ve do\u011frulamas\u0131na olanak tan\u0131r.\n
    \n      Uzman \u0130pucu: Sa\u011fl\u0131k sekt\u00f6r\u00fcnde YZ'nin karar s\u00fcre\u00e7lerini a\u00e7\u0131klamak, doktorlar\u0131n klinik yarg\u0131lar\u0131na entegre olabilmesi ve hasta kabul\u00fcn\u00fc art\u0131rabilmesi i\u00e7in hayati \u00f6neme sahiptir.\n    <\/div>\n<\/li>\n
  2. \u0130nsan G\u00f6zetimi (Human-in-the-Loop):<\/strong> YZ sistemi asla nihai karar\u0131 veren tek merci de\u011fildir. YZ taraf\u0131ndan belirlenen \u015f\u00fcpheli b\u00f6lgeler, daima uzman bir radyolog taraf\u0131ndan incelenir ve onaylan\u0131r. Sistem sadece bir destek arac\u0131 olarak i\u015flev g\u00f6r\u00fcr, b\u00f6ylece insan uzmanl\u0131\u011f\u0131n\u0131n de\u011feri korunur ve potansiyel hatalar minimuma indirilir.<\/li>\n
  3. \u015eeffaf Performans Metrikleri ve S\u0131n\u0131rlar:<\/strong> \u015eirket, YZ sisteminin performans\u0131n\u0131 (do\u011fruluk, hassasiyet, \u00f6zg\u00fcll\u00fck) d\u00fczenli olarak \u015feffaf bir \u015fekilde yay\u0131nlam\u0131\u015f ve modelin hangi durumlarda daha az g\u00fcvenilir olabilece\u011fi (\u00f6rne\u011fin, \u00e7ok nadir t\u00fcm\u00f6r tipleri) konusunda a\u00e7\u0131k\u00e7a bilgi vermi\u015ftir.<\/li>\n
  4. Pilot Uygulamalar ve Geribildirim Mekanizmalar\u0131:<\/strong> Sistem, geni\u015f \u00e7apta da\u011f\u0131t\u0131lmadan \u00f6nce bir\u00e7ok hastanede pilot projelerle test edilmi\u015f, radyologlardan ve hasta gruplar\u0131ndan s\u00fcrekli geri bildirim toplanm\u0131\u015ft\u0131r. Bu geri bildirimler, sistemin kullan\u0131c\u0131 ihtiya\u00e7lar\u0131na g\u00f6re uyarlanmas\u0131na ve g\u00fcvenilirli\u011finin art\u0131r\u0131lmas\u0131na yard\u0131mc\u0131 olmu\u015ftur.<\/li>\n<\/ol>\n
    Sonu\u00e7:<\/strong> Bu yakla\u015f\u0131mlar sayesinde, sa\u011fl\u0131k profesyonelleri YZ'yi bir \"yard\u0131mc\u0131\" olarak g\u00f6rmeye ba\u015flam\u0131\u015f, hastalar ise kararlar\u0131n hem teknolojik bir ara\u00e7 hem de insan uzmanl\u0131\u011f\u0131 taraf\u0131ndan denetlendi\u011fi bilinciyle sisteme g\u00fcven duymu\u015ftur. Sadece teknik \u00fcst\u00fcnl\u00fck de\u011fil, ayn\u0131 zamanda \u015feffafl\u0131k ve i\u015fbirli\u011fi, bu YZ sisteminin ba\u015far\u0131s\u0131n\u0131n anahtar\u0131 olmu\u015ftur.<\/p>\n
    Vaka Analizi 2: Finans Sekt\u00f6r\u00fcnde Algoritmik Kararlar\u0131n Denetlenebilirli\u011fi<\/h4>\n
    Senaryo:<\/strong> B\u00fcy\u00fck bir banka, k\u00fc\u00e7\u00fck i\u015fletme kredisi ba\u015fvurular\u0131n\u0131 de\u011ferlendirmek i\u00e7in bir YZ sistemi uygulam\u0131\u015ft\u0131r. Sistem, ba\u015fvuru sahibinin finansal ge\u00e7mi\u015fi, i\u015f plan\u0131, sekt\u00f6r riski ve piyasa ko\u015fullar\u0131 gibi y\u00fczlerce veri noktas\u0131n\u0131 analiz ederek kredi onay karar\u0131 vermektedir. Ba\u015flang\u0131\u00e7ta, YZ sistemi olduk\u00e7a verimli \u00e7al\u0131\u015fm\u0131\u015f ve insan analistlerden daha h\u0131zl\u0131 ve tutarl\u0131 kararlar alm\u0131\u015ft\u0131r. Ancak, baz\u0131 ba\u015fvuru sahipleri, kredilerinin neden reddedildi\u011fini anlayamad\u0131klar\u0131 i\u00e7in \u015fikayet etmeye ba\u015flam\u0131\u015f ve sistemin ayr\u0131mc\u0131l\u0131k yapt\u0131\u011f\u0131na dair endi\u015feler dile getirilmi\u015ftir.<\/p>\n
    G\u00fcven \u0130n\u015fas\u0131 Nas\u0131l Sa\u011fland\u0131?<\/strong><\/p>\n
      \n
    1. Etik De\u011ferlendirme ve \u00d6nyarg\u0131 Tespiti:<\/strong> Banka, sistemin potansiyel \u00f6nyarg\u0131lar\u0131n\u0131 analiz etmek \u00fczere ba\u011f\u0131ms\u0131z bir etik denetim ekibi kurmu\u015ftur. Yap\u0131lan incelemeler, modelin belirli etnik gruplara veya co\u011frafi b\u00f6lgelere ait i\u015fletmeleri, finansal riskleri benzer olsa bile, daha s\u0131k reddetti\u011fini ortaya koymu\u015ftur. Bu durum, e\u011fitim veri setindeki tarihi \u00f6nyarg\u0131lardan kaynaklanmaktayd\u0131.<\/li>\n
    2. Fairness-Aware Geli\u015ftirme:<\/strong> Geli\u015ftirme ekibi, modelin e\u011fitim veri setini dengelemek ve \u00f6nyarg\u0131lar\u0131 azaltmak i\u00e7in teknikler uygulam\u0131\u015ft\u0131r. Ayr\u0131ca, modelin farkl\u0131 demografik gruplar i\u00e7in e\u015fit \"reddetme oran\u0131\" veya \"onaylama oran\u0131\" gibi adalet metriklerini kar\u015f\u0131lay\u0131p kar\u015f\u0131lamad\u0131\u011f\u0131n\u0131 s\u00fcrekli olarak izleyen izleme ara\u00e7lar\u0131 entegre edilmi\u015ftir.<\/li>\n
    3. Denetlenebilirlik ve \u0130tiraz S\u00fcre\u00e7leri:<\/strong> Her kredi karar\u0131 i\u00e7in, YZ sisteminin hangi fakt\u00f6rleri en \u00e7ok dikkate ald\u0131\u011f\u0131n\u0131 g\u00f6steren detayl\u0131 bir rapor otomatik olarak olu\u015fturulmu\u015ftur. Ba\u015fvuru sahipleri, kredilerinin neden reddedildi\u011fini a\u00e7\u0131klayan bu raporlara eri\u015febilmi\u015f ve kararlara itiraz etme hakk\u0131na sahip olmu\u015ftur. \u0130tiraz durumunda, bir insan analist YZ'nin karar\u0131yla birlikte a\u00e7\u0131klamas\u0131n\u0131 da de\u011ferlendirmi\u015ftir.<\/li>\n
    4. Yasal Uyum ve D\u00fczenleyici \u015eeffafl\u0131k:<\/strong> Banka, finansal reg\u00fclat\u00f6rlerle yak\u0131n \u00e7al\u0131\u015farak YZ sisteminin GDPR, ayr\u0131mc\u0131l\u0131k kar\u015f\u0131t\u0131 yasalar ve ilgili finansal d\u00fczenlemelere tam uyumlu olmas\u0131n\u0131 sa\u011flam\u0131\u015ft\u0131r. Bu, hem yasal riskleri azaltm\u0131\u015f hem de sistemin g\u00fcvenilirli\u011fini art\u0131rm\u0131\u015ft\u0131r.<\/li>\n<\/ol>\n
      Sonu\u00e7:<\/strong> Banka, sadece teknik performansa odaklanmak yerine etik ve \u015feffafl\u0131k ilkelerini benimseyerek, YZ sistemine duyulan g\u00fcveni yeniden tesis etmi\u015ftir. M\u00fc\u015fteriler art\u0131k kararlar\u0131n neden al\u0131nd\u0131\u011f\u0131n\u0131 anlayabilmi\u015f ve \u015feffaf bir itiraz s\u00fcreci sayesinde kendilerini daha g\u00fcvende hissetmi\u015flerdir. Bu durum, bankan\u0131n itibar\u0131n\u0131 g\u00fc\u00e7lendirmi\u015f ve YZ'nin finansal hizmetlerde sorumlu kullan\u0131m\u0131na bir \u00f6rnek te\u015fkil etmi\u015ftir.<\/p>\n
      G\u00fcven Odakl\u0131 AI Geli\u015ftirme S\u00fcre\u00e7leri: Ad\u0131m Ad\u0131m Entegrasyon<\/h3>\n
      G\u00fcven odakl\u0131 yapay zeka (YZ) geli\u015ftirme, geleneksel yaz\u0131l\u0131m geli\u015ftirme ya\u015fam d\u00f6ng\u00fcs\u00fcne (SDLC) ek bir dizi ad\u0131m ve d\u00fc\u015f\u00fcnce bi\u00e7imi entegre etmeyi gerektirir. Bu, sadece bir \u00f6zellik eklemekten ziyade, geli\u015ftirme s\u00fcrecinin her a\u015famas\u0131nda g\u00fcven ve etik ilkelerini merkeze alan bir k\u00fclt\u00fcr\u00fc benimsemektir. \u0130\u015fte ad\u0131m ad\u0131m bu entegrasyonun nas\u0131l yap\u0131laca\u011f\u0131na dair bir yol haritas\u0131:<\/p>\n
        \n
      1. Tasar\u0131m ve Planlama A\u015famas\u0131: Etik De\u011ferlerin Temeli<\/strong>\n
          \n
        • Risk De\u011ferlendirmesi:<\/strong> Projenin ba\u015flang\u0131c\u0131nda, YZ sisteminin potansiyel etik, sosyal ve yasal riskleri (\u00f6rne\u011fin, \u00f6nyarg\u0131, veri gizlili\u011fi ihlalleri, k\u00f6t\u00fcye kullan\u0131m potansiyeli) kapsaml\u0131 bir \u015fekilde de\u011ferlendirilmelidir.<\/li>\n
        • Etik Tasar\u0131m \u0130lkeleri:<\/strong> G\u00fcven, \u015feffafl\u0131k, adalet ve hesap verebilirlik gibi ilkeler, sistemin mimarisine ve fonksiyonel gereksinimlerine ba\u015ftan entegre edilmelidir. Hangi XAI tekniklerinin kullan\u0131laca\u011f\u0131, veri gizlili\u011finin nas\u0131l sa\u011flanaca\u011f\u0131 gibi konular bu a\u015famada planlan\u0131r.<\/li>\n
        • Payda\u015f Kat\u0131l\u0131m\u0131:<\/strong> Potansiyel kullan\u0131c\u0131lar, etkilenen gruplar ve etik uzmanlar\u0131 projenin erken a\u015famalar\u0131na dahil edilerek farkl\u0131 perspektifler al\u0131n\u0131r.<\/li>\n<\/ul>\n<\/li>\n
        • Veri Toplama ve Haz\u0131rlama A\u015famas\u0131: Temiz ve Adil Veri<\/strong>\n
            \n
          • Veri Denetimi (Data Governance):<\/strong> Kullan\u0131lacak veri setlerinin kayna\u011f\u0131, kalitesi, temsiliyeti ve potansiyel \u00f6nyarg\u0131lar\u0131 titizlikle incelenmelidir. Veri gizlili\u011fi d\u00fczenlemelerine (GDPR, KVKK vb.) tam uyum sa\u011flanmal\u0131d\u0131r.<\/li>\n
          • \u00d6nyarg\u0131 Tespiti ve Azalt\u0131lmas\u0131:<\/strong> Veri setlerinde bulunan demografik veya di\u011fer t\u00fcrdeki \u00f6nyarg\u0131lar\u0131 tespit etmek i\u00e7in ara\u00e7lar ve teknikler kullan\u0131lmal\u0131d\u0131r. Gerekirse veri art\u0131rma, yeniden \u00f6rnekleme veya \u00f6nyarg\u0131 d\u00fczeltme y\u00f6ntemleri uygulanmal\u0131d\u0131r.<\/li>\n
          • Anonimle\u015ftirme ve \u015eifreleme:<\/strong> Hassas ki\u015fisel veriler, m\u00fcmk\u00fcn oldu\u011funca anonimle\u015ftirilmeli veya \u015fifrelenmelidir.<\/li>\n<\/ul>\n<\/li>\n
          • Model Geli\u015ftirme ve E\u011fitim A\u015famas\u0131: \u015eeffaf ve Adil Algoritmalar<\/strong>\n
              \n
            • A\u00e7\u0131klanabilir Model Se\u00e7imi:<\/strong> M\u00fcmk\u00fcn oldu\u011funca, do\u011fas\u0131 gere\u011fi daha a\u00e7\u0131klanabilir olan modeller tercih edilmeli veya karma\u015f\u0131k modeller i\u00e7in XAI entegrasyonu (LIME, SHAP) planlanmal\u0131d\u0131r.<\/li>\n
            • Adalet Metrikleri:<\/strong> Modelin sadece do\u011fruluk gibi performans metrikleriyle de\u011fil, ayn\u0131 zamanda farkl\u0131 gruplar i\u00e7in adalet metrikleriyle (\u00f6rne\u011fin, e\u015fit false positive\/negative oranlar\u0131) de\u011ferlendirilmesi gerekir.<\/li>\n
            • Sa\u011flaml\u0131k Testleri:<\/strong> Modelin, beklenmedik veya d\u00fc\u015fmanca girdilere (adversarial attacks) kar\u015f\u0131 ne kadar sa\u011flam oldu\u011fu test edilmelidir.<\/li>\n<\/ul>\n<\/li>\n
            • Test ve Do\u011frulama A\u015famas\u0131: Kapsaml\u0131 De\u011ferlendirme<\/strong>\n
                \n
              • Etik Test Senaryolar\u0131:<\/strong> Geleneksel performans testlerinin yan\u0131 s\u0131ra, modelin \u00f6nyarg\u0131, ayr\u0131mc\u0131l\u0131k veya istenmeyen davran\u0131\u015flar sergileyip sergilemedi\u011fini kontrol eden \u00f6zel etik test senaryolar\u0131 geli\u015ftirilmelidir.<\/li>\n
              • Ba\u011f\u0131ms\u0131z Denetim:<\/strong> YZ sistemleri, g\u00fcvenilirli\u011fi ve etik uyumu sa\u011flamak i\u00e7in i\u00e7 veya d\u0131\u015f ba\u011f\u0131ms\u0131z denetimlerden ge\u00e7irilmelidir.<\/li>\n
              • Kullan\u0131c\u0131 Kabul Testleri (UAT):<\/strong> Son kullan\u0131c\u0131lar\u0131n ve payda\u015flar\u0131n sistemin a\u00e7\u0131klamalar\u0131n\u0131 anlay\u0131p anlamad\u0131klar\u0131 ve sisteme g\u00fcven duyup duymad\u0131klar\u0131 test edilmelidir.<\/li>\n<\/ul>\n<\/li>\n
              • Da\u011f\u0131t\u0131m ve \u0130zleme A\u015famas\u0131: S\u00fcrekli G\u00fcven Y\u00f6netimi<\/strong>\n
                  \n
                • S\u00fcrekli \u0130zleme:<\/strong> Da\u011f\u0131t\u0131lan YZ modelleri, zamanla olu\u015fabilecek model kaymalar\u0131 (model drift), veri kaymalar\u0131 (data drift) ve yeni ortaya \u00e7\u0131kabilecek \u00f6nyarg\u0131lar i\u00e7in s\u00fcrekli olarak izlenmelidir.<\/li>\n
                • Geri Bildirim Mekanizmalar\u0131:<\/strong> Kullan\u0131c\u0131lar\u0131n sistemin performans\u0131, kararlar\u0131 veya etik endi\u015feleri hakk\u0131nda kolayca geri bildirimde bulunabilece\u011fi mekanizmalar (\u00f6rne\u011fin, \u015fikayet hatlar\u0131, web formlar\u0131) olu\u015fturulmal\u0131d\u0131r.<\/li>\n
                • Hesap Verebilirlik G\u00fcnl\u00fc\u011f\u00fc:<\/strong> Her YZ karar\u0131, karar\u0131 etkileyen ana fakt\u00f6rlerle birlikte detayl\u0131 olarak loglanmal\u0131d\u0131r. Bu, denetim, itiraz s\u00fcre\u00e7leri ve yasal uyum i\u00e7in kritik \u00f6neme sahiptir.<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n
                  Bu ad\u0131mlar\u0131n entegrasyonu, geli\u015ftiricilerin sadece kod yazan m\u00fchendisler olmaktan \u00e7\u0131k\u0131p, YZ'nin toplumsal etkilerini de g\u00f6zeten \"g\u00fcven mimarlar\u0131\" haline gelmelerini sa\u011flar. Bu s\u00fcre\u00e7, YZ projelerinin uzun vadeli ba\u015far\u0131s\u0131 i\u00e7in vazge\u00e7ilmezdir.<\/p>\n
                  \n
                  \nimport logging\nfrom datetime import datetime\nimport json\n\n# Loglama ayarlar\u0131n\u0131 yap\u0131land\u0131rma\nlogging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')\n\ndef record_ai_decision(transaction_id, model_name, input_data, prediction, explanation):\n    \"\"\"\n    Bir AI karar\u0131n\u0131 ve a\u00e7\u0131klamas\u0131n\u0131 detayl\u0131 bir \u015fekilde loglar.\n    Bu loglar, denetim ve hesap verebilirlik i\u00e7in kullan\u0131labilir.\n    \"\"\"\n    decision_record = {\n        \"timestamp\": datetime.now().isoformat(),\n        \"transaction_id\": transaction_id,\n        \"model_name\": model_name,\n        \"input_data\": input_data,\n        \"prediction\": prediction,\n        \"explanation\": explanation,\n        \"status\": \"recorded\"\n    }\n    logging.info(f\"AI Decision Recorded: {json.dumps(decision_record, indent=2)}\")\n    return decision_record\n\n# Kullan\u0131m \u00f6rne\u011fi: Kredi ba\u015fvuru karar\u0131 ve a\u00e7\u0131klamas\u0131\ntransaction_id_1 = \"KRD-2023-001\"\ninput_data_1 = {\"gelir\": 60000, \"borc_orani\": 0.25, \"kredi_puani\": 720}\nprediction_1 = {\"onay\": True, \"limit\": 50000}\nexplanation_1 = {\n    \"ana_faktorler\": [\"Y\u00fcksek Kredi Puan\u0131\", \"D\u00fc\u015f\u00fck Bor\u00e7 Oran\u0131\"],\n    \"katki_degerleri\": {\"kredi_puani\": 0.6, \"borc_orani\": 0.3, \"gelir\": 0.1},\n    \"yorum\": \"M\u00fc\u015fterinin y\u00fcksek kredi puan\u0131 ve d\u00fc\u015f\u00fck bor\u00e7 oran\u0131, onay karar\u0131nda ana etkenler olmu\u015ftur.\"\n}\n\nrecord_ai_decision(transaction_id_1, \"KrediOnayModeliV2\", input_data_1, prediction_1, explanation_1)\n\n# Kullan\u0131m \u00f6rne\u011fi: Riskli i\u015flem tespiti ve a\u00e7\u0131klamas\u0131\ntransaction_id_2 = \"ISK-2023-005\"\ninput_data_2 = {\"islem_miktari\": 12000, \"lokasyon\": \"yurt_disi\", \"siklik\": \"dusuk\", \"kullanici_gecmisi\": \"yeni\"}\nprediction_2 = {\"riskli\": True, \"risk_skoru\": 0.88}\nexplanation_2 = {\n    \"ana_faktorler\": [\"Y\u00fcksek \u0130\u015flem Miktar\u0131\", \"Anormal Lokasyon\", \"Kullan\u0131c\u0131 Ge\u00e7mi\u015fi Zay\u0131f\"],\n    \"katki_degerleri\": {\"islem_miktari\": 0.4, \"lokasyon\": 0.3, \"kullanici_gecmisi\": 0.2, \"siklik\": 0.1},\n    \"yorum\": \"Y\u00fcksek miktarl\u0131 ve yurtd\u0131\u015f\u0131 i\u015flemi, yeni bir kullan\u0131c\u0131 i\u00e7in riskli bulunmu\u015ftur. Onay i\u00e7in ek do\u011frulama gerekiyor.\"\n}\n\nrecord_ai_decision(transaction_id_2, \"DolandiricilikTespitModeli\", input_data_2, prediction_2, explanation_2)\n\n<\/pre>\n
                  <\/code>\n<\/div>\n
                  Mobil Uyumlu ve Eri\u015filebilir AI Uygulamalar\u0131 Nas\u0131l Geli\u015ftirilir?<\/h3>\n
                  Yapay zeka (YZ) sistemlerinin kararlar\u0131 ve a\u00e7\u0131klamalar\u0131, sadece masa\u00fcst\u00fc bilgisayarlarda de\u011fil, ayn\u0131 zamanda mobil cihazlarda ve farkl\u0131 eri\u015filebilirlik ihtiya\u00e7lar\u0131na sahip kullan\u0131c\u0131lar i\u00e7in de kolayca anla\u015f\u0131l\u0131r ve eri\u015filebilir olmal\u0131d\u0131r. Bir YZ sistemine duyulan g\u00fcven, onun a\u00e7\u0131klama ve etkile\u015fim aray\u00fcz\u00fcn\u00fcn kullan\u0131c\u0131 dostu ve kapsay\u0131c\u0131 olmas\u0131yla do\u011frudan ili\u015fkilidir. Mobil uyumlu ve eri\u015filebilir YZ uygulamalar\u0131 geli\u015ftirmek, bu g\u00fcveni peki\u015ftiren kritik bir ad\u0131md\u0131r.<\/p>\n
                  \u00d6ncelikle, mobil uyumluluk (responsive design)<\/strong> g\u00fcn\u00fcm\u00fcz\u00fcn standart bir gereksinimidir. YZ'nin karma\u015f\u0131k \u00e7\u0131kt\u0131lar\u0131n\u0131 veya a\u00e7\u0131klamalar\u0131n\u0131 mobil cihaz ekranlar\u0131na s\u0131\u011fd\u0131rmak, sadece i\u00e7eri\u011fi k\u00fc\u00e7\u00fcltmekten ibaret de\u011fildir. Bilgiyi \u00f6nceliklendirmek, sezgisel gezinme sa\u011flamak ve dokunmatik ekranlar i\u00e7in uygun etkile\u015fim elementleri sunmak gerekir. \u00d6rne\u011fin, bir YZ'nin kredi ret a\u00e7\u0131klamas\u0131n\u0131 bir mobil aray\u00fczde g\u00f6sterirken, t\u00fcm detaylar\u0131 ayn\u0131 anda g\u00f6stermek yerine, en kritik nedenleri \u00f6ne \u00e7\u0131karan ve kullan\u0131c\u0131 isterse daha fazla detaya inebilece\u011fi katmanl\u0131 bir yap\u0131 kullan\u0131labilir. G\u00f6rselle\u015ftirmeler, mobil ekranlarda net ve okunabilir olmal\u0131, karma\u015f\u0131k grafikler yerine \u00f6zetleyici ve etkile\u015fimli \u00f6\u011feler tercih edilmelidir. CSS media query'ler, farkl\u0131 ekran boyutlar\u0131na ve cihaz t\u00fcrlerine g\u00f6re stil ve d\u00fczenin otomatik olarak ayarlanmas\u0131n\u0131 sa\u011flar:<\/p>\n
                  \n
                  \n\/* Genel stil tan\u0131mlamalar\u0131 *\/\n.ai-explanation-container {\n    font-family: Arial, sans-serif;\n    padding: 25px;\n    margin: 20px auto;\n    max-width: 900px;\n    background-color: #ffffff;\n    border-radius: 10px;\n    box-shadow: 0 4px 12px rgba(0, 0, 0, 0.08);\n}\n\n.ai-explanation-title {\n    color: #333;\n    font-size: 1.8em;\n    margin-bottom: 20px;\n    border-bottom: 2px solid #eee;\n    padding-bottom: 10px;\n}\n\n.ai-explanation-item {\n    margin-bottom: 15px;\n    padding: 15px;\n    background-color: #f0f8ff; \/* A\u00e7\u0131k mavi arka plan *\/\n    border-left: 5px solid #007bff; \/* Mavi sol kenarl\u0131k *\/\n    border-radius: 5px;\n    line-height: 1.6;\n}\n\n.ai-explanation-item strong {\n    color: #0056b3;\n}\n\n\/* Mobil cihazlar i\u00e7in (768px geni\u015flik ve alt\u0131) *\/\n@media screen and (max-width: 768px) {\n    .ai-explanation-container {\n        padding: 15px;\n        margin: 10px;\n        border-radius: 5px;\n        box-shadow: 0 2px 8px rgba(0, 0, 0, 0.06);\n    }\n\n    .ai-explanation-title {\n        font-size: 1.4em;\n        margin-bottom: 15px;\n        padding-bottom: 8px;\n    }\n\n    .ai-explanation-item {\n        padding: 10px;\n        font-size: 0.95em;\n        margin-bottom: 10px;\n    }\n}\n\n\/* Daha k\u00fc\u00e7\u00fck mobil cihazlar i\u00e7in (480px geni\u015flik ve alt\u0131) *\/\n@media screen and (max-width: 480px) {\n    .ai-explanation-container {\n        padding: 10px;\n        margin: 5px;\n    }\n\n    .ai-explanation-title {\n        font-size: 1.2em;\n        text-align: center;\n    }\n\n    .ai-explanation-item {\n        font-size: 0.9em;\n        padding: 8px;\n    }\n}\n<\/pre>\n
                  <\/code>\n<\/div>\n
                  \u0130kinci olarak, eri\u015filebilirlik (accessibility)<\/strong>, YZ uygulamalar\u0131n\u0131n herkes taraf\u0131ndan kullan\u0131labilir olmas\u0131n\u0131 sa\u011flar. Bu, g\u00f6rme engelliler i\u00e7in ekran okuyucularla uyumlu aray\u00fczler, i\u015fitme engelliler i\u00e7in g\u00f6rsel veya metinsel alternatifler, motor beceri bozuklu\u011fu olanlar i\u00e7in klavye navigasyonu gibi konular\u0131 i\u00e7erir. Web \u0130\u00e7eri\u011fi Eri\u015filebilirlik Y\u00f6nergeleri (WCAG), bu alanda geli\u015ftiricilere kapsaml\u0131 bir rehber sunar. YZ a\u00e7\u0131klamalar\u0131 sunarken, a\u015fa\u011f\u0131daki noktalara dikkat edilmelidir:<\/p>\n
                    \n
                  • Semantik HTML Kullan\u0131m\u0131:<\/strong> 
                    \n
                    <\/code>, <\/p>\n
                    <\/code>, <\/p>\n
                    <\/code>, <\/p>\n
                      <\/code>,