Fonksiyonel Güvenlik (ISO 13849) ile Yapay Zeka Neden Bir Arada Zor Duruyor?

Fabrika emniyeti ispat ister; sinir ağı istatistik üretir. Bu yazı, neden bir arada zor durduklarını ve pratik mimariyi anlatır.

Aşağıdaki bölümler, Fonksiyonel Güvenlik (ISO 13849) ile Yapay Zeka Neden Bir Arada Zor Duruyor sorusunu manşet dilinden çıkarıp mühendislik diline indirger. Amaç “kulağa hoş teknik kelime” yığmak değil; karar verirken hangi varsayımın kırıldığını görmenizi sağlamaktır.

Norm ne ister?

Tahmin edilebilir hata tepkisi, kategori/PL, doğrulanmış güvenlik fonksiyonları.

Rastgele “çoğu zaman doğru” yeterli değildir.

Değişiklik kontrolü ve yaşam döngüsü kanıtı şarttır.

Bu mekanizmayı veya yöntemi izole kavram sanmak yaygın bir hatadır. Gerçek sistemlerde ISO 13849, fonksiyonel güvenlik, PL gibi başlıklar veri boru hattı, kayıp fonksiyonu, serving kısıtları ve eval tasarımıyla birlikte yaşar. Laboratuvar demosu ile üretim KPI’sı arasındaki uçurum çoğu zaman “algoritma bilmiyorduk”tan değil, bu birleşik sistemin tek bir satıra indirgenmesinden doğar.

AI sorunu

Olasılıksal çıktı, dağılım kayması, açıklanabilirlik ve yeniden eğitimle davranış kayması.

Aynı girdi, model versiyonu değişince farklı risk skoru üretebilir.

Sertifikasyon dili ile ML ops dili henüz tam örtüşmez.

Ölçüm disiplini olmadan ilerlemek, özellikle bu konuda pahalıdır. Doğru sorular şunlardır: hangi metrik, hangi tutulmuş set, hangi maliyet, hangi hata maliyeti? ISO 13849 deterministik davranış, hata toleransı ve kanıtlanabilir PL ister. Bu cümleyi ezberlemek yetmez; sisteminizde karşılığını enstrümante etmeniz gerekir.

Pratik mimari

AI önerir; güvenlik PLC ve interlock keser. Hard safety asla yalnız NN’ye bırakılmaz.

Shadow ve advisory modlar geçiş basamaklarıdır.

Zorluk kültürel değil matematiksel: standart ispat, model istatistik ister.

Son bir uyarı: popüler anlatım bu başlığı ya abartır ya da küçümser. Abartı “sihirli zekâ”; küçümseme “sadece toy örnek”tir. Gerçek, ikisinin arasındadır — ve Gelecek Teknolojileri bağlamında rekabet avantajı, abartıyı değil ölçülebilir takası yöneten ekiplerdedir.

Yaygın yanlışlar

Birinci yanlış, tek bir hiperparametre veya tek bir katmanla tüm hikâyeyi açıklamaktır. Fonksiyonel Güvenlik (ISO 13849) ile Yapay Zeka Neden Bir Arada Zor Duruyor? sorusu, çoğu zaman bir ailenin parçasıdır; komşu yazılarda deterministik kural mi ogrenen model mi ve ai fabrika ariza 10 dakika ile birlikte okunmalıdır.

İkinci yanlış, demo başarısını üretim garantisi saymaktır. Offline skor yüksek, online KPI düşük olabilir. Üçüncü yanlış, güvenlik ve maliyet kısıtlarını “sonra bakarız” demektir; sonra bakmak genelde en pahalı bakıştır.

Uygulayıcı için kontrol listesi

1. Tanım: Bu yazıdaki ana iddiayı kendi sisteminizde bir cümleyle yeniden yazın — kopyalamayın, somutlaştırın.
2. Metrik: Başarıyı hangi sayı ile bileceksiniz? (doğruluk, gecikme, $, false positive, insan eval)
3. Taban çizgi: Model/yöntem yokken ne oluyor?
4. Hata modu: Bozulursa kim zarar görür, nasıl geri alırsınız?
5. Maliyet: Prefill/decode, eğitim adımı, edge güç veya rater saati — hangisi baskın?
6. Regresyon: Sonraki değişiklik eski yeteneği sessizce öldürür mü?

Bu liste “çerçeve kutusu” değildir; mühendislik borcunu erken görünür kılan soru setidir. Atlanırsa ISO 13849 başlığı güzel sunum, kötü sistem üretir.

PL ve mimari ayrımı

Performance Level, güvenlik fonksiyonunun güvenilirliğini sınıflar. Öğrenen modelin skoru bu dilde doğrudan “PL d” olmaz. Bu yüzden mimari ayrım şarttır: AI predictive/advisory planda; güvenlik fonksiyonu sertifikalı donanım/yazılım planda.

Değişiklik yönetimi: modeli yeniden eğitmek, güvenlik dosyasında yeni bir değişikliktir. MLOps hızı ile safety lifecycle gerilimi buradadır.

Sorumluluk

Kaza sonrası “model öyle dedi” savunması işlemez. Tasarım, AI’yı tehlikeli aktüasyondan izole etmelidir. Bu, AI düşmanlığı değil, mühendislik olgunluğudur.

Derinlemesine bağlama

İspat ile istatistik farklı dillerdir. Emniyet fonksiyonunu NN’ye bırakmayın. AI önerir, sertifikalı zincir keser.

Sınırlar, ölçüm ve sahada kırılma noktaları

Fonksiyonel Güvenlik (ISO 13849) ile Yapay Zeka Neden Bir Arada Zor Duruyor? başlığını laboratuvar cümlesi olarak bırakmak kolay, üretim sistemine gömmek zordur. Kırılma genelde üç yerde olur. Birincisi dağılım kayması: eğitimde görülen veri ile sahadaki veri aynı aileden görünür ama yeterince kayar; skorlar düşer, özgüvenli yanlışlar artar. İkincisi metrik körlüğü: tek bir offline skor yükselirken gecikme, maliyet, false positive veya kullanıcı güveni bozulur. Üçüncüsü süreç eksikliği: model doğru sinyal üretir ama iş emrine, güvenlik zincirine veya insan onayına bağlanmadığı için rafta kalır.

Bu üç kırılmayı erken görmek için en az şu gözlem seti gerekir: tutulmuş eval, üretim proxy metrikleri, hata maliyeti senaryoları ve geri alma planı. “Daha büyük model / daha düşük loss / daha uzun bağlam” refleksleri bazen doğrudur; çoğu zaman ise yanlış yere gaz basmaktır. iso 13849 ai neden zor diliminde de aynı disiplin geçerlidir — kavramı bilmek, sistemi kurmak demek değildir.

Ayrıca komşu bileşenleri unutmayın. Tokenizer, position, attention, kayıp, decoding, cache ve güvenlik katmanı birbirine bağlıdır. Birini “hallettik” deyip diğerini rastgele bırakmak, özellikle ölçekte pahalı sürpriz üretir. İyi ekipler tek manşet mekanizmayı değil, uçtan uca boru hattını sahiplenir.

Ne zaman bu yaklaşımı seçmeli, ne zaman seçmemeli?

Seçmek için işaretler: problem yüksek boyutlu örüntü taşıyor, kural yazmak patlıyor, veri (veya log) var, hata tolere edilebilir veya insan/kural sarmalayıcı mevcut, maliyet/gecikme bütçesi net. Seçmemek için işaretler: sert emniyet fonksiyonu, sıfır hata toleransı ve kanıtlanabilir determinizm şartı, veri yokluğu, tek seferlik ucuz kuralın yetmesi, açıklanabilirlik regülasyonunun kara kutu engellemesi.

Gri alanda hibrit kazandır: öğrenen model skorlar ve önceliklendirir; deterministik sınırlar ve insan onayı devreye girer. Bu cümle endüstriyel AI için olduğu kadar LLM ürünleri için de geçerlidir — tool-use ve RAG da bir tür “dış kural ve dış bellek” sarmalayıcısıdır. Fonksiyonel Güvenlik (ISO 13849) ile Yapay Zeka Neden Bir Arada Zor Duruyor? özelinde de soru aynıdır: bu mekanizma hangi riski azaltıyor, hangi yeni riski açıyor, kim onaylıyor?

Sonuç

Güvenlik kanıtı ≠ olasılıksal ağ. Emniyet kuralda, zekâ modelde kalmalıdır.

Daha derin okuma için aynı arşivde attention, eğitim dinamiği, çıkarım ve endüstriyel güvenlik yazıları birbirine bağlanmıştır. Tek haber “yeterli bilgi” değil; sistemin bir dilimini netleştirme aracıdır — ve Fonksiyonel Güvenlik (ISO 13849) ile Yapay Zeka Neden Bir Arada Zor Duruyor dilimi, modern yapay zekânın en çok yanlış anlatılan parçalarından biridir.