> tpl_aim_021
Model Kartı ve Sistem Şeffaflık Dosyası
Mitchell ve arkadaşları standardı ile AB Yapay Zeka Yasası Madde 13/14 gereksinimlerini takip eden; modelin hedeflenen kullanımını, kapsam dışı uygulamalarını, mimari parametrelerini, eğitim verisi kökenini, nicel değerlendirme kıyaslamalarını, etik kısıtlarını ve çevresel karbon ayak izini detaylandıran yetkili yapay zeka dokümantasyonu ve şeffaflık dosyası.
Hedeflenen kullanım sınırlarını, etik risk çerçevesini, eğitim verisi kökenini ve AB Yapay Zeka Yasası mevzuat şeffaflık bildirimlerini sunan kapsamlı model dokümantasyon dosyası.
Önemli Teknik Doküman Şablonu ve Hukuki Uyarı
TinyCTO.tv Teknik Doküman Şablon Bildirimi: Bu şablon genel eğitim ve operasyon amaçlı bir başlangıç materyalidir. Hukuki, vergisel, muhasebesel, yatırım, satın alma, mevzuat, güvenlik veya sertifikasyon danışmanlığı değildir. Gereklilikler ülkeye, kuruma, sözleşmeye ve riske göre değişir. Kullanmadan önce yetkin uzmanlarla gözden geçirip uyarlayın.
Çözülen Üretim Problemi
Kuruluşlar, hedeflenen kullanım sınırlarını, etik hata modlarını veya eğitim yanlılıklarını belgelemeden güçlü yapay zeka modelleri canlıya alır; bu da tehlikeli kapsam dışı kullanımlara ve yapay zeka yasaları kapsamında ağır hukuki sorumluluklara yol açar.
Ne Zaman Kullanılmalı?
- •AB Yapay Zeka Yasası (Madde 13/14), ABD FTC yönergeleri ve ISO 42001 ile uyum sağlamak üzere kurumsal modelleri belgelerken
- •Kurum içi veya açık kaynaklı temel modelleri (foundation models), ince ayarlı LLM'leri veya görsel sınıflandırıcıları yayınlarken
- •Yapay zeka API'lerini tüketen yazılım mühendisleri için net sözleşmesel ve operasyonel kullanım sınırları çizerken
Ne Zaman Kullanılmamalı?
- •Üst düzey kurumsal yazılım tedarik puanlama kartlarında (TPL-PRC-005 kullanın)
- •Geleneksel veritabanı şeması ve veri sözlüğü dokümantasyonunda (TPL-BSA-011 kullanın)
5 Şablon Bölümü ve Yapısal İskelet
Model adı, sürümü, yayın tarihi, model türü, parametre sayısı, kütüphane sürümleri ve kurum içi yetkili sahipleri.
Birincil kullanım senaryoları, desteklenen entegrasyon biçimleri, kapsam dışı durumlar ve tehlikeli kötüye kullanım uyarıları.
Kullanılan eğitim veri setleri, veri toplama metodolojisi, demografik temsil, filtreleme kuralları ve bilinen geçmiş yanlılıklar.
Raporlanan metrikler (Doğruluk, F1, PR-AUC, BLEU), değerlendirme veri setleri, demografik eşitlik sonuçları ve güven aralıkları.
Tanımlanan etik riskler, insan denetimi (human-in-the-loop) mekanizmaları, GPU eğitim süresi, tüketilen enerji ve CO2 eşdeğeri.
Doldurma ve Uygulama Yönergeleri
Bağımsız İnceleme ve Onay Kontrol Listesi
- Tüm zorunlu bölümler dolduruldu
- Gizli anahtar veya parola içermiyor
- Yönetici sponsor onayı alındı
Model Kartı ve Sistem Şeffaflık Dosyası - Örnek Vaka Analizi
Örnek Organizasyon: Sovereign Çok Modlu Müşteri Etkileşim Model Kartı ve Şeffaflık Dosyası
Sovereign Çok Modlu Müşteri Etkileşim Model Kartı ve Şeffaflık Dosyası için eksiksiz operasyonel uygulamayı gösteren gerçek dünya vaka analizi.
- •70 milyar parametreli bankacılık sohbet ajanında AB Yapay Zeka Yasası Madde 13 gereksinimleriyle tam uyum sağlandı
- •Otomatik kredi reddi ve biyometrik profilleme dahil 14 yasaklanmış kapsam dışı kullanım alanı belgelendi
- •42,5 metrik ton CO2e eğitim karbon ayak izi şeffafça beyan edildi ve altın standart karbon kredileriyle telafi edildi
Sıkça Sorulan Sorular
Mitchell ve arkadaşları Model Kartı standardı nedir ve neden küresel kabul görmüştür?
2019 yılında Margaret Mitchell ve Timnit Gebru liderliğinde yayınlanan bu çerçeve ("Model Cards for Model Reporting"), yapay zeka sistemlerinin hedeflenen sınırlarını, eğitim verisi bileşimini, kıyaslama performansını ve etik kısıtlarını geliştiricilere ve denetleyicilere standart bir biçimde aktarmasını sağlayarak tehlikeli kullanımları önlemiştir.
Bir Model Kartı, Avrupa Birliği Yapay Zeka Yasası (EU AI Act) ile uyuma nasıl katkı sağlar?
AB Yapay Zeka Yasası'nın 11, 13 ve 14. maddeleri, yüksek riskli ve genel amaçlı modellerin kapsamlı teknik dokümantasyon ve kullanıcıya dönük şeffaflık talimatları sunmasını zorunlu kılar. Yapılandırılmış bir Model Kartı tam olarak bu kanıtları sağlar: yetenekler, hesaplama ayak izi, veri kökeni ve bilinen hata modları.
Bir Model Kartı neden açıkça "Kapsam Dışı Kullanım Alanları" listesi içermelidir?
Modeller belirli dağılımlar ve görevler için optimize edilir. Açıkça belirtilmiş negatif kullanım sınırları olmazsa, yazılım ekipleri genel bir duygu analizi modelini tıbbi teşhis aracına veya otomatik işe alım filtresine dönüştürebilir; bu da kurumu ağır hukuki yaptırımlara ve insan hakları ihlallerine maruz bırakır.
Teknik Doküman Şablon Paketi
Giriş GerekliTüm boş şablonları, işlenmiş senaryoları ve doğrulama manifestolarını tek bir arşivde indirin.
Yetkili Standartlar ve Kaynaklar
- Model Cards for Model Reporting (Mitchell et al.)ACM FAT* • OFFICIAL REQUIREMENT
- EU Artificial Intelligence Act (Article 13 Transparency)European Commission • OFFICIAL REQUIREMENT