Fiziksel yapay zekâ; belirsizliğin, fizik kurallarının ve güvenlik kısıtlarının göz ardı edilemeyeceği gerçek dünyada hareket eden makinelere öğrenilmiş algılama, akıl yürütme ve kontrol yetenekleri kazandırır.
Fiziksel yapay zekânın adı belirli bir bilgi akışına, eğitim tercihine, çalışma zamanı mekanizmasına ya da yönetişim sınırına işaret ettiği için kavramı kesin biçimde açıklamak gerekir. Onu “ileri düzey yapay zekâ” ile eş anlamlı saymak, iddiaların sınanmasını imkânsız hâle getirir. Bu kılavuz, kavramı girdisinden ve varsayımlarından gözlemlenebilir sonucuna kadar ele alıyor, ardından onunla en çok karıştırılabilecek kestirme yaklaşımı inceliyor.
Fiziksel Yapay Zekâ: Tanım, Sınırlar ve Amaç
Fiziksel yapay zekâ; belirsizliğin, fizik kurallarının ve güvenlik kısıtlarının göz ardı edilemeyeceği gerçek dünyada hareket eden makinelere öğrenilmiş algılama, akıl yürütme ve kontrol yetenekleri kazandırır. Tanım, uygulamaya dönük üç temel koşul içerir: belirlenebilir bir girdi, fiziksel yapay zekâya özgü bir dönüşüm ya da karar ve belirtilen bir hedef doğrultusunda değerlendirilebilecek bir sonuç. Bu unsurlardan biri eksikse, söz konusu etiket uygulamaya konmuş bir mekanizmayı değil, bir hedefi anlatıyor olabilir.
Çok modlu sistemler; çözünürlüğü, zamanlaması, gürültü düzeyi ve belirsizliği farklı sinyalleri eşleştirmek zorundadır. Bir sözcük, görüntünün küçük bir bölümüne karşılık gelebilir; bir ses olayı da onu açıklayan video karesinden önce gerçekleşebilir. Fiziksel yapay zekâ açısından bu sistem bakışı önemlidir; çünkü temel model değişmese bile performans, çevresindeki verilere, arayüzlere, donanıma, izinlere ve insanlara bağlı olabilir. Bu nedenle yararlı bir açıklama, modelin öğrenilmiş davranışını bu davranışın ne zaman, nerede ve hangi yetkiyle kullanılacağına karar veren üründen ayrı ele alır.
En yakın yanıltıcı kestirme yaklaşım, geri alınabilir bir dijital simülasyon ortamında çalışan, yalnızca yazılımdan ibaret yapay zekâdır. Bu yaklaşım fiziksel yapay zekâyla görünürde ortak bir özelliğe sahip olabilir; ancak nedensellik çerçevesini değiştirir: başarıyı kanıtlamak için farklı bulgular gerekir, maliyeti farklı kaynaklar belirler ve zararı önlemek için farklı kontroller gerekir. Dolayısıyla sınır, adlandırmayla değil, işleyişle ilgilidir.
Fiziksel Yapay Zekânın Beş Aşamalı İşleyiş Haritası
01Ortamı algılama
→
02Durumu ve belirsizliği tahmin etme
→
03Uygulanabilir bir eylem planlama
→
04Kontrollü bir eyleyici aracılığıyla uygulama
→
05Sonuçları izleme ve toparlanma
Fiziksel yapay zekâ, gözlemlenebilir beş işlem aracılığıyla bir girdiyi sonuca dönüştürür. Aşağıdaki numaralı açıklama da aynı sırayı izler.
Diyagram, fiziksel yapay zekâ için her uygulamanın beş yazılım bileşeni kullandığını ileri süren bir iddia değil, kısa bir nedensellik haritasıdır. Bazı sistemler aşamaları birleştirirken bazıları bunları döngü hâlinde tekrarlar. Harita yine de yararlıdır; çünkü bilgi ya da yetkideki her değişikliğin bir sorumlusu, girdisi, çıktısı ve sınaması olmasını sağlar.
1. Ortamı Algılama: Fiziksel Yapay Zekâda Girdi ve Varsayımlar
Fiziksel yapay zekânın bu aşamasında sistemin ortamı algılaması gerekir. Sorulması gereken yalnızca bu işlemin gerçekleşip gerçekleşmediği değil; hangi bilgileri kullandığı, hangi durumu değiştirdiği ve bu değişikliğin geçerli olduğunu hangi kanıtın gösterdiğidir. Bir incelemeyi yapan kişi, bu işlemi geri alınabilir bir dijital simülasyon ortamında çalışan, yalnızca yazılımdan ibaret yapay zekâdan ayırt edebilmeli ve belirtilen koşullar aynıyken sonucu yeniden üretebilmelidir.
Fiziksel yapay zekânın bu aşamasına geçiş, belirtilen hedefle başlar ve durum ile belirsizlik tahminini destekleyebilecek bir sonuçla sona ermelidir. Belirsizliği, elenen seçenekleri, kaynak kullanımını ve sınırda uygulanan tüm insan ya da yazılım kontrollerini kaydedin. Bu iz, gerçek dünyadaki gecikmelerin, aşınmanın, insanların ve beklenmedik engellerin, aynı zayıflık önemli sonuçlar doğurabilecek bir çıktıya yansımadan önce hata riskini çok daha geniş bir alana yayıp yaymadığını ekiplerin tespit etmesine yardımcı olur.
2. Durumu ve Belirsizliği Tahmin Etme: Fiziksel Yapay Zekâda Temsil veya Karar
Fiziksel yapay zekânın bu aşamasında sistemin durumu ve belirsizliği tahmin etmesi gerekir. Sorulması gereken yalnızca bu işlemin gerçekleşip gerçekleşmediği değil; hangi bilgileri kullandığı, hangi durumu değiştirdiği ve bu değişikliğin geçerli olduğunu hangi kanıtın gösterdiğidir. Bir incelemeyi yapan kişi, bu işlemi geri alınabilir bir dijital simülasyon ortamında çalışan, yalnızca yazılımdan ibaret yapay zekâdan ayırt edebilmeli ve belirtilen koşullar aynıyken sonucu yeniden üretebilmelidir.
Fiziksel yapay zekânın bu aşamasına geçiş, ortamı algılama aşamasıyla başlar ve uygulanabilir bir eylem planlamayı destekleyebilecek bir sonuçla sona ermelidir. Belirsizliği, elenen seçenekleri, kaynak kullanımını ve sınırda uygulanan tüm insan ya da yazılım kontrollerini kaydedin. Bu iz, gerçek dünyadaki gecikmelerin, aşınmanın, insanların ve beklenmedik engellerin, aynı zayıflık önemli sonuçlar doğurabilecek bir çıktıya yansımadan önce hata riskini çok daha geniş bir alana yayıp yaymadığını ekiplerin tespit etmesine yardımcı olur.
3. Uygulanabilir Bir Eylem Planlama: Fiziksel Yapay Zekâda Ayırt Edici Dönüşüm
Fiziksel Yapay Zekânın bu aşamasında sistem, uygulanabilir bir eylem planlamalıdır. Sorulması gereken yalnızca bu işlemin gerçekleşip gerçekleşmediği değil; hangi bilgileri kullandığı, hangi durumu değiştirdiği ve değişikliğin geçerli olduğunu hangi kanıtların gösterdiğidir. Bir incelemeyi yapan kişi, bu işlemi geri alınabilir bir dijital sanal alanda çalışan, yalnızca yazılımdan ibaret yapay zekâdan ayırt edebilmeli ve belirtilen aynı koşullar altında sonucu yeniden üretebilmelidir.
Fiziksel Yapay Zekânın bu aşamasına geçiş, durumu ve belirsizliği tahmin etmekle başlar; kontrollü bir aktüatör aracılığıyla yürütmeyi destekleyebilecek bir sonuçla sona ermelidir. Belirsizliği, elenen alternatifleri, kaynak kullanımını ve geçiş noktasında uygulanan tüm insan veya yazılım denetimini kaydedin. Ekipler bu kayıt sayesinde, aynı zayıflık önemli sonuçlar doğurabilecek bir çıktıya yansımadan önce gerçek dünyadaki gecikmelerin, aşınmanın, insanların ve beklenmedik engellerin hata olasılığını ne ölçüde artırdığını saptayabilir.
4. Kontrollü Bir Aktüatör Aracılığıyla Yürütme: Fiziksel Yapay Zekâda Kısıt ve Doğrulama Sınırı
Fiziksel Yapay Zekânın bu aşamasında sistem, kontrollü bir aktüatör aracılığıyla eylemi gerçekleştirmelidir. Sorulması gereken yalnızca bu işlemin gerçekleşip gerçekleşmediği değil; hangi bilgileri kullandığı, hangi durumu değiştirdiği ve değişikliğin geçerli olduğunu hangi kanıtların gösterdiğidir. Bir incelemeyi yapan kişi, bu işlemi geri alınabilir bir dijital sanal alanda çalışan, yalnızca yazılımdan ibaret yapay zekâdan ayırt edebilmeli ve belirtilen aynı koşullar altında sonucu yeniden üretebilmelidir.
Fiziksel Yapay Zekânın bu aşamasına geçiş, uygulanabilir bir eylem planlamakla başlar; sonuçları izlemeyi ve toparlanmayı destekleyebilecek bir sonuçla sona ermelidir. Belirsizliği, elenen alternatifleri, kaynak kullanımını ve geçiş noktasında uygulanan tüm insan veya yazılım denetimini kaydedin. Ekipler bu kayıt sayesinde, aynı zayıflık önemli sonuçlar doğurabilecek bir çıktıya yansımadan önce gerçek dünyadaki gecikmelerin, aşınmanın, insanların ve beklenmedik engellerin hata olasılığını ne ölçüde artırdığını saptayabilir.
5. Sonuçları İzleme ve Toparlanma: Fiziksel Yapay Zekâda Çıktı, Geri Bildirim ve Durdurma Kuralı
Fiziksel Yapay Zekânın bu aşamasında sistem, sonuçları izlemeli ve toparlanmalıdır. Sorulması gereken yalnızca bu işlemin gerçekleşip gerçekleşmediği değil; hangi bilgileri kullandığı, hangi durumu değiştirdiği ve değişikliğin geçerli olduğunu hangi kanıtların gösterdiğidir. Bir incelemeyi yapan kişi, bu işlemi geri alınabilir bir dijital sanal alanda çalışan, yalnızca yazılımdan ibaret yapay zekâdan ayırt edebilmeli ve belirtilen aynı koşullar altında sonucu yeniden üretebilmelidir.
Fiziksel Yapay Zekânın bu aşamasına geçiş, kontrollü bir aktüatör aracılığıyla eylemi gerçekleştirmekle başlar; izlemeyi veya nihai bir kararı destekleyebilecek bir sonuçla sona ermelidir. Belirsizliği, elenen alternatifleri, kaynak kullanımını ve geçiş noktasında uygulanan tüm insan veya yazılım denetimini kaydedin. Ekipler bu kayıt sayesinde, aynı zayıflık önemli sonuçlar doğurabilecek bir çıktıya yansımadan önce gerçek dünyadaki gecikmelerin, aşınmanın, insanların ve beklenmedik engellerin hata olasılığını ne ölçüde artırdığını saptayabilir.
Üretim sürecini anlamak için Fiziksel Yapay Zekâ haritasını ileriye doğru, hataları teşhis etmek içinse geriye doğru izleyin. İleriye dönük analiz, her aşamanın bir sonrakine nasıl girdi sağladığını sorgular. Geriye dönük analiz ise hatalı, yavaş, pahalı veya güvensiz bir sonuçtan yola çıkarak hangi önceki varsayımın bu sonuca yol açtığını izler. Ekip, belirleyici hatanın model herhangi bir çıktı üretmeden önce gerçekleştiğini çoğu zaman geriye dönük inceleme sırasında keşfeder.
Fiziksel Yapay Zekâya İlişkin Uygulamalı Bir Örnek
Otonom bir mobil robot, insanlara yol vererek ve konum belirleme güveni düştüğünde durarak değişen bir fabrikada yolunu bulabilir.
Bu örnek açıklayıcıdır; çünkü Fiziksel Yapay Zekâ, özenle hazırlanmış bir gösteri üzerinden değerlendirilmek yerine gözlemlenebilir girdilere, ara durumlara ve bir sonuca bağlanabilir. Sağlam bir testte, senaryo için olağan, zor ve bilerek yanıltıcı durumlar oluşturulur; tekniğin kullanılmadığı bir temel durum korunur ve hem ortalama performans hem de tek tek hataların ciddiyeti kaydedilir.
Fiziksel Yapay Zekâ örneğindeki bir varsayımı değiştirip analizi tekrarlayın. Gerekli bir girdiyi kaldırın, çelişkili bir sinyal ekleyin, hesaplama kaynaklarını kısıtlayın, kullanıcı kitlesini değiştirin veya sistemi yanıt vermekten kaçınmaya zorlayın. Yalnızca dikkatle düzenlenmiş tek bir gösteride başarılı olan bir mekanizma, çalışma ortamına genellenebildiğini kanıtlamış sayılmaz.
Fiziksel Yapay Zekâ ve En Yaygın Yanılgı
Fiziksel Yapay Zekâ, çoğu zaman geri alınabilir bir dijital sanal alanda çalışan, yalnızca yazılımdan ibaret yapay zekâya indirgenir. Bu indirgeme, kavramı tanımlayan sınırı ortadan kaldırır. Bunun sonucunda alıcılar birbirinden farklı ürünleri karşılaştırabilir, araştırmacılar bir deneyin gösterdiklerini abartabilir ve operatörler devreye alındıktan sonra yanlış sinyali izleyebilir.
Tanım
Fiziksel Yapay Zekâ
→
Temel dönüşüm
→
Ölçülen sonuç
Yanılgı
bir … ortamda çalışan, yalnızca yazılımdan ibaret yapay zekâ
→
Temel sınırı atlar
→
gerçek dünyadaki gecikme, aşınma, insanlar ve
Fiziksel Yapay Zekâyı tanımlayan mekanizma, dönüşümü ve ölçülebilir sonucu korur; kestirme yaklaşım ise bu sınırı ortadan kaldırarak temel arıza riskini ortaya çıkarır.
| Bakış açısı | Pratik yanıt |
|---|---|
| Tanım | Fiziksel Yapay Zekâ; belirsizliğin, fizik kurallarının ve güvenlik kısıtlarının göz ardı edilemeyeceği gerçek dünyada çalışan makinelere öğrenilmiş algılama, akıl yürütme ve kontrol uygular. |
| Karıştırılan kavram | Geri alınabilir bir dijital sanal ortamda çalışan, yalnızca yazılımdan oluşan yapay zekâ. |
| Risk | Gerçek dünyadaki gecikme, aşınma, insanlar ve beklenmedik engeller, çok daha geniş bir arıza alanı yaratır. |
Karşılaştırmada analiz birimi de belirlenmelidir. Fiziksel Yapay Zekâ üzerine bir makale, tek bir modeli veya algoritmayı ele alabilir; devreye alınmış bir hizmet ise bunlara bilgi getirme, yönlendirme, önbelleğe alma, politika, kimlik, kullanıcı arayüzleri ve izleme bileşenlerini ekler. İki ürün, aynı genel terimi kullanırken bu bileşen dizisinin farklı kısımlarını uyguluyor olabilir. Tanımlayıcı dönüşümü hangi bileşenin gerçekleştirdiğini ve bildirilen sonucun elde edilmesi için başka hangi bileşenlerin gerekli olduğunu sorgulayın.
Fiziksel Yapay Zekâ Günümüz Yapay Zekâ Sistemlerinde Neden Önemli?
Yapay zekâ sistemlerine daha geniş bağlamlar, daha fazla modalite, daha yüksek çalışma zamanı hesaplama gücü, daha kapsamlı araç erişimi ve kurumsal kararlarla daha derin bağlantılar kazandırıldığı için Fiziksel Yapay Zekâ bugün önem taşıyor. Bu koşullarda, bir zamanlar araştırmayla ilgili küçük bir ayrıntı gibi görünen bir unsur; gecikmeyi, güvenliği, erişilebilirliği, çevresel maliyeti, ürün kalitesini veya hukuki hesap verebilirliği belirleyebilir.
Önemli olan, Fiziksel Yapay Zekânın etkileyici tek bir sonuç üretip üretememesi değildir. Asıl ölçüt, tekniğin temsili koşullar altında önemli bir sonucu iyileştirip iyileştirmediği ve bunu daha basit bir temel yaklaşımdan daha etkili biçimde yapıp yapmadığıdır. Her sonucu tek bir ortalamaya indirgemek yerine dağılımları, hata türlerini, uç değerlerdeki gecikmeyi, kaynak kullanımını ve etkilenen alt grupları raporlayın.
Değerlendirmede her modalite ayrı ayrı ele alınmalı, çelişkili girdiler sınanmalı ve zamansal ya da uzamsal temellendirme doğrulanmalıdır. Akıcı bir çok modlu yanıt, modelin doğru sinyale odaklandığını kanıtlamaz. Bu disiplinin özellikle Fiziksel Yapay Zekâya uygulanması, bulguların başka ortamlara aktarılabilmesini sağlar: başka bir ekip, iddia edilen kazanımın farklı bir modelde, dilde, donanım platformunda, veri kümesinde, kullanıcı topluluğunda veya risk toleransında da geçerli olma olasılığını değerlendirebilir.
Fiziksel Yapay Zekânın Sağlayabileceği Faydalar
Fiziksel Yapay Zekâ kullanmanın en güçlü gerekçesi, hedeflenen darboğazı doğrudan ele alabilmesidir. Uygulamaya bağlı olarak fayda; daha iyi temellendirme, daha gerçeğe uygun bir temsil, gelişmiş genelleme, daha düşük gecikme, daha az bellek aktarımı, daha net hesap verebilirlik veya model önerisi ile gerçek bir eylem arasında daha güvenli bir sınır şeklinde ortaya çıkabilir.
Faydalar, kararlar ve ölçümlerle ifade edilmelidir. “Daha akıllı” olmak, Fiziksel Yapay Zekâ için bir kabul ölçütü değildir. Yararlı bir hedef; zor durumlarda hata oranını, çelişkili kanıtlar sonrasında toparlanmayı, trafiğin belirli bir yüzdelik dilimindeki maliyeti, insan incelemesine ayrılan süreyi, kalibrasyonu veya tanımlanmış bir yetki sınırı içinde tutulan eylemlerin yüzdesini belirtebilir.
Fiziksel Yapay Zekâyı Tanımlayan Arıza Türü
Temel sınırlama, gerçek dünyadaki gecikme, aşınma, insanlar ve beklenmedik engellerin çok daha geniş bir arıza alanı yaratmasıdır. Bu arıza, geliştirme tamamlandıktan sonra listeye eklenecek sonradan düşünülmüş bir konu değildir. Fiziksel Yapay Zekâda veri toplama, mimari, izinler, değerlendirme, sürüm yayımlama eşikleri ve izleme, en başından itibaren bu arıza riski göz önünde bulundurularak şekillendirilmelidir.
01Sinyalleri ayır
→
02Zamanlamayı eşleştir
→
03Kaynakları çapraz denetle
→
04Temellendirmeyi doğrula
→
05Çelişkiyi üst mercie ilet
Önlenmesi gereken arıza: gerçek dünyadaki gecikme, aşınma, insanlar ve beklenmedik engeller çok daha geniş bir arıza alanı yaratır.Kontroller, sistem gerçek dünyadaki bir sonuca doğru ilerlerken soldan sağa izlediği sırayı takip eder.
Fiziksel Yapay Zekâya yönelik bir kontrol, ancak maliyetli veya geri döndürülemez bir sonuç ortaya çıkmadan önce devreye giriyorsa işe yarar. Arızanın gözlemlenebilir en erken habercisini belirleyin, bir eşik veya kural koyun, sorumluluğu üstlenecek kişiyi atayın ve toparlanma sürecini sınayın. Kullanım alanına bağlı olarak toparlanma; eylemden kaçınmak, daha basit bir sisteme geri dönmek, ek kanıt istemek, durumu bir kişiye iletmek, modelin önceki sürümüne dönmek veya eylemi tamamen durdurmak anlamına gelebilir.
Fiziksel Yapay Zekâ için Değerlendirme Planı
Fiziksel Yapay Zekâ değerlendirmesine, kanıtların desteklemesi gereken kararı yazarak başlayın. Hedeflenen kullanım popülasyonunu, yanlış bir sonucun doğuracağı sonuçları, karar anında gerçekten mevcut olan bilgileri ve inandırıcı en basit alternatifi tanımlayın. Böylece bir kıyaslamanın yalnızca kolayca uygulanabildiği için başlı başına hedef hâline gelmesi önlenir.
Kontrollü karşılaştırmalar için hiç kullanılmamış bir test kümesinden yararlanın, ardından Fiziksel Yapay Zekâyı aşamalı bir operasyonel ortamda doğrulayın. Çevrimdışı değerlendirme, farklı sürümlerin karşılaştırılabilir olmasını sağlar; gölge mod, canary dağıtımları, hız sınırları veya onay aşamaları ise gerçek trafiğin, geri bildirim döngülerinin ve insanların davranışları nasıl değiştirdiğini ortaya çıkarır. Dağıtım aşamasında, her iyileştirmenin tam kapsamlı kullanıma alınmayı hak ettiğini varsaymak yerine açık bir durdurma koşulu belirlenmelidir.
Fiziksel Yapay Zekâyı yeniden üretmek için gereken girdilerin sürümlerini kaydedin: kaynak veriler, ön işleme, belirteçleyici veya kodlayıcı, model ağırlıkları, yapılandırma, istem veya politika, erişim dizini, değerlendirme kümesi, donanım varsayımları ve uygulanabildiği durumlarda model sunum kodu. Kaynağı izlenebilir kılmadan ekip, sonuçtaki değişikliğin teknikteki bir değişiklikten mi, ortamdan mı yoksa fark edilmeyen bir işlem hattı düzenlemesinden mi kaynaklandığını anlayamaz.
Son olarak, Fiziksel Yapay Zekânın fayda sağladığı iddiasını hangi bulgunun çürüteceğini sorun. Hiçbir sonuç benimseme kararını değiştiremiyorsa bu değerlendirme pazarlamadan ibarettir. Önceden belirlenmiş kabul eşikleri ve korunan bir doğrulama kümesi, bu çalışmayı kanıta dönüştürür.
Fiziksel Yapay Zekâyı Benimsemeden Önce Sorulması Gereken Sorular
- Hedef: Fiziksel Yapay Zekâ hangi ölçülebilir darboğazı çözmeyi amaçlıyor?
- İşleyiş: Ayırt edici dönüşüm, beş aşamanın hangisinde gerçekleşiyor?
- Temel karşılaştırma: Tersine çevrilebilir bir dijital sanal ortamda çalışan, yalnızca yazılıma dayalı yapay zekâyla veya başka, daha basit bir alternatifle karşılaştırıldığında nasıl bir performans sergiliyor?
- Kanıt: Hangi olağan, zorlayıcı, hasmane ve alt grup örnekleri test edildi?
- Operasyon: Ölçek büyüdükçe gecikme, bellek, işlem gücü, enerji, bakım ve inceleme maliyetleri ne düzeye ulaşıyor?
- Risk: Gerçek dünyadaki gecikmenin, aşınmanın, insanların ve beklenmedik engellerin hata olasılığını ve etki alanını çok daha fazla artırdığı nasıl tespit edilecek?
- Kurtarma: Sistem, zarar oluşmadan önce yanıt vermekten kaçınabilir, yedek bir yönteme geçebilir, önceki sürüme dönebilir veya durumu üst kademeye aktarabilir mi?
Fiziksel Yapay Zekâyı İncelemek İçin Temel Kaynaklar
Fiziksel Yapay Zekâyı çevreleyen yapay zekâ yığınına ilişkin başvurulabilecek güvenilir başlangıç kaynakları arasında CLIP araştırma makalesi ve PaLM-E, fiziksel dünyada eyleyebilen çok modlu model yer alır. Bunları, ilgili model, veri kümesi, donanım ve yargı alanına ait belgelerle birlikte inceleyin. Genel bir kaynak işleyişi tanımlayabilir; ancak belirli bir uygulamanın uygun olduğunu yalnızca dağıtıma özgü kanıtlar ortaya koyabilir.
Fiziksel Yapay Zekâ Hakkında Unutulmaması Gerekenler
Fiziksel Yapay Zekâ, daha geniş bir sosyoteknik sistem içindeki tanımlı bir mekanizmadır. Değeri, adından değil, açıkça belirtilmiş koşullar altında belirli bir sonucu iyileştirmesinden kaynaklanır. Beş aşamalı harita bilgi akışını görünür kılar, karşılaştırma ne olmadığını ortaya koyar ve kontrol yolu, sorumlu bir operatörün nerede müdahale edebileceğini gösterir.
Fiziksel Yapay Zekâ için pratik kural; hedefi tanımlamak, inandırıcı bir temel karşılaştırma noktasıyla kıyaslamak, en önemli hata türünü test etmek ve değişimi izlemek için gereken kanıtları saklamaktır. Bu unsurlar bir araya geldiğinde kavram, değerlendirilebilecek bir mühendislik ve yönetişim tercihine dönüşür. Bunlar olmadan, bilinmeyen bir operasyonel riske iliştirilmiş umut verici bir addan ibaret kalır.
