AI Sözlüğü

Her terim tek sayfada: net tanım, somut örnek, neden önemli. Toplam 58 terim — sürekli büyüyor.

Temel Kavramlar

Benchmark (Kıyaslama Testi)

Benchmark, yapay zeka modellerini aynı soru setiyle sınayıp puanlayarak birbirleriyle karşılaştırılabilir kılan standart ölçüm testidir.

Denetimli Öğrenme (Supervised Learning)

Denetimli öğrenme, girdi-çıktı çiftlerinden oluşan etiketli örneklerle modelin doğru cevabı tahmin etmeyi öğrendiği yaklaşımdır.

Denetimsiz Öğrenme (Unsupervised Learning)

Denetimsiz öğrenme, etiketlenmemiş veride modelin kendi başına örüntü, kümeleme veya yapı keşfettiği makine öğrenmesi yaklaşımıdır.

Derin Öğrenme

Derin öğrenme, çok katmanlı yapay sinir ağlarıyla ham veriden karmaşık örüntüler öğrenen makine öğrenmesi dalıdır; modern AI patlamasının motorudur.

Halüsinasyon

Halüsinasyon, bir dil modelinin gerçekte var olmayan bilgiyi — uydurma kaynak, tarih, olay — kendinden emin ve akıcı bir dille üretmesidir.

Hizalama (AI Alignment)

Hizalama, bir yapay zeka modelinin davranışlarını insan niyetleri, değerleri ve güvenlik beklentileriyle uyumlu hale getirme çabasıdır.

Katman (Layer)

Katman, sinir ağında veriyi birlikte işleyip bir sonraki aşamaya aktaran nöron grubudur; katmanlar üst üste dizildikçe ağ giderek soyut kavramlar öğrenir.

Makine Öğrenmesi

Makine öğrenmesi, bilgisayarın kuralları tek tek programlanmadan, örnek verilerden kendi kendine örüntü çıkararak öğrenmesini sağlayan yapay zekâ dalıdır.

Pekiştirmeli Öğrenme (Reinforcement Learning)

Pekiştirmeli öğrenme, bir ajanın deneme-yanılmayla ödül alan eylemleri tekrarlamayı öğrendiği makine öğrenmesi türüdür.

Turing Testi

Turing Testi, bir makinenin yazılı sohbette insandan ayırt edilememesi hâlinde zeki sayılabileceğini öne süren, 1950 tarihli klasik düşünce deneyidir.

Yapay Sinir Ağı

Yapay sinir ağı, insan beynindeki nöronlardan ilham alan, katmanlar hâlinde bağlı yapay hücrelerle veriden örüntü öğrenen bir hesaplama modelidir.

Yapay Zekâ (AI)

Yapay zekâ, normalde insan zekâsı gerektiren görevleri — anlama, öğrenme, karar verme — yerine getirebilen bilgisayar sistemlerinin genel adıdır.

Modeller

AGI (Genel Yapay Zekâ)

AGI, tek bir alanda değil, insanın yapabildiği hemen her bilişsel görevde insan seviyesinde veya üzerinde performans gösterebilen varsayımsal yapay zekâdır.

Büyük Dil Modeli (LLM)

Büyük dil modeli, devasa metin verisiyle eğitilmiş, bir metnin devamındaki en olası kelimeyi tahmin ederek dil üreten derin öğrenme modelidir.

CNN (Evrişimli Sinir Ağı)

CNN, görüntüyü küçük filtrelerle tarayarak kenardan nesneye doğru kademeli özellik öğrenen sinir ağı mimarisidir; bilgisayarla görmenin klasik omurgasıdır.

Difüzyon Modeli

Difüzyon modeli, rastgele gürültüyü adım adım temizleyerek görüntü, ses veya video üreten yapay zeka mimarisidir; Stable Diffusion ve Midjourney'nin temelidir.

GAN (Çekişmeli Üretici Ağlar)

GAN, biri sahte örnek üreten biri sahteyi yakalamaya çalışan iki sinir ağının çekişerek birlikte öğrendiği üretici yapay zeka mimarisidir.

Küçük Dil Modeli (SLM)

Küçük dil modeli (SLM), büyük modellere göre çok daha az parametreye sahip, daha az kaynakla çalıştırılabilen ve belirli görevlerde onlara yakın performans veren dil modelidir.

Multimodal (Çok Kipli)

Multimodal model, metin, görüntü, ses ve video gibi birden fazla veri türünü aynı anda anlayabilen veya üretebilen yapay zekâ modelidir.

RNN (Tekrarlayan Sinir Ağı)

RNN, diziyi öğe öğe işleyip her adımda bir bellek durumu taşıyan sinir ağı mimarisidir; Transformer öncesi dil modellemenin standart yaklaşımıydı.

Transformer

Transformer, attention mekanizmasıyla bir dizideki tüm öğeleri aynı anda ilişkilendirebilen sinir ağı mimarisidir; modern dil modellerinin temelidir.

Uzman Karışımı (Mixture of Experts)

Uzman karışımı, modelin her istekte parametrelerinin yalnızca ilgili uzman bölümlerini çalıştırdığı mimaridir; devasa kapasiteyi düşük hesap maliyetiyle sunar.

Teknik Terimler

Aktivasyon Fonksiyonu

Aktivasyon fonksiyonu, yapay nöronun çıkışını doğrusal olmayan biçimde dönüştüren işlemdir; sinir ağına karmaşık örüntüleri öğrenme gücünü bu dokunuş verir.

Aşırı Öğrenme (Overfitting)

Aşırı öğrenme, modelin eğitim verisini ezberleyip genel kuralı kaçırması ve bu yüzden yeni verilerde başarısız olmasıdır; makine öğrenmesinin klasik tuzağıdır.

Attention (Dikkat Mekanizması)

Attention, modelin bir kelimeyi işlerken metindeki diğer kelimelere ne kadar önem vereceğini hesaplayan mekanizmadır; Transformer mimarisinin kalbidir.

Bağlam Penceresi

Bağlam penceresi, bir dil modelinin tek seferde işleyebileceği toplam metin miktarıdır; token cinsinden ölçülür ve modelin 'çalışma belleği' gibidir.

Çıkarım (Inference)

Çıkarım, eğitilmiş bir yapay zeka modelinin yeni bir girdi için çıktı ürettiği çalışma aşamasıdır; ChatGPT'ye her soru sorduğunuzda çıkarım yapılır.

Düşünce Zinciri (Chain-of-Thought)

Düşünce zinciri, modelin doğrudan cevap vermeden önce ara adımları sırayla yazdırdığı, akıl yürütme başarısını artıran istem tekniğidir.

Eğitim Verisi

Eğitim verisi, bir makine öğrenmesi modelinin örüntüleri öğrenmek için üzerinde çalıştığı örnekler bütünüdür; modelin bilgisinin ve önyargılarının kaynağıdır.

Embedding (Anlam Vektörü)

Embedding, kelime, cümle veya belge gibi verileri anlamını koruyacak şekilde sayı dizilerine (vektörlere) çeviren temsil yöntemidir.

Fine-tuning (İnce Ayar)

Fine-tuning, önceden eğitilmiş bir modeli daha küçük ve hedefli bir veri setiyle yeniden eğiterek belirli bir göreve veya üsluba uyarlama işlemidir.

Geri Yayılım (Backpropagation)

Geri yayılım, sinir ağının hatasını çıkıştan girişe doğru katman katman geriye dağıtarak her parametrenin düzeltme payını hesaplayan öğrenme algoritmasıdır.

GPU

GPU, binlerce basit çekirdekle aynı anda çok sayıda hesap yapabilen işlemcidir; yapay zekâ modellerinin eğitimi ve çalıştırılması için standart donanımdır.

Gradyan İnişi

Gradyan inişi, modelin parametrelerini hatayı en hızlı azaltan yönde küçük adımlarla güncelleyerek en iyi ayara yaklaşan temel optimizasyon algoritmasıdır.

Kayıp Fonksiyonu (Loss)

Kayıp fonksiyonu, modelin tahmini ile doğru cevap arasındaki farkı tek bir hata sayısına çeviren ölçüttür; eğitimin tamamı bu sayıyı küçültmeye çalışır.

LoRA (Low-Rank Adaptation)

LoRA, bir modelin parametrelerini dondurup yanına çok küçük ek katmanlar eğiterek düşük maliyetle özelleştirme yapan fine-tuning tekniğidir.

MCP (Model Context Protocol)

MCP, yapay zekâ modellerinin dosya, veritabanı ve dış servislere tek tip bir arayüzle bağlanmasını sağlayan açık bağlantı protokolüdür.

Model Damıtma (Distillation)

Model damıtma, büyük bir öğretmen modelin bilgisini çok daha küçük bir öğrenci modele aktararak ucuz ve hızlı ama yetenekli modeller üretme tekniğidir.

Nicemleme (Quantization)

Nicemleme, model parametrelerini daha az bitle saklayarak bellek ve hız kazandıran sıkıştırma tekniğidir; büyük modelleri sıradan donanımda çalıştırır.

Orkestrasyon (Orchestration)

Orkestrasyon, birden fazla yapay zekâ ajanının veya adımın hangi sırayla, kimin sorumluluğunda çalışacağını yöneten koordinasyon katmanıdır.

Parametre

Parametre, yapay sinir ağının eğitim sırasında ayarlanan sayısal değerleridir; modelin öğrendiği her şey bu milyarlarca sayıda saklanır.

Pretraining (Ön Eğitim)

Pretraining, bir dil modelinin devasa metin yığınları üzerinde bir sonraki tokeni tahmin ederek genel dil ve dünya bilgisi kazandığı ilk eğitim aşamasıdır.

RAG (Retrieval-Augmented Generation)

RAG, dil modelinin cevap üretmeden önce harici bir bilgi kaynağından ilgili belgeleri bulup bağlam olarak kullanmasını sağlayan yöntemdir.

RLHF (İnsan Geri Bildirimiyle Pekiştirmeli Öğrenme)

RLHF, insan değerlendiricilerin cevap tercihlerinden öğrenen bir ödül modeliyle dil modelini daha yararlı, dürüst ve güvenli olacak şekilde eğitme yöntemidir.

Sıcaklık (Temperature)

Sıcaklık, dil modelinin çıktısındaki rastgeleliği ayarlayan parametredir; düşük değer tutarlı ve öngörülebilir, yüksek değer çeşitli ve yaratıcı sonuç verir.

Softmax

Softmax, bir modelin ham çıktı sayılarını toplamı 1 eden olasılık değerlerine çeviren matematiksel fonksiyondur.

Token

Token, dil modellerinin metni işlerken kullandığı en küçük yapı taşıdır; genellikle bir kelime, kelime parçası veya noktalama işaretine karşılık gelir.

Tokenizer (Tokenizasyon)

Tokenizer, bir metni yapay zeka modelinin işleyebileceği en küçük birimler olan tokenlere bölen sistemdir.

Tool Use (Araç Kullanımı)

Tool use, bir dil modelinin cevap üretirken harici bir fonksiyonu veya API'yi çağırıp sonucunu cevabına dahil edebilme yeteneğidir.

Vektör Veritabanı (Vector Database)

Vektör veritabanı, metinleri sayısal embedding vektörleri olarak saklayıp anlamca en yakın kayıtları hızla bulan veritabanı türüdür.