AI Sözlüğü
Her terim tek sayfada: net tanım, somut örnek, neden önemli. Toplam 20 terim — sürekli büyüyor.
Temel Kavramlar
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.
Makine Öğrenmesi
Makine öğrenmesi, bilgisayarın kuralları tek tek programlanmadan, örnek verilerden kendi kendine örüntü çıkararak öğrenmesini sağlayan yapay zekâ dalıdır.
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.
Multimodal (Çok Kipli)
Multimodal model, metin, görüntü, ses ve video gibi birden fazla veri türünü aynı anda anlayabilen veya üretebilen yapay zekâ modelidir.
Transformer
Transformer, attention mekanizmasıyla bir dizideki tüm öğeleri aynı anda ilişkilendirebilen sinir ağı mimarisidir; modern dil modellerinin temelidir.
Teknik Terimler
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.
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.
GPU
GPU, binlerce basit çekirdekle aynı anda çok sayıda hesap yapabilen işlemcidir; yapay zekâ modellerinin eğitimi ve çalıştırılması için standart donanımdır.
Parametre
Parametre, yapay sinir ağının eğitim sırasında ayarlanan sayısal değerleridir; modelin öğrendiği her şey bu milyarlarca sayıda saklanır.
RAG (Retrieval-Augmented Generation)
RAG, dil modelinin cevap üretmeden önce harici bir bilgi kaynağından ilgili belgeleri bulup bağlam olarak kullanmasını sağlayan yöntemdir.
Token
Token, dil modellerinin metni işlerken kullandığı en küçük yapı taşıdır; genellikle bir kelime, kelime parçası veya noktalama işaretine karşılık gelir.
Uygulama
AI Ajanı (Agent)
AI ajanı, bir hedefe ulaşmak için kendi başına plan yapan, araçlar kullanan ve sonucu değerlendirip adımlarını düzelten yapay zekâ sistemidir.
Prompt (İstem)
Prompt, bir yapay zekâ modeline verilen girdi metnidir — soru, talimat veya bağlam; modelin çıktısının kalitesini büyük ölçüde belirler.