Yapay Zekâ Sözlüğü: 55 Temel Terim Sade Anlatımla (2026)
Yapay zekâ dünyasında duyduğunuz her terim, tokenden ve prompttan büyük dil modellerine, halüsinasyona, RAG'e ve yapay zekâ ajanlarına kadar, bu sözlükte sade tanımlar ve örneklerle; temellerden güvenlik ve hukuka uzanan altı başlıkta.
Bu sözlük kimin için? Sohbetlerde, haberlerde ya da yapay zekâ araçlarında "token", "prompt" veya "büyük dil modeli" gibi kelimelerle karşılaşan ve bunları teknik bilgi gerektirmeden anlamak isteyen herkes için. Her terim İngilizce karşılığı, sade bir tanım ve gerektiğinde bir örnekle verildi.
Yapay zekâya yeni başlıyorsanız önce Yapay Zekâ Nedir ve Nasıl Çalışır? rehberimizi okuyun ve bu sayfayı başvuru kaynağı olarak saklayın.
Bu sözlük nasıl kullanılır
Terimler, temellerden güvenlik ve hukuka kadar altı başlıkta toplandı
Her terimin yanında İngilizce karşılığı var; böylece başka kaynaklarda da tanırsınız
Bir terimi hızlıca bulmak için tarayıcınızın arama özelliğini (Ctrl+F) kullanın
1. Temel kavramlar
Yapay zekâ (Artificial Intelligence, AI)
Önceden yazılmış kurallar yerine veriden kalıplar öğrenen ve bunları dili anlamak, görsel tanımak ya da içerik üretmek gibi işler için kullanan yazılım. Bu alanın tamamının adıdır da.
Dar yapay zekâ (Narrow AI)
Çeviri, yüz tanıma ya da sohbet gibi bir veya birkaç belirli işte iyi olan yapay zekâ. Bugün kullanılan tüm yapay zekâ araçları, en gelişmiş sohbet botları dahil, dar yapay zekâdır.
Yapay genel zekâ (Artificial General Intelligence, AGI)
Bir insanın yapabileceği neredeyse her zihinsel görevi her alanda öğrenip yapabilecek varsayımsal yapay zekâ. AGI pek çok laboratuvarın araştırma hedefidir ama henüz mevcut değildir ve ne zaman gelebileceği konusunda uzlaşma yoktur.
Süper zekâ (Artificial Superintelligence, ASI)
Neredeyse her alanda en zeki insanları geride bırakacak varsayımsal yapay zekâ. Daha çok gelecek ve yapay zekâ güvenliği tartışmalarında gündeme gelir.
Algoritma (Algorithm)
Bir problemi çözmek için izlenen kesin adımlar dizisi. Yapay zekâda algoritmalar öğrenmenin nasıl gerçekleşeceğini belirler; öğrenmenin sonucu ise "model"dir.
Model
Bir yapay zekâ sisteminin eğitiminden çıkan sonuç: modelin bilgisinin sıkıştırıldığı milyonlarca ila milyarlarca sayıdan oluşan bir dosya. "Yeni bir model yayımlandı" denildiğinde kastedilen bu eğitilmiş dosyadır.
Makine öğrenmesi (Machine Learning, ML)
Makinenin açıkça programlanmak yerine örneklerden öğrendiği yapay zekâ dalı. E-posta spam filtreleri ve dizi-film önerileri gündelik örneklerdir.
Derin öğrenme (Deep Learning)
Çok katmanlı sinir ağları kullanan bir makine öğrenmesi türü. Son on yılın büyük atılımları, konuşma tanımadan sohbet botlarına kadar, derin öğrenmeden gelir.
Sinir ağı (Neural Network)
Beyinden ilham alan ve yapay "nöron" katmanlarından oluşan yapı. Her nöron sayıları farklı ağırlıklarla birleştirir ve sonucu bir sonraki katmana iletir. 2024 Nobel Fizik Ödülü bu fikrin öncülerine verildi.
Üretken yapay zekâ (Generative AI)
Yeni içerik üreten modeller: metin, görsel, video, ses ya da kod. ChatGPT ile görsel ve müzik üreticileri üretken yapay zekâ örnekleridir.
2. Modeller nasıl öğrenir
Eğitim verisi (Training Data)
Modelin öğrendiği örnekler: metin, görsel ya da ses. Eğitim verisinin kalitesi ve çeşitliliği, modelin doğruluğunu ve önyargısını doğrudan etkiler.
Eğitim (Training)
Modelin tekrar tekrar tahmin yaptığı, tahminin doğru cevapla karşılaştırıldığı ve parametrelerinin biraz ayarlandığı süreç. Büyük modellerin eğitimi binlerce işlemci üzerinde haftalar ya da aylar sürer.
Ön eğitim (Pre-training)
Büyük modellerin eğitiminin ilk aşaması: model, belirli bir görev için ayarlanmadan önce devasa miktarda genel veri görür ve genel kalıpları öğrenir.
Parametre ya da ağırlık (Parameter / Weight)
Modelin içinde eğitim sırasında ayarlanan ve öğrendiklerini tutan sayılar. Büyük dil modellerinin milyarlarca parametresi vardır, ancak daha fazla parametre her zaman daha iyi model anlamına gelmez.
Denetimli öğrenme (Supervised Learning)
Doğru cevapları bilinen örneklerden öğrenme; örneğin "kedi" ya da "köpek" etiketli binlerce fotoğraf. Model, girdiden doğru cevaba ulaşmayı öğrenir.
Denetimsiz öğrenme (Unsupervised Learning)
Etiketlenmemiş veriden kalıp ya da grup bulmak için öğrenme; örneğin müşterileri alışveriş davranışlarına göre otomatik olarak gruplamak.
Pekiştirmeli öğrenme (Reinforcement Learning)
Modelin deneme yanılma yoluyla, eylemleri için "ödül" ya da "ceza" alarak öğrendiği yöntem. AlphaGo, Go oyununda dünya şampiyonunu bu yöntemle yendi.
İnsan geri bildirimiyle pekiştirmeli öğrenme (RLHF)
Sohbet botlarının eğitiminde, insanların modelin farklı cevaplarını sıraladığı ve modelin daha yararlı, dürüst ve zararsız cevaplar vermeyi öğrendiği aşama.
İnce ayar (Fine-tuning)
Önceden eğitilmiş bir modelin belirli bir görevde ya da alanda daha iyi olması için daha uzmanlaşmış verilerle ek olarak eğitilmesi; örneğin genel bir modelin hukuki metinler için ayarlanması.
Aşırı öğrenme (Overfitting)
Modelin genel kalıbı öğrenmek yerine eğitim örneklerini ezberlemesi: eğitim verisinde mükemmel, yeni veride zayıftır. Konuyu anlamadan cevapları ezberleyen bir öğrenci gibi.
Çıkarım (Inference)
Eğitilmiş modelin kullanıldığı aşama: yeni girdi alır ve cevap üretir. Bir sohbet botuyla her konuştuğunuzda model çıkarım yapar ve sizden bir şey öğrenmez.
3. Dil modelleri ve sohbet botları
Büyük dil modeli (Large Language Model, LLM)
Bir sonraki kelimeyi tahmin etmek için devasa miktarda metinle eğitilmiş çok büyük bir sinir ağı. Bu basit yetenek, sohbet botlarının yazma, özetleme, çeviri ve sohbet becerilerinin temelidir.
Transformer
2017'de Attention Is All You Need makalesiyle tanıtılan ve bugünkü büyük dil modellerinin neredeyse tamamının temelini oluşturan sinir ağı mimarisi. GPT'deki "T" de buradan gelir.
Dikkat mekanizması (Attention)
Transformer'ın, modelin her kelime için metindeki hangi diğer kelimelerin en önemli olduğunu anlamasını sağlayan kısmı; örneğin "o" zamirinin hangi isme gönderme yaptığını.
Token
Modelin işlediği en küçük metin parçası: bir kelime, kelimenin bir kısmı ya da bir işaret. İngilizcede bir token yaklaşık dörtte üç kelimedir; Türkçede bir kelime çoğu zaman birkaç tokene bölünür. Kullanım ücreti ve uzunluk sınırları token ile ölçülür.
Bağlam penceresi (Context Window)
Modelin aynı anda "görebildiği" en fazla metin miktarı (token cinsinden); önceki mesajlar ve eklenen belgeler dahil. Sohbet bunu aşarsa en eski kısımlar modelin çalışma belleğinden çıkar.
Gömme (Embedding)
Bir kelimeyi, cümleyi ya da görseli, benzer anlamlar benzer sayılar alacak şekilde bir sayı listesine dönüştürme yöntemi. Anlamsal arama ve RAG gömmeler üzerine kuruludur.
Sıcaklık (Temperature)
Modelin cevaplarının ne kadar rastgele olacağını belirleyen ayar. Düşük sıcaklık daha öngörülebilir ve odaklı, yüksek sıcaklık daha çeşitli ve yaratıcı cevaplar verir.
Halüsinasyon (Hallucination)
Modelin akıcı ve ikna edici ama yanlış ya da uydurma bir cevap vermesi; var olmayan bir istatistik ya da sahte bir kaynak gibi. Modelin gerçeği kontrol etmek için değil, akla yatkın metin üretmek için eğitilmesinden kaynaklanır.
Sohbet botu (Chatbot)
Kullanıcıyla doğal dilde konuşan program. Bugünün sohbet botları genellikle büyük dil modelleri üzerine kuruludur.
Akıl yürütme modeli (Reasoning Model)
Nihai cevabı vermeden önce problemi adım adım çözümleyen dil modeli. Bu modeller matematikte, programlamada ve çok adımlı problemlerde daha iyidir, ancak genellikle daha yavaş ve pahalıdır.
4. Görsel, video ve ses
Difüzyon modeli (Diffusion Model)
Bugünkü görsel üreticilerin çoğunun temel tekniği. Model bir görseldeki gürültüyü adım adım silmeyi öğrenmiştir; üretirken tamamen rastgele gürültüden başlar ve metninizin rehberliğinde onu bir resme dönüştürür.
Metinden görsele (Text-to-Image)
Metinle yazılmış bir tariften görsel üretmek; örneğin "gün batımında bir deniz feneri, suluboya tarzında".
Yapay zekâ ile görsel düzenleme (Inpainting)
Var olan bir görselin bir bölümünü metin komutuyla değiştirmek: bir nesneyi silmek, arka planı değiştirmek ya da ayrıntı eklemek, görselin geri kalanına dokunmadan.
Metinden videoya (Text-to-Video)
Bir tariften ya da görselden kısa video üretmek. Kareler zaman içinde tutarlı kalmak zorunda olduğundan video üretmek tek bir görselden çok daha pahalıdır.
Metinden konuşmaya (Text-to-Speech, TTS)
Yazılı metni uygun tonlama ve duraklamalarla doğal sese dönüştürmek. Sesli kitaplarda, video seslendirmede ve sesli asistanlarda kullanılır.
Konuşma tanıma (Speech-to-Text, ASR)
Konuşulan sesi yazılı metne dönüştürmek; otomatik altyazı ya da sesle yazma gibi.
Ses klonlama (Voice Cloning)
Yapay zekâyla belirli bir kişinin sesine benzeyen bir ses üretmek. Kötüye kullanım riski ve ses sahibinin hakları nedeniyle güvenilir hizmetlerin çoğu, gerçek kişilerin seslerinin izinsiz taklit edilmesini kısıtlar.
Deepfake
Birini hiç söylemediği bir şeyi söylerken ya da hiç yapmadığı bir şeyi yaparken gösteren, yapay zekâyla üretilmiş sahte ama gerçekçi fotoğraf, ses ya da video. Güvenilir kaynağı olmayan şok edici içeriğe güvenmeyin.
Çok modlu (Multimodal)
Birkaç veri türünü birlikte anlayabilen ya da üretebilen model; örneğin bir fotoğrafa bakıp onun hakkında konuşmak ya da metinden görsel ve ses üretmek.
5. Yapay zekâyı kullanmak
Prompt
Yapay zekâya verdiğiniz metin ya da talimat: soru, istek veya görsel tarifi. Promptun kalitesi sonucun kalitesini doğrudan etkiler.
Prompt mühendisliği (Prompt Engineering)
En iyi sonucu alan promptları yazma becerisi; örneğin rol, hedef, kitle ve çıktı biçimini belirtmek ve örnek vermek.
Sistem promptu (System Prompt)
Bir sohbet botunun yapımcısının her sohbetin başında modele verdiği, davranışını, tonunu ve sınırlarını belirleyen gizli talimat.
Sıfır örnekli ve az örnekli (Zero-shot / Few-shot)
Sıfır örnekli yaklaşımda yalnızca isteği söylersiniz; az örnekli yaklaşımda modelin kalıbı yakalaması için istediğiniz girdi ve çıktıdan birkaç örnek de verirsiniz. Birkaç iyi örnek sonucu çoğu zaman belirgin şekilde iyileştirir.
Geri getirmeyle zenginleştirilmiş üretim (Retrieval-Augmented Generation, RAG)
Modelin cevap vermeden önce şirket belgeleri ya da web araması gibi dış bir kaynaktan ilgili bilgiyi bulduğu ve cevabını buna dayandırdığı yöntem. Cevapları daha güncel tutar ve halüsinasyonları azaltır.
Yapay zekâ ajanı (AI Agent)
Yalnızca cevap vermekle kalmayıp bir hedefe ulaşmak için birkaç adımı kendisi planlayıp uygulayan sistem: arama yapar, araç kullanır, dosya oluşturur ve sonucu kontrol eder.
API (uygulama programlama arayüzü)
Yazılımların bir yapay zekâ modeline doğrudan bağlanıp onu kullanma yolu. Pek çok uygulama ve bot büyük şirketlerin modellerini API üzerinden kullanır ve genellikle token başına ödeme yapar.
Açık kaynak / açık ağırlıklı model (Open-source / Open-weight Model)
Parametreleri herkese açık olarak yayımlanmış, dolayısıyla herkesin indirip kendi sunucusunda çalıştırabileceği ya da ince ayar yapabileceği model. Kapalı modellere ise yalnızca yapımcısının hizmeti ya da API'si üzerinden erişilebilir.
6. Güvenlik, etik ve hukuk
Önyargı (Bias)
Modelin, genellikle eğitim verisindeki dengesizlik ya da önyargı nedeniyle haksız ya da tek taraflı sonuçlara yönelmesi; örneğin belirli bir mesleği hep tek bir cinsiyetle resmetmek.
Hizalama (Alignment)
Yapay zekânın davranışını insanların hedef ve değerleriyle uyumlu hâle getirme çabası; yararlı, dürüst ve zararsız kalması ve gerçekten kastettiğimiz şeyi yapması.
Korkuluklar ya da güvenlik filtreleri (Guardrails)
Model yapımcılarının tehlikeli, yasa dışı ya da zararlı çıktıları önlemek için kullandığı kurallar ve filtreler. Bir araç bir isteği "içerik kısıtlamaları nedeniyle" reddettiğinde, genellikle model yapımcısının korkulukları devrededir.
Jailbreak
Özel promptlarla modeli kandırıp güvenlik sınırlarını görmezden gelmesini sağlama girişimi. Model yapımcıları bu teknikleri sürekli tespit edip engeller; bunları kullanmak genellikle hizmet koşullarına aykırıdır.
Yapay zekâ filigranı ve içerik etiketleme (AI Watermarking)
Yapay zekâyla üretilen içeriğe, kaynağının anlaşılabilmesi için yerleştirilen görünür ya da gizli işaretler. AB Yapay Zekâ Yasası dahil yeni kurallar bunu zorunlu hâle getirmeye doğru ilerliyor.
AB Yapay Zekâ Yasası (EU AI Act)
Dünyanın ilk kapsamlı yapay zekâ yasası. 1 Ağustos 2024'te yürürlüğe girdi; yükümlülükleri birkaç yıla yayılarak aşamalı olarak uygulanıyor. Sistemleri risk düzeyine göre sınıflandırır, bazı kullanımları tamamen yasaklar ve yapay zekâ içeriği için şeffaflık kuralları getirir.
Veri gizliliği (Data Privacy)
Yapay zekâ kullanırken kişisel bilgilerin korunması. Basit kural: hiçbir sohbet botuna şifre, kart numarası, kimlik belgesi ya da gizli bilgi girmeyin ve her hizmetin veri saklama politikasını bilin.
Terimlerden pratiğe
Terimleri bilmek yolun yarısıdır; diğer yarısı araçları denemektir. ChatGPT, Gemini ya da Claude gibi bir sohbet aracıyla başlayın; sohbet, görsel üretme, video, seslendirme ve müziği Telegram içinde tek bir yerde toplamayı tercih ederseniz heymesbot'u deneyin. Birkaç basit prompt yazın ve "token", "sıcaklık" ya da "halüsinasyon" gibi terimlerin pratikte neye benzediğini görün.
Bu kavramların birbirine nasıl bağlandığını anlamak için Yapay Zekâ Nedir ve Nasıl Çalışır? rehberimizin tamamını okuyun.
Yorumlar
Henüz yorum yok. İlk yorumu siz yazın.
Yorum yazın
Yorumlar incelendikten sonra yayınlanır. Lütfen konuyla ilgili ve nazik olun.