Yapay zekâ sözlüğü: 41 terim, sade Türkçe
Token, prompt, halüsinasyon, RAG, ajan, açık kaynak, ince ayar... Yapay zekâ konuşulurken geçen 41 temel terimi, teknik bilgi gerektirmeden ve kısa örneklerle açıkladık.
Yapay TU Editör · 4 dk okuma
Yapay zekâ dünyasında en sık geçen terimler şunlar: LLM (büyük dil modeli), prompt (yapay zekâya verilen talimat), token (metnin işlendiği parçalar), bağlam penceresi (modelin aynı anda aklında tutabildiği metin miktarı), halüsinasyon (yapay zekânın uydurması), RAG (cevabı belgelere dayandırma), ajan (kendi başına adım atabilen yapay zekâ) ve ince ayar (modeli belirli bir iş için ek eğitim). Bu sözlükte bunlar dahil 41 terimi sade bir dille açıkladık.
Yapay zekâ hakkında bir haber okurken ya da bir aracın tanıtımını incelerken, cümlenin yarısını anlayıp yarısında takılmak çok normal. Alan hızla büyüdüğü için terimler de çoğalıyor ve çoğu İngilizceden doğrudan geliyor.
Bu sözlük, en sık karşına çıkacak 41 terimi sade Türkçe ve kısa örneklerle açıklıyor. Alfabetik değil, birbirini tamamlayacak şekilde konu konu sıraladık.
Temel kavramlar
Yapay zekâ (AI). İnsan zekâsı gerektiren işleri (anlamak, karar vermek, üretmek) yapabilen bilgisayar sistemlerinin genel adı. Ayrıntılı anlatım: yapay zekâ nedir.
Makine öğrenmesi. Bilgisayara kuralları tek tek yazmak yerine, örneklerden kalıp öğrenmesini sağlayan yöntem. Spam filtresinin binlerce spam e-postadan spamın neye benzediğini öğrenmesi gibi.
Derin öğrenme. Makine öğrenmesinin, çok katmanlı yapay sinir ağları kullanan alt dalı. Bugünkü sohbet botları, görsel üreticiler ve ses tanıma sistemlerinin çoğu buna dayanıyor.
Sinir ağı. Beyindeki sinir hücrelerinden esinlenen, birbirine bağlı matematiksel birimlerden oluşan yapı. Bağlantıların güçleri eğitim sırasında ayarlanıyor.
Model. Eğitimin sonunda ortaya çıkan, öğrendiklerini kullanarak tahmin ya da üretim yapan sistem. "GPT", "Claude", "Gemini" birer model ailesi.
Parametre. Modelin içindeki ve eğitim sırasında ayarlanan sayılar. Modelin "bilgisi" bu sayılarda saklanıyor. Büyük modellerde milyarlarca parametre var.
Eğitim. Modelin verilerden öğrenme süreci. Büyük modellerde aylar sürebiliyor ve çok pahalı.
Çıkarım (inference). Eğitilmiş modelin kullanılması. Sen ChatGPT'ye soru sorduğunda gerçekleşen şey çıkarım.
Dil modelleri
LLM (büyük dil modeli). Devasa miktarda metinle eğitilmiş ve dili anlayıp üretebilen model. Ayrıntılı anlatım: büyük dil modeli nedir.
Token. Modelin metni böldüğü küçük parçalar. Bir kelime bir ya da birkaç token olabilir. Kotalar ve ücretler token ile hesaplanıyor. Ayrıntılı anlatım: token nedir.
Bağlam penceresi. Modelin aynı anda "aklında tutabildiği" toplam metin miktarı. Sohbet bu sınırı aşarsa model baştaki kısımları unutmaya başlar.
Prompt. Yapay zekâya verdiğin talimat ya da soru. İyi prompt yazmanın kuralları için: iyi prompt yazmanın 7 kuralı.
Sistem promptu. Kullanıcının görmediği, modelin nasıl davranacağını belirleyen arka plan talimatı. Bir ürünün yapay zekâsının "kişiliği" büyük ölçüde buradan geliyor.
Halüsinasyon. Yapay zekânın gerçek olmayan bir bilgiyi kendinden emin şekilde üretmesi. Var olmayan bir kitap adı vermesi gibi. Ayrıntılı anlatım: yapay zekâ neden uyduruyor.
Sıcaklık (temperature). Modelin cevaplarının ne kadar yaratıcı ya da öngörülebilir olacağını belirleyen ayar. Düşük sıcaklık daha tutarlı, yüksek sıcaklık daha çeşitli cevaplar üretir.
Few-shot. Prompta birkaç örnek ekleyerek modele ne istediğini göstermek. Ayrıntılı anlatım: örnek vererek prompt yazmak.
Chain of thought (düşünce zinciri). Modelden cevaba atlamadan önce adım adım düşünmesini istemek. Ayrıntılı anlatım: adım adım düşündürmek.
Akıl yürüten model (reasoning model). Cevap vermeden önce kendi içinde uzun uzun düşünen, zor sorularda daha başarılı olan model türü.
Eğitim ve uyarlama
Ön eğitim (pre-training). Modelin devasa veriyle genel dil bilgisini öğrendiği ilk ve en pahalı aşama.
İnce ayar (fine-tuning). Hazır bir modeli belirli bir iş için daha küçük bir veriyle ek eğitimden geçirmek. Örneğin bir modeli tıbbi raporlar konusunda uzmanlaştırmak.
RLHF. İnsanların modelin cevaplarını değerlendirdiği ve modelin bu tercihlerden öğrendiği eğitim yöntemi. Modelin yardımcı ve güvenli davranmasında büyük rol oynuyor.
Eğitim verisi. Modelin öğrendiği metinler, görseller ya da diğer içerikler.
Bilgi kesim tarihi. Modelin eğitim verisinin bittiği tarih. Model bu tarihten sonraki olayları, internette arama yapmadıkça bilmez.
Araçlar ve yöntemler
RAG. Modelin cevabı kendi hafızasından değil, ona verilen belgelerden bularak üretmesi. "Belgelerime sor" türü sistemlerin temeli. Örnek araç: Dify.
Embedding. Metnin anlamını sayılarla temsil etme yöntemi. Benzer anlamlı metinleri bulmak için kullanılıyor; RAG sistemlerinin arka planında çalışıyor.
Vektör veritabanı. Embedding'leri saklayan ve anlam olarak benzer içerikleri hızla bulan veritabanı.
API. Programların birbirleriyle konuşmasını sağlayan bağlantı. Kendi uygulamanı bir yapay zekâ modeline API üzerinden bağlarsın.
Ajan (agent). Sadece cevap vermekle kalmayıp verilen bir hedef için kendi başına adımlar atan yapay zekâ: siteleri gezmek, dosya düzenlemek, form doldurmak gibi. Örnek: Claude Code, browser-use.
MCP. Yapay zekâ asistanlarının farklı araçlara ve veri kaynaklarına standart bir yolla bağlanmasını sağlayan protokol. Asistanının takvimine, dosyalarına ya da bir veritabanına erişmesini kolaylaştırıyor.
Araç kullanımı (tool use). Modelin hesap makinesi, arama motoru ya da kod çalıştırıcı gibi dış araçları çağırabilmesi.
Çok modlu (multimodal). Sadece metni değil, görsel, ses ya da videoyu da anlayabilen ve üretebilen model.
Üretken yapay zekâ
Üretken yapay zekâ. Yeni içerik (metin, görsel, ses, video, kod) üreten yapay zekânın genel adı.
Difüzyon modeli. Görsel üretmede yaygın kullanılan yöntem; gürültüden başlayıp adım adım net bir görsel oluşturuyor. Örnek araç: ComfyUI.
Deepfake. Yapay zekâyla üretilmiş, gerçek bir kişiyi taklit eden sahte video, ses ya da görsel. Nasıl anlaşılır: deepfake nasıl anlaşılır.
Ses klonlama. Kısa bir kayıttan bir kişinin sesini taklit etme. Dolandırıcılıkta kullanımı için: ses klonlama dolandırıcılığı.
Açıklık ve erişim
Açık kaynak. Kodun herkese açık olması; incelenebilir, değiştirilebilir, genelde ücretsiz kullanılabilir. Ayrıntılı anlatım: GitHub nedir, repolar neden önemli.
Açık ağırlıklı model. Eğitilmiş modelin kendisinin indirilebilir olması. Kendi bilgisayarında çalıştırabilirsin.
Yerel (lokal) model. Bir şirketin sunucusunda değil, kendi bilgisayarında çalışan model. Verilerin dışarı çıkmaz. Örnek araç: Ollama.
Güvenlik ve etik
Hizalama (alignment). Yapay zekânın insan değerlerine ve niyetlerine uygun davranmasını sağlama çabası.
Jailbreak. Bir yapay zekânın güvenlik kurallarını özel promptlarla aşmaya çalışmak.
Prompt enjeksiyonu. Bir belge, web sayfası ya da e-postanın içine gizlenmiş talimatlarla yapay zekâyı istenmeyen şeyler yapmaya yönlendirme saldırısı. Özellikle internette gezen ve e-posta okuyan ajanlar için ciddi bir risk.
Bu sözlüğü yeni terimler çıktıkça güncelliyoruz. Bir terimi merak ediyorsan ve burada yoksa bize yaz.
Sık sorulanlar
Bu terimleri bilmeden yapay zekâ kullanılabilir mi?
Kesinlikle. Yapay zekâ araçlarını kullanmak için hiçbir terimi bilmen gerekmiyor. Ama haberleri, rehberleri ve araç açıklamalarını anlamak için birkaç temel kavrama aşina olmak işini kolaylaştırıyor.
Yapay zekâ ile makine öğrenmesi aynı şey mi?
Makine öğrenmesi, yapay zekânın bir alt dalı. Yapay zekâ genel olarak akıllı davranış sergileyen sistemleri kapsıyor; makine öğrenmesi ise bunu örneklerden öğrenerek yapan yöntemlerin adı. Bugün konuşulan yapay zekâ uygulamalarının çoğu makine öğrenmesine dayanıyor.
Sözlükte olmayan bir terim gördüm, ne yapmalıyım?
Bir yapay zekâ asistanına 'bu terimi hiç bilmeyen birine bir örnekle anlat' diye sorabilirsin. Bu tür genel kavram sorularında yapay zekâlar genelde başarılı; yine de önemli bir konuda kullanacaksan bir kaynaktan doğrula.
Haftada bir e-posta. Sadece işe yarayanlar.
Haftanın en iyi yapay zekâ araçları ve yeni rehberler. Reklam yok, istediğin an çık.
Deepfake nasıl anlaşılır? Sahte video ve görselleri ayırt etmenin yolları
