Sözlük

Türkçe yapay zeka sözlüğü

54 terim — yapay zeka literatürünün Türkçe karşılıklarını ve kısa açıklamalarını tek sayfada toplayan referans. Tanımlar uygulanabilirliğe ve doğruluğa göre seçilir.

Temel · 7 Model · 9 Eğitim · 8 Prompt · 10 Güvenlik · 7 Altyapı · 9 Değerlendirme · 4

A

Açık kaynak model — Open-source Model Model

Ağırlıkları halka açık biçimde yayımlanan, indirilebilen ve genelde yerel olarak çalıştırılabilen modeller. Llama, Mistral, DeepSeek bu sınıfta yer alır.

Ajan — Agent Altyapı

Hedef verildiğinde adımları kendi belirleyen, araç çağıran ve birden fazla turda iş yapan yapay zeka sistemi. Claude Code, Devin ve Operator ajan örnekleridir.

Akıl yürütme modeli — Reasoning Model Model

Cevap üretmeden önce 'düşünme' adımlarını üreten model türü. OpenAI'nin o-serisi ve Claude'un düşünme modu örnek verilebilir.

API — Application Programming Interface Altyapı

Bir yazılımın başka yazılımlara sunduğu programatik arayüz. OpenAI, Anthropic ve Google modellerini API üzerinden ürünlere bağlar.

Aşırı uydurma — Overfitting Eğitim

Modelin eğitim verisini ezberleyip yeni veride zayıflamasına neden olan durum. Genel başarısızlık göstergesidir.

Az örnekli (Few-shot) — Few-shot Prompt

Promptta 2-5 örnek vererek modelin görevi daha doğru yapmasını sağlama tekniği. Karmaşık biçim ve sınıflandırma görevlerinde etkilidir.

B

Bağlam penceresi — Context Window Model

Modelin tek seferde dikkate alabildiği token sayısı. 128K, 200K, 1M gibi rakamlarla ifade edilir ve uzun belge işleme yeteneğini belirler.

Bilgi kesim tarihi — Knowledge Cutoff Güvenlik

Modelin eğitim verisinin son tarihi. Bu tarihten sonraki olaylar hakkındaki bilgisi sınırlıdır; ancak araç kullanan modeller güncel bilgiye erişebilir.

Büyük dil modeli (LLM) — Large Language Model Model

Trilyonlarca kelimelik veri üzerinde eğitilen, metin üretmeye odaklı büyük sinir ağı. GPT, Claude, Gemini, Llama gibi modeller bu sınıftandır.

Ç

Çıkarım — Inference Altyapı: Eğitilmiş modelin yeni bir girdiye cevap üretme aşaması. Maliyet ve gecikme bu aşamada hesaplanır.

D

Değerlendirme (Eval) — Evaluation Değerlendirme

Modelin belirli görevdeki performansını ölçme süreci. Otomatik metrikler kadar insan değerlendirmesi de kullanılır.

Derin öğrenme — Deep Learning Temel

Çok katmanlı yapay sinir ağlarıyla yapılan makine öğrenmesi. Modern büyük modellerin temelinde bu yaklaşım vardır.

Difüzyon modeli — Diffusion Model Model

Görsel üretiminde baskın model türü. Gürültüden başlayıp adım adım anlamlı görsele dönüştürme mantığıyla çalışır. Midjourney ve Stable Diffusion temel örnekleridir.

Doğal dil işleme (NLP) — Natural Language Processing Temel

Bilgisayarların insan dilini anlama, üretme ve sınıflandırma yeteneği. LLM'ler bu alanın güncel zirvesini temsil eder.

Düşünce zinciri (CoT) — Chain-of-Thought Prompt

Modelin cevaba ulaşmadan önce ara akıl yürütme adımlarını üretmesini isteme tekniği. Matematik ve mantık görevlerinde doğruluğu belirgin artırır.

E

Eğitim — Training Eğitim

Modele veri verilerek ağırlıkların güncellenmesi süreci. Pahalı ve zaman alıcıdır; ön eğitim ve ince ayar olarak ikiye ayrılır.

F

Fonksiyon çağırma — Function Calling Prompt

Modelin yapılandırılmış JSON biçiminde harici fonksiyonları tetikleyebilmesi. Ajan akışlarının temelidir.

G

Gecikme — Latency Değerlendirme

Bir isteğin gönderilmesi ile cevabın gelmesi arasındaki süre. Ürün deneyimi için kritik bir AI metriğidir.

Genel yapay zeka (AGI) — Artificial General Intelligence Temel

İnsan seviyesinde geniş kapsamlı görev çözebilen, henüz ulaşılmamış teorik sistem.

Gömme — Embedding Altyapı

Metnin (veya görselin) çok boyutlu sayısal vektör olarak temsil edilmesi. Benzerlik arama, kümeleme ve RAG'ın altyapısıdır.

GPU — Graphics Processing Unit Altyapı

Paralel hesaplama için tasarlanmış işlemci. AI eğitimi ve çıkarımının baskın donanımıdır; NVIDIA bu pazarın lideridir.

H

Halüsinasyon — Hallucination Güvenlik: Modelin akıcı ama hatalı veya uydurma bilgi üretmesi. Sayı, tarih, kaynak ve isimlerde sık görülür; doğrulama bu yüzden zorunludur.
Hizalama — Alignment Güvenlik: Modelin davranışını insan değerleriyle uyumlu hale getirme çalışmaları. RLHF, anayasal yapay zeka ve güvenlik filtreleri bu alanın araçlarıdır.

İ

İnce ayar — Fine-tuning Eğitim

Önceden eğitilmiş bir modelin daha küçük, görev odaklı bir veri kümesiyle uzmanlaştırılması. Sektör veya kurum özel modellerinin temelidir.

K

Karşılaştırma testi (Benchmark) — Benchmark Değerlendirme: Modellerin standartlaştırılmış görev kümesinde puanlandığı testler. MMLU, HumanEval, GPQA gibi benchmark'lar yetkinlik karşılaştırmasının ortak dilidir.
Kısıtlama aşma (Jailbreak) — Jailbreak Güvenlik: Modelin güvenlik kurallarını dolanmaya yönelik prompt teknikleri. Geliştiriciler için saldırı testi, kötü niyetli kullanım için risk yüzeyidir.

L

LoRA — Low-Rank Adaptation Eğitim: Büyük modeli yeniden eğitmeden, küçük bir adaptör katmanı eğiterek uzmanlaştırma tekniği. Maliyet ve süreyi büyük ölçüde düşürür.

M

Makine öğrenmesi (ML) — Machine Learning Temel: Veriden örüntü öğrenerek görev gerçekleştiren algoritma ailesi. Yapay zekanın baskın alt alanı.
MCP — Model Context Protocol Altyapı: Anthropic tarafından geliştirilen açık standart. AI modellerinin harici veri kaynaklarına ve araçlara standart bir arayüzle erişmesini sağlar.
Model kartı — Model Card Güvenlik: Modelin amacı, eğitim verisi, performans ve önyargı analizi gibi temel bilgilerin standart belgesi. Açık kaynak modellerin de yayımladığı tipik bir doküman.
Multimodal — Multimodal Model: Aynı modelin metin, görsel, ses gibi farklı veri türlerini birlikte işleyebilmesi. GPT-4o, Gemini ve Claude bu yetkinliğe sahiptir.

N

Nicemleme — Quantization Altyapı: Model ağırlıklarını daha düşük hassasiyetli sayılarla (8-bit, 4-bit) tutarak hafızadan tasarruf etme tekniği. Modeli daha küçük donanımda çalıştırmaya olanak verir.

Ö

Ölçek yasaları — Scaling Laws Değerlendirme

Model büyüklüğü, veri miktarı ve hesaplama gücü ile performans arasındaki öngörülebilir ilişki. Modern büyük modellerin yatırım mantığını şekillendirir.

Ön eğitim — Pre-training Eğitim

Modelin büyük genel veri kümesi üzerinde dil yetkinliği kazandığı ilk eğitim aşaması. Trilyonlarca token üzerinde yapılır.

Önyargı — Bias Güvenlik

Modelin eğitim verisinden devraldığı, sistematik biçimde belirli grupları olumsuz etkileyebilen yan kararlar. Adil yapay zeka tartışmasının merkezindedir.

Öz dikkat — Self-attention Model

Transformer mimarisinin merkezindeki mekanizma. Modelin bir kelimeyi anlamlandırırken cümlenin diğer parçalarına ne kadar dikkat edeceğine karar vermesini sağlar.

P

Parametre — Parameter Model

Modelin eğitim sırasında ayarladığı sayısal ağırlıklar. 'Yedi milyar parametreli model' ifadesi modelin büyüklüğüne işaret eder.

Pekiştirmeli öğrenme — Reinforcement Learning Eğitim

Modelin deneme-yanılma ve ödül sinyaliyle öğrendiği yaklaşım. Oyunlardan robotlara, akıl yürütme modellerinden RLHF'e geniş kullanımı vardır.

Prompt — Prompt Prompt

Modele verilen talimat, soru veya bağlam. Çıktının kalitesini doğrudan belirleyen tek bileşendir.

Prompt mühendisliği — Prompt Engineering Prompt

Promptları sistematik biçimde tasarlama disiplini. Rol, bağlam, çıktı biçimi ve kısıt katmanlarını içerir.

R

RAG — Retrieval-Augmented Generation Altyapı

Modelin cevabı oluşturmadan önce harici bilgi kaynağından (genelde vektör veritabanı) ilgili belgeleri çekmesi. Kurumsal AI uygulamalarının baskın deseni.

RLHF — Reinforcement Learning from Human Feedback Eğitim

İnsan değerlendirmeleriyle modeli yönlendiren pekiştirmeli öğrenme yaklaşımı. ChatGPT'nin yardımcı ton kazanmasındaki ana yöntemlerden biridir.

S

Sıcaklık — Temperature Prompt: Modelin çıktı çeşitliliğini ayarlayan parametre. 0'a yakın değerler tutarlı, yüksek değerler daha yaratıcı sonuç verir.
Sıfır örnekli (Zero-shot) — Zero-shot Prompt: Modelin hiç örnek görmeden, sadece talimatla yeni bir görevi yapması. Modern LLM'lerin temel pratik avantajıdır.
Sinir ağı — Neural Network Temel: Beyin nöronlarından esinlenerek tasarlanan katmanlı hesap modeli. Girdi → ağırlıklar → çıktı.
Sistem kartı — System Card Güvenlik: Modelin yetkinlikleri, sınırları, güvenlik testleri ve riskli senaryolarının özetlendiği resmi belge. OpenAI ve Anthropic her büyük lansmanda yayımlar.
Sistem promptu — System Prompt Prompt: Modelin genel davranışını belirleyen, kullanıcıdan gizli üst seviye talimat. Karakter, kısıt ve format kuralları burada tanımlanır.

T

Token — Token Prompt

Modelin metni işlerken kullandığı en küçük birim. Bir kelime genelde 1-3 tokendir; Türkçede ortalama daha fazla token kullanılır.

Tokenleştirme — Tokenization Prompt

Metnin token birimlerine ayrılması süreci. Türkçenin sondan eklemeli yapısı, token verimliliğini İngilizceye göre düşürür.

Transfer öğrenme — Transfer Learning Eğitim

Bir görevde öğrenilen bilginin başka göreve aktarılması. Pre-train + fine-tune deseninin temelidir.

Transformer — Transformer Model

Modern LLM'lerin temel mimarisi. 'Attention is All You Need' (2017) makalesiyle tanıtıldı ve dil görevlerinde standart hale geldi.

Ü

Üretken yapay zeka — Generative AI Temel: Yeni metin, görsel, ses veya kod üretebilen modellere verilen genel ad. ChatGPT, Claude, Gemini ve Midjourney bu kategoride yer alır.

V

Vektör veritabanı — Vector Database Altyapı: Embedding'leri saklayan ve hızlı benzerlik araması yapan özel veritabanı. Pinecone, Weaviate ve pgvector örnekleridir.

Y

Yapay zeka (AI) — Artificial Intelligence Temel: İnsan zekasının belirli görevlerini (anlamlandırma, üretim, karar) makinelerle simüle eden geniş alan.

Eksik veya yanlış bir tanım fark edildiğinde info@yapayzekam.org adresine yazılabilir. Sözlük, yayın çizgisiyle aynı doğrulama mantığını izler.